MoneyMatters Ai · AI Takeaways
- Η Morgan Stanley προβλέπει αύξηση 57% στις κεφαλαιουχικές δαπάνες των τεσσάρων μεγαλύτερων hyperscalers το 2027.
- Οι επενδύσεις προηγούνται των εσόδων, αυξάνοντας την ανάγκη εξωτερικής χρηματοδότησης.
- Ένα λειτουργικό, μισθωμένο data center έχει διαφορετικό πιστωτικό κίνδυνο από ένα υπό κατασκευή έργο.
Η κούρσα της τεχνητής νοημοσύνης περνά από τα μοντέλα στα ταμεία. Για να λειτουργήσουν περισσότερες εφαρμογές χρειάζονται επεξεργαστές, ηλεκτρικό ρεύμα και κέντρα δεδομένων, τα οποία πληρώνονται πολύ πριν αποδώσουν το σύνολο των αναμενόμενων εσόδων τους. Αυτό το χρονικό κενό γίνεται ολοένα μεγαλύτερο ζήτημα για τις αγορές χρέους.
Ο Vishy Tirupattur της Morgan Stanley, σε ανάλυση για τη χρηματοδότηση της AI, αναφέρει πρόβλεψη αύξησης 57% στις συνολικές κεφαλαιουχικές δαπάνες των τεσσάρων μεγαλύτερων hyperscalers το 2027 έναντι του 2026. Πρόκειται για εκτίμηση της τράπεζας, όχι για πραγματοποιημένες επενδύσεις.
Τα κέρδη δεν ταυτίζονται με τα διαθέσιμα μετρητά
Μια επιχείρηση μπορεί να αυξάνει πωλήσεις και λογιστικά κέρδη ενώ περιορίζονται τα μετρητά που περισσεύουν μετά τις επενδύσεις. Η κατασκευή και ο εξοπλισμός πληρώνονται σήμερα. Η εμπορική αξιοποίηση αναπτύσσεται σταδιακά.
Όταν οι επενδύσεις ξεπερνούν την εσωτερική παραγωγή μετρητών, η διαφορά καλύπτεται με χρέος, νέα κεφάλαια ή συνεργασίες. Για τον χρηματοδότη, το ερώτημα είναι ποιος αναλαμβάνει τον κίνδυνο μέχρι το έργο να παράγει σταθερές εισπράξεις.
Δεν είναι όλα τα ομόλογα της AI ίδια
Η Morgan Stanley διακρίνει την πίεση στα μη εξασφαλισμένα εταιρικά ομόλογα από την ηπιότερη διεύρυνση των πιστωτικών περιθωρίων σε τιτλοποιήσεις λειτουργικών data centers. Στη δεύτερη περίπτωση, η χρηματοδότηση στηρίζεται σε υποδομές που έχουν κατασκευαστεί, διαθέτουν ηλεκτροδότηση και έχουν μισθωθεί.
Η διαφορά δεν κάνει έναν τίτλο αυτομάτως ασφαλή. Ένας επενδυτής χρειάζεται να γνωρίζει ποιος πληρώνει το μίσθωμα, για πόσο χρόνο έχει δεσμευθεί και τι συμβαίνει εάν διακόψει τη σύμβαση. Η συγκέντρωση εσόδων σε έναν μεγάλο πελάτη μπορεί να μεταφέρει τον κίνδυνο εκεί όπου δεν φαίνεται από την ονομασία του προϊόντος.
Το κτίριο και τα chips έχουν διαφορετικό χρόνο ζωής
Η ανάλυση εντοπίζει σταδιακή επέκταση της χρηματοδότησης προς εξοπλισμό και ενεργειακές υποδομές. Αυτό δημιουργεί νέες δυνατότητες για ιδιωτικά κεφάλαια, αλλά και διαφορετικές απαιτήσεις αποτίμησης.
Ένα κτίριο μπορεί να εξυπηρετεί πολλές γενιές εξοπλισμού. Ένας επεξεργαστής μπορεί να χάσει εμπορική αξία πολύ ταχύτερα. Όταν η διάρκεια του δανεισμού δεν συμβαδίζει με την οικονομική ζωή του περιουσιακού στοιχείου, η αναχρηματοδότηση γίνεται κρίσιμο σημείο.
Ποιοι αντέχουν ακριβότερο δανεισμό
Οι μεγάλοι όμιλοι έχουν περισσότερες πηγές εσόδων και μεγαλύτερη δυνατότητα απορρόφησης καθυστερήσεων. Ένας μικρότερος developer μπορεί να εξαρτάται από την έγκαιρη ολοκλήρωση ενός μόνο έργου και την ανανέωση μιας χρηματοδότησης.
Η αξιολόγηση της AI ως επενδυτικού θέματος χρειάζεται επομένως να φτάνει μέχρι τις συμβάσεις και τις ταμειακές ροές. Το κρίσιμο δεν είναι μόνο αν θα αυξηθεί η χρήση της τεχνολογίας, αλλά αν τα έσοδα θα φτάσουν έγκαιρα σε εκείνον που έχει αναλάβει το χρέος.
The post Ποιος πληρώνει την κούρσα της AI; Το χρηματοδοτικό κενό πίσω από τα data centers appeared first on moneymatters.cy.
