Τεχνητή Νοημοσύνη: Η επανάσταση που χρηματοδοτείται με… χρέος

Τεχνητή Νοημοσύνη: Η επανάσταση που χρηματοδοτείται με… χρέος
Human interact with AI artificial intelligence brain processor in concept of AI artificial intelligence engineering, big data and AI machine learning to use generative AI for business support. UUID Photo: Shutterstock
Η τεχνητή νοημοσύνη δεν χτίζεται μόνο με αλγορίθμους και chips. Χτίζεται με χρέος. Και το μέγεθος του λογαριασμού απειλεί να αλλάξει τις ισορροπίες στις παγκόσμιες αγορές κεφαλαίου.

Περισσότερα από 3 τρισ. δολάρια. Αυτό είναι το εκτιμώμενο κόστος για την κατασκευή των data centers που απαιτούνται ώστε η παγκόσμια οικονομία να προσαρμοστεί στο κύμα της τεχνητής νοημοσύνης. Ένα ποσό τόσο μεγάλο, που ακόμη και οι ισχυρότερες τεχνολογικές εταιρείες του πλανήτη —Amazon, Microsoft και Meta Platforms— δεν μπορούν ή δεν θέλουν να το καλύψουν αποκλειστικά με ίδια κεφάλαια.

Ακόμη και οι συμμετοχές σε ιδιωτικούς «πρωταθλητές» της AI, όπως η OpenAI και η Anthropic, ωχριούν μπροστά στο μέγεθος της επένδυσης που απαιτεί μια νέου τύπου βιομηχανική επανάσταση. Οι κρατικές επιδοτήσεις μπορούν να μειώσουν το βάρος, όχι όμως να το απορροφήσουν.

Χρέος, από παντού

Η χρηματοδότηση μετατοπίζεται αναγκαστικά στις αγορές χρέους — και όχι σε μία μόνο. Ομόλογα επενδυτικής βαθμίδας, high yield, private credit, δάνεια ειδικού σκοπού και σύνθετες τιτλοποιήσεις συνθέτουν ένα μωσαϊκό πρωτοφανούς κλίμακας.

Μόνο το 2025, έργα και εταιρείες που συνδέονται με την AI άντλησαν τουλάχιστον 200 δισ. δολάρια από τις αγορές χρέους, με τις προβλέψεις για το 2026 να ανεβάζουν το ποσό σε εκατοντάδες δισεκατομμύρια. Το αποτέλεσμα; Πιέσεις στα επιτόκια όχι μόνο για τον κλάδο της τεχνολογίας, αλλά για το σύνολο των επιχειρήσεων.

Την ίδια στιγμή, οι χρηματιστηριακές αγορές είναι ήδη υπερσυγκεντρωμένες. Οι λεγόμενες Magnificent 7 αντιπροσωπεύουν περίπου το ένα τρίτο της κεφαλαιοποίησης του S&P 500, καθιστώντας τη διαφοροποίηση ολοένα δυσκολότερη για τους επενδυτές.

ΔΙΑΒΑΣΤΕ ΑΚΟΜΑ

Η γοητεία της AI και οι κίνδυνοι

Παρά τους κινδύνους, η AI παραμένει μαγνήτης κεφαλαίων. Εκτιμήσεις της Morgan Stanley και της Moody’s ανεβάζουν τις απαιτούμενες κεφαλαιακές δαπάνες πάνω από τα 3 τρισ. δολάρια, ενώ η JPMorgan Chase βλέπει συνολικό κόστος άνω των 5 τρισ. αν συνυπολογιστεί και η ενεργειακή υποδομή.

Οι hyperscalers είναι διατεθειμένοι να πληρώσουν ελκυστικά επιτόκια για να «χτίσουν τώρα», ωθώντας την αγορά ομολόγων επενδυτικής βαθμίδας προς ιστορικά υψηλά εκδόσεων το 2026. Κομβικό ρόλο παίζουν και τα οχήματα ειδικού σκοπού (SPVs), μέσω των οποίων χρηματοδοτούνται data centers χωρίς άμεση επιβάρυνση των ισολογισμών — όπως στην περίπτωση της Oracle.

Ωστόσο, τα ρίσκα συσσωρεύονται:

  • αν η υιοθέτηση της AI αποδειχθεί βραδύτερη των προβλέψεων,
  • αν τα έσοδα καθυστερήσουν,
  • ή αν η τεχνολογία καταστήσει γρήγορα παρωχημένο τον σημερινό εξοπλισμό.

Η Bank for International Settlements έχει ήδη προειδοποιήσει ότι η αυξανόμενη μόχλευση μπορεί να ενισχύσει τους κραδασμούς στο χρηματοπιστωτικό σύστημα.

Όταν ακόμη και τα chips μπαίνουν ενέχυρο

Η νέα τάση πηγαίνει ένα βήμα παραπέρα: ακόμη και τα ίδια τα chips, κυρίως της Nvidia, χρηματοδοτούνται μέσω SPVs που αγοράζουν GPUs και τα μισθώνουν σε εταιρείες AI. Πρόκειται για ιδιαίτερα κερδοσκοπικά στοιχήματα, καθώς μια τεχνολογική ανατροπή μπορεί να μηδενίσει την αξία τους πριν καν αποπληρωθεί το χρέος.

Όσο πιο κοντά βρίσκεται κανείς στην «καρδιά» της τεχνολογίας, τόσο πιο επισφαλές γίνεται το στοίχημα. Και στην περίπτωση της τεχνητής νοημοσύνης, το ρίσκο δεν αφορά πλέον μόνο την καινοτομία — αλλά τη σταθερότητα ολόκληρου του χρηματοοικονομικού οικοδομήματος.

ΔΙΑΒΑΣΤΕ ΠΕΡΙΣΣΟΤΕΡΕΣ ΕΙΔΗΣΕΙΣ: