Podczas gdy uwaga inwestorów skupia się niemal wyłącznie na wykresach akcji spółek technologicznych, Howard Marks kieruje reflektor w zupełnie inną stronę. Nie na wyceny, nie na narrację o przełomowej technologii, lecz na strukturę finansowania, która w coraz większym stopniu napędza ekspansję sztucznej inteligencji. W jego ocenie to właśnie tam kryje się realne ryzyko obecnego cyklu.
Marks, współzałożyciel Oaktree Capital i jeden z najbardziej konsekwentnych analityków cykli kredytowych, w ostatnich wypowiedziach i eseju „Is It a Bubble?” brzmi wyraźnie bardziej alarmistycznie niż jeszcze kilka miesięcy temu. Nie dlatego, że kwestionuje potencjał AI, ale sposób, w jaki rynek próbuje go zmonetyzować, zaczyna przypominać klasyczne fazy późnego boomu.
Od kapitału własnego do dźwigni
Pierwsza faza rozwoju AI była finansowana głównie z gotówki. Największe spółki technologiczne dysponowały potężnymi bilansami i mogły inwestować bez sięgania po dług. To się zmieniło. Skala potrzeb kapitałowych okazała się tak duża, że finansowanie wyłącznie z equity przestało wystarczać. Przykłady są wymowne.
Meta jeszcze przed debiutem ChatGPT miała ponad trzykrotnie więcej gotówki niż długu. Dziś sytuacja się odwróciła i zadłużenie przewyższa środki pieniężne o około 15%. Microsoft przeszedł drogę od 30% nadwyżki gotówki nad długiem do niemal 20% przewagi zadłużenia. Amazon, który historycznie był bardziej lewarowany, ma obecnie ponad 50% więcej długu niż gotówki.
Najbardziej niepokojący przypadek to Oracle. Już wcześniej spółka miała niemal czterokrotnie więcej długu niż gotówki, a w ostatnich kwartałach relacja ta wzrosła do ponad sześciu do jednego. Co więcej, Oracle agresywnie korzysta z finansowania poza bilansem. W ostatnim raporcie kwartalnym wykazała zobowiązania leasingowe sięgające około 250 miliardów dolarów, w przeważającej części związane z centrami danych i infrastrukturą chmurową. To liczby, które trudno ignorować, zwłaszcza że akcje spółki spadły już ponad 40% od szczytów.
Prawdziwy problem: to, czego nie widać w bilansach
Marks zwraca uwagę na ryzyko, które w klasycznych analizach często umyka: specjalne spółki celowe i prywatny kredyt. SPV pozwalają firmom kontrolować projekty bez konsolidowania ich zadłużenia w głównych sprawozdaniach finansowych. Formalnie dług nie obciąża bilansu spółki-matki. Ekonomicznie jednak ryzyko pozostaje, bo kapitał własny wniesiony do tych struktur może zostać całkowicie wyzerowany.
Ten mechanizm nie jest nowy. SPV odegrały kluczową rolę w upadku Enronu. Różnica polega na skali i na tym, kto dziś finansuje te konstrukcje. W dużej mierze są to fundusze private credit i podmioty z tzw. sektora shadow banking. Marks podkreśla, że to właśnie tam kumuluje się ryzyko, które w momencie odpisów może wywołać efekt domina.
Gdy dług zaczyna się materializować
W scenariuszu, którego Marks się obawia, nadbudowa infrastruktury AI okaże się nadmierna. Centra danych powstaną szybciej, niż realny popyt na moc obliczeniową. Wtedy przychody nie pokryją kosztów obsługi długu. Zadłużenie trzeba będzie spłacić niezależnie od tego, czy aktywa generują zwrot.
Dla akcjonariuszy oznacza to jedno: mniejszą wartość rezydualną. Dług ma pierwszeństwo przed kapitałem własnym. Nawet jeśli spółki przetrwają, potencjał wzrostu kursów może być znacznie niższy, niż sugerują obecne narracje.
Jeszcze poważniejsze konsekwencje mogą dotknąć rynek kredytowy. Gdy SPV zaczną mieć problemy, fundusze private credit będą zmuszone do odpisów. Historia pokazuje, że takie writedowny rzadko kończą się lokalnie. Prowadzą do przymusowej sprzedaży aktywów, wysychania płynności i rozlewania się stresu na inne segmenty rynku.
Historyczne analogie, które niepokoją
Marks lubi porównania do wcześniejszych cykli i w tym przypadku również ich nie unika. Jeśli 2025 rok był odpowiednikiem 1997 roku w erze dotcomów, to 2026 może przypominać 1998. Wtedy problemy funduszu Long-Term Capital Management ujawniły kruchość systemu opartego na dźwigni. LTCM nie był bankiem, ale jego upadek okazał się systemowy. Został uratowany. Lehman Brothers dekadę później już nie.
Dziś nie ma jednego oczywistego „LTCM rynku AI”. Ryzyko jest rozproszone, ukryte w prywatnych strukturach i poza regulowanym systemem bankowym. To czyni je trudniejszym do zidentyfikowania, ale niekoniecznie mniejszym.
Co prawda, Howard Marks nie twierdzi, że kryzys jest nieuchronny. W jego scenariuszu wiele zależy od rynku pracy i polityki Fedu. Jeśli Rezerwa Federalna będzie w stanie stabilizować warunki finansowe poprzez stopniowe obniżki stóp, a zatrudnienie nie ulegnie gwałtownemu pogorszeniu, dług napędzający AI może jeszcze przez jakiś czas być obsługiwany bez większych napięć.
Jednocześnie ryzyko pozostaje wysokie. Moody’s szacuje prawdopodobieństwo recesji w USA w 2026 roku na około 42%. To poziom wyraźnie powyżej tego, co można by uznać za komfortowe w zdrowej gospodarce. W takim otoczeniu wystarczy jeden negatywny impuls, by słabe ogniwa zostały obnażone.
Co to oznacza dla inwestorów
Wniosek z analizy Marksa jest mało komfortowy, ale klarowny. Rynek AI może być bańką, nawet jeśli technologia okaże się rewolucyjna. Entuzjazm nie chroni przed stratami, a uczestnictwo w potencjale wzrostu oznacza również ekspozycję na ryzyko nadmiernej dźwigni.
Dla inwestorów oznacza to konieczność patrzenia głębiej niż na tempo wzrostu przychodów czy narrację 'zwycięzca bierze wszystko’. Struktura finansowania, zobowiązania poza bilansem i kondycja rynku kredytowego stają się równie ważne jak same algorytmy.
Jak ujął to główny ekonomista Moody’s Mark Zandi, najbardziej prawdopodobny scenariusz zakłada przejście przez 2026 rok bez recesji, ale pod jednym warunkiem: że nic więcej się nie popsuje. A w cyklach napędzanych długiem to założenie bywa wyjątkowo kruche.