CICC: finansowy moment AI

Wydatki kapitałowe AI znajdują się na punkcie zwrotnym, przechodząc od napędzania przez wewnętrzne przepływy pieniężne do ekspansji bilansowej; wraz ze wzrostem skali inwestycji przekraczającej możliwości wewnętrznych przepływów pieniężnych, marginalne środki będą coraz bardziej pochodzić z systemu finansowego. Niniejszy raport, będący pierwszą częścią serii „AI Financing Tracker”, próbuje odpowiedzieć na trzy pytania: Jak system finansowy poradzi sobie z zapotrzebowaniem na finansowanie AI w wysokości 3,5 bln USD? Czy inwestycje AI mogą pokryć spłatę długów i zwrot z kapitału własnego? Jakie możliwości przyniesie ta faza finansowania AI dla instytucji finansowych, a jakie ryzyka zostaną nagromadzone i przekazane?

Streszczenie

Wydatki kapitałowe na infrastrukturę AI: od przepływów pieniężnych do długu. Wydatki kapitałowe dużych dostawców chmury jako procent przychodów wzrosły z około 12% w 2023 roku do około 23% w 2025 roku; zgodnie z oczekiwaniami rynkowymi ten współczynnik w 2027 roku może wzrosnąć do ponad 40%, zbliżając się, a nawet przekraczając najwyższe punkty cyklu wydatków kapitałowych w historii branży internetowej i energetycznej. Pod presją wydatków kapitałowych AI, inwestycje w AI przez dostawców chmury mogą przejść od operacyjnych przepływów pieniężnych do coraz większego polegania na finansowaniu zewnętrznym. Na podstawie oczekiwań rynkowych dotyczących przepływów operacyjnych i wydatków kapitałowych dużych dostawców chmury, szacujemy, że w ciągu najbliższych pięciu lat wydatki kapitałowe AI mogą wygenerować około 3,5 bln USD zapotrzebowania na finansowanie zewnętrzne.

Skąd pochodzi te 3,5 bln USD? W scenariuszu bazowym, oczekujemy, że zewnętrzne finansowanie AI w wysokości 3,5 bln USD zostanie dostarczone przez: publiczny kapitał własny (0,4 bln USD), obligacje inwestycyjne (1,5 bln USD), finansowanie lewarowane (0,3 bln USD), produkty sekurytyzacyjne (0,3 bln USD) i kapitał prywatny (1,1 bln USD). Wśród nich obligacje inwestycyjne i kapitał prywatny stanowią stabilizator finansowy: pierwsze zależą od ekspansji bilansowej i zdolności do spłaty długów przez dostawców chmury, drugie mogą spełnić potrzeby finansowania projektów wyższej skali i ryzyka, a także poprzez struktury finansowania poza bilansem obniżyć wkład własny dostawców chmury, elastycznie uzupełniając luki finansowania.

Problem bilionowy: Jak spłacić dług AI? Aby zrealizować spłatę długów i zwrotu dla akcjonariuszy, przy założeniu ROIC na poziomie 10%, szacujemy, że zastosowania AI muszą wygenerować docelowo około 1 bln USD rocznych, trwałych przychodów. Jeśli założymy osiągnięcie tej skali do 2030 roku, oznacza to, że w następnych 5 latach dochody z zastosowań AI muszą podwajać się z roku na rok. Ważniejsze od skali przychodów są marże zysku i żywotność aktywów: przy dojrzałej marży EBITDA około 50% i okresie amortyzacji infrastruktury wynoszącym około 5 lat inwestycja ma szansę na zwrot; jeśli marża jest poniżej 20%, nawet przy dłuższym okresie amortyzacji trudno pokryć koszt kapitału.

Czy refinansowanie może zastąpić przepływy pieniężne? Długoterminowe obligacje dużych dostawców chmury zazwyczaj mają okres 10-30 lat, fundusze infrastrukturalne również najczęściej inwestują na ponad 10 lat; po uruchomieniu centrów danych można zamienić finansowanie z okresu budowy na obligacje projektowe i sekurytyzację. Jednak refinansowanie to tylko kupowanie czasu, a nie zastępowanie przepływów pieniężnych: jeśli wykorzystanie projektu, marża zysku oraz żywotność aktywów będą stale poniżej oczekiwań, ciągłe refinansowanie podniesie lewarowanie i koszt finansowania. Szacujemy, że w latach 2027-2032 obligacje dużych firm chmurowych osiągną szczyt zapadalności – około 28 mld USD rocznie, wzrost o 60% w stosunku do lat 2024-2026, co zapowiada wyższe ciśnienie refinansowania.

Szanse i ryzyka dla instytucji finansowych. Banki mogą uzyskać dochody z emisji i obrotu akcjami oraz obligacjami, doradztwa w M&A i finansowania projektów, kapitał prywatny i instytucje ubezpieczeniowe zyskują nowe aktywa długoterminowe. W II kwartale 2026 roku nieodsetkowe dochody sześciu największych banków USA wzrosły o 32% r/r; do czerwca 2026 roku kredyty bankowe dla instytucji niefinansowych wzrosły o 25% r/r, a finansowanie AI było tu znaczącym czynnikiem. Dochody banków są typowo realizowane w fazie finansowania i budowy, podczas gdy ryzyko kredytowe ujawnia się dopiero w fazie uruchomienia i refinansowania projektu – charakteryzuje się więc „przedwczesnym dochodem, opóźnionym ryzykiem”.

Czy AI to finansowa „bańka”? Obecne inwestycje w AI realizują głównie firmy chmurowe o silnych przepływach pieniężnych, kapitał własny i juniorowe instrumenty kapitałowe absorbują straty przed kredytami bankowymi. W związku z tym nawet gdy zwroty z części projektów są niższe niż oczekiwano, ryzyko raczej najpierw objawia się przez spadek wyceny spółek, mniejszą dynamikę wydatków kapitałowych oraz lokalne straty kredytowe, a nie bezpośrednio przez kryzys systemu finansowego. Z drugiej strony szybki wzrost finansowania zewnętrznego, zwłaszcza kapitału prywatnego i lewarowanego, tworzy efekt przesiąkania finansowego – jeśli wzrost komercyjny będzie wciąż wolniejszy niż wydatki kapitałowe, ryzyko przesunie się od korekty wyceny do pogorszenia jakości kredytów i zostanie przekazane przez refinansowanie, prywatny kredyt oraz sekurytyzację do systemu finansowego. Sama skala finansowania nie jest problemem, prawdziwą próbą jest to, czy można osiągnąć cykl przepływów pieniężnych zanim wzrosną koszty finansowania i nastąpi amortyzacja aktywów.

Wykres 1: Skąd pochodzi 3,5 bln USD finansowania AI?

Notatka: Wydatki kapitałowe AI oraz część wspierana przez OCF zgodna z oczekiwaniami rynkowymi; założenie 10% udziału publicznego kapitału własnego; emisja obligacji inwestycyjnych oszacowana na podstawie ratingu długu firm chmurowych, lewarowania i koncentracji obligacji; finansowanie lewarowane obejmuje obligacje wysokodochodowe i kredyty lewarowane, sekurytyzacja obejmuje ABS i CMBS, oszacowano na podstawie pojemności rynku i akceptacji rynku; luki w finansowaniu pokrywane kapitałem prywatnym (fundusze infrastrukturalne, private equity, private credit, fundusze nieruchomości itd.). Szacunki demonstracyjne, nie odzwierciedlają faktycznych prognoz.

Wydatki kapitałowe na infrastrukturę AI: od przepływów pieniężnych do długu

Nowy cykl wydatków kapitałowych AI kreuje zapotrzebowanie na finansowanie

Prognozy rynku dotyczące wydatków kapitałowych AI na kolejne 5 lat wahają się między 4 a 8 bln USD, a metodologie i logika tych szacunków różnią się znacznie; używamy zgodnych z rynkiem oczekiwań wynoszących ok. 5,6 bln USD jako założenia dla wydatków kapitałowych AI w latach 2026-2030, co daje podstawy do dalszego szacowania luki finansowania. Konkretnie, bierzemy jako bazę wydatki kapitałowe pięciu głównych dostawców chmury w 2025 roku [1], używamy rynkowych prognoz przychodów związanych z AI firm NVIDIA i AMD [2] jako wskaźnika proxy i szacujemy tempo wzrostu inwestycji w łańcuch AI. Zgodne prognozy rynkowe dotyczące przychodów AI firm NVIDIA i AMD zakładają CAGR na poziomie 44%, zdecydowanie wyższy niż prognozowany przez rynek wzrost kapitałowych wydatków chmurowych na poziomie 21% do końca 2025 roku. Różnica ta sugeruje, że poleganie wyłącznie na operacyjnych przepływach pieniężnych chmurowych firm nie wystarczy, potrzebne będzie znacznie więcej zewnętrznego finansowania.

Wykres 2: Oczekiwane tempo wzrostu przychodów AI producentów chipów przewyższa wzrost wydatków kapitałowych dostawców chmurowych

Notatka: Dane na lata 2026-2030 szacunki zgodne z Bloomberg; wyniki obliczeń demonstracyjnych, nie odzwierciedlają rzeczywistych prognoz.

Źródła: Komunikaty spółek giełdowych, Bloomberg, Dział Badań CICC

Główni dostawcy chmury: od przepływów pieniężnych do długu

Na koniec 2025 roku, Microsoft, Amazon, Alphabet, Meta i Oracle mają łącznie aktywa o wartości ok. 2,6 bln USD, wskaźnik zadłużenia wynosi ok. 45%, netto dług/EBITDA to tylko ok. 0,3x; pięć firm generuje rocznie ok. 580 mld USD operacyjnych przepływów pieniężnych. Jednak pod presją wydatków kapitałowych AI, lewarowanie niektórych firm chmurowych wzrasta. Wydatki kapitałowe jako procent przychodów wzrosły z ok. 12% w 2023 do ok. 23% w 2025; oczekiwany przez rynek udział w 2027 może wynieść ponad 40%, zbliżając się lub przekraczając historyczne szczyty cyklu inwestycyjnego branży internetowej i energetycznej. Oczekuje się, że skumulowany wolny przepływ pieniężny dużych dostawców chmury spadnie z ok. 200 mld USD w 2025 do ok. 24 mld USD w 2027, redukując środki dostępne na buybacki, dywidendy i inne cele. Stąd inwestycje AI przez dużych dostawców chmury mogą przejść ze środków operacyjnych na coraz większe poleganie na finansowaniu zewnętrznym.

Wykres 3: Dostawcy AI korzystają z wydatków kapitałowych firm chmurowych, lecz spadek wolnych przepływów zmniejsza wyceny rynkowe chmurowych firm AI

Notatka: Lata 2026-2027 zgodnie z Bloomberg; Indeks wycen dostawców AI obejmuje NVIDIA, AMD, Broadcom, SK Hynix, Samsung Electronics, Micron Technology, ASML; Indeks wycen chmurowych firm AI obejmuje Meta, Amazon, Microsoft, Alphabet oraz Oracle.
Źródła: Factset, Bloomberg, Komunikaty spółek giełdowych, Dział Badań CICC

Wykres 4: Intensywność wydatków kapitałowych chmurowych dostawców rośnie, może przekroczyć bańki internetową i energetyczną

Notatka: Lata 2026-2028 zgodnie z Bloomberg
Źródła: Factset, Bloomberg, Komunikaty spółek giełdowych, Dział Badań CICC

3,5 bln USD: luka finansowania wydatków kapitałowych AI

Przyjmujemy na koniec 2025 roku prognozowane przez rynek wydatki kapitałowe dużych firm chmurowych jako próg wydatków wspieranych przez operacyjne przepływy (ok. 2,1 bln USD), przy czym nie rozpoczęto jeszcze szeroko zakrojonego finansowania zewnętrznego, a przepływy operacyjne plus wydatki kapitałowe przy ograniczonym finansowaniu zewnętrznym mają spełniać potrzeby dywidend, buybacków i niezbędnej płynności; branżowe wydatki kapitałowe pomniejszone o tę część stanowią zapotrzebowanie na finansowanie zewnętrzne (ok. 3,5 bln USD).

Wykres 5: Wydatki kapitałowe AI generują lukę finansowania wynoszącą 3,5 bln USD

Notatka: Szacunki demonstracyjne, nie odzwierciedlają faktycznych prognoz. Skala wydatków kapitałowych AI obliczona na podstawie wzrostu przychodów AI NVIDIA i AMD oraz wydatków kapitałowych głównych dostawców chmurowych w 2025; wydatki wspierane przez operacyjne przepływy szacowane na podstawie prognoz Bloomberg na koniec 2025, uwzględniając środki na dywidendy, buybacki itd.
Źródła: Komunikaty spółek giełdowych, Bloomberg, Dział Badań CICC

Skąd pochodzi 3,5 bln USD: struktura finansowania AI

Obligacje inwestycyjne: filar finansowania AI

Szacujemy, że w latach 2026-2030 obligacje inwestycyjne dostarczą AI finansowanie rzędu 1,5 bln USD, około 42% zapotrzebowania, będąc największym pojedynczym kanałem. Dostawcy chmurowi mają silne przepływy operacyjne, niskie lewarowanie i rating inwestycyjny, mogą pozyskać duże, długoterminowe środki na globalnym rynku obligacji po stosunkowo niskim koszcie. Oszacowaliśmy pojemność ich emisji na podstawie wytycznych ratingowych, koncentracji indeksów obligacyjnych i docelowego długu/EBITDA – uzyskując przedział 1,2-2,3 bln USD.

Od początku 2026 roku pięć największych dostawców chmurowych wyemitowało obligacje o wartości ok. 190 mld USD, rekordowo, emitowane waluty rozszerzyły się z USD na EUR, GBP i CAD, dywersyfikując presję emisji. Rynek obligacji inwestycyjnych jest w stanie przejąć lwią część finansowania AI, ale trwała, duża podaż długoterminowych obligacji może podwyższyć koncentrację sektora technologicznego w indeksach kredytowych, rozszerzyć długoterminowe spready i podnieść koszty finansowania oraz zaostrzyć wymagania ratingowe.

Wykres 6: Skala emisji obligacji dużych dostawców chmurowych osiągnęła rekordowy poziom, dywersyfikacja walut

Notatka: Stan na 14 lipca 2026
Źródła: Bloomberg, Dział Badań CICC

Wykres 7: Szacowanie limitów emisji obligacji inwestycyjnych przez firmy chmurowe

Notatka: Dane na 14 lipca 2026.
Źródła: Bloomberg, S&P Global, Dział Badań CICC

Wykres 8: Emisja superdługich obligacji AI może zwiększyć długoterminowe spready kredytowe

Źródła: Wind, Dział Badań CICC

Finansowanie lewarowane: przejściowy kapitał dla firm o wysokim wzroście

Szacując udział rynku finansowania lewarowanego wobec obligacji inwestycyjnych (ok. 20%), obligacje high-yield i kredyty lewarowane mogą dostarczyć AI ok. 0,3 bln USD, ok. 8% zapotrzebowania. Rynek ten obsługuje głównie firmy Neocloud, operatorów HPC i centra danych, które nie mają ratingu inwestycyjnego, lecz dysponują pewnymi przychodami i majątkiem.

Wykres 9: Rynek finansowania lewarowanego w USA to około 3 bln USD

Notatka: Dane na 14 lipca 2026

Źródła: Bloomberg, Dział Badań CICC

Publiczny kapitał własny: od „odkapitalizowania” do „rekapitalizacji”

Przyjmując, że udział kapitału własnego w projektach wynosi 20% (branżowo 10-30%), z czego połowa jest dostarczana przez kapitał publiczny, szacujemy, że w latach 2026-2030 rynek publiczny dostarczy ok. 0,4 bln USD. Kapitał własny nie wymaga stałego zwrotu i jako pierwszy absorbuje ryzyko technologicznej ewolucji, komercjalizacji i wartości końcowej aktywów, jest więc odpowiedni dla firm AI bez stabilnych przepływów, takich jak modelowe firmy AI, Neocloud, operatorzy centrów danych.

Ostatnia dekada to skłonność spółek USA i Chin do buybacków i wyższych dywidend, redukcja free floatu, wzrost EPS – obecnie dominowała funkcja „odkapitalizowania”, ograniczając rolę rynku jako kanału finansowania. „Rekapitalizacja” oznacza odwrócenie tego trendu – firmy ponownie polegają na emisji kapitału. Finansowanie kapitałowe zależy od wycen i otwartości rynku – przy dużej zmienności lub spadku wycen emisje zostają zahamowane.

Wykres 10: W tym roku kapitałowe finansowanie TMT na giełdzie amerykańskiej osiągnie rekord

Notatka: Obejmuje IPO na US, emisję kierowaną, emisję publiczną, emisję z prawem poboru itd.; dane na 14 lipca 2026.

Źródła: Bloomberg, Dział Badań CICC

Produkty sekurytyzacyjne: od wiarygodności firmy do wiarygodności aktywów

Zakładając, że w latach 2026-2030 sekurytyzacja AI wzrośnie dwukrotnie względem 2025, szacujemy, że ABS, CMBS oraz inne instrumenty wsparcia mogą dostarczyć ok. 0,3 bln USD, ok. 9% zapotrzebowania. Sekurytyzacja pasuje do już funkcjonujących centrów danych, długoterminowych umów najmu lub wyraźnych przepływów z urządzeń – baza finansowania przesuwa się od ogólnego kredytu firmy do konkretnych aktywów, najmu i przepływów pieniężnych.

Sekurytyzacja pozwala uwolnić środki z okresu budowy i kapitału prywatnego, daje ubezpieczycielom, funduszom emerytalnym i obligacyjnym aktywa długoterminowe. Jej ekspansja zależy jednak od stabilności najmu, wiarygodności najemców, wartości rezydualnej aktywów oraz ich standaryzacji. Szczególnie sprzęt typu GPU, o szybkim cyklu technologicznym, wymaga struktury ratingowej w oparciu o tempo amortyzacji i wartość rynkową.

Wykres 11: W 2025 sekurytyzacja centrów danych w USA około 30 mld USD

Notatka: Dane na 14 lipca 2026

Źródła: Bloomberg, Dział Badań CICC

Kapitał prywatny: elastyczne uzupełnienie luki finansowania

Oczekujemy, że kapitał prywatny (fundusze infrastrukturalne, private equity, private credit, fundusze nieruchomości itd.) przejmie około 1,1 bln USD, ok. 30% zapotrzebowania na finansowanie, tuż po obligacjach inwestycyjnych. Atutem kapitału prywatnego jest elastyczność strukturalna; można łączyć kapitał własny, akcje uprzywilejowane, finansowanie mezzanine oraz kredyty projektowe – absorbuje ryzyko okresu budowy i niestandardowych projektów. Fundusze prywatne mogą tworzyć JV/SPV z dostawcami chmurowymi, na poziomie projektu wprowadzać kapitał własny i obcy; przy spełnieniu wymagań rachunkowych, te struktury zapewniają finansowanie poza bilansowe, zmniejszając nakłady i obciążenie konsolidacyjne, a jednocześnie przenosząc ryzyko na kapitał zewnętrzny.

Kapitał prywatny ma jednak ograniczenia po stronie pasywów. Według Preqin i McKinsey, za dwanaście miesięcy do czerwca 2025 kapitał prywatny miał rozliczenia gotówkowe na poziomie 6% AUM – najniższym od lat; w 2026 presja wykupu produktów półpłynnych private credit wzrosła. Kapitał prywatny może być istotnym dostawcą finansowania AI, lecz jego możliwości zależą od tempa fundraisingu i płynności produktów.

Wykres 12: Inwestycje w centra danych wyraźnie wzrosły

Źródła: Preqin, Bloomberg, Dział Badań CICC

Wykres 13: Skala fundraisingu kapitału prywatnego spada, lecz fundusze infrastrukturalne rosną szybko

Źródła: Preqin, McKinsey, Dział Badań CICC

Wykres 14: Udział gotówkowych rozliczeń funduszy private equity na poziomie najniższym od lat

Źródła: Preqin, McKinsey, Dział Badań CICC

Problem bilionowy: Jak spłacić dług AI?

1 bln USD: ile przychodów potrzeba by „zwrócić” inwestycje AI?

W scenariuszu bazowym szacujemy, że by zrealizować wymagania spłaty długu i zwrotu dla akcjonariuszy, przy założeniu ROIC na poziomie 10%, aplikacje AI muszą docelowo wygenerować około 1 bln USD (bazowo 958 mld USD) trwałych, komercyjnych przychodów rocznie. Obliczenia uwzględniają lewarowanie, okres życia infrastruktury, dojrzałą marżę zysku itd.; zakładamy, że około 70% wartości ekonomicznej odzwierciedla przychody z aplikacji, reszta wynika z oszczędności kosztów i wzrostu efektywności przedsiębiorstw.

Szacunki rynkowe dotyczące potrzebnych przychodów AI wahają się od 600 mld do 2 bln USD; metody i logika tych kalkulacji są różne. Nasze szacunki 1 bln USD są w średniej rynkowej, lecz nadal oznaczają, że komercjalizacja AI wymaga gwałtownego wzrostu w najbliższych latach: jeśli do 2030 roku osiągniemy tę skalę, dochody z aplikacji AI muszą podwajać się każdego roku przez kolejne 5 lat.

Wykres 15: Kalkulacje zwrotu kapitału z finansowania AI

Notatka: Demonstracyjna kalkulacja, nie faktyczna prognoza; Dochody branży dużych modeli AI założono jako sumę OpenAI, Anthropic, Zhipu i Minimax – 90%; zakładana dźwignia 85%; ROIC – zwrot z kapitału przed opodatkowaniem; marża uwzględnia wydatki na utrzymanie.

Źródła: Komunikaty spółek giełdowych, IMF, Counterpoint Research, Dział Badań CICC

Roczna skala 1 bln USD to ok. 0,7% globalnego PKB lub wydatki 46 USD miesięcznie na każdego iPhone'a, lecz komercjalizacja AI nie sprowadza się do indywidualnych opłat; przychody mogą pochodzić z wydatków korporacyjnych, reklam, e-commerce czy zamówień rządowych. Według Gartnera, w 2025 globalne wydatki na SaaS sięgną 300 mld USD, publiczne usługi chmurowe – 700 mld USD. 1 bln USD rocznych przychodów AI to 3,2x rynku SaaS i 1,4x rynku chmurowego w 2025. Więc z punktu widzenia skali branży, 1 bln USD to cel trudny, ale nie nierealny; zatem spłata długu AI i zwrot dla akcjonariuszy są wykonalne.

Analiza wrażliwości kluczowych założeń

W powyższych kalkulacjach założenia dotyczące marży zysku oraz okresu amortyzacji infrastruktury są najbardziej niepewne. Przyjmujemy, że dojrzała marża EBITDA AI będzie około 50%, lecz czy to realne, brakuje obecnie danych finansowych. Główne firmy AI są w fazie inwestycyjnej, u niektórych skorygowana netto strata osiąga 300-500%.

Drugą kluczową zmienną jest okres amortyzacji infrastruktury. Konstrukcja centrów danych i infrastruktury zwykle wytrzymuje ponad dekadę, lecz chipy i elektronika szybciej ewoluują technologicznie – stary sprzęt może szybciej się amortyzować, skracając średnią długość amortyzacji całości.

Dlatego przeprowadziliśmy analizę wrażliwości tych zmiennych, która pokazuje:

1. Przy okresie amortyzacji około 7 lat, marża EBITDA po około 30% pozwala osiągnąć zwrot bliski breakeven, poniżej 20% marży nawet długi okres nie pozwoli pokryć kosztu kapitału.

2. Przy marży EBITDA 50% pozytywny zwrot można osiągnąć już przy amortyzacji około 5 lat, a dalsze wydłużenie okresu amortyzacji znacznie podwyższa rentowność.

Stąd ocena czy inwestycje AI mogą się „zwrócić” zależy nie tylko od skali przychodów, ale przede wszystkim od marży i amortyzacji; niska marża lub szybsza amortyzacja sprzętu podnosi próg wymaganych przychodów.

Wykres 16: Przy różnych marżach i długości życia infrastruktury zwroty z inwestycji AI różnią się znacznie.

Notatka: obliczano przy bazowej rocznej aplikacji AI (ok. 1 bln USD).
Źródła: Dział Badań CICC

Wykres 17: Niektóre firmy AI wciąż na etapie wysokiej straty

Notatka: Skorygowana strata netto to non-IFRS według spółki (wyłącza płatności akcjami, zmiany wartości przed IPO i koszty IPO).

Źródła: Komunikaty spółek giełdowych, Bloomberg, Dział Badań CICC

Szanse i ryzyka dla instytucji finansowych

Inwestycje AI napędzają ekspansję bankową

Projekty centrów danych w fazie budowy nie mają stabilnych przepływów, zwykle potrzebują bankowych kredytów; po uruchomieniu, gdy pojawią się umowy najmu, można zamieniać finansowanie na obligacje lub credit private. Banki zatem łączą fazę budowy i rynek kapitałowy.

Finansowanie instytucji niefinansowych także napędza ekspansję bankową. Banki mogą udzielać kredytów private equity przez NAV credit, inwestycję w fundusze i inne formy dźwigni. Private equity absorbuje długoterminowe ryzyko projektu, banki udzielają krótszych, priorytetowych kredytów. Do czerwca 2026 kredyty dla instytucji niefinansowych wzrosły w USA o 25% r/r, szybciej niż ogólne kredyty. Wzrost ten odzwierciedla rolę inwestycji private equity w generowaniu popytu na kredyty bankowe – głównym celem inwestycji są centra danych AI.

Wykres 18: Kredyty dla instytucji niefinansowych napędzają cykl kredytowy w USA

Notatka: Kredyty dla instytucji niefinansowych, kredyty komercyjne i konsumenckie uwzględniają zmiany statystyczne.

Źródła: Fed, Wind, Dział Badań CICC

Finansowanie AI napędza dochody kapitałowe banków

Najbardziej bezpośredni efekt finansowania AI dla banków to wzrost dochodów nieodsetkowych: w II kwartale 2026 sześć największych banków USA zanotowało wzrost zysków netto o 40%, wzrost przychodów o 22%, z czego dochody nieodsetkowe wzrosły o 32%. Wzrost IPO, M&A i emisji obligacji dzięki finansowaniu AI napędzał te przychody.

Duże banki uniwersalne mają silniejsze kompetencje kapitałowe, mogą uzyskać dochody prowizyjne z finansowania AI i zmniejszyć długoterminowe obciążenie bilansowe. W przeciwieństwie do nich mniejsze banki uzyskują wyższe marże kredytowe poprzez kredyty projektowe, lecz narażają się na wyższe ryzyko kapitałowe i kredytowe.

Warto zwrócić uwagę, że dochód banków uznawany jest typowo w trakcie fazy finansowania, ryzyko kredytowe ujawnia się dopiero na etapie zwrotu projektu – „przedwczesny dochód, opóźnione ryzyko”.

Wykres 19: Cykl wzrostu wyników banków w USA napędzany przychodami kapitałowymi

Notatka: Sześć banków: JPMorgan Chase, Bank of America, Citigroup, Wells Fargo, Goldman Sachs, Morgan Stanley.

Źródła: Komunikaty spółek giełdowych, Bloomberg, Dział Badań CICC

Od ryzyka AI do ryzyka finansowego

Czy refinansowanie może zastąpić przepływy pieniężne? Obligacje długoterminowe dostawców chmurowych mają typowo 10-30 lat, fundusze infrastrukturalne także inwestują ponad dekadę; po uruchomieniu centrów danych można zamienić finansowanie budowy na obligacje projektowe lub sekurytyzację. To zmniejsza presję krótkoterminowej spłaty długu, daje czas na komercjalizację AI. Jeśli realizacja przychodów jest wolniejsza, firmy mogą refinansować dług. Również refinansowanie to kupowanie czasu, nie zamiana przepływów: jeśli wykorzystanie projektu, marże i żywotność będą stale poniżej oczekiwań, ciągłe refinansowanie podwyższa lewarowanie i koszt kapitału. Szacujemy 27-32 lata to szczyt zapadalności obligacji dużych firm chmurowych – ok. 28 mld USD rocznie, wzrost o 60% w stosunku do lat 24-26, większa presja refinansowania.

Wykres 20: Od 2027 obligacje dużych dostawców chmurowych wchodzą w okres szczytu zapadalności

Źródła: Bloomberg, Dział Badań CICC

Kredyt dostawców chmurowych to kluczowy stabilizator ryzyka. Są głównymi finansującymi AI, emitentami obligacji, najemcami centrów danych, klientami Neocloud i ostatecznymi kontrahentami SPV. Ich rating określa czy przepływy w łańcuchu mogą być trwałe. Spread CDS firm chmurowych to szybki wskaźnik ryzyka kredytowego. Od końca 2025 roku spread CDS głównych firm chmurowych ogólnie wzrósł, z wyraźną różnicą między firmami; do lipca 2026 spread 5Y CDS Microsoft, Amazon, Alphabet, Meta to 45-80bp, podczas gdy Oracle i CoreWeave: odpowiednio 180 i 600bp; rynek wycenia wyżej ryzyko firm z większym lewarowaniem, słabszym przepływem pieniężnym i większym uzależnieniem od refinansowania.

Wykres 21: Spread wyceniający ryzyko niewypłacalności długu chmurowych firm AI rośnie

Źródła: Bloomberg, Dział Badań CICC

Droga transmisji ryzyka finansowego. Jeśli komercjalizacja AI jest niższa od oczekiwań, ryzyko pojawia się najpierw w postaci niższej wykorzystania centrów danych, niższych przychodów i marż, a to prowadzi do spadku wartości rezydualnej aktywów. Straty najpierw absorbują dostawcy chmurowi, Neocloud i akcjonariusze SPV, są odzwierciedlone przez wycenę rynkową, a jeśli operacyjne przepływy pieniężne pogarszają się i bufor kapitałowy jest wyczerpany, ryzyko przechodzi na obligacje kredytowe, finansowanie lewarowane, sekurytyzację i private credit. Kredyty bankowe mają zwykle wyższą priorytetowość, więc na końcu absorbują straty.

Czy AI to „bańka”? Z perspektywy systemu finansowego

Sama skala finansowania nie równa się bańce – kluczowe jest, czy nowy kapitał tworzy wystarczająco stabilny popyt końcowy i przepływy pieniężne. Rynek kapitałowy rozwiązuje „czy infrastruktura AI powstanie”, nie „czy inwestycje się zwrócą”. Szacujemy, że inwestycje muszą pozwolić na roczne przychody AI rzędu 1 bln USD – możliwe, ale wymaga wysokiego wykorzystania, marż i żywotności sprzętu. Gdy wzrost komercyjny jest wolniejszy niż wydatki kapitałowe, ryzyko przechodzi od korekty wycen do nadpodaży, spadku wartości aktywów i pogorszenia jakości kredytów, oraz przez refinansowanie, private credit i sekurytyzację przenosi się na system finansowy. Sama skala finansowania nie jest źródłem ryzyka – prawdziwa próba polega na tym, czy cykl przepływów pieniężnych zacznie się zanim wzrosną koszty finansowania i nadpodaż aktywów.

Wykres 22: Łańcuch transmisji ryzyka finansowego AI

Źródła: Dział Badań CICC