Boom AI na kredyt. Czy rynek udźwignie rachunek za serwerownie?

Sektor sztucznej inteligencji wchodzi w fazę, w której sukces produktu nie wystarcza: równie ważne stają się koszty prądu, kapitału i budowy centrów danych. Rekordowe potrzeby finansowe zderzają się z rosnącymi rentownościami obligacji. Coraz więcej inwestorów pyta, kiedy ogromne wydatki zaczną przynosić trwały dochód.

Raporty Reutersa i „Financial Times” z ostatnich dni opisują wyraźną zmianę nastrojów. W pierwszych miesiącach 2026 roku finansowanie związane z AI rozwijało się szybciej niż wiele tradycyjnych gałęzi przemysłu. Firmy technologiczne, operatorzy centrów danych i dostawcy sprzętu szukały kapitału na procesory, nieruchomości, chłodzenie oraz energię. Ta układanka była łatwiejsza, gdy rynki zakładały spadek stóp procentowych, a popyt na obligacje wysokiej jakości pozostawał silny. Kiedy jednak ceny energii zaczęły rosnąć, a rentowność amerykańskiego długu wróciła na poziomy nienotowane od dekad, rachunek zaczął wyglądać inaczej. Projekt finansowany kredytem przez wiele lat musi zarobić nie tylko na serwery, lecz także na koszt pieniądza, kolejne generacje sprzętu i ewentualne przestoje.

Według przywoływanych przez Reutersa ocen Morgan Stanley zewnętrzne finansowanie infrastruktury AI może osiągnąć 1,5 bln dolarów do 2028 roku. To prognoza, nie potwierdzone zobowiązanie inwestorów. Równocześnie „Financial Times” informował, że emisje długu powiązane z AI we wrześniu spadły do około 23 mld dolarów — mniej niż połowy kwoty z sierpnia. Kontrast między ogromnym zapotrzebowaniem i mniejszą skłonnością rynku do udzielania finansowania nie zapowiada automatycznie kryzysu. Oznacza jednak, że kolejne projekty mogą być rozliczane według bardziej wymagających kryteriów. Wierzyciele zechcą zobaczyć umowy z odbiorcami mocy obliczeniowej, realistyczny harmonogram budowy i wiarygodny model przepływów pieniężnych, a nie wyłącznie obietnicę przyszłego popytu.

Centrum danych jest znacznie bardziej skomplikowaną inwestycją niż magazyn z komputerami. Potrzebuje przyłącza energetycznego, dostaw chłodzenia, łączy telekomunikacyjnych, zapasowego zasilania i odpowiedniej lokalizacji. Część kosztów powstaje dużo wcześniej niż przychód. Operator może uzyskać kredyt na budynek, wynająć serwery od innej spółki i podpisać długoterminową umowę na energię, lecz w każdym z tych kontraktów inne strony ponoszą ryzyko. Jeżeli klient ograniczy zużycie mocy, dostawca chipów podniesie cenę albo sieć energetyczna opóźni uruchomienie, nadwyżka gotówki szybko się kurczy. Ryzyko zaczyna się kumulować również w instytucjach udzielających finansowania, nawet gdy każda z osobna uważa swój udział za niewielki.

Specyfika AI dodatkowo przyspiesza zużywanie się aktywów. Procesory starzeją się ekonomicznie znacznie szybciej niż budynki czy linie przesyłowe. Następna generacja sprzętu może sprawić, że dotychczasowy model serwerów będzie mniej opłacalny mimo sprawnego działania. Jednocześnie ogromna część wartości projektu zależy od przewidywań dotyczących rozwoju oprogramowania. Jeżeli algorytmy staną się wydajniejsze, mogą wykonywać więcej pracy na tej samej infrastrukturze. To dobra wiadomość dla użytkowników, ale nie zawsze dla firm zakładających, że sprzedaż jednostek obliczeniowych będzie rosła tak szybko jak dziś. Inwestor musi więc rozważyć dwa przeciwne scenariusze: niedobór mocy obliczeniowej oraz nadmierną liczbę serwerowni zbudowanych na podstawie zbyt optymistycznych prognoz.

W tradycyjnym projekcie infrastrukturalnym wyższe oprocentowanie długu potrafi zdecydować o opłacalności całej inwestycji. AI nie jest tu wyjątkiem. Jeśli koszt kapitału rośnie, przedsiębiorstwo musi pobierać wyższą cenę za usługę, działać efektywniej albo zgodzić się na mniejszą rentowność. Podwyżki stawek nie są jednak łatwe, ponieważ konkurencja na rynku modeli i usług chmurowych może skłaniać dostawców do obniżania cen. Najsilniejsze firmy finansują nowe obiekty z własnych przepływów pieniężnych. Słabsi uczestnicy muszą regularnie wracać na rynek po kolejne transze długu lub kapitału. To tam napięcie pojawia się najszybciej: opóźnienie emisji obligacji albo gorsze warunki kredytu wystarczą, by przesunąć termin oddania centrum danych.

Sygnały ostrzegawcze nie muszą oznaczać pęknięcia spekulacyjnej bańki w całej branży. Mogą oznaczać naturalną selekcję projektów. Inwestycje mające mocnych odbiorców, zapewnione zasilanie i rezerwę gotówkową będą przechodziły przez okres drogiego pieniądza łatwiej. Konstrukcje oparte na łańcuchu wzajemnych zobowiązań i niepewnym popycie staną się bardziej wrażliwe na pojedyncze opóźnienie. Warto też odróżnić wycenę producenta procesorów, na przykład młodej firmy Nuvacore, od przepływów pieniężnych operatora serwerowni. Pierwsza opiera się na oczekiwaniach co do przyszłej technologii i kontraktów, druga na konkretnym tempie sprzedaży usług. Nie można mechanicznie dodawać obu wielkości i twierdzić, że pokazują identyczny stopień ryzyka.

W Europie dodatkowym ograniczeniem jest infrastruktura energetyczna. Dla inwestorów znaczenie mają dostępność przyłączeń, cena prądu, lokalne wymagania środowiskowe i czas procedur administracyjnych. Korzyści z budowy centrum danych nie są też automatycznie równe wartości zakupionych serwerów. Ważne jest, ilu dostawców energii, inżynierów, instalatorów oraz firm serwisowych uczestniczy w projekcie i jaka część wartości dodanej zostaje w regionie. Polska może konkurować lokalizacją, kadrami i rozwijającą się infrastrukturą, ale nie rozwiąże problemów dostępu do taniej energii samym przyciąganiem operatorów. Samorządy powinny sprawdzać bilans miejsca pracy, podatków, zapotrzebowania na wodę i mocy sieci, zanim zaoferują kosztowne zachęty inwestycyjne.

Kluczowe pytanie nie brzmi już, czy AI będzie używana przez firmy i gospodarstwa domowe. Wiele zastosowań weszło do codziennej praktyki. Pytanie dotyczy rozkładu korzyści oraz tego, które projekty potrafią te korzyści zamienić w przewidywalny strumień pieniędzy. Boom technologiczny może trwać, a jednocześnie wielu jego uczestników może stracić środki. Odpowiedzialna ocena powinna więc oddzielać wzrost użyteczności technologii od ceny, jaką rynek płaci za przyszły sukces. Dla Polski praktyczny wniosek jest prosty: nie wystarczy powtórzyć hasła o centrum danych przyszłości. Trzeba analizować kontrakty, finansowanie, zasoby i koszty w kilku różnych scenariuszach, także tych mniej optymistycznych.