Неправильна оцінка кредиту заради буму обчислювальної потужності ШІ: як моделі фінансування інфраструктури стикаються з амортизуючими активами

Технічні заголовки малюють райдужну картину для початку 2026 року: інвестиції в інфраструктуру AI продовжують прискорюватися, будівництво дата-центрів по всій Північній Америці стрімко зростає, а криптомайнери святкують успішний перехід до стабільних сервісів AI обчислювальної потужності. Але за лаштунками аналітики кредиту у великих фінансових установах відчувають зовсім інше ставлення. У конференц-залах на Уолл-стріт увага зосереджена не на продуктивності моделей чи характеристиках GPU — а на таблицях, що показують структурний кошмар: ринок фінансує активи з 18-місячним терміном життя, використовуючи моделі іпотеки на 10 років. Це невідповідність не є теоретичною. Останні звіти Reuters і Bloomberg викривають реальний стан речей: інфраструктура AI стала сектором з високим рівнем заборгованості, а фінансова архітектура, побудована під час буму AI, містить зерна значної кредитної кризи.

Головна проблема — не технологічний збій, а глибоке невідповідність між швидко знецінюваними активами обчислювальної потужності, перевищеним за ліміт заставним забезпеченням і нееластичною за структурою заборгованістю за інфраструктурою. Коли ці три сили зійдуться, активується прихована ланцюг передачі дефолтів, і ілюзія безпеки руйнується.

Дефляційна пастка: коли закон Мура зустрічається з фіксованим боргом

У фундаменті кожної облігації або боргового інвестиційного інструменту лежить базове припущення: коефіцієнт покриття обслуговування боргу (DSCR). Протягом останніх 18 місяців учасники ринку ставили на те, що оренда AI-обчислювальної потужності поводитиметься як комерційна нерухомість — стабільно, передбачувано, можливо, навіть стійко до інфляції. Однак дані розповідають зовсім іншу історію.

Згідно з відстеженням SemiAnalysis і Epoch AI, оприлюдненим у Q4 2025, вартість запуску AI-інференс-робочих навантажень знизилася на 20-40% у порівнянні з попереднім роком. Це не скромне коригування; це неминучий рух закону Мура у поєднанні з прискореним впровадженням квантізації моделей, технік дистиляції та спеціалізованих інтегральних схем (ASIC). Кожен прорив у ефективності робить розгортання дорогих GPU вчорашнього дня систематично менш цінним для генерації орендного доходу.

Це створює перше критичне невідповідність за тривалістю: інвестори купували GPU за піковими оцінками 2024 року, фіксуючи капітальні витрати, одночасно закладаючи криву доходності оренди, яка має знижуватися у 2025 і далі. Математика проста: якщо ви маєте боргові зобов’язання на обладнання, куплене за $10 000 за GPU, але обчислювальна потужність, яку ці GPU генерують, знижується на 30% у річному орендному доході, різниця між доходами і зобов’язаннями зникає. З точки зору акціонера — це «технологічний прогрес». З точки зору кредитора — це «знецінення застави» — основа ризику дефолту.

Парадокс ускладнюється, якщо врахувати саму модель бізнесу обчислювальної потужності: на відміну від нерухомості, яка може зростати або залишатися стабільною, фундаментальний актив — обчислювальна потужність — за своєю природою є дефляційним. Кожне нове покоління GPU виконує більше обчислень за долар, зменшуючи орендний дохід на одиницю розгорнутої інфраструктури. Це означає, що борги, випущені сьогодні під доходи від обчислювальної потужності, погашаються з активу, що має структурно зменшувальніся грошові потоки.

Фінансова реверсія: ризик венчурного капіталу, що маскується під інфраструктурну безпеку

Зі зменшенням доходів з активів раціональні учасники ринку мають посилити стандарти кредитування і вимагати вищих ризикових премій. Натомість відбувається протилежне. Загальний обсяг боргового фінансування дата-центрів AI і відповідної інфраструктури обчислювальної потужності прогнозується зростанням на 112% до приблизно $25 мільярдів у 2025 році, згідно з даними The Economic Times і Reuters.

Цей сплеск боргу не зумовлений консервативними інфраструктурними кредиторами. Скоріше, домінують Neo-Cloud-провайдери, такі як CoreWeave і Crusoe Energy, а також криптомайнери, що проходять «своєрідну трансформацію», використовуючи моделі кредитування з заставою активів (ABL) і проектне фінансування — моделі, призначені для стабільних, низькоризикових активів, таких як платні дороги або гідроелектростанції.

Це становить фундаментальну категорійну помилку у класифікації ризиків:

Стара модель (до 2024): AI — це гра венчурного капіталу. Ви інвестуєте в компанію, створюєте технології, сподіваєтеся на успіх. Неуспіх означає втрату капіталу; кредитори не залучені.

Нова модель (з 2025): AI стала інфраструктурною грою. Борг тепер фінансує розгортання обчислювальної потужності. Неуспіх — дефолт за облігаціями і структурованими зобов’язаннями. Ризик втрат поширюється на кредиторів і інвесторів у фіксований дохід.

Однак ринок оцінює це так, ніби нічого фундаментально не змінилося. Кредитори застосовують моделі ризику інфраструктурного рівня (заставний леверидж рівня комунальних послуг, нижчі спреди, довші терміни погашення) до активів венчурного рівня (висока зношуваність, технологічна застарілість, бінарна профіль успіху/невдачі). Це систематична неправильна оцінка кредитного ризику з серйозними наслідками.

Ілюзія зняття левериджу майнерів: гра з подвійним левериджем

Найбільш уразливе становище займають криптомайнери, які переключилися на AI-обчислювальну потужність. Медійні наративи вихваляють цей перехід як «зменшення ризиків» — майнери нарешті вийшли з волатильності криптографічного майнінгу і забезпечують стабільні інфраструктурні послуги. Але реальні балансові звіти розповідають більш темну історію.

Дані від VanEck і TheMinerMag показують, що чисті боргові коефіцієнти провідних публічних майнингових компаній у 2025 залишаються майже незмінними з піку 2021 року. Деякі агресивні гравці навіть збільшили борги до 500%. Як майнери досягли так званого «зняття левериджу», не зменшуючи фактичний леверидж?

Механізм досить простий:

• Ліва частина балансу (активи): Майнери продовжують тримати волатильні позиції у криптовалюті (BTC/ETH) або враховують майбутній дохід від оренди обчислювальної потужності як неявне заставне забезпечення.

• Права частина балансу (зобов’язання): Вони випускають конвертовані ноти, облігації високого доходу та інструменти, номіновані у доларах США, для фінансування купівлі GPU H100/H200 і відповідної інфраструктури.

Це не зменшення левериджу — це ризик пролонгації боргу у поєднанні з концентрацією кореляції. Майнери фактично грають у гру «подвійного левериджу»: вони використовують волатильність криптоактивів як заставу, щоб грати на грошових потоках від оренди GPU. У сприятливих умовах це збільшує доходи. Але при макроекономічному затягуванні обох компонентів вони зливаються: ціни криптовалюти падають, а ставки оренди GPU знижуються паралельно (менше проектів для фінансування AI-розробок, менша загальна швидкість інвестицій). У моделях кредитування цей сценарій називається конвергенцією кореляцій — кошмар для структурованих продуктів і катастрофа для незабезпечених кредиторів.

Припущення, що доходи від обчислювальної потужності стабілізують баланс майнерів, не справдилося. Замість цього майнери додали ще боргів, створюючи структуру, що посилює ризик зниження і має обмежену можливість зростання.

Зникаюча ліквідність: коли застави стають теоретичними

Що тривожить кредитних менеджерів — це не сам дефолт, а те, що відбувається після. У кризі субстандартної іпотеки 2008 року кредитори могли виставляти на аукціон іпотечні активи для відновлення капіталу. Але якщо великий оператор обчислювальної потужності збанкрутує і кредитори конфіскують 10 000 графічних карт H100, що далі?

Цей вторинний ринок не існує у значущих масштабах — це приховано під маскою опублікованих оцінок заставного забезпечення. Ілюзія безпеки базується на трьох критичних слабкостях:

Залежність від фізичної інфраструктури: Високопродуктивні GPU — не пристрої «підключив і працював». Вони вимагають спеціалізованих систем охолодження, конкретної енергетичної інфраструктури (30-50 кВт на стійку) і налаштованих мережевих конфігурацій. Вилучений GPU поза межами свого дата-центру стикається з суттєвими труднощами у пошуку альтернативних місць розгортання.

Нелінійне знецінення через технологічну застарілість: З виходом архітектури Blackwell від NVIDIA наприкінці 2024 року і планами Rubin у наступні роки, старі покоління GPU не знецінюються лінійно. Замість цього вони зазнають «обриву» у ціні — нові, більш ефективні чіпи з’являються швидко. H100, що раніше коштував $40 000, може бути проданий у distressed-ситуації за $8 000–12 000, тобто з знижкою 70-80%.

Відсутність ланки ліквідності: Найважливіше — у ринку вживаного обладнання для обчислювальної потужності, що застаріло, немає механізму «останнього кредитора», готового поглинути мільярди у продажах. На відміну від ринків акцій або державних облігацій, де центральні банки і фінансові посередники стабілізують ціни під час стресу, вторинні ринки GPU не мають таких стабілізаторів. Коли починається масовий продаж у distressed-ситуації, ціна відкривається катастрофічно.

Це ілюзія «заставної маски»: співвідношення LTV (loan-to-value) на папері здається обґрунтованим — часто 50-70% за опублікованими оцінками обладнання. Але ці коефіцієнти базуються на припущенні, що ліквідація відбуватиметься у порядку і на ринках, що функціонують. Реальний ринок вживаних GPU, що застаріли і під ризиком зношування, набагато тонший і хаотичніший, тому теоретичні заставні оцінки під час стресу стають майже фантастичними.

Цикли кредитування передують технологічним: реальний часовий графік ризику

Щоб бути ясним, цей аналіз не заперечує технологічний потенціал AI або фундаментальну важливість обчислювальної потужності для майбутньої інфраструктури. Технології продовжать розвиватися, і попит на AI-обчислювальні ресурси залишатиметься високим. Що ставиться під сумнів — це фінансова архітектура, що підтримує цю галузь, зокрема, як неправильно оцінюється фінансування обчислювальної потужності.

Дефляційні активи, що зумовлені законом Мура, оцінюються як інфляційно-захищена інфраструктура. Майнери, що не здійснили суттєвого левериджу, фінансуються так, ніби вони — комунальні підприємства з стабільними балансами. Обчислювальна потужність із технологічним життєвим циклом 18–24 місяці фінансується під 10-річні борги. Це не маргінальні ризики — це фундаментальні помилки у ціноутворенні, закладені у борги на мільярди доларів.

Історія показує закономірний патерн: цикли кредитування досягають піку і руйнуються до того, як технологічні цикли дозрівають. Велика залізнична лихоманка 1880-х років завершилася масовими кредитними надмірностями ще до того, як залізничні мережі стали повністю корисними. Ера доткомів — надмірне фінансування технологічних боргів у 1999–2000 роках, за кілька років до масового впровадження інтернету. Криза субстандартної іпотеки досягла піку у 2007–2008 роках, ще до стабілізації цін на житло.

Для макроекономічних стратегів і кредитних трейдерів головне завдання до середини 2026 — не передбачити, яка модель AI досягне прориву, а переосмислити реальні кредитні спреди і ймовірності дефолту, закладені у ці «AI Infrastructure + Crypto Miner» комбінації. Ринок міг неправильно оцінити фінансовий ризик суттєво. І коли це переоцінювання станеться, воно вплине не лише на акціонерів, а й на ринки фіксованого доходу, що зараз несуть основну частку цього левериджу.

Бум обчислювальної потужності реальний. А от чи правильно ціноутворюють ризики, що його підтримують — під питанням.