AI-boomen förvandlar en teknikaffär till en risk för hela marknaden

AI-utbyggnaden är inte längre bara en aktiehistoria. Den har blivit en gemensam finansieringsaffär som sträcker sig över företagsobligationer, konvertibler, datacenterprojekt, privat kredit och bolagen som levererar utrustningen.

Det skapar det som investerare kan kalla en AI-faktor: en gemensam exponering mot ett begränsat antal företag och mot antagandet att framtida AI-intäkter ska generera tillräckliga kassaflöden för att motivera dagens investeringar och upplåning.

Den omedelbara risken är därför inte nödvändigtvis att de största molnjättarna, de så kallade hyperscalers, kommer att ställa in betalningarna. Problemet är snarare att en besvikelse kring AI-intäkter, beläggningen i datacenter eller finansieringsvillkoren kan slå mot flera till synes separata marknader samtidigt.

Den växande upplåningen blir ett marknadstekniskt problem

Alphabet, Amazon och Meta hade emitterat nästan 220 miljarder dollar i obligationer under 2026 fram till mitten av augusti – redan mer än dubbelt så mycket som de 108 miljarder dollar som emitterades under hela 2025, enligt LSEG-data som Reuters hänvisar till. Morgan Stanley har samtidigt bedömt att den globala emissionen av AI-relaterade skulder kan närma sig 570 miljarder dollar under 2026, efter att omkring 236 miljarder dollar hade emitterats till och med slutet av maj.

Det handlar om mer än vanlig refinansiering. Teknikbolag använder i allt högre grad skuld- och aktielänkade marknader för att finansiera den kapitalintensiva utbyggnaden av AI- och molninfrastruktur. Det innebär en förskjutning från den traditionella modellen, där investeringarna i första hand betalades med egna kassaflöden.

Storleken och tempot spelar roll eftersom hyperscalers konkurrerar om samma institutionella kapital som köper amerikanska statsobligationer och andra företagsobligationer med hög kreditvärdighet. En stor mängd nya obligationer tvingar inte automatiskt upp räntorna, men kan göra investerarna mer selektiva. Företag kan behöva erbjuda högre kreditspreadar, eller så kan långsiktiga investerare kräva bättre betalt för att ta på sig mer ränterisk och längre löptider.

Effekten stannar inte nödvändigtvis i tekniksektorn. Reuters rapporterade att AI-relaterad skuld stod för nära 15 procent av emissionerna på investment grade-marknaden under 2026, samtidigt som AI-koncentrationen fortfarande var låg i breda kreditindex. Skillnaden är viktig: sektorn kan påverka prissättningen och likviditeten vid nya emissioner utan att ännu dominera hela marknaden för företagsobligationer med hög kreditvärdighet.

Därför binds aktier och obligationer ihop

Aktie- och kreditmarknaden förstärker varandra på två sätt.

För det första kan en liten grupp stora teknikbolag påverka både börsindex och investerarnas riskaptit. Om värderingarna till stor del bygger på förväntningar om framtida AI-vinster kan en lägre bedömning av efterfrågan eller avkastningen på infrastrukturinvesteringarna pressa både aktiekurserna och värdet på framtida kassaflöden.

För det andra kan fallande aktiekurser göra finansieringen dyrare. Företagen kan möta högre räntespreadar på den vanliga obligationsmarknaden, sämre villkor i privat kredit och lägre efterfrågan på aktielänkade värdepapper. När finansieringskostnaden stiger blir investeringskalkylen i sin tur mindre attraktiv.

Det syns tydligt på marknaden för konvertibler. En konvertibel kombinerar en obligation med en möjlighet att omvandla skulden till aktier. När investerare värderar den möjliga kursuppgången högt kan företaget ofta få lägre kontant ränta än vid en vanlig obligation. Den amerikanska konvertibelemissionen uppgick till omkring 34 miljarder dollar under årets fyra första månader, mer än dubbelt så mycket som under motsvarande period året innan. AI-kopplade bolag bidrog starkt till ökningen.

En stark AI-börs kan därmed göra det billigare att ge ut aktielänkad finansiering, vilket i sin tur finansierar mer infrastruktur och håller tillväxtberättelsen vid liv. Ett kraftigt börsfall kan vända mekanismen: konvertibler blir mindre attraktiva, säkringsmarknaderna försämras och låntagare kan behöva förlita sig mer på dyrare traditionella obligationer eller nya aktier.

Den dolda gemensamma nämnaren är AI-efterfrågan

En obligation från en hyperscaler, ett lån till ett datacenter, en privatkreditfacilitet, ett lån till ett kraftprojekt och en leverantörs fordran kan vara utfärdade av helt olika juridiska personer. Ändå kan de bygga på samma ekonomiska antagande: att AI-kunderna fortsätter att spendera, hyra datorkapacitet och generera tillräckliga intäkter för att bära hela infrastrukturskedjan.

Det kan få diversifieringen att se större ut än den faktiskt är. En portfölj med obligationer, värdepapperiseringar och privata lån kan innehålla flera anspråk på samma hyperscalers, datacenteroperatörer eller efterfrågan på utrustning. Om projekt försenas eller kapaciteten inte utnyttjas kan förluster uppstå genom flera instrument samtidigt – även om inget av dem formellt garanteras av samma företag.

Risken ökar när finansieringsstrukturer flyttar exponeringen bort från moderbolagets balansräkning utan att bolagets kommersiella åtaganden försvinner.

Finansiering utanför balansräkningen kan dölja den verkliga exponeringen

Specialbolag, leasingavtal och garantier för restvärden har blivit viktiga verktyg i utbyggnaden av datacenter. I en typisk struktur tar ett externt bolag upp lånen och äger anläggningen, medan teknikbolaget hyr den färdiga anläggningen. Upplägget kan hålla projektets lån utanför företagets redovisade skuld, men bolaget kan ändå vara bundet av hyresbetalningar, minimiutnyttjande eller garantier kopplade till tillgångens framtida värde.

Metas planerade Hyperion-datacenter visar hur strukturen kan se ut. En juridisk analys beskriver ett specialbolag med ett projekt på 30 miljarder dollar som tog upp omkring 27 miljarder dollar i lån och 3 miljarder dollar i eget kapital, medan anläggningen hyrs ut till Meta. Annan rapportering beskriver garantier för restvärdet, där Meta skulle kompensera investerare om fastigheten sjönk under ett angivet värde.

Det betyder inte att skulden i projektbolaget är identisk med en vanlig seniorobligation utgiven av moderbolaget. Däremot kan den redovisade skuldsättningen underskatta företagets känslighet för byggkostnader, teknisk föråldring, beläggning och tillgångsvärden.

För investerare är den praktiska frågan därför inte bara: ”Vem tog juridiskt upp lånet?” utan också: ”Vem bär förlusten om AI-ekonomin inte infriar förväntningarna?”

Så kan en omprissättning spridas

En korrigering på finansieringsmarknaden behöver inte börja med en betalningsinställelse. Den kan starta med att marknadens antaganden förändras:

1. AI-intäkterna eller beläggningen i datacentren blir lägre än väntat.
2. Aktievärderingarna faller och investerare omprövar hur lång tid det tar att få tillbaka investeringarna.
3. Kreditspreadarna vidgas och konvertibelfinansiering blir mindre attraktiv.
4. Projektbolag, operatörer och leverantörer får dyrare refinansiering.
5. Hyperscalers skjuter upp eller minskar beställningar av chip, servrar, byggtjänster, kraftutrustning och fastigheter.
6. Svagare motparter får sämre tillgång till kredit, samtidigt som högre långfristiga räntor pressar investeringar utanför tekniksektorn.

Detta är en möjlig återkopplingsloop, inte en prognos. Kapitalstarka hyperscalers kan tåla svagare avkastning längre än mindre infrastrukturbolag. Men även utan stora företagskonkurser kan försenade projekt och stramare finansieringsvillkor påverka den bredare investeringscykeln.

Vad underlaget visar – och inte visar

Underlaget pekar på en växande koncentrations- och korrelationsrisk. AI-relaterad upplåning ökar snabbt, konvertibler används för att finansiera AI-kopplad tillväxt och strukturerade datacentertransaktioner kan sprida exponeringen mellan publika och privata marknader.

Det bevisar däremot inte att det finansiella systemet står inför en nära förestående systemkris. Prognosen på 570 miljarder dollar gäller framtida emissioner, inte redan genomförd upplåning. Dessutom beror beräkningar av finansieringsgap och skuldfinansierad andel av investeringarna på vad som räknas som skuld. Leasing, garantier, privat kredit, leverantörsfinansiering och framtida åtaganden kan ge mycket olika totalsummor.

För investerare är det därför mest användbara testet att kartlägga den faktiska exponeringen. Se bortom emittentens namn och fråga om flera innehav är beroende av samma hyperscaler, samma datacenterkund, samma andrahandsvärde på utrustningen eller samma antagande om att AI ska kunna omvandlas till intäkter.

Den centrala risken är inte att alla AI-relaterade tillgångar är identiska. Det är att många av dem kan vara sårbara för samma förändring i marknadens förväntningar.