Η κρίση ρευστότητας στις υποδομές AI
Η αρχική ευφορία για τη χρηματοδότηση των data center που υποστηρίζουν την παραγωγική τεχνητή νοημοσύνη (Generative AI) δίνει τη θέση της σε μια πιο συντηρητική προσέγγιση. Τράπεζες όπως η JPMorgan και η Morgan Stanley, οι οποίες πρωτοστάτησαν στην ανάληψη δανείων (underwriting) για γίγαντες της τεχνολογίας, προσπαθούν πλέον να περιορίσουν την έκθεσή τους. Το πρόβλημα δεν είναι μόνο η έλλειψη ζήτησης, αλλά η δομική αδυναμία των τραπεζικών ισολογισμών να απορροφήσουν το μέγεθος του ρίσκου που απαιτείται για την κατασκευή αυτών των υποδομών.
Αρχιτεκτονική του ρίσκου και Special Purpose Vehicles
Η στρατηγική των εταιρειών τεχνολογίας να διατηρούν το χρέος εκτός των κύριων ισολογισμών τους μέσω οχημάτων ειδικού σκοπού (Special Purpose Vehicles - SPVs) αποδείχθηκε μια λύση που απλώς μετέθεσε το πρόβλημα. Ενώ οι εταιρείες απέφυγαν την άμεση επιβάρυνση, το ρίσκο συγκεντρώθηκε τελικά στους χρηματοπιστωτικούς οργανισμούς που παρείχαν τα κεφάλαια. Η δυσκολία διάθεσης δανείων ύψους 38 δισεκατομμυρίων δολαρίων για έργα της Oracle αποτελεί το πιο χαρακτηριστικό παράδειγμα του σημείου συμφόρησης (bottleneck) που έχει δημιουργηθεί.
Η αγορά αναζητά ποιότητα εν μέσω αβεβαιότητας
Οι επενδυτές γίνονται πλέον εξαιρετικά επιλεκτικοί. Παρατηρείται μια σαφής διαφοροποίηση στην τιμολόγηση: τα ομόλογα που συνδέονται με ισχυρούς hyperscalers (όπως η Microsoft και η Google) τυγχάνουν ευνοϊκότερης μεταχείρισης, ενώ οι μικρότερες εταιρείες υποδομής βλέπουν το κόστος δανεισμού τους να εκτοξεύεται. Η αύξηση των αποδόσεων των κρατικών ομολόγων (Treasury yields) λειτουργεί ως επιπλέον τροχοπέδη, καθιστώντας το κόστος του χρήματος απαγορευτικό για έργα που δεν διαθέτουν εξαιρετικά ισχυρά θεμελιώδη μεγέθη.