Οι μεγάλες εταιρείες τεχνολογίας προκαλούν όλο και μεγαλύτερη ανησυχία στους επενδυτές λόγω των κολοσσιαίων ποσών που κατευθύνουν για την επίτευξη των στόχων τους στον τομέα της τεχνητής νοημοσύνης, χωρίς ωστόσο να φαίνονται άμεσα κέρδη. Αυτή η ανησυχία οδηγεί τις εταιρείες να επιμείνουν σε στρατηγικές που μεταφέρουν το υπέρογκο κόστος των κέντρων δεδομένων τεχνητής νοημοσύνης από τους ισολογισμούς τους, αξιοποιώντας οχήματα ειδικού σκοπού (SPV). Σύμφωνα με πρόσφατη ανάλυση των Financial Times, αυτή η στρατηγική έχει επιτρέψει την άντληση περισσότερων από 120 δισεκατομμύρια δολάρια σε χρηματοδότηση μέσω χρέους και μετοχών.
Η τακτική αυτή, αν και ενδυναμώνει τις πιστοληπτικές αξιολογήσεις των εταιρειών τεχνολογίας, εγείρει σοβαρές ανησυχίες για κρυφούς κινδύνους, οικονομική αδιαφάνεια και την πιθανότητα εκτίναξης του στρες στο χρηματοπιστωτικό σύστημα, εάν η άνθηση της τεχνητής νοημοσύνης αντιμετωπίσει εμπόδια.
Εταιρείες όπως η Meta, η Oracle, η xAI του Έλον Μάσκ και η CoreWeave πρωτοστατούν στη χρήση SPV για τη χρηματοδότηση της γρήγορης ανάπτυξης της υποδομής που απαιτείται για την υποστήριξη εξελιγμένων συστημάτων τεχνητής νοημοσύνης.
Αυτά τα οχήματα χρηματοδοτούνται από μεγάλες επενδυτικές εταιρείες όπως η Pimco, η BlackRock, η Apollo, η Blue Owl Capital και η JPMorgan. Η ανάλυση των Financial Times αποδεικνύει ότι τα χρηματοπιστωτικά ιδρύματα στις ΗΠΑ έχουν παράσχει τουλάχιστον 120 δισεκατομμύρια δολάρια μέσω αυτών των δομών μέχρι στιγμής.
Πώς οι Big Tech «μαγειρεύουν» τα βιβλία
Η στρατηγική των SPV επιτρέπει στις τεχνολογικές εταιρείες να αντλούν τεράστια ποσά χρηματοδότησης χωρίς να εγγράφουν το αντίστοιχο χρέος στον ισολογισμό τους. Παραδοσιακά, οι γίγαντες της Silicon Valley φημίζονταν για τις ισχυρές ταμειακές ροές και το χαμηλό χρέος τους, το οποίο στήριζε υψηλές πιστοληπτικές αξιολογήσεις. Ωστόσο, λόγω της επιταχυνόμενης ανάγκης για υπολογιστική ισχύ τεχνητής νοημοσύνης, οι δανειακές ανάγκες εκτινάσσονται σε πρωτοφανή επίπεδα.
Η εκτός ισολογισμού χρηματοδότηση επιτρέπει στις εταιρείες να διατηρούν τη θετική οικονομική τους εικόνα, ενώ ταυτόχρονα αποκτούν πρόσβαση σε σημαντικά περισσότερα κεφάλαια απ’ ότι θα ήταν δυνατόν με παραδοσιακούς τρόπους.
Ένα χαρακτηριστικό παράδειγμα της εφαρμογής αυτής της στρατηγικής είναι η συμφωνία της Meta για το προγραμματιζόμενο κέντρο δεδομένων Hyperion στη Λουιζιάνα, η οποία ανέρχεται σε 30 δισεκατομμύρια δολάρια. Το έργο ανήκει σε μια SPV που ονομάζεται Beignet Investor, η οποία συστήθηκε σε συνεργασία με την Blue Owl Capital. Το όχημα αυτό έχει συγκεντρώσει περίπου 27 δισεκατομμύρια δολάρια σε δάνεια από μεγάλους διαχειριστές περιουσιακών στοιχείων και 3 δισεκατομμύρια δολάρια σε ίδια κεφάλαια από την Blue Owl.
Επειδή η SPV κατέχει την εγκατάσταση, η Meta δεν εγγράφει το χρέος, κάτι που της επιτρέπει στη συνέχεια να συγκεντρώσει άλλα 30 δισεκατομμύρια δολάρια από εταιρικά ομόλογα. Παρόλα αυτά, η Meta παραμένει εκτεθειμένη σε κίνδυνους μέσω εγγύησής της, η οποία απαιτεί αποπληρωμή εάν η αξία του περιουσιακού στοιχείου υποχωρήσει κάτω από ένα καθορισμένο όριο.
Η Oracle έχει αναπτύξει παρόμοιες στρατηγικές για τη χρηματοδότηση της επέκτασης των κέντρων δεδομένων της σε σχέση με την OpenAI. Συνεργάζεται με κατασκευαστές και χρηματοδότες για να δημιουργήσει SPV που κατέχουν συγκεκριμένες εγκαταστάσεις, τις οποίες η Oracle μισθώνει εκ νέου. Αυτές οι δομές περιλαμβάνουν δισεκατομμύρια δολάρια σε χρέη για εγκαταστάσεις στο Τέξας, το Ουισκόνσιν και το Νέο Μεξικό. Σε περίπτωση αθέτησης, οι δανειστές θα μπορούν να αξιώσουν τα κέντρα δεδομένων, τη γη και τα τσιπ, αλλά όχι απευθείας από την Oracle.
Επενδύσεις σε εκρηκτικά επίπεδα
Το μέγεθος της χρηματοδότησης που απαιτείται είναι ασύλληπτο. Η Morgan Stanley εκτιμά ότι οι τεχνολογικές εταιρείες θα χρειαστούν 1,5 τρισεκατομμύρια δολάρια σε εξωτερική χρηματοδότηση για να υποστηρίξουν τις φιλοδοξίες τους στον τομέα της Τεχνητής Νοημοσύνης. Ως αποτέλεσμα, οι επενδύσεις σε υποδομές που σχετίζονται με την Τεχνητή Νοημοσύνη σημειώνουν αύξηση. Οι εταιρείες τεχνολογίας έχουν δανειστεί περίπου 450 δισεκατομμύρια δολάρια από ιδιωτικά κεφάλαια μέχρι τις αρχές του 2025, με τις συμφωνίες χρηματοδότησης έργων μόνο φέτος να προσεγγίζουν τα 125 δισεκατομμύρια δολάρια.
Οι επενδυτές έλκονται από την φημισμένη δύναμη των εταιρειών υπερκλίμακας (hyperscaling), ωστόσο οι κίνδυνοι παραμένουν πάντα παρόντες. Πολλές συμφωνίες SPV εξαρτώνται από έναν περιορισμένο αριθμό πελατών, όπως η OpenAI, η οποία έχει δέσμευση 1,4 τρισεκατομμυρίων δολαρίων σε μακροχρόνια συμβόλαια υπολογιστικού δυναμικού. Εάν η ζήτηση για Τεχνητή Νοημοσύνη μειωθεί ή εάν οι ρυθμιστικές ρυθμίσεις, οι ελλείψεις ενέργειας ή οι τεχνολογικές εξελίξεις υπονομεύσουν την οικονομική βιωσιμότητα των κέντρων δεδομένων, οι δανειστές είναι πιθανό να επηρεαστούν αρνητικά και από πολλές πλευρές.
Πέρα από τις άμεσες ανησυχίες, υπάρχει και η προοπτική των δευτερογενών επιπτώσεων. Δεδομένου ότι τα SPV αποκρύπτουν ποιος τελικά φέρει τον κίνδυνο, είναι πιθανό οι οικονομικές πιέσεις να καταρρεύσουν στις ιδιωτικές αγορές πιστώσεων. Αυτές οι αγορές αποτελούν πλέον μια βιομηχανία 1,7 τρισεκατομμυρίων δολαρίων, η οποία έχει ήδη επικριθεί για τις φουσκωμένες αποτιμήσεις, την έλλειψη ρευστότητας και τη συγκέντρωση πιστωτών.
Ορισμένες τράπεζες έχουν αρχίσει μάλιστα να τιτλοποιούν τα δάνεια που σχετίζονται με κέντρα δεδομένων τεχνητής νοημοσύνης, κατανέμοντας παράλληλα την έκθεσή τους σε συνταξιοδοτικά ταμεία και διαχειριστές περιουσιακών στοιχείων.
Αξιοσημείωτο είναι ότι όχι όλες οι μεγάλες εταιρείες τεχνολογίας χρησιμοποιούν SPV. Η Google, η Microsoft και η Amazon, που έχουν δημιουργήσει εκτενείς υποδομές κέντρων δεδομένων πριν από την άνθηση της τεχνητής νοημοσύνης, παραμένουν κυρίως προσκολλημένες στη μετρητά και τις παραδοσιακές χρηματοδοτικές μεθόδους.
Παρ’ όλα αυτά, οι αναλυτές προειδοποιούν ότι ακόμα και οι εκτός ισολογισμού δομές διατηρούν πραγματικές υποχρεώσεις. Ενώ οι επενδυτές συνήθως αποδέχονται την έκθεση σε έργα hyperscaling, αυτές οι ρυθμίσεις ενδέχεται να υποτιμούν τον πραγματικό πιστωτικό κίνδυνο που απειλεί τον τεχνολογικό τομέα, καθώς οι επενδύσεις του σε τεχνητή νοημοσύνη συνεχίζουν να αυξάνονται με ταχύ ρυθμό.
