AI-ს და მონაცემთა ცენტრების განვითარებამ არამარტო ტექნოლოგიური მიმართულებით ბუმი შექმნა, არამედ მნიშვნელოვნად გაზარდა სესხების როლი მონაცემთა ცენტრების ფინანსირებაში, რაც წარმოშობს ახალ ფინანსურ რისკებს და შესაძლებლობებს.
როგორც მეცნიერების და ფინანსური ბაზრების ანალიზი მიუთითებს, ხელოვნური ინტელექტის (AI) სწრაფი განვითარება და მოთხოვნა მონაცემთა ცენტრებზე — ბირთვულ ინფრასტრუქტურაზე, რომელიც ამ ტექნოლოგიას ავსებს — ქმნის სესხების ახალ „ცხელ წერტილებს“ და ზრდის ფინანსური სისტემის სტაბილურობის რისკებს.
1) ტენდენცია Oracle-ში და CDS
Oracle-ის აქციები მკვეთრად გაიზარდა მას შემდეგ, რაც კომპანიამ გააფორმა დაახლოებით 300 მილიარდი დოლარის მოცულობის AI-თან დაკავშირებული ინფრასტრუქტურული შეთანხმება. თუმცა მოგვიანებით ფასმა უკუსვლა განიცადა, რადგან ინვესტორებს გაუჩნდა შეშფოთება კომპანიის ვალის მოცულობასა და გრძელვადიან ფინანსურ მდგრადობაზე.
ამ ფონზე, Oracle-ის კრედიტ დეფოლტის სვოპების (CDS) ფასი — რომელიც კომპანიის ვალის გაუმართაობის რისკს ასახავს — მრავალწლიან მაქსიმუმს მიუახლოვდა, რაც ბაზრის მხრიდან გაზრდილ სიფრთხილეზე მიუთითებს.
➡️ ეს მაგალითი აჩვენებს, როგორ შეიძლება AI-ს ბუმმა ერთდროულად გაზარდოს როგორც კაპიტალიზაცია, ისე საკრედიტო რისკი.
2) ინტერვალინრი სესხები „ზრდის“
AI-ს ინფრასტრუქტურის გაფართოებამ გამოიწვია საინვესტიციო ხარისხის (investment-grade) ობლიგაციების მასიური გამოშვება ტექნოლოგიური გიგანტების მიერ, მათ შორის Oracle-ისა და Meta-სგან.
ამ ტიპის სესხები ითვლება შედარებით დაბალი რისკის მქონედ, თუმცა მათი მოცულობის სწრაფმა ზრდამ AI-სთან დაკავშირებული ვალის წილი მნიშვნელოვნად გაზარდა კრედიტულ ინდექსებში, რაც მომავალში შეიძლება პრობლემური გახდეს, თუ პროექტების შემოსავლიანობა მოლოდინებს ვერ გაამართლებს.
➡️ ბაზარი ამ ეტაპზე ენდობა ამ კომპანიებს, მაგრამ რისკი იმაშია, რომ ვალის კონცენტრაცია ერთ სექტორში იზრდება.
3) მაღალი რისკის („High-Yield“ / ჯანკ) ბონდები
საინვესტიციო ხარისხის ვალის პარალელურად, იზრდება მაღალი რისკის მქონე, ე.წ. „high-yield“ (ჯანკ) ბონდების გამოშვებაც, განსაკუთრებით იმ კომპანიების მიერ, რომლებიც ცდილობენ AI მონაცემთა ცენტრების სწრაფად გაფართოებას.
ინვესტორები ამ ბონდებს ყიდულობენ მაღალი სარგებლის იმედით, თუმცა ანალიტიკოსები აფრთხილებენ, რომ ასეთი ინსტრუმენტები განსაკუთრებით მგრძნობიარეა ეკონომიკური შოკებისა და AI მოთხოვნის შესაძლო შენელების მიმართ.
➡️ ეს სეგმენტი შეიძლება იქცეს ერთ-ერთ ყველაზე პრობლემურ ზონად, თუ ბაზარზე განწყობა შეიცვლება.
4) პირადი კრედიტის როლი
ტრადიციული ბანკების გვერდის ავლით, პირადი კრედიტი სულ უფრო მნიშვნელოვანი წყარო ხდება AI-ზე ორიენტირებული მონაცემთა ცენტრების დაფინანსებისთვის. საუბარია საინვესტიციო ფონდებზე და კერძო ფინანსურ ინსტიტუტებზე, რომლებიც პირდაპირ გასცემენ სესხებს ინფრასტრუქტურულ პროექტებზე.
UBS-ის შეფასებით, მომავალ წლებში მონაცემთა ცენტრების დაფინანსებაში პირადი კრედიტი შეიძლება მთლიანი საჭიროებების ნახევარზე მეტს შეადგენდეს, განსაკუთრებით მაშინ, როცა ბანკები უფრო ფრთხილად უდგებიან დიდი მოცულობის და ხანგრძლივ პროექტებს.
➡️ ეს ტენდენცია ზრდის სექტორის ხელმისაწვდომ დაფინანსებას, თუმცა ამავე დროს ზრდის ნაკლებად გამჭვირვალე სესხების წილს, რაც ფინანსური სტაბილურობის რისკებსაც ქმნის.
5) აქტივებით უზრუნველყოფილი ფასიანი ქაღალდები (ABS)
AI მონაცემთა ცენტრების დაფინანსების კიდევ ერთი სწრაფად მზარდი მექანიზმია აქტივებით უზრუნველყოფილი ფასიანი ქაღალდები (Asset-Backed Securities, ABS).
ამ შემთხვევაში ინვესტორებს სთავაზობენ ფასიან ქაღალდებს, რომლებიც უზრუნველყოფილია მონაცემთა ცენტრების მიერ გენერირებული მომავალი ფულადი ნაკადებით — მაგალითად, გრძელვადიანი კონტრაქტებით, ქირით ან სერვისების შემოსავლებით.
➡️ მიუხედავად იმისა, რომ ABS-ები უზრუნველყოფენ ალტერნატიულ და მოქნილ დაფინანსებას, ანალიტიკოსები აფრთხილებენ, რომ მათი სწრაფი ზრდა შეიძლება ახალი საკრედიტო ბუშტების ფორმირების რისკსაც შეიცავდეს, განსაკუთრებით თუ მოთხოვნა AI-ზე შენელდება.