مراکز داده هوش مصنوعی بر پایه بدهی‌ای ساخته می‌شوند که وال استریت به‌سختی آن را درک می‌کند

اشتراک‌گذاری:
مراکز داده هوش مصنوعی بر پایه بدهی‌ای ساخته می‌شوند که وال استریت به‌سختی آن را درک می‌کند

Alphabet، Microsoft، Amazon، Meta و Oracle در مجموع نزدیک به ۱.۶۵ تریلیون دلار بدهی زیرساخت هوش مصنوعی دارند که در ترازنامه‌های آن‌ها ثبت نشده است — رشدی هشت‌برابری در چهار سال، که اکنون از مجموع بدهی‌های ثبت‌شده در ترازنامه این گروه، حدود ۱.۳۵ تریلیون دلار، نیز فراتر رفته است. این یک خطای گرد کردن در پانویس یک گزارش نیست. این ساختار مالی‌ای است که کل روند ساخت زیرساخت هوش مصنوعی بر آن استوار است و طوری طراحی شده که تا حد زیادی از دید کسانی که سهام این شرکت‌ها را می‌خرند پنهان بماند.

این سازوکار، وسیله با هدف خاص یا SPV نام دارد. یک hyperscaler به‌طور مستقیم وام نمی‌گیرد و مرکز داده را در دفاتر خودش ثبت نمی‌کند. در عوض، یک نهاد حقوقی جداگانه تأسیس می‌کند (یا در آن مشارکت می‌کند) که مالک مرکز داده است، هزینه ساخت را از صندوق‌های اعتباری خصوصی وام می‌گیرد و قرارداد اجاره بلندمدت یا خرید توان محاسباتی را با شرکت مادر امضا می‌کند. از آنجا که hyperscaler معمولاً تنها سهم اقلیتی دارد — برای نمونه، Meta تنها ۲۰٪ از SPV با نام Hyperion را همراه با Blue Owl Capital در اختیار دارد — طبق قواعد استاندارد حسابداری، این بدهی در ترازنامه شرکت مادر تجمیع نمی‌شود.

این مقیاس دیگر یک نکته حاشیه‌ای نیست

تعهدات خارج از ترازنامه Meta اکنون به نزدیک ۴۲۰ میلیارد دلار رسیده است — معادل ۲.۸ برابر بدهی ثبت‌شده این شرکت. تنها ساختار Hyperion حدود ۲۷ میلیارد دلار از تأمین مالی پروژه را از طریق نهادی هدایت می‌کند که Meta روی کاغذ مالکیت کامل آن را ندارد، هرچند Meta تنها مشتری واقعی توان محاسباتی تولیدشده در آن است.

Oracle از این هم فراتر رفته است. این شرکت یک SPV به ارزش نزدیک ۱۳ میلیارد دلار با Blue Owl و JPMorgan ترتیب داده تا مالکیت تأسیسات OpenAI در آبیلین، تگزاس را در اختیار بگیرد (که ۱۰ میلیارد دلار آن به‌صورت بدهی است)، همچنین بسته بدهی ۳۸ میلیارد‌دلاری برای دو مرکز داده دیگر در تگزاس و ویسکانسین، و وامی ۱۸ میلیارد‌دلاری برای یک سایت در نیومکزیکو. کل تعهدات Oracle در چهار سال بیش از سی برابر رشد کرده و تا پایان مه ۲۰۲۶ به ۲۷۳.۳ میلیارد دلار رسیده است.

وقتی چنین شرط‌بندی‌ای نتیجه معکوس می‌دهد چه پیش می‌آید

Oracle نمونه زنده این وضعیت است. S&P در ۹ ژوئیه رتبه اعتباری Oracle را به BBB- کاهش داد — یک پله بالاتر از رتبه «بنجل» — و دلیل آن را هزینه‌های زیرساخت هوش مصنوعی عنوان کرد که سریع‌تر از درآمد رشد می‌کنند. کسب‌وکار مرتبط با هوش مصنوعی حدود ۲۷٪ از درآمد Oracle در سال مالی ۲۰۲۶ را تشکیل داده و S&P پیش‌بینی می‌کند این سهم تا سال ۲۰۲۸ به حدود ۶۰٪ برسد. این مؤسسه برای سال مالی ۲۰۲۷ کسری جریان نقدی آزاد عملیاتی نزدیک به ۴۲ میلیارد دلار را پیش‌بینی کرده است.

نسبت بدهی به حقوق صاحبان سهام Oracle اکنون حدود ۵۰۰٪ است، در حالی که این رقم برای Amazon نزدیک ۵۰٪ و برای Microsoft نزدیک ۳۰٪ است. Oracle همچنین به‌مراتب بیش از رقبای خود به یک مشتری واحد وابسته است: OpenAI نزدیک به نیمی از ۶۳۸ میلیارد دلار تعهدات عملکردی باقی‌مانده Oracle را تشکیل می‌دهد — یعنی درآمدی که Oracle طبق قرارداد طلبکار آن است اما هنوز آن را شناسایی نکرده است. اگر وضعیت اقتصادی خود OpenAI متزلزل شود، بخش بسیار بزرگی از درآمد قراردادی‌ای که پشتوانه بار بدهی Oracle است نیز متزلزل خواهد شد.

چرا اصلاً چنین ساختاری وجود دارد

هیچ‌کدام از این موارد غیرقانونی یا حتی چندان تازه نیست — تأمین مالی از طریق SPV برای پروژه‌های بزرگ زیرساختی (خطوط لوله، بزرگراه‌های عوارضی، نیروگاه‌ها) دهه‌هاست که وجود دارد. آنچه متفاوت است، سرعت این روند و ریسک طرف مقابل است. SPVهای سنتی زیرساختی دارایی‌هایی با عمر مفید ۳۰ تا ۵۰ سال را در برابر درآمد قراردادی از شرکت‌های خدماتی یا دولت‌ها تأمین مالی می‌کنند. SPVهای مراکز داده هوش مصنوعی دارایی‌هایی را تأمین مالی می‌کنند که سخت‌افزار اصلی آن‌ها — یعنی GPU — در چرخه‌ای ۳ تا ۵ ساله مستهلک می‌شود، آن هم در برابر قراردادهای درآمدی از شرکت‌هایی (OpenAI، Anthropic و بخش‌های هوش مصنوعی خود hyperscalerها) که سودآوری‌شان در مقیاس بزرگ هنوز اثبات نشده است.

صندوق‌های اعتباری خصوصی — در رأس آن‌ها Blackstone، Blue Owl، Apollo، Pimco و BlackRock — دقیقاً به همین دلیل به وام‌دهندگان اصلی این حوزه تبدیل شده‌اند که بانک‌ها، به‌واسطه قواعد سرمایه‌ای پس از ۲۰۰۸، تمایل کمتری به پذیرفتن مستقیم این ریسک دارند. Morgan Stanley پیش‌بینی می‌کند اعتبار خصوصی طی دو سال آینده ۸۰۰ میلیارد دلار دیگر به تأمین مالی مراکز داده اضافه خواهد کرد. این یعنی ۸۰۰ میلیارد دلار ریسک که بر دوش نهادهایی می‌افتد که نظارت قانونی و افشای عمومی بسیار کمتری نسبت به ترازنامه یک بانک دارند.

این ساختار چه معنایی برای بقیه صنعت دارد

این ساختار تأمین مالی اکنون مستقیماً به گزارش‌هایی مرتبط است که در تمام این هفته دنبال کرده‌ایم: گفت‌وگوهای گزارش‌شده پنتاگون درباره وامی ۵ میلیارد‌دلاری با Fluidstack برای تضمین ظرفیت زنجیره تأمین مراکز داده، و هدف شایعه‌شده Microsoft برای ساخت ۳۸ گیگاوات ظرفیت مرکز داده تا سال ۲۰۳۲. در دسترس بودن برق و در دسترس بودن سرمایه اکنون دو محدودیت واقعی برای مقیاس‌پذیری هوش مصنوعی‌اند — نه تأمین تراشه و نه معماری مدل‌ها. هر دوی این محدودیت‌ها با ساختارهای بدهی‌ای در حال حل شدن‌اند که همچنان سریع‌تر از درآمدی که قرار است آن‌ها را پوشش دهد رشد می‌کنند.

چه چیزی را باید زیر نظر داشت

سه نشانه اهمیت بیشتری نسبت به رقم‌های هزینه سرمایه‌ای که در تیترها می‌آیند دارند. نخست، اقدامات رتبه‌بندی اعتباری روی hyperscalerهایی که بیشترین تمرکز مشتری را دارند باید زیر نظر گرفته شود — کاهش رتبه Oracle یک الگوست، نه یک استثنا، اگر رشد درآمد OpenAI یا Anthropic ناامیدکننده باشد. دوم، افشاگری‌های صندوق‌های اعتباری خصوصی درباره میزان بدهی زیرساخت هوش مصنوعی‌ای که نسبت به کل سبد دارایی خود حمل می‌کنند باید رصد شود — ریسک تمرکز در سمت وام‌دهندگان به همان اندازه ریسک تمرکز در سمت وام‌گیرندگان واقعی است. سوم، باید دید آیا هیچ hyperscaler‌ای داوطلبانه شروع به تجمیع این SPVها در ترازنامه خود می‌کند یا نه؛ چنین اقدامی روشن‌ترین نشانه تاکنون خواهد بود که ساختار خارج از ترازنامه به‌جای یک مزیت، به یک بار تبدیل شده است.

اشتراک‌گذاری:
مراکز داده هوش مصنوعی بر پایه بدهی‌ای ساخته می‌شوند که وال ا | AIO APEX