AI-boomen lånar stort – nu prissätts kreditmarknaden om

AI-infrastruktur har blivit lika mycket en fråga för kreditmarknaden som för tekniksektorn. Morgan Stanley uppskattade att globala AI-relaterade skuldemissioner uppgick till omkring 236 miljarder dollar den 31 maj 2026, ungefär fyra gånger mer än under motsvarande period ett år tidigare. Banken räknade med närmare 570 miljarder dollar för helåret. Goldman Sachs uppskattade senare emissionerna till cirka 489 miljarder dollar per den 22 juli, vilket redan översteg bankens bedömning av hela 2025 års nivå.

Siffrorna motsäger inte varandra: de bygger på olika mättidpunkter och uppskattningar. Tillsammans visar de hur snabbt finansieringen av datacenter, beräkningskapacitet, energisystem och annan AI-infrastruktur har flyttat in på både offentliga och privata kreditmarknader.

Hyperskalarna står för den största tillgången

De centrala låntagarna är Amazon, Alphabet, Meta, Microsoft och Oracle – bolag som ofta kallas hyperskalare eftersom de driver molnplattformar och datacenter i mycket stor skala.

Amazon, Alphabet, Meta och Oracle hade enligt en Reuters-analys av LSEG-data emitterat omkring 194 miljarder dollar i obligationer under 2026 fram till den 7 juli. Det kan jämföras med cirka 108 miljarder dollar under hela 2025.

En senare sammanställning på bolagsnivå uppskattade upplåningen till ungefär:

• Amazon: 53 miljarder dollar, inklusive en amerikansk obligationsemission på 37 miljarder och mer än 16 miljarder dollar i eurodenominerade obligationer.
• Alphabet: omkring 20 miljarder dollar i obligationer.
• Oracle: omkring 25 miljarder dollar till bolagets AI-expansion.

Beloppen beror på vilket datum som används och vad som räknas som AI-relaterad finansiering. Obligationer, leasingavtal, privata krediter, joint ventures och projektfinansiering redovisas inte alltid på ett jämförbart sätt. Uppgifterna bör därför ses som ögonblicksbilder, inte som en slutgiltig rangordning.

Varför lånar kontanta teknikjättar?

Förändringen är anmärkningsvärd eftersom de här bolagen historiskt i hög grad har finansierat investeringar med egna kassaflöden. Men AI-utbyggnaden kräver flera dyra investeringar samtidigt: avancerade processorer, nätverksutrustning, mark, datacenterbyggnader, kylsystem och elförsörjning.

Kostnaderna kommer dessutom långt innan det är säkert hur stora intäkterna från AI-tjänsterna blir. Reuters rapporterade att teknikbolagens samlade investeringar väntades överstiga 730 miljarder dollar under 2026, upp från en tidigare prognos på omkring 700 miljarder dollar.

Skuldfinansiering gör det möjligt för bolagen att börja bygga och säkra kapacitet innan framtida AI-intäkter har hunnit materialiseras. Leasing, aktiekapital, privata krediter, infrastrukturfonder och joint ventures breddar finansieringsbasen.

Priset är att en större del av genomföranderisken flyttas från företagens kassor till obligationsägare, långivare och projektinvesterare.

Kreditmarknaden får mer obligationer – och blir mer kräsen

Den omedelbara effekten är ett kraftigt ökat utbud av långfristiga obligationer från bolag med så kallad investment grade-status, alltså hög kreditvärdighet enligt kreditvärderingsinstitutens skala.

När fler teknikbolag lånar blir investerarna mer selektiva kring hur mycket skuld de vill köpa och till vilket pris. Reuters rapporterade att stora emittenter behövde acceptera successivt högre räntor när efterfrågan svalnade.

Det påverkar inte bara hyperskalarna. Företag konkurrerar ofta om samma investerare med lång placeringshorisont. En våg av ny teknikskuld kan därför leda till:

• högre avkastningskrav;
• bredare kreditspreadar, alltså större ränteskillnader mot statsobligationer;
• större rabatt i nya obligationsemissioner;
• högre kostnader vid refinansiering; och
• ökad användning av lån i andra valutor, privata krediter eller finansiering utanför balansräkningen.

Effekten på den amerikanska statsobligationsmarknaden är mer indirekt. Om företagen emitterar stora mängder skuld ökar konkurrensen om kapital med lång löptid, vilket kan bidra till tryck uppåt på de längre räntorna. Men statsobligationsräntor styrs framför allt av konjunktur, inflationsförväntningar, penningpolitik och statens lånebehov. AI-upplåningen är därför en ytterligare källa till efterfrågan på lång duration – inte en ensam förklaring till rörelserna på räntemarknaden.

Bank for International Settlements, BIS, har också noterat att hyperskalarnas obligationsemissioner ökat kraftigt och att en stor del av upplåningen är långfristig. Samtidigt har spreadarna på kreditswappar, CDS, stigit särskilt för bolag med lägre kreditbetyg när investerare ifrågasatt den framtida avkastningen på projekten.

NVIDIA vill öppna en ny finansieringskanal

NVIDIA:s samarbeten i augusti med Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs och KKR ska skapa fristående finansieringsplattformar för datorkapacitet. Plattformarna är tänkta att på sikt mobilisera mer än 500 miljarder dollar i kapital från externa investerare.

Modellen skiljer sig från att NVIDIA eller en hyperskalare helt enkelt säljer ytterligare en företagsobligation. Tanken är att externa investerare ska kunna finansiera datacenter, energiinfrastruktur, så kallade AI-fabriker och NVIDIA-utrustning genom särskilda kapitalpooler. NVIDIA beskriver upplägget som ett sätt att göra datorkapacitet och AI-infrastruktur till en investerbar tillgångsklass.

Om modellen fungerar kan den minska mängden infrastruktur som måste ligga direkt på hyperskalarnas balansräkningar. Den kan samtidigt koppla samman AI-projekt med private equity, privata krediter, infrastrukturfonder och projektfinansiering.

Men när tillgångar flyttas bort från moderbolaget försvinner inte risken. Den byter ägare. Frågan blir i stället vem som äger tillgångarna, vem som lånar ut pengarna och vem som tar förlusten om nyttjandegraden eller intäkterna blir lägre än väntat.

Riskerna som investerarna följer

1. Högre långräntor gör utbyggnaden dyrare

Stigande långfristiga statsobligationsräntor höjer den totala kostnaden för företagsobligationer, leasing och projektlån. De minskar också nuvärdet av intäkter som väntas långt fram i tiden.

En affärsmodell som ser attraktiv ut när finansieringen är billig kan bli betydligt mindre övertygande när projekten måste bära högre räntekostnader.

2. AI-intäkterna kan komma efter att skulden är låst

Finansiering av infrastruktur ordnas ofta flera år innan en anläggning når full kapacitet. Då uppstår en tidsrisk: skuldbetalningarna följer ett fast schema, medan efterfrågan på datorkraft och intäkterna från AI-produkter kan växa långsammare.

Den centrala frågan är därför inte om hyperskalare fortfarande kan låna. Många har betydande finansiell kapacitet. Frågan är om den samlade upplåningen växer snabbare än den varaktiga efterfrågan och kassagenereringen från AI.

3. Oracle visar hur kreditoron kan bli bolagsspecifik

Oracle har blivit ett särskilt bevakat exempel eftersom bolaget finansierar en aggressiv AI-expansion och är känsligare för skuldsättning och refinansieringsvillkor än de största, mest kontantstarka konkurrenterna.

Rapporter har beskrivit en tydlig breddning av Oracles CDS-spreadar, även om de exakta nivåerna varierar mellan källor och mättidpunkter.

Bredare CDS-spreadar betyder inte att en betalningsinställelse är nära förestående. De visar att det blivit dyrare att försäkra bolagets skuld och att investerare kräver större ersättning för den upplevda kreditrisken.

4. GPU:er kan skapa en obalans mellan tillgångar och skulder

AI-hårdvara kan förlora ekonomiskt värde snabbare än de obligationer eller infrastrukturlån som finansierar den förfaller. Om nya processorversioner gör äldre GPU:er mindre konkurrenskraftiga, eller om nyttjandegraden faller, kan värdet på säkerheterna minska medan skulden ligger kvar.

Det skiljer sig från traditionell fastighetsfinansiering. En datacenterbyggnad kan vara användbar i många år, medan datorutrustningen inuti kan bli tekniskt föråldrad på betydligt kortare tid.

5. Projekten kan vara beroende av få hyresgäster

Datacenter och projektfinansierade anläggningar kan vara exponerade mot en begränsad grupp hyperskalare. En inbromsning i investeringarna, en omförhandling av kontrakt eller svagare efterfrågan på molntjänster från en enda stor kund kan påverka flera projekt samtidigt – särskilt om anläggningarna byggts för specialiserade AI-arbetslaster.

6. Kreditmarknadens kapacitet kan bli flaskhalsen

De största teknikbolagen kan i många fall öka skuldsättningen utan att omedelbart förlora sin investment grade-status. Men obligationsmarknadens förmåga att absorbera den nya skulden till gynnsamma priser är inte obegränsad.

Goldman Sachs har pekat på ett möjligt gap mellan hur mycket hyperskalare teoretiskt kan låna och hur mycket den amerikanska marknaden för obligationer med investment grade-betyg bekvämt kan ta emot.

Det bidrar till att förklara framväxten av alternativa kanaler: obligationer i euro och andra valutor, privata investment grade-krediter, infrastrukturfonder, leasing och obligationslån kopplade till joint ventures.

Sådana kanaler diversifierar finansieringen, men kan också göra den totala skuldsättningen i AI-ekosystemet svårare att överblicka.

Slutsatsen: produktiv infrastruktur eller hävstångscykel?

AI-upplåningen har förändrat finansieringsmodellen för hela utbyggnaden. Det som började som en teknikexpansion som till stor del betalades med företagens egna kassor har blivit en bred kapitalmarknadscykel med offentliga obligationer, privata krediter, infrastrukturfonder, leasing och projektfinansiering.

Den tydligaste effekten på kort sikt är ett större utbud av obligationer med hög kreditvärdighet och större krav på selektivitet från investerarna. Den långsiktiga risken är en obalans mellan tillgångar och skulder: infrastruktur och hårdvara finansieras i dag mot en AI-efterfrågan och AI-intäkter som kommer senare – eller inte når den väntade omfattningen.

Skillnaden mellan en hållbar och en skör utveckling ligger i tempot. Upplåningen är hållbar om nyttjandegrad, prissättning och intäkter från AI-tjänster stiger innan hårdvarans värdeminskning och skuldbetalningarna blir begränsande. Den blir sårbar om kapaciteten byggs ut snabbare än den varaktiga efterfrågan.