Hur AI-skulder pressar upp obligationsräntorna – och varför Pimco ser en möjlighet

AI-boomen är inte längre bara en aktiemarknadsberättelse. Den förändrar också kreditmarknaden, eftersom teknikbolag i allt högre takt lånar pengar till datacenter, beräkningskapacitet och annan infrastruktur.

Marc Seidner, investeringschef för alternativa strategier på kapitalförvaltaren Pimco, beskriver utvecklingen som ”för mycket, för snabbt”. Resultatet är enligt honom ”matsmältningsproblem” på räntemarknaden. Han säger också att det är ”mycket möjligt” att lånevågen bidrog till att den tioåriga amerikanska statsobligationsräntan steg till omkring 4,75 procent tidigare i augusti – men det är inte hela förklaringen.

Big Tech har blivit en tung obligationsutgivare

Det tydligaste tecknet på förändringen är mängden nya obligationer. Amazon, Alphabet, Meta och Oracle emitterade tillsammans obligationer för cirka 194 miljarder dollar till och med den 7 juli 2026, jämfört med omkring 108 miljarder dollar under hela 2025, enligt en Reuters-analys av data från LSEG. 17

Amazons emission i juli visar både hur stort finansieringsbehovet är och att marknaden fortfarande har aptit på teknikskuld med hög kreditkvalitet. Bolaget ville låna 25 miljarder dollar genom åtta obligationsdelar med förfall mellan 2029 och 2066. Den rapporterade efterfrågan uppgick som mest till omkring 62 miljarder dollar. 18

Olika analyser ger olika totalsummor, eftersom de räknar på skilda grupper av bolag, tidsperioder och definitioner av AI-relaterad skuld. Morgan Stanley räknade med nära 570 miljarder dollar i global AI-relaterad upplåning under 2026, efter omkring 236 miljarder dollar fram till den 31 maj. Goldman Sachs uppskattade separat att nästan 500 miljarder dollar i AI-relaterad skuld hade emitterats hittills under 2026, varav hyperskalare stod för cirka 40 procent.

Siffrorna går alltså inte att jämföra rakt av. Men riktningen är tydlig: AI-infrastrukturen har blivit en betydande källa till utbud på obligationsmarknaden.

Därför kan mer företagsupplåning höja räntorna

Mekanismen handlar i grunden om utbud och efterfrågan.

Långfristiga företagsobligationer innebär mer duration, alltså större känslighet för förändringar i ränteläget. När hyperskalare – företag som driver mycket stora moln- och datacenter – emitterar stora mängder långfristiga obligationer samtidigt som stater säljer stora volymer statsobligationer, måste investerarna avgöra hur mycket ytterligare ränterisk de vill bära.

Om efterfrågan inte ökar lika snabbt som utbudet behöver låntagare normalt erbjuda högre ränta eller större räntespreadar. Eftersom obligationspriser och räntor rör sig i motsatt riktning kan svagare efterfrågan leda till lägre priser och högre räntor i delar av marknaden. Nya emissioner kan också behöva prissättas med en så kallad emissionspremie – extra ränta jämfört med redan utestående obligationer – för att locka köpare.

Reuters rapporterade att AI-emissionerna testar investerarnas efterfrågan. Marknadsanalysen pekade samtidigt ut det ökade företagsutbudet som en faktor bakom rörelserna i de längre amerikanska statsobligationsräntorna. Pimcos egen kreditanalys har också lyft fram rekordstor emission från hyperskalare på dollarmarknaden och deras växande andel av index för företagsobligationer med hög kreditvärdighet.

Det betyder inte att varje dollar som ett teknikbolag lånar direkt höjer räntan på amerikanska statsobligationer. Företags- och statsobligationer är olika instrument. Men de konkurrerar delvis om samma kapital, och investerare jämför ofta ränta, kreditkvalitet och duration mellan dem.

Vad beläggen visar – och inte visar

Flera uppskattningar placerar AI-relaterad upplåning på omkring 182 miljarder dollar under första halvåret 2026, med en möjlig totalsumma nära 400 miljarder dollar för året. Andra prognoser är högre eller lägre. Skillnaderna beror bland annat på om analytiker inkluderar Microsoft, privata krediter, leasing, projektfinansiering, upplåning i utländsk valuta samt skulder från leverantörer och närstående bolag.

Underlaget stöder tre slutsatser:

• AI-relaterad upplåning har ökat kraftigt.
• Det nya utbudet består i stor utsträckning av långfristiga obligationer från bolag med hög kreditvärdighet och konkurrerar därför med andra räntebärande tillgångar.
• Investerare fäster större vikt vid prissättning, skuldsättning och hur snabbt emissionerna kommer ut på marknaden.

Däremot visar underlaget inte att AI-skulder ensamma har lagt till 10–20 räntepunkter på de långfristiga amerikanska räntorna. Reuters kommentar, med hänvisning till Goldman Sachs, placerade den bredare effekten närmare omkring 5 räntepunkter och beskrev den som marginell jämfört med andra krafter.

Samma försiktighet behövs kring påståendet att AI-upplåningen drev den tioåriga amerikanska statsobligationsräntan till 4,75 procent. Pimco säger att det är möjligt, men uttalandet fastställer inte något exakt orsakssamband. Inflationsförväntningar, Federal Reserves politik, utbudet av amerikanska statsobligationer, finanspolitiska risker, löptidspremien och den globala efterfrågan på säkra tillgångar kan samtidigt påverka de långa räntorna. Reuters har på motsvarande sätt sagt att dessa konjunktur- och finanspolitiska krafter betyder mer för räntornas övergripande riktning än AI-finansieringen.

Sydkorea visar en annan spridningseffekt

AI-boomens finansiella följder märks också i länder som levererar den infrastruktur som behövs. Sydkoreas tillväxt under årets första kvartal fick stöd av en exportökning på 5,1 procent, driven av IT-komponenter – däribland halvledare som används i AI-infrastruktur. Den treåriga räntan på sydkoreanska statsobligationer steg 8,8 räntepunkter när siffrorna publicerades. 3

Här ser överföringsmekanismen annorlunda ut än i USA:s företagsobligationsmarknad. Starkare halvledarexport kan lyfta tillväxt, investeringar och inflationsförväntningar. Då kan investerare räkna med att Bank of Korea behöver hålla styrräntan högre eller höja den, vilket pressar upp räntorna på statsobligationer.

Bloomberg rapporterade att sydkoreanska statsobligationer i lokal valuta hade tappat 7,5 procent under 2026 fram till början av juni – det svagaste resultatet bland 44 marknader som tidningen följde. Den treåriga jämförelseräntan nådde omkring 3,9 procent. 1 Analytiker pekade på halvledarboomen och dess inflationsdrivande följder som skäl till att räntorna kan fortsätta uppåt. 2

Skillnaden är viktig: i Sydkorea kan AI-boomen pressa obligationsmarknaden både genom den globala konkurrensen om kapital och genom starkare inhemsk tillväxt och förväntningar om en stramare penningpolitik.

Konsekvenser för bolån, företag och tillväxtaktier

Högre referensräntor höjer tröskeln för många typer av upplåning. Amerikanska bolåneräntor påverkas av marknaden för statsobligationer och bostadsobligationer, medan företag normalt prissätter sina lån i relation till statsräntorna. En varaktig uppgång i de långa räntorna kan därför göra finansieringen dyrare för både hushåll och företag.

Effekten blir sannolikt ojämn. Hyperskalare med hög kreditvärdighet kan fortfarande locka många köpare, men kan behöva betala mer än investerarna tidigare räknat med. Mindre bolag, högt skuldsatta låntagare och projekt med osäkra framtida kassaflöden kan möta större räntespreadar, högre emissionspremier eller sämre tillgång till kapitalmarknaden.

För företag som själva finansierar en AI-expansion uppstår dessutom ett andra test: kommer de förväntade intäkts- och produktivitetsvinsterna att räcka för att motivera kostnaden för infrastrukturen? Pimco har varnat för att investeringscykeln är mycket omfattande samtidigt som den slutliga storleken på utbyggnaden fortfarande är osäker.

Högre räntor påverkar också värderingen av tillväxtaktier. Ett företags värde beror delvis på nuvärdet av framtida kassaflöden. När diskonteringsräntan stiger blir kassaflöden långt fram i tiden mindre värda i dag. Det sätter särskild press på bolag där avkastningen väntas komma först långt senare. En AI-strategi som finansieras med lån skapar dessutom en balansräkningsfråga: kommer de framtida vinsterna att växa tillräckligt snabbt för att väga upp de nya skulderna?

Motargumentet: underskotten är den viktigaste drivkraften

Det starkaste motargumentet är att amerikanska budgetunderskott och ett stort utbud av statsobligationer – inte teknikbolagens AI-upplåning – är den huvudsakliga orsaken till de stigande långfristiga räntorna.

Det argumentet har en stark grund. Den amerikanska staten emitterar mångfalt mer skuld än ett enskilt teknikbolag. De långa statsräntorna påverkas också av inflationsrisker, förväntningar på Federal Reserve, löptidspremien och investerarnas efterfrågan på säkra tillgångar.

I en separat analys har Pimco hävdat att den senaste uppgången i de längre amerikanska statsräntorna i högre grad drevs av förändrade förväntningar på politiken än av en tydlig AI-relaterad omvärdering av löptidspremien. Reuters analys landade på liknande slutsats: AI-skulder bör inte ses som den enda eller dominerande förklaringen till svagheten på obligationsmarknaden.

Den mest hållbara tolkningen är därför att AI-upplåningen fungerar som en förstärkare. Den tillför en stor och konjunkturkänslig källa till företagsobligationer med lång duration i en marknad som redan hanterar omfattande statlig upplåning samt osäkerhet kring inflation och penningpolitik.

Varför Pimco ändå ser en möjlighet

På kort sikt är det stora utbudet obekvämt för dem som redan äger obligationer. När räntorna stiger faller normalt priserna på tidigare emitterade obligationer, vilket skapar värdeförluster på marknaden för investerare i obligationer med lång löptid.

Men högre räntor förbättrar också den löpande avkastning som nya köpare får från start. Om emissionstakten senare avtar, inflationen dämpas, tillväxten försvagas eller marknaden hinner absorbera utbudet kan räntorna falla. Då kan obligationsinvesterare få både kupongintäkter och kursvinster.

Det är kärnan i Pimcos möjlighetssyn: AI-boomen kan skapa kortsiktig volatilitet och pressa priserna, men samtidigt återställa obligationsmarknadens avkastning på mer attraktiva nivåer. Det kräver dock selektivitet. Investerare måste skilja mellan finansiellt motståndskraftiga låntagare och bolag eller projekt vars skuldsättning bygger på aggressiva antaganden om AI-efterfrågan, kassaflöden och framtida refinansiering.

Den bredare lärdomen är alltså inte att AI på egen hand har orsakat obligationsförsäljningen. Snarare har teknikboomen blivit tillräckligt stor för att påverka utbud, prissättning och riskbild på räntemarknaden. Just nu beskriver ”för mycket, för snabbt” ett problem med att marknaden ska absorbera skulderna. På längre sikt kan samma problem ge obligationsköpare högre inkomster och bättre möjligheter – om de klarar av omställningen.