Dużo się mówi o finansowaniu rozwoju AI z gotówki jaką generuje big tech ale to nie jest do końca prawda. Morgan Stanley prognozuje, że w 2026 r. firmy pozyskają z rynku aż 450 mld USD na inwestycje w sztuczną inteligencję. Prędzej czy później dłużnicy będą musieli oddać całą tę kwotę wraz z odsetkami.

Powody takich decyzji wydają się racjonalne, ale zwiększają one ryzyko załamania rynku. Co więcej, gwarantuje to, że ewentualna korekta będzie głębsza i bardziej bolesna.

Frmy finansują swoją działalność z połączenia długu i kapitału własnego. Korporacje wybierają zadłużenie z dwóch głównych powodów. Pierwszym z nich jest efektywność kosztowa. Do pewnego stopnia dodanie długu do bilansu obniża koszty finansowania przedsiębiorstwa. Dzieje się tak, ponieważ księgowi mogą odliczyć spłatę odsetek od zysku przed obliczeniem podatku dochodowego, podczas gdy wypłaty dywidend lub wykup akcji nie dają takiej możliwości. W rezultacie wpływ obniżenia należnego podatku zwiększa rentowność firmy o kwotę większą niż zapłacone odsetki.
Drugim powodem jest rozwodnienie kapitału. Wyemitowanie większej liczby akcji zmniejsza udziały dotychczasowych akcjonariuszy, chyba że wyłożą oni więcej pieniędzy. Inwestorzy nie lubią rozwodnienia swoich udziałów, dlatego firmy chętniej szukają kapitału dłużnego, zamiast przeprowadzać nowe oferty akcji. Ostatecznie pozyskiwanie długu stanowi zupełnie normalną praktykę.

Dokładnie taką samą sytuację widzieliśmy w latach 1999-2000, kiedy firmy produkujące sprzęt telekomunikacyjny zaciągnęły mnóstwo długów i pożyczyły te pieniądze swoim klientom na zakup ich produktów. Kiedy przewidywany ruch w sieci nie nadszedł, sprzedaż spadła, a na rynku zabrakło pieniędzy na spłatę zobowiązań. Sytuacja ta wywołała ogromne trudności finansowe, bolesne restrukturyzacje i spadki na giełdzie, które trwały przez kilka lat. Gdyby firmy nie opierały się wtedy tak mocno na długu, musiałyby dokonać odpisów i znaczących korekt wycen, ale uniknęłyby długotrwałej restrukturyzacji. Dlatego analitycy mają problem z tym, gdy widzą, że Google pożycza 3,6 mld USD na rynku japońskim, w dodatku do 55 mld USD, które firma pozyskała już wcześniej w dolarach i frankach szwajcarskich. Szczególną uwagę przykuwają wartości, jakie podaje Morgan Stanley. Eksperci z tego banku prognozują, że w 2026 r. firmy pozyskają z rynku aż 450 mld USD tylko po to, by opłacić inwestycje w sztuczną inteligencję. Prędzej czy później dłużnicy będą musieli oddać całą tę kwotę wraz z odsetkami.

Kluczowa różnica między obecnym boomem na AI a bańką internetową polega na tym, że popyt na moc obliczeniową dla faktycznie istnieje. Jednym z powodów tego zjawiska jest to, że ogromna większość użytkowników nie płaci za dostęp do technologii. Taki model biznesowy musi się szybko zmienić, jeśli branża uniknąć bankructwa. Dziś po prostu mamy do czynienia z masowym subsydiowaniem produktu. Konieczna jest zatem pilna poprawa opłacalności centrów danych, ponieważ bez niej firmy nie wygenerują gotówki na spłatę długu.

Biorąc pod uwagę ten problem oraz nieunikniony moment, w którym podaż w końcu przekroczy popyt, inwestor budujący centra danych AI absolutnie nie powinien stawiać na finansowanie długiem. Kluczowa okaże się tu opłacalność najnowszego systemu Vera Rubin Nvidia. Producent obiecuje bowiem pięciokrotny wzrost przychodów z każdego gigawata mocy sztucznej inteligencji. Inwestorzy słyszeli już jednak wcześniej podobne obietnice, a technologicznym gigantom nie udało się tego nigdy dostarczyć. Przychody z jednego gigawata stoją miejscu na poziomie 10 mld USD przez ostatnie trzy lata.

Wiele wskazuje na to, że rynek wciąż dzieli sporo czasu od poważnego kryzysu. Historia uczy nas jednak, że takie problemy narastają bardzo powoli, a potem uderzają nagle i ze zdwojoną siłą.

Skala długu:
– W 2025 hyperscalers podnieśli już ok. 108–141 mld USD w obligacjach (3–4x więcej niż średnia historyczna).
– Na 2026–2028 szacuje się, że na cały buildout data centers potrzeba będzie 1,5 bln USD zewnętrznego finansowania (z całkowitych nakładów rzędu 2,9 bln USD globalnie do 2028 wg MS).
– Źródła: corporate bonds (~200 mld), securitized credit/ABS (~150 mld), private credit (nawet 800 mld), JV, off-balance sheet financing.

Ryzyko pozostaje realne: jeśli ROI z AI (zwłaszcza inference) nie wzrośnie szybko, a podaż mocy przekroczy popyt, to korekta będzie bolesna. Firmy będą musiały spłacać dług + odsetki.

Ryzyko załamania istnieje, zwłaszcza jeśli:

• Monetyzacja AI nie przyspieszy,
• Koszty energii/power nie spadną,
• Nastąpi nadpkdaż data centers.

  Historia pokazuje, że takie inwestycje infrastrukturalne często kończą się nadmiernym optymizmem, a potem ostrą korektą.