Кто заплатит за AI-суперцикл?

29 июля компания China Securities выпустила макроэкономический аналитический отчет «С точки зрения долговой ликвидности: кто заплатит за AI-суперцикл?», в котором с точки зрения долгового финансирования системно разобрала источники финансирования, структуру и потенциальную уязвимость текущих инвестиций в AI.

В отчете отмечается, что текущие инвестиции в AI уже эволюционировали от внутренних денежных потоков технологических гигантов к кредитной экспансии, поддерживаемой корпоративным кредитом, проектными активами и глобальными долгосрочными сбережениями.

Поскольку какой бы инструмент финансирования ни использовался, по сути это всегда опирается на кредитоспособность материнской компании, активы проекта и долгосрочные контракты, капитализируя еще не полученные доходы от AI и направляя глобальные долгосрочные сбережения в GPU, дата-центры и энергетические активы.

Истинная уязвимость заключается не в том, чрезмерно ли банковские или небанковские финансовые институты используют левередж, а в условиях финансирования — смогут ли сохраняться низкая стоимость, высокий уровень залога и быстрое одобрение.

Пока спрос на AI и денежный поток не опровергнуты, нынешнее долговое расширение скорее напоминает суперцикл капитальных затрат, чем финальный пузырь. В 2026–2027 годах новейшие AI-поставщики облачных сервисов станут наиболее значимыми локальными точками риска ликвидности.

С 2024 года синхронный рост спроса на обучение и инференс генеративного AI стимулирует быстрое расширение капитальных затрат мировых технологических компаний.

Совокупные капитальные затраты Microsoft, Google, Amazon, Meta и Oracle выросли с примерно 154 млрд долларов в 2023 году до около 239 млрд долларов в 2024, а в 2025 году могут достичь примерно 412 млрд долларов. Согласно последним прогнозам компаний, в 2026 году общие капитальные затраты могут приблизиться к 780 млрд долларов, что почти вдвое превышает цифру 2025 года.

Одновременно темпы роста выручки явно отстают от темпов расширения капитальных затрат.

Свободный денежный поток пяти компаний снижается с примерно 239 млрд долларов в 2024 году до около 191 млрд долларов в 2025, а доля капитальных затрат в операционном денежном потоке возрастает с 50% до 68%.

Например, в 2026 году при капитальных затратах в 780 млрд долларов и операционном денежном потоке около 650 млрд долларов, общий дефицит финансирования отрасли может составить около 130 млрд долларов до выплаты дивидендов и обратного выкупа акций.

Для инвесторов это означает, что технологические гиганты будут и далее сокращать обратный выкуп. Суммарный объем выкупа акций пяти компаний снизился с примерно 125 млрд долларов в 2022 году до 95 млрд долларов в 2025. Одновременно резко возросло чистое долговое финансирование, которое в 2025 году достигло около 90 млрд долларов, а инструменты финансирования становятся все более разнообразными.

В ближайшие четыре года общий инвестиционный объем в глобальную AI-инфраструктуру по всей цепочке составит около 4,51 трлн долларов. Из них гиганты отрасли на себя примут примерно 2,93 трлн, AI-поставщики облачных услуг — около 248 млрд, остальные игроки — около 1,33 трлн.

Однако общий объем инвестиций в инфраструктуру не равен общей долговой нагрузке — компании могут сначала использовать операционный денежный поток, существующие денежные резервы и акционерный капитал, покрывая остаточный дефицит за счет долгового финансирования.

Перед лицом дефицита финансирования финансирование AI-инфраструктуры проявляется по двум заметным направлениям: от баланса компаний к структурам вне баланса, от общего кредита материнской компании к контрактам клиентов и активам проектов.

Внутрибалансовое финансирование включает корпоративные облигации, банковские кредиты, обеспеченные займы под залог GPU, конвертируемые облигации и уже подтвержденные арендные обязательства — долги прямо отражаются на балансе материнской компании;

Внебалансовое финансирование осуществляется за счет девелоперов, совместных предприятий (JV) или специальных юридических лиц (SPV), при этом технокомпании предоставляют скрытую кредитную поддержку проекту через долгосрочную аренду, договоры покупки мощностей или гарантии.

Техногиганты выстраивают трехслойную структуру “финансирование материнской компании + долгосрочная аренда + проектное финансирование”. Moody’s оценивает, что общая сумма арендных обязательств у пяти крупнейших технологических компаний США уже достигла около 969 млрд долларов, причем большая их часть связана с арендами, еще не вступившими в силу; по мере ввода проектов в эксплуатацию эти обязательства будут постепенно превращаться в арендные долги и долгосрочные выплаты денежных средств.

AI-поставщики облачных сервисов в основном используют комбинацию “займы под обеспечение GPU и контрактов + аренда + конвертируемые облигации”. Например, на конец марта 2026 года, CoreWeave имел процентный долг в размере 25,1 млрд долларов, а инструменты финансирования включали многочисленные срочные кредиты с отложенным выбором (DDTL), лизинг оборудования, высокодоходные облигации, конвертируемые облигации и револьверные кредиты; ведущие AI-поставщики облачных услуг уже выстроили многоуровневую структуру капитала.

Градиент стоимости финансирования по сути отражает различия в “определенности денежных потоков и степени контроля кредиторов”.

Возьмем CoreWeave: эффективная стоимость финансирования по старшему необеспеченному долгу составляет около 10%, тогда как DDTL 4.0, поддерживаемый контрактами с клиентами инвестиционного уровня, активами GPU и потоками денежных средств проектов, — около 5,9%;

В то же время купон Meta 2032 года по корпоративным облигациям составляет около 4,6%, а доходность облигаций проекта дата-центра Hyperion — около 6,58%: облигации проекта не дешевле, чем материнской компании, их задача — экономить капитал материнской компании и сохранять рейтинговое пространство, а не снижать процентную ставку.

AI-инвестиции и финансирование предъявляют особые требования к финансовым посредникам. Инвестиции в отдельный проект мощностью 1 ГВт могут составлять сотни миллионов долларов, срок окупаемости — обычно более 10 лет, в то время как обязательства банков в основном представлены депозитами и краткосрочным оптовым финансированием, что естественно приводит к несовпадению сроков, требованиям по капиталу и ограничениям по концентрации.

Например, у JPMorgan Chase базовый капитал составляет 295,758 млрд долларов, а максимальный размер кредита на одного заемщика по закону — около 45 млрд долларов.

Поэтому банки в финансировании AI играют скорее роль “трубопровода”, принимая на себя функции отбора проектов, формирования кредитоспособности, мостового финансирования, структурирования сделок и распределения риска, в дальнейшем размещая его среди институциональных инвесторов через синдицированные кредиты, частные облигации или АБС, а не удерживая весь риск на балансе.

Проникая через различные финансовые инструменты, можно сказать, что конечные средства для AI-инфраструктуры поступают из глобальной системы долгосрочных сбережений.

Трансляция средств выглядит так: Сбережения населения и государств → Пенсионные фонды, страховые компании и суверенные фонды благосостояния → инфраструктурные фонды, фонды недвижимости, фонды прямого кредитования и крупные управляющие активами компании → долевое участие в AI-проектах, проектные облигации, корпоративные бонды, ABS/CMBS → дата-центры, электроэнергетика и вычислительная инфраструктура.

В настоящее время система финансирования AI не обладает характерным для “теневого банковского сектора” периода до 2008 года высоким левереджем.

По оценкам соответствующих структур ФРС, средний левередж частных кредитных фондов в США составляет около 30%, в еврозоне — около 40%; левередж преимущественно сосредоточен на стороне использования средств, то есть у AI-поставщиков облачных сервисов, разработчиков дата-центров и проектных SPV.

У компаний, занимающих у фондов прямого кредитования, отношение долга к EBITDA обычно достигает 5–6 раз, а если исключить чрезмерно агрессивные поправки к EBITDA, фактический левередж может приближаться к 7, что значительно выше среднего значения синдицированных кредитов широкого круга — около 4.

Профили риска двух типов компаний принципиально различны.

Главное давление на технологических гигантов создают не риски ликвидности, а ограничения в распределении капитала.

В 15-летнем нейтральном сценарии оставшиеся фиксированные выплаты пяти компаний — Microsoft, Google, Amazon, Meta и Oracle — в 2026 году составят около 74,9 млрд долларов, а в 2027 году увеличатся до приблизительно 127,3 млрд.

Одновременно ожидаемый операционный денежный поток за эти годы составит приблизительно 578,3 млрд и 972,8 млрд долларов, а доля фиксированных выплат будет всего около 13%, к 2030 году снизившись до примерно 9,4%.

Даже если отдача от инвестиций в AI окажется ниже ожиданий, эти компании могут сгладить ситуацию, уменьшив обратный выкуп, отсрочив проекты или выпустив дополнительные облигации.

AI-поставщики облачных сервисов сталкиваются с более прямым несовпадением ликвидности.

В аналогичных условиях у CoreWeave и Nebius в 2026 году общий объем фиксированных выплат составит примерно 9,8 млрд долларов, а прогнозируемый операционный денежный поток — всего около 9 млрд, то есть фиксированные выплаты уже превышают поток на 109%.

Даже при более мягком сценарии с распределением выплат на 20 лет это соотношение останется на уровне 102%, что говорит о структурном разрыве, обусловленном совпадением сроков погашения долгов и еще не до конца сформировавшимися потоками денежных средств, а не расчетными допущениями.

В аналитическом отчете отмечается, что CoreWeave сталкивается с наиболее выраженным несоответствием.

В 2026 году по основной категории фиксированных выплат объем составит около 9,2 млрд долларов, а прогнозируемый операционный денежный поток — только 6,2 млрд, то есть выплаты эквивалентны 149% от денежного потока. Если дополнительно учесть арендные и закупочные обязательства, связанные со строительством и оборудованием, общий фиксированный платеж достигает примерно 170% от операционного денежного потока.

Это означает, что CoreWeave в ближайшие два года вряд ли сможет покрыть выплаты по долгу и аренде исключительно за счет внутренних денежных потоков, а необходимость получения внешнего финансирования будет оставаться критическим условием для продолжения деятельности.

В 2027 году по основной категории фиксированных выплат у AI-поставщиков облачных сервисов сумма еще увеличится до примерно 10,9 млрд долларов, и хотя ожидаемый операционный денежный поток может возрасти до 24,6 млрд и соотношение улучшится, эта динамика будет полностью зависеть от роста выручки, исполнения клиентских контрактов и своевременного запуска проектов; ключевой риск переходит от “недостатка денежного потока в текущий период” к “высокой зависимости от достижения операционных результатов и получения нового финансирования”, но проблема по сути не исчезает.

В целом, маловероятно, что в ближайшее время финансирование AI полностью прервется, однако система финансирования переходит от вопроса “есть ли деньги” к вопросам эффективности: “можно ли получить средства достаточно дешево, с высоким уровнем левереджа и оперативно”.

Для технологических гигантов ужесточение финансирования в первую очередь означает замедление темпов капитальных затрат и снижение рентабельности инвестиций; для AI-поставщиков облачных сервисов — может напрямую породить дефицит ликвидности.

В этой связи инвесторам следует в первую очередь отслеживать следующие сигналы:

• Кредитные спрэды и совокупная стоимость капитала: устойчивый рост спредов по проектным кредитам, прямому кредитованию и финансированию оборудования означает повышение премии за риск;
• Соотношение LTV и доля акционерного капитала: снижение LTV указывает на необходимость большего вклада акционерного капитала в проект, снижение эффективности левереджа;
• Покрытие по обслуживанию долга: если близко к 1 или ниже — операционный денежный поток не покрывает обязательств текущего периода;
• Уровень залога под GPU, коэффициент использования и стоимость аренды вычислительных мощностей: это фундаментальная база для возможности финансирования AI-поставщиков облачных сервисов; любое снижение этих параметров одновременно уменьшает и операционный денежный поток, и потенциал привлечения средств.

Продолжится ли AI-суперцикл, зависит не только от роста спроса на вычислительные мощности, но и от того, сможет ли глобальная система сбережений поддерживать трансформацию в долгосрочные вычислительные активы с достаточной дешевизной и эффективностью. Именно эта трансформация заслуживает повышенного внимания инвесторов как ключевой переменной.