Geen tijd om het volledige artikel te lezen? Gebruik dan de vijf onderstaande bullets voor de belangrijkste punten.

■ Een analyse van Toby Nangle in FT Alphaville, gebaseerd op berekeningen van S&P Global Ratings, laat zien hoeveel financiële ruimte de grootste Amerikaanse hyperscalers nog hebben voordat hun AI-investeringen druk kunnen zetten op hun kredietrating.
■ Alphabet heeft veruit de grootste buffer. Microsoft blijft eveneens financieel zeer sterk en Meta heeft nog behoorlijke ruimte, terwijl Amazon in enkele jaren veel dichter bij zijn downgradegrens komt.
■ Oracle is het duidelijkste risicogeval. De BBB--rating is de laatste trede van investment grade, waardoor een downgrade naar high yield de financieringskosten aanzienlijk kan verhogen.
■ S&P kijkt breder dan alleen obligatieschuld en houdt ook rekening met onder meer leases, langlopende stroomcontracten, take-or-pay-verplichtingen en garanties rond infrastructuur.
■ Dit is niet bearish voor AI, maar het betekent wel dat de volgende fase selectiever wordt. Balanssterkte, EBITDA-groei en de snelheid waarmee AI-investeringen worden gemonetariseerd worden steeds belangrijker.

De AI-investeringscyclus bereikt een nieuwe fase. De afgelopen jaren draaide vrijwel alles om de vraag hoeveel chips, datacenters en compute-capaciteit de grote technologiebedrijven konden bouwen. De financiële ruimte leek daarbij nauwelijks een beperkende factor, omdat de grootste hyperscalers over enorme cashflows en zeer sterke balansen beschikken.

Een analyse van Toby Nangle in FT Alphaville, gebaseerd op cijfers en projecties van S&P Global Ratings, laat nu zien dat die ruimte niet voor iedere onderneming even groot is. S&P heeft berekend hoeveel extra schuld de grootste hyperscalers nog kunnen aangaan, of hoeveel EBITDA kan tegenvallen, voordat de niveaus worden bereikt die druk op hun kredietrating kunnen zetten.

De boodschap is niet dat Big Tech voor een financieringscrisis staat. Wel wordt duidelijk dat de kapitaalintensiteit van AI zo groot wordt dat kredietkwaliteit en kosten van kapitaal steeds belangrijker worden.

Investment view

Voor beleggers ontstaat hiermee een nieuwe scheidslijn binnen de AI-trade. Tot nu toe werd hogere capex vaak automatisch als positief gezien: meer datacenters en compute betekenden meer toekomstige AI-capaciteit. Vanaf hier wordt echter belangrijker welke bedrijven die investeringen kunnen blijven financieren zonder hun balans of kredietrating te verzwakken.

Alphabet staat daarbij duidelijk het sterkst. Microsoft blijft eveneens zeer robuust, terwijl Meta nog voldoende manoeuvreerruimte heeft. Amazon heeft aanzienlijk minder ruimte voor tegenvallende winstgroei en Oracle is het bedrijf waarbij kredietkwaliteit daadwerkelijk een beperking kan worden.

De investment case verschuift daardoor van alleen de omvang van AI-investeringen naar het rendement op die investeringen. Bedrijven die hun capex snel genoeg omzetten in EBITDA en vrije kasstroom kunnen agressief blijven investeren. Wanneer de monetisatie enkele jaren achterloopt, terwijl datacenters, stroomcontracten en andere verplichtingen al zijn vastgelegd, kan de financiële druk snel oplopen.

S&P kijkt naar meer dan alleen zichtbare schuld

Een belangrijk element uit de analyse is dat S&P niet alleen kijkt naar reguliere obligaties en bankleningen. Dat zou bij de huidige AI-infrastructuur een onvolledig beeld geven.

De aangepaste schuldmaatstaf kan ook verplichtingen meenemen die economisch sterk op schuld lijken. Denk aan langlopende datacenterleases, garanties, take-or-pay-overeenkomsten en stroomcontracten waarbij capaciteit jaren vooruit wordt vastgelegd.

Dat is relevant omdat hyperscalers steeds vaker infrastructuur gebruiken die niet volledig rechtstreeks op hun eigen balans wordt gebouwd. De economische verplichting verdwijnt daarmee echter niet automatisch.

Voor beleggers betekent dit dat klassieke nettoschuld onvoldoende is om het volledige financiële risico van de AI-capex te beoordelen.

Alphabet heeft uitzonderlijk veel ruimte

Alphabet springt positief uit de analyse. De beschikbare debt headroom loopt volgens de projecties richting het einde van het decennium zelfs verder op en kan in 2029 meer dan $300 miljard bedragen.

Dat is opvallend, omdat Alphabet tegelijkertijd zeer agressief investeert in AI-infrastructuur. De verklaring zit in de verwachte ontwikkeling van EBITDA. Die groeit in de projecties veel sneller dan het niveau dat nodig is om de huidige rating te beschermen.

Die balanssterkte geeft Alphabet een belangrijke strategische vrijheid. Als de opbrengsten van AI enkele jaren later komen dan verwacht, heeft het bedrijf veel meer ruimte om door te investeren zonder direct financiële concessies te hoeven doen.

In een steeds kapitaalintensievere AI-wedloop kan die financiële optionaliteit een belangrijk concurrentievoordeel worden.

Microsoft blijft financieel zeer sterk

Ook Microsoft staat sterk, al ziet de grafiek er op het eerste gezicht iets krapper uit. Dat heeft mede te maken met de AAA-rating van het bedrijf. Voor het behoud van de allerhoogste kredietstatus gelden zeer strenge eisen.

Daardoor kan de berekende ruimte relatief snel afnemen zonder dat de balans daadwerkelijk zwak wordt. Een eventuele verlaging van AAA zou Microsoft nog steeds met een uitzonderlijk sterke investment-grade kredietkwaliteit achterlaten.

Belangrijker is dat de verwachte EBITDA ruim boven de niveaus blijft die nodig zijn om de rating te ondersteunen. Zolang Azure, enterprise software en AI-diensten voldoende winstgroei blijven leveren, heeft Microsoft weinig moeite om de zware investeringscyclus te dragen.

Meta heeft ruimte, maar minder marge voor fouten

Meta bevindt zich tussen de sterkste en de meer kwetsbare namen. De onderneming behoudt volgens de S&P-projecties een positieve buffer, maar die wordt tijdens de zwaarste investeringsjaren duidelijk kleiner.

Daarmee wordt de onderliggende winstgroei belangrijker. Meta investeert zeer agressief in datacenters en AI-capaciteit, terwijl het rendement grotendeels moet worden gedragen door sterkere advertentie-inkomsten, betere engagement en hogere efficiency binnen de bestaande platforms.

Standalone AI-omzet hoeft daarvoor niet onmiddellijk enorm te worden. De bestaande onderneming moet wel voldoende extra cashflow produceren om de hogere kapitaalintensiteit te absorberen.

Vooralsnog lijkt die ruimte aanwezig, maar de foutmarge is kleiner dan bij Alphabet.

Amazon heeft veel minder ruimte voor vertraging

Amazon is één van de opvallendste uitkomsten. De ruime buffer van 2025 neemt volgens de projecties snel af en kan rond 2027 en 2028 vrijwel verdwijnen.

Dat betekent niet dat een downgrade automatisch volgt. Kredietratings worden niet door één ratio bepaald en S&P kijkt ook naar de kwaliteit van de onderneming en toekomstige cashflows.

Het signaal is wel relevant. AWS en de rest van Amazon moeten de verwachte EBITDA-groei daadwerkelijk realiseren om de combinatie van enorme investeringen en financiële verplichtingen comfortabel te blijven dragen.

Een vertraging van enkele jaren in AI-monetisatie is daardoor voor Amazon financieel veel relevanter dan voor Alphabet.

Oracle is het duidelijke kredietrisico

Oracle is binnen deze groep het gevoeligste bedrijf. De kredietrating staat op BBB-, de laatste trede van investment grade. Een downgrade zou de schuld van Oracle naar high yield brengen.

Dat kan concrete gevolgen hebben. Sommige institutionele beleggers mogen uitsluitend investment-grade obligaties bezitten. Een downgrade kan daardoor leiden tot gedwongen verkopen, hogere credit spreads en uiteindelijk een hogere financieringskost.

Dat komt op een slecht moment wanneer Oracle ondertussen juist enorme bedragen moet blijven investeren in cloud- en AI-capaciteit.

Volgens de projecties wordt de financiële ruimte rond 2027 en 2028 zeer beperkt voordat deze later weer verbetert. Die verbetering veronderstelt echter dat de verwachte sterke stijging van EBITDA ook daadwerkelijk wordt gerealiseerd.

Oracle illustreert daarmee het belangrijkste risico van de AI-boom: de investeringen worden nu gedaan, terwijl een groot deel van de economische opbrengsten pas later moet komen.

SpaceX heeft een ander risicoprofiel

SpaceX beschikt volgens de projecties over meer ruimte dan Oracle, maar het earnings-profiel is fundamenteel anders dan bij Alphabet of Microsoft.

Bij de gevestigde hyperscalers draait de vraag vooral om hoeveel extra investeringen een bestaande winstmachine kan absorberen. Bij SpaceX is sterke toekomstige EBITDA-groei zelf een belangrijk onderdeel van de kredietcase.

Wanneer die groei wordt gerealiseerd, kan de onderneming de oplopende investeringen goed dragen. Wanneer de winstontwikkeling tegenvalt terwijl de financiële verplichtingen wel toenemen, kan de buffer veel sneller verdwijnen.

Het kredietrisico zit daar dus sterker in de afhankelijkheid van toekomstige schaalvergroting.

Het grootste gevaar is een timing mismatch

De belangrijkste conclusie uit de analyse is dat AI niet hoeft te mislukken voordat financieringsdruk ontstaat. De opbrengsten hoeven alleen later te komen dan de investeringen.

Datacenters worden vandaag gebouwd, chips worden nu gekocht en stroomcapaciteit wordt vaak jaren vooruit vastgelegd. Veel van die financiële verplichtingen ontstaan dus voordat de toekomstige AI-omzet volledig zichtbaar wordt.

Wanneer monetisatie twee of drie jaar vertraging oploopt, ontstaat een periode waarin de uitgaven al vastliggen terwijl de verwachte EBITDA nog niet volledig binnenkomt.

Juist die timing mismatch kan kredietmetrics onder druk zetten. Voor beleggers wordt daarom de snelheid waarmee AI-investeringen in omzet en winst worden omgezet steeds belangrijker.

De lange rente wordt onderdeel van de AI-case

Volgens de door de Financial Times besproken S&P-analyse kunnen de grootste Amerikaanse hyperscalers gezamenlijk enorme bedragen investeren richting het einde van het decennium. Een groot deel kan uit eigen cashflow worden betaald, maar de totale kapitaalvraag blijft uitzonderlijk groot.

Tegelijkertijd hebben overheden omvangrijke financieringsbehoeften en moeten utilities, elektriciteitsnetwerken en datacenterbedrijven eveneens grote hoeveelheden kapitaal aantrekken.

Daarmee ontstaat concurrentie om kapitaal. Wanneer de lange rente structureel hoog blijft, worden nieuwe schuld, leases en projectfinanciering duurder.

De Amerikaanse kapitaalmarktrente wordt daardoor steeds meer een economische factor binnen de AI-investeringscyclus.

De obligatiemarkt kan eerder discipline afdwingen

Aandelenbeleggers kunnen grote investeringen jarenlang accepteren wanneer de toekomstige groeikans aantrekkelijk genoeg lijkt. Kredietbeleggers kijken vanuit een ander perspectief: hun potentiële winst is beperkt, terwijl een verslechterende balans wel direct risico oplevert.

Daardoor kan de obligatiemarkt eerder druk uitoefenen om investeringen te temperen.

Dat hoeft geen negatieve ontwikkeling te zijn. Financiële discipline kan hyperscalers dwingen om projecten kritischer te selecteren en duidelijker te laten zien welke AI-investeringen daadwerkelijk voldoende rendement opleveren.

De volgende fase van AI kan daardoor minder draaien om wie het meeste geld uitgeeft en meer om wie het hoogste rendement op dat kapitaal realiseert.

Wat beleggers moeten volgen

De belangrijkste variabele wordt de verhouding tussen capex en earnings. Alleen de omvang van de investeringen zegt steeds minder.

Bij Alphabet vormt de balans een duidelijke strategische kracht. Microsoft bevindt zich eveneens in een comfortabele positie. Meta heeft ruimte, maar kan zich minder vertraging permitteren. Amazon wordt steeds afhankelijker van het daadwerkelijk realiseren van de verwachte winstgroei, terwijl Oracle het duidelijkste voorbeeld is van een bedrijf waarbij de kredietmarkt uiteindelijk een rem kan zetten op de investeringsplannen.

Daarmee kan de spreiding tussen AI-aandelen groter worden. Technologie alleen is niet voldoende. De uiteindelijke winnaars moeten de AI-wedloop ook financieel kunnen volhouden.

Conclusie

De analyse van Toby Nangle in FT Alphaville, gebaseerd op S&P Global Ratings, wijst niet op een naderende kredietcrisis bij de hyperscalers. Wel wordt duidelijk dat de periode waarin de financieringsruimte voor AI vrijwel onbeperkt leek langzaam ten einde komt.

Voor beleggers wordt de volgende fase daarom interessanter en selectiever. Alphabet beschikt over uitzonderlijk veel financiële ruimte, Microsoft blijft zeer sterk en Meta heeft nog voldoende buffer. Bij Amazon wordt snelle winstgroei belangrijker, terwijl Oracle het duidelijkste voorbeeld is van een bedrijf waarbij vertraging in AI-monetisatie uiteindelijk rechtstreeks op de kredietrating kan drukken.

🔵 English version

The AI boom is reaching a credit limit: not every hyperscaler has the same room to keep spending

No time to read the full article? Use the five bullets below for the key points.

■ An analysis by Toby Nangle in FT Alphaville, based on calculations from S&P Global Ratings, shows how much financial headroom the largest U.S. hyperscalers retain before AI investment begins to pressure their credit ratings.
■ Alphabet has by far the largest buffer. Microsoft also remains financially very strong and Meta retains meaningful capacity, while Amazon gets much closer to its downgrade threshold in several years.
■ Oracle is the clearest risk case. Its BBB- rating is the final rung of investment grade, meaning a downgrade into high yield could materially increase funding costs.
■ S&P looks beyond conventional bond debt and also considers leases, long-term power contracts, take-or-pay obligations and guarantees connected to infrastructure.
■ This is not bearish for AI, but it does signal a more selective phase. Balance-sheet strength, EBITDA growth and the speed at which AI investment is monetized will matter increasingly.

The AI investment cycle is entering a new phase. For years, the central question was how many chips, data centers and units of compute the largest technology companies could build. Financing rarely appeared to represent a genuine constraint because the leading hyperscalers generated enormous cash flows and maintained exceptionally strong balance sheets.

An analysis by Toby Nangle in FT Alphaville, based on S&P Global Ratings projections, now shows that financial flexibility differs materially between companies. S&P has examined how much additional debt these businesses could carry, or how far EBITDA could miss expectations, before reaching levels associated with pressure on their existing ratings.

The message is not that Big Tech faces an imminent funding crisis. It is that the capital intensity of AI is becoming large enough for credit quality and the cost of capital to become meaningful strategic variables.

Investment view

A new dividing line is emerging within the AI trade. Until now, higher capex was often interpreted almost automatically as positive because more infrastructure implied more future AI capacity. From here, it matters increasingly whether those investments can be funded without weakening balance sheets or credit ratings.

Alphabet clearly stands out on the positive side. Microsoft also remains extremely strong, while Meta still has adequate room. Amazon has considerably less capacity to absorb disappointing earnings growth, and Oracle is the company where credit quality could become a genuine constraint.

The investment case is therefore shifting from the size of AI spending toward the return generated by that spending. Companies that convert capex into EBITDA and free cash flow quickly enough can continue investing aggressively. If monetization arrives several years late while data-center, power and infrastructure commitments are already locked in, financial pressure can rise rapidly.

S&P looks beyond visible debt

A key element of the analysis is that S&P does not focus exclusively on conventional bonds and bank borrowing.

Its adjusted-debt methodology can also capture obligations that economically resemble debt, including long-term data-center leases, guarantees, take-or-pay agreements and power contracts.

This matters because hyperscalers increasingly use infrastructure structures that do not always appear as straightforward corporate borrowing. The economic commitment does not necessarily disappear simply because a third party owns the underlying asset.

Traditional net debt is therefore no longer sufficient to understand the full financial exposure created by the AI build-out.

Alphabet has exceptional headroom

Alphabet stands out as the strongest balance-sheet case. Projected debt headroom rises through the period and can exceed $300 billion by 2029.

That is notable given how aggressively the company is simultaneously investing in AI infrastructure. The explanation lies in expected EBITDA growth, which expands much faster than the level required to protect the rating.

This gives Alphabet significant strategic flexibility. If AI returns take longer than expected, the company has much greater capacity to keep investing without making immediate financial compromises.

That optionality can become a meaningful competitive advantage as AI becomes increasingly capital intensive.

Microsoft remains financially very strong

Microsoft also remains exceptionally well positioned, although the chart can initially appear tighter. This partly reflects the fact that the company carries a AAA rating and therefore faces an extremely demanding threshold to preserve the highest possible credit status.

Measured headroom can decline without implying that Microsoft's balance sheet has become weak. Even a rating below AAA would still leave the company as an extraordinarily strong investment-grade borrower.

Projected EBITDA also remains comfortably above the level needed to support the rating. As long as Azure, enterprise software and AI services continue producing sufficient earnings growth, Microsoft appears well equipped to absorb the current investment cycle.

Meta has room, but less margin for error

Meta sits between the strongest and more constrained companies. It maintains a positive cushion, but that buffer becomes smaller during the heaviest investment years.

This increases the importance of underlying earnings growth. Meta is investing aggressively in data centers and AI capacity, while returns must largely be supported by stronger advertising economics, engagement and efficiency across its existing platforms.

The company does not require enormous standalone AI revenue immediately. Its core businesses do, however, need to generate enough incremental cash flow to absorb the higher capital intensity.

For now, the capacity appears sufficient, although the margin of safety is smaller than Alphabet's.

Amazon has much less room for delays

Amazon is one of the most interesting outcomes. Its substantial initial buffer declines rapidly and can become very small around 2027 and 2028.

This does not imply an automatic downgrade. Ratings depend on more than one financial ratio and S&P also considers business quality and future cash generation.

The message is nevertheless important. AWS and the wider Amazon business need to deliver the expected EBITDA growth to comfortably support the combination of heavy investment and additional financial commitments.

A multi-year delay in AI monetization would therefore matter considerably more for Amazon than for Alphabet.

Oracle is the clear credit risk

Oracle is the most sensitive company in the group. Its BBB- rating is the lowest investment-grade level. Another downgrade would move the company into high yield.

That can have tangible consequences. Some institutional investors are restricted to investment-grade debt, meaning a downgrade could result in forced selling, wider credit spreads and higher financing costs.

This is particularly relevant because Oracle still needs to invest very heavily in cloud and AI infrastructure.

Financial headroom becomes extremely limited around the most capital-intensive years before improving again later. That recovery, however, assumes the projected increase in EBITDA actually materializes.

Oracle therefore illustrates the central risk of the AI investment cycle: spending occurs today while much of the economic return is expected later.

SpaceX has a different risk profile

SpaceX has more room than Oracle, but its earnings profile differs fundamentally from Alphabet or Microsoft.

For established hyperscalers, the question is primarily how much additional investment an existing profit engine can absorb. At SpaceX, strong future EBITDA growth itself forms an important part of the credit case.

If that growth materializes, rising investment remains manageable. If earnings expansion disappoints while financial commitments continue increasing, headroom can narrow much faster.

The credit risk therefore depends more heavily on successful future scaling.

The biggest risk is a timing mismatch

The central lesson is that AI does not need to fail for financial pressure to emerge. Returns simply need to arrive later than investment.

Data centers are built today, chips are purchased now and power capacity is often contracted years in advance. Financial commitments therefore appear before the associated AI revenue has reached full scale.

If monetization is delayed by two or three years, a period can emerge in which spending is already locked in while expected EBITDA has not yet arrived.

That timing mismatch is where credit metrics can begin to deteriorate.

Long-term interest rates become part of the AI case

The scale of the investment plans also makes capital markets increasingly relevant. A large part of the spending can be funded internally, but the total capital requirement across hyperscalers, utilities, power grids and data-center developers remains enormous.

At the same time, governments continue to issue large amounts of debt.

Competition for capital therefore increases. Persistently high long-term rates raise the cost of borrowing, leases and project financing.

The cost of capital is becoming an increasingly important economic variable in the AI build-out.

Credit markets may impose discipline first

Equity investors can accept enormous spending for years when the future growth opportunity appears attractive enough. Credit investors have a different payoff profile: upside is limited while deterioration in cash flows creates direct downside risk.

The bond market may therefore impose discipline before equity markets do.

That does not necessarily represent a negative development. Greater financial discipline can force companies to select projects more carefully and demonstrate which AI investments actually generate sufficient returns.

The next phase of AI may therefore become less about who spends the most and more about who earns the best return on that capital.

What investors should monitor

The key variable is becoming the relationship between capex and earnings rather than capex alone.

Alphabet's balance sheet is a clear strategic asset. Microsoft also remains comfortably positioned. Meta still has room but can tolerate less delay. Amazon becomes increasingly dependent on delivering projected earnings growth, while Oracle provides the clearest example of a company where the credit market could eventually constrain investment plans.

This can create greater dispersion between AI-related equities. Technology alone will not determine the winners. Companies also need to finance the AI race efficiently.

Conclusion

Toby Nangle's FT Alphaville analysis, based on S&P Global Ratings data, does not point to an imminent credit crisis among hyperscalers. It does show that the era in which AI financing appeared almost unlimited is gradually changing.

For investors, the next phase becomes more selective. Alphabet possesses exceptional financial flexibility, Microsoft remains extremely strong and Meta still has meaningful capacity. Amazon depends increasingly on rapid earnings growth, while Oracle is the clearest example of a company where delayed AI monetization could eventually put direct pressure on the credit rating.