Geen tijd om het hele artikel te lezen? Dit zijn de belangrijkste punten:
■ De AI-boom wordt niet meer uitsluitend uit cashflow en gewone bedrijfsschuld gefinancierd. SPV’s, private credit, guarantees, langlopende datacenterleases, chipfinanciering en grote purchase commitments vormen een steeds belangrijker onderdeel van de financiële infrastructuur.
■ Broadcom is een belangrijke nieuwe graadmeter. Het eerste AI XPV Platform omvat $35 miljard en moet meer dan 1 GW aan infrastructuur voor Anthropic ondersteunen, terwijl het bredere platform uiteindelijk meer dan 20 GW mogelijk moet maken. Rond een volgende structuur wordt gesproken over $60–70 miljard senior secured debt plus circa $30 miljard junior financing.
■ Broadcoms vijfjaars-CDS is in augustus ongeveer 28 basispunten opgelopen, tegenover circa 14 basispunten voor de yield op de 5,15%-obligatie met looptijd 2031. De kredietmarkt begint daarmee risico te prijzen dat in de operationele cijfers nog nauwelijks zichtbaar is.
■ NVIDIA gebruikt zijn uitzonderlijke financiële kracht eveneens om AI-infrastructuur financierbaar te maken. Daaronder vallen een mogelijke garantie van maximaal $105 miljard rond het OpenAI/SB Energy-project in Ohio en een investering van $1,5 miljard in SB Energy, naast veel grotere financieringsstructuren die nog in ontwikkeling zijn.
■ Oracle draagt een directer risico. Naast circa $30 miljard reeds opgenomen lease liabilities heeft het ongeveer $260 miljard aan leases die nog moeten beginnen, grotendeels voor datacenters met looptijden van vijftien tot negentien jaar. Daar staat circa $638 miljard RPO tegenover.
■ Oracle laat tegelijk zien hoeveel kapitaal de AI-race opslokt: circa $75 miljard aan GPU-hardware is door klanten vooruitbetaald of zelf aangeleverd, operationele cashflow lag rond $32 miljard, vrije kasstroom rond –$23,7 miljard, terwijl het bedrijf ongeveer $43 miljard schuld en $5 miljard eigen vermogen ophaalde en voor FY2027 opnieuw circa $40 miljard aan financiering voorziet.
■ Microsoft, Meta, Oracle, Amazon en Alphabet hebben gezamenlijk circa $1,09 biljoen aan toekomstige leasebetalingen vastgelegd, tegenover ongeveer $285 miljard reeds opgenomen lease liabilities. Daar komen hardware-, energie-, networking- en andere purchase commitments nog bovenop.
■ CoreWeave laat zien dat kredietbeleggers selectiever worden. Bij een recente financiering van ongeveer $2,6 miljard liep de yield richting 9,1% en werden extra beschermingsmechanismen toegevoegd, waarna de vraag opliep tot circa $9 miljard.
■ Wij worden hierdoor nu nog niet bearish op AI. Zolang utilization hoog blijft, orders groeien en krediet beschikbaar blijft, kan deze financieringsmachine de AI-boom juist verder verlengen. Het gevaar ontstaat later wanneer utilization, capex en kredietkwaliteit tegelijkertijd draaien.

Wil je alle artikelen kunnen lezen en elke podcast beluisteren? Neem dan een abonnement en krijg toegang tot alle artikelen en de database met duizenden berichten.

Inleiding

De AI-boom wordt aan de beurs vooral gevolgd via omzetgroei, GPU-verkopen, cloudcontracten, nieuwe acceleratorgeneraties en steeds grotere investeringsbudgetten. NVIDIA blijft het hart van de compute-stack, Broadcom groeit sterk met custom accelerators en networking, Oracle probeert zichzelf in recordtempo uit te bouwen tot een veel grotere AI-cloudspeler en Microsoft, Meta, Alphabet en Amazon reserveren enorme hoeveelheden datacenter-, energie- en computecapaciteit.

Onder dat zichtbare verhaal wordt echter een tweede systeem gebouwd. De bedragen die nodig zijn om AI-infrastructuur neer te zetten zijn zo groot geworden dat zelfs de financieel sterkste ondernemingen ter wereld steeds vaker gebruikmaken van externe financieringsconstructies. Special-purpose vehicles nemen schuld op, private-creditpartijen leveren kapitaal, datacentercapaciteit wordt voor vijftien of twintig jaar gehuurd en leveranciers gebruiken hun eigen kredietkwaliteit om projecten financierbaar te maken waarop vervolgens hun eigen hardware wordt geïnstalleerd.

Dat betekent nadrukkelijk niet dat ergens biljoenen dollars aan geheime schuld worden verstopt. Veel verplichtingen worden gewoon in de financiële rapportages vermeld. Boekhoudkundig zijn een guarantee, een nog niet begonnen lease, een purchase commitment en een gewone obligatielening echter verschillende zaken. Wie uitsluitend naar nettoschuld en jaarlijkse capex kijkt, krijgt daardoor een steeds minder volledig beeld van de economische verplichtingen die al voor toekomstige AI-groei zijn aangegaan.

JPMorgan gebruikt voor dit verschijnsel de term “phantom leverage”. Die omschrijving is bruikbaar zolang we er zorgvuldig mee omgaan. Het gaat niet noodzakelijk om verborgen schuld, maar om financiële hefboom die niet volledig zichtbaar wordt in traditionele balansratio’s. Zolang AI-vraag hard groeit, lijkt dat vooral een technisch detail. Zodra de cyclus draait, kan het verschil tussen boekhoudkundige schuld en contractueel vastgelegde economische verplichtingen ineens zeer belangrijk worden.

Investment view

Onze Investment view blijft voorlopig constructief. Wij zien nu geen reden om NVIDIA, Broadcom, Oracle of de bredere AI-trade alleen vanwege deze financieringsconstructies te verlaten. De vraag naar compute is nog sterk, veel nieuwe capaciteit is al gecontracteerd voordat deze operationeel wordt en de belangrijkste hyperscalers behoren financieel tot de sterkste ondernemingen ter wereld.

In de huidige fase werkt de extra financiering juist als versneller van de bullcase. Een AI-lab hoeft niet eerst tientallen miljarden eigen vermogen op te halen voordat meer compute kan worden besteld. Een SPV kan institutioneel kapitaal aantrekken, private credit kan een groot gedeelte van de financiering leveren en een technologieleverancier kan met zijn kredietkwaliteit de financieringskosten voor een project verlagen. Daardoor wordt sneller gebouwd, komt capaciteit eerder online en kunnen leveranciers eerder omzet boeken.

Wij verwachten daarom niet dat de discussie over off-balance-sheet verplichtingen de AI-rally op korte termijn vanzelf breekt. Zolang utilization hoog blijft en de vraag naar capaciteit sneller groeit dan het aanbod, ondersteunt de financieringsmachine juist de opgaande cyclus. Meer beschikbaar kapitaal betekent meer datacenters, meer accelerators en uiteindelijk meer omzet.

Precies daardoor wordt het latere risico echter groter. Gewone capex kan worden geschrapt wanneer management minder optimistisch wordt. Een lease voor vijftien jaar, een gegarandeerde financiering of een vaste afnameverplichting verdwijnt niet omdat de markt een jaar tegenzit. Hoe langer de boom doorloopt, hoe groter het gedeelte van toekomstige cashflow wordt dat al contractueel is vastgelegd.

Wij zouden pas wezenlijk defensiever worden wanneer drie zaken tegelijkertijd beginnen te draaien: utilization van nieuwe AI-capaciteit, groei van gecontracteerde vraag en de kredietmarkt. Vooral dat laatste verdient veel meer aandacht. Broadcom laat nu al zien dat credit spreads kunnen oplopen terwijl de operationele resultaten nog uitstekend zijn.

Dat is voor ons nog geen verkoopsignaal. Het is wel een waarschuwing dat aandelenbeleggers niet langer uitsluitend naar EPS, omzet, RPO en capex kunnen kijken. CDS-spreads, yields op nieuwe AI-financieringen, guarantees, uncommenced leases, klantconcentratie en contractduur worden steeds belangrijker. De kredietmarkt kan het eerste kraakje uiteindelijk eerder horen dan de aandelenmarkt.

Broadcom wordt meer dan alleen een chipbedrijf

Broadcom vormt een uitstekende ingang om te begrijpen wat er verandert. In juni zette de onderneming samen met Apollo en Blackstone het AI XPV Platform op. De eerste financiering bedraagt $35 miljard en ondersteunt meer dan 1 GW aan compute-infrastructuur voor Anthropic. Het bredere platform moet uiteindelijk meer dan 20 GW aan AI-capaciteit mogelijk maken.

De commerciële logica is sterk. De infrastructuur gebruikt Broadcoms custom XPUs en networkingtechnologie. Door institutioneel kapitaal beschikbaar te maken kan de eindklant sneller capaciteit bouwen, waardoor Broadcom eerder hardware kan leveren en omzet kan boeken. De leverancier verkoopt daarmee niet alleen technologie, maar helpt ook de financiële infrastructuur creëren waarmee die technologie kan worden gekocht.

Daarmee verandert wel het risicoprofiel. Een klassieke semiconductorleverancier verkoopt zijn chips en draagt daarna vooral het risico dat de volgende order kleiner wordt. Broadcom kan in dergelijke constructies daarnaast een gedeelte van het kredietrisico dragen dat nodig was om de eerdere order überhaupt mogelijk te maken.

Het gaat daarom niet alleen om hoeveel traditionele schuld Broadcom rechtstreeks op zijn balans heeft. De relevante vraag is hoeveel financiële exposure uiteindelijk verbonden raakt met de economische gezondheid van zijn grootste AI-klanten.

Een mogelijke financiering richting $100 miljard

Het eerste platform van $35 miljard lijkt geen eindpunt. Rond een volgende financieringsconstructie wordt gesproken over $60–70 miljard senior secured debt plus ongeveer $30 miljard junior financing. Daarmee kan de totale structuur richting $100 miljard bewegen.

Het is belangrijk daar niet meer van te maken dan er nu staat. De structuur is nog in ontwikkeling en $100 miljard mag dus niet worden behandeld alsof Broadcom vandaag al een definitieve verplichting van die omvang op zich heeft genomen. De ontwikkeling laat wel zien welke schaal inmiddels nodig is om de volgende fase van AI-infrastructuur te financieren.

Een semiconductorbedrijf raakt daarmee betrokken bij kredietstructuren die groter zijn dan de totale ondernemingswaarde van veel beursgenoteerde bedrijven. Broadcom begint steeds meer op een machine te lijken die AI-vraag omzet in investment-grade financiering en vervolgens in chipverkopen. Zolang de eindvraag sterk blijft, kan dat een bijzonder krachtig model zijn. Wanneer de vraag uiteindelijk draait, wordt pas duidelijk hoeveel van het financieringsrisico werkelijk buiten Broadcom is gebleven.

Hogere Treasury yields maken Broadcom een belangrijke graadmeter

Juist hier wordt Broadcom een interessante manier om te zien wat hogere Amerikaanse rentes met de AI-boom doen. Hoe groter de financieringsmarkt wordt, hoe belangrijker de prijs van kapitaal wordt naast de prijs en prestaties van chips.

Bij een project van tientallen miljarden kan een relatief kleine stijging van de financieringskosten een enorm verschil maken. Een datacenter dat tegen een lage rente een aantrekkelijke return oplevert, kan bij structureel hogere Treasury yields en hogere credit spreads veel minder interessant worden.

Broadcoms kredietmarkt begint dat risico nadrukkelijker te prijzen. De vijfjaars-CDS is in augustus ongeveer 28 basispunten opgelopen, terwijl de yield op de 5,15%-obligatie met looptijd 2031 ongeveer 14 basispunten steeg. De CDS-beweging was daarmee ongeveer tweemaal zo groot als de beweging in de gewone obligatierente en sterker dan de widening die onder meer bij Oracle en SpaceX werd gezien.

Dat is vooral interessant omdat Broadcom operationeel nog sterk presteert. De kredietmarkt reageert dus niet op een ingestorte winst, maar begint een hogere premie te vragen voor de mogelijkheid dat de onderneming steeds meer contingent risico aan de financiering van de AI-boom koppelt.

Waarom de CDS-markt belangrijk wordt

Een credit-default swap is in essentie een verzekering tegen kredietproblemen. Wanneer de CDS-premie stijgt, vraagt de markt meer vergoeding om dat risico over te nemen. Een stijging van 28 basispunten betekent uiteraard niet dat Broadcom richting betalingsproblemen gaat. Daarvoor is de onderneming financieel veel te sterk.

De relevantie zit juist in het feit dat de kredietmarkt beweegt terwijl de winst-en-verliesrekening nog uitstekend oogt. Een aandelenbelegger ziet een financieringsplatform van tientallen miljarden en denkt aan toekomstige XPU-verkopen. Een creditbelegger kijkt naar dezelfde constructie en vraagt hoeveel risico uiteindelijk bij Broadcom terugkomt wanneer de eindklant niet meer kan betalen.

Beide analyses kunnen tegelijkertijd correct zijn. Tijdens de huidige boom domineert waarschijnlijk de eerste. Wanneer de CDS structureel verder oploopt terwijl het aandeel nieuwe toppen blijft maken, ontstaat wel een divergentie die wij serieus zouden nemen.

NVIDIA maakt de financiële cirkel nog groter

NVIDIA bevindt zich in een nog sterkere financiële positie. De onderneming beschikt over uitzonderlijke cashflows, een zeer sterke balans en de hardware waarvoor vrijwel iedereen financiering probeert te regelen. Daardoor kan NVIDIA zijn kredietkwaliteit inzetten om complete AI-projecten financierbaar te maken.

Een belangrijk concreet voorbeeld is de structuur rond het OpenAI/SB Energy-project in Ohio. Daar wordt gesproken over een mogelijke NVIDIA-garantie van maximaal $105 miljard. NVIDIA investeert daarnaast $1,5 miljard in SB Energy. Daarmee wordt de relatie tussen technologie, kapitaal en toekomstige chipvraag veel directer: NVIDIA levert niet alleen hardware, maar helpt ook de financiële voorwaarden creëren waaronder de infrastructuur voor die hardware kan worden gebouwd.

Daarnaast worden rond OpenAI en andere grote computeprojecten nog veel grotere bedragen genoemd. Een eerder gemelde constructie ging uit van maximaal $250 miljard aan mogelijke ondersteuning voor projectfinanciering. Ook wordt gesproken over een bredere private-creditconstructie van meer dan $500 miljard waarbij NVIDIA mogelijk ongeveer $125 miljard zou kunnen backstoppen.

Die bedragen moeten zorgvuldig worden geïnterpreteerd. De structuren zijn nog in ontwikkeling en mogen niet worden voorgesteld als honderden miljarden aan reeds bestaande NVIDIA-schuld of definitieve garanties. Het belangrijke punt is de richting: NVIDIA gebruikt niet alleen zijn technologische dominantie, maar ook zijn financiële kracht om ervoor te zorgen dat meer infrastructuur kan worden gebouwd waarin NVIDIA-hardware terechtkomt.

NVIDIA helpt indirect zijn eigen vraag financieren

Zolang de vraag naar AI-compute structureel hoger blijft dan het aanbod, is dit bijna het perfecte vliegwiel. Een ontwikkelaar krijgt goedkoper kapitaal doordat een financieel sterke technologieleverancier achter een gedeelte van de constructie staat. Daardoor wordt sneller gebouwd, het nieuwe datacenter koopt GPU’s en networking, NVIDIA realiseert omzet en winst en de balans wordt nog sterker.

Tijdens de boom is dat een buitengewoon krachtig mechanisme. De financiële kracht van de leverancier creëert extra infrastructuur en die infrastructuur creëert vervolgens nieuwe vraag naar dezelfde leverancier.

De kwetsbaarheid verschijnt pas wanneer één van de voorwaarden verandert. Wanneer AI-labs minder snel groeien, computeprijzen dalen of nieuwe modellen veel efficiënter worden, kan de vraag naar nieuwe capaciteit afnemen. NVIDIA kan dan tegelijkertijd worden geraakt door lagere nieuwe GPU-orders en grotere risico’s uit financieringsconstructies die tijdens de boom zijn ondersteund.

Dat maakt NVIDIA vandaag niet ineens financieel kwetsbaar. Het verandert wel de aard van het tail risk. NVIDIA wordt niet alleen leverancier van de AI-boom, maar helpt steeds nadrukkelijker de financiële infrastructuur bouwen waarop die boom kan doorgroeien.

Wie financiert uiteindelijk wie?

Daarmee ontstaat een opvallend kenmerk van de huidige AI-boom. Microsoft investeert in AI-bedrijven die vervolgens Azure-capaciteit gebruiken. NVIDIA ondersteunt infrastructuur waarop NVIDIA-hardware wordt geïnstalleerd. Broadcom helpt financieringsplatforms creëren voor klanten die Broadcom-technologie gebruiken. Private-creditpartijen financieren vervolgens de gebouwen waarin die hardware terechtkomt.

Dat is niet automatisch problematisch. Vendor financing bestaat al tientallen jaren in vliegtuigen, auto's en industriële machines. De relevante vraag is niet of financiering bestaat, maar hoe afhankelijk de uiteindelijke vraag ervan wordt.

Hoe groter deze circulaire relaties worden, hoe belangrijker het wordt om onderscheid te maken tussen duurzame eindvraag en vraag die door krediet naar voren is gehaald. Tijdens een sterke bullmarkt is dat verschil nauwelijks zichtbaar. Pas wanneer financieringsvoorwaarden verslechteren, wordt duidelijk welke vraag zichzelf werkelijk kon dragen.

Oracle draagt een veel directer risico

Oracle zit op een ander punt in de keten. Broadcom en NVIDIA gebruiken vooral hun financiële kracht om andere partijen te ondersteunen. Oracle legt zichzelf rechtstreeks vast op enorme hoeveelheden toekomstige datacentercapaciteit.

Eind mei had Oracle ongeveer $30 miljard aan reeds opgenomen lease liabilities. Daarnaast stond ongeveer $260 miljard aan leases klaar die nog niet waren begonnen en daarom nog niet als lease liability op de balans stonden. Vrijwel alle nieuwe verplichtingen zijn gekoppeld aan datacenters en veel van deze contracten hebben looptijden van vijftien tot negentien jaar.

Dat is geen verborgen schuld. Oracle maakt de verplichtingen bekend. Wie alleen naar de reeds geboekte lease liabilities kijkt, onderschat echter hoeveel toekomstige cashflow al contractueel is gereserveerd.

Oracle heeft daar een gigantische orderportefeuille tegenover

Het zou fout zijn om die $260 miljard uitsluitend als negatief te presenteren. Oracle heeft daar uitzonderlijk veel gecontracteerde vraag tegenover staan. De remaining performance obligations zijn opgelopen naar ongeveer $638 miljard en cloud infrastructure groeit uitzonderlijk snel.

Grote AI-klanten hebben bovendien voor circa $75 miljard aan GPU-hardware vooruitbetaald of de hardware zelf aangeleverd. Daardoor hoeft Oracle een aanzienlijk deel van die infrastructuur niet zelf volledig voor te financieren. Dat maakt de agressieve investeringsstrategie vandaag rationeler en verklaart waarom de onderneming bereid is zulke grote langlopende verplichtingen aan te gaan.

Het risico zit daarom niet noodzakelijk in de komende kwartalen. De veel belangrijkere vraag is wat er gebeurt wanneer een lease nog tien jaar loopt terwijl het oorspronkelijke AI-contract al is afgelopen.

Vijftien jaar financiering tegenover enkele jaren technologische voorsprong

Daar zit een fundamentele mismatch. Het datacentergebouw kan vijftien of twintig jaar functioneren, terwijl de hardware binnen het gebouw binnen enkele jaren economisch kan verouderen. Nieuwe generaties accelerators veranderen bovendien niet alleen de rekenkracht, maar ook power density, koeling en netwerkarchitectuur.

Een locatie die vandaag perfect is ontworpen hoeft over tien jaar daarom niet automatisch dezelfde economische kwaliteit te hebben. Dat betekent niet dat het datacenter waardeloos wordt, maar wel dat AI-datacenterfinanciering geen gewone infrastructuurfinanciering is.

De looptijd lijkt op vastgoed of energie-infrastructuur, terwijl een groot gedeelte van het economische risico technologisch blijft. Dat verdient volgens ons een hogere risicopremie dan veel kredietbeleggers tijdens de eerste fase van de boom mogelijk hebben aangenomen.

Oracle laat zien hoeveel cash de AI-race opslokt

De enorme groei komt nu al met een forse cashrekening. Oracle genereerde in FY2026 ongeveer $32 miljard aan operationele cashflow, maar door de uitzonderlijke infrastructuurinvesteringen kwam de vrije kasstroom uit rond –$23,7 miljard.

De onderneming haalde in datzelfde boekjaar ongeveer $43 miljard aan schuld en circa $5 miljard aan eigen vermogen op. Voor FY2027 wordt opnieuw ongeveer $40 miljard aan gecombineerde schuld- en aandelenfinanciering voorzien. Daarmee wordt duidelijk dat de AI-uitbouw niet alleen een operationeel groeiverhaal is, maar ook een steeds groter financieringsvraagstuk.

Dat hoeft geen verkeerde kapitaalallocatie te zijn. Als de enorme RPO daadwerkelijk converteert naar omzet, kan Oracle dankzij deze investeringen veel sneller groeien dan zonder die kapitaalbasis mogelijk zou zijn.

Maar de foutmarge wordt kleiner. Wanneer utilization tegenvalt of enkele grote klanten minder capaciteit afnemen dan verwacht, kan Oracle de toekomstige leasebetalingen niet simpelweg terugdraaien. Daarom zien wij Oracle als een van de belangrijkste financiële stresstests van de huidige AI-boom.

Big Tech heeft circa $1,09 biljoen aan toekomstige leases vastgelegd

Oracle staat allerminst alleen. Microsoft, Meta, Oracle, Amazon en Alphabet hebben gezamenlijk ongeveer $1,09 biljoen aan toekomstige leasebetalingen vastgelegd die voor een groot gedeelte nog niet als lease liabilities op hun balansen staan omdat de leases nog niet zijn begonnen. Daartegenover staan ongeveer $285 miljard aan reeds opgenomen lease liabilities.

De afzonderlijke voorbeelden laten zien hoe groot die verplichtingen inmiddels worden. Meta zat rond $279 miljard aan nog niet begonnen leases en voegde later nog circa $68 miljard aan nieuwe datacenterleases toe. Amazon zat rond $106,3 miljard aan uncommenced leases. Alphabet heeft daarnaast zeer grote vaste en gegarandeerde supply commitments en financiële backstops, waardoor het werkelijke toekomstige kapitaalbeslag veel groter is dan alleen het leasecijfer suggereert.

Niet iedere dollar daarvan is puur AI. Vooral bij Amazon zitten ook andere soorten vastgoed en infrastructuur in de cijfers. Toch is de enorme versnelling duidelijk verbonden met de race om datacenters, stroom en compute.

Daarmee geeft jaarlijkse capex een steeds minder volledig beeld van de werkelijke investeringsverplichtingen. Een onderneming kan volgend jaar officieel minder capex rapporteren en tegelijkertijd verplicht zijn tientallen miljarden aan eerder getekende leases en andere contracten te honoreren.

Purchase commitments vergroten de vaste inzet verder

Naast leases leggen hyperscalers zich vast op chips, netwerkapparatuur, energie, grond, bouwcapaciteit en andere infrastructurele inputs. Die commitments worden soms jaren voor levering getekend.

Boekhoudkundig is dat geen schuld. Economisch ontvangt de onderneming uiteindelijk een product of dienst. Het zou daarom fout zijn om iedere dollar toekomstige chipafname direct als verborgen lening te classificeren.

Voor een neergaande cyclus is vooral de flexibiliteit relevant. Discretionary capex kan management relatief snel verminderen. Een juridisch bindende afnameverplichting voor chips, energie of datacentercapaciteit is veel moeilijker terug te draaien.

Hoe groter deze purchase commitments worden, hoe kleiner het gedeelte van toekomstige AI-investeringen dat werkelijk flexibel is.

De werkelijke AI-hefboom loopt daardoor in de biljoenen

Wanneer leases, guarantees, supply agreements, energiecontracten en andere vaste commitments naast traditionele schuld worden gelegd, loopt de totale economische inzet op de AI-boom in de biljoenen.

Dat betekent niet dat Big Tech biljoenen dollars geheime schuld heeft. Dat zou analytisch fout zijn. Het betekent wel dat veel meer toekomstige cashflow contractueel is vastgelegd dan uit alleen nettoschuld en jaarlijkse capex blijkt.

De relevante vraag is daarom niet hoeveel “verborgen schuld” er exact bestaat. De relevante vraag is hoeveel toekomstige kasstroom al is vastgelegd voordat we met zekerheid weten welk rendement al die nieuwe AI-capaciteit over vijf, tien of vijftien jaar zal opleveren.

CoreWeave laat zien dat kredietbeleggers kritischer worden

CoreWeave is interessant omdat de financiële buffers daar veel kleiner zijn dan bij NVIDIA, Microsoft of Alphabet. Voor een recente financiering van ongeveer $2,6 miljard gekoppeld aan Anthropic-contracten bleek de eerste vraag van beleggers onvoldoende sterk. Daarop werden de voorwaarden aantrekkelijker gemaakt, kwam de yield rond 9,1% te liggen en kregen lenders extra bescherming.

Een van die beschermingsmechanismen is een lockbox waarmee contractinkomsten rechtstreeks beschikbaar komen voor de schuldendienst. Nadat de voorwaarden waren aangescherpt, liep de vraag op tot ongeveer $9 miljard.

Het belangrijkste signaal is dus niet dat CoreWeave geen financiering meer kan krijgen. Het tegenovergestelde is waar: er is nog volop kapitaal beschikbaar. Maar kredietbeleggers zijn niet meer volledig prijsblind. Voor bepaalde AI-risico’s willen zij meer rente en sterkere contractuele bescherming.

De looptijd van het klantcontract wordt cruciaal

Bij CoreWeave wordt bovendien zichtbaar hoe belangrijk de duration mismatch kan worden. De Anthropic-contracten waarop een deel van de financiering rust hebben looptijden van ongeveer drie tot vijf jaar, terwijl datacenters, leases en andere infrastructuurverplichtingen veel langer kunnen doorlopen.

Tijdens het eerste klantcontract ziet zo'n financiering er veilig uit. De inkomsten zijn gecontracteerd en rente en aflossing kunnen uit die cashflow worden betaald.

Na afloop verandert de vraag volledig. Kan dezelfde capaciteit tegen dezelfde prijs opnieuw worden verhuurd? Hoe efficiënt is de hardware dan nog? Welke eisen stelt de volgende generatie chips aan stroom en koeling? En hoeveel goedkoper is compute tegen die tijd geworden?

Daarom is een vijftienjarige financiële verplichting die economisch steunt op een veel korter AI-contract fundamenteel iets anders dan klassieke infrastructuurfinanciering.

AI-datacenters zijn geen tolwegen

Traditionele infrastructuur kent vaak een relatief voorspelbare economische levensduur. Een elektriciteitsnet, haven of tolweg vervult over twintig jaar in essentie nog dezelfde functie als vandaag.

Een AI-datacenter is een hybride tussen vastgoed, energie en technologie. Het gebouw kan lang meegaan, maar de economische aantrekkelijkheid wordt bepaald door stroomtoegang, koeling, networking en de mogelijkheid om de nieuwste accelerators efficiënt te huisvesten.

Dat maakt de restwaarde veel gevoeliger voor technologische verandering. Private-creditbeleggers kunnen daardoor uiteindelijk ontdekken dat zij meer technologierisico hebben gekocht dan zij aanvankelijk dachten.

Apollo en Blackstone worden de nieuwe banken van de AI-boom

De enorme kapitaalbehoefte biedt tegelijkertijd een buitengewone kans voor partijen als Apollo en Blackstone. Traditionele banken kunnen onmogelijk ieder nieuw AI-datacenter zelf financieren en hyperscalers willen niet iedere asset rechtstreeks op de eigen balans zetten.

Private credit vult dat gat. Kapitaal van verzekeraars, pensioenfondsen en institutionele beleggers kan worden gebundeld en vervolgens via gespecialiseerde structuren naar AI-infrastructuur worden geleid.

Daarom zien we Apollo en Blackstone steeds opnieuw terug in deze transacties. Zij leveren iets waar de sector bijna onbeperkte behoefte aan heeft: kapitaal. Zolang de kredieten goed blijven presteren, kan dat jarenlang zeer winstgevend zijn en kan AI private credit een structureel grotere rol in het financiële systeem geven.

Het risico verdwijnt niet, maar wordt verspreid

Die verschuiving kan het systeem op bepaalde punten robuuster maken. Wanneer krediet wordt verdeeld over verzekeraars, pensioenfondsen, private-creditfondsen en institutionele obligatiehouders, is de financiering minder afhankelijk van traditionele banken met kortlopende funding.

Daar staat tegenover dat het moeilijker wordt om direct te zien wie uiteindelijk het verlies draagt. Een SPV kan bestaan uit equity, junior debt en senior debt. Een chipmaker kan een gedeelte garanderen, een private-creditmanager kan de financiering structureren en een verzekeraar kan uiteindelijk de senior obligaties bezitten.

Zolang de eindklant betaalt, maakt die complexiteit weinig uit. Wanneer een grote klant uitvalt, wordt ineens de juridische waterfall bepalend en moet worden vastgesteld welke partij daadwerkelijk de first loss draagt.

Het risico verdwijnt dus niet doordat het buiten een traditionele bedrijfsbalans wordt geplaatst. Het wordt verspreid, gestructureerd en doorverkocht.

Ook de regelgeving moet deze markt nog leren kennen

Datacenterfinanciering past niet altijd netjes binnen traditionele financiële categorieën. Een hyperscaleproject heeft kenmerken van vastgoedfinanciering, project finance, equipment finance, securitisatie en corporate credit tegelijk.

Ook de SEC heeft recent interpretatieve guidance gegeven over specifieke datacentersecuritisaties. De kern daarvan is dat bepaalde constructies onder specifieke omstandigheden niet binnen de bestaande Exchange Act-definitie van asset-backed securities vallen. Dat moet zorgvuldig worden geïnterpreteerd: het is geen algemene vrijstelling voor iedere datacenterfinanciering en evenmin bewijs dat alle na 2008 ingevoerde waarborgen zijn verdwenen.

Het laat vooral zien hoe snel deze markt zich ontwikkelt. Voor beleggers betekent dit dat het label op een financiering steeds minder voldoende is. De details van cashflows, guarantees, collateral, senioriteit en first-loss exposure worden belangrijker.

Waarom dit vandaag absoluut nog geen nieuwe 2008 is

Het is verleidelijk om bij SPV’s, off-balance-sheet exposure, securitisaties en private credit onmiddellijk naar de kredietcrisis te verwijzen. Dat vinden wij op dit moment te gemakkelijk.

Microsoft, Alphabet, Amazon en Meta behoren tot de financieel sterkste ondernemingen ter wereld. NVIDIA en Broadcom genereren enorme winsten en cashflows. De AI-capaciteit wordt daadwerkelijk gebruikt en frontier AI-labs vragen nog altijd om meer compute.

Er bestaat dus echte economische vraag. We hebben hier niet simpelweg te maken met een kredietmachine die assets financiert waarvoor geen gebruiker bestaat.

De relevante overeenkomst met eerdere kredietcycli is abstracter. Wanneer een boom lang genoeg duurt en eerdere investeringen winstgevend blijken, groeit de bereidheid om steeds meer toekomstige vraag vandaag al te financieren. Dat is precies wat nu bij AI gebeurt.

Juist het huidige succes creëert steeds meer leverage

Zolang NVIDIA records breekt, Broadcom meer custom accelerators verkoopt en Oracle zijn orderboek ziet exploderen, lijkt iedere volgende investering rationeel. Het succes van het vorige project rechtvaardigt meer schuld voor het volgende project.

Die extra financiering maakt vervolgens meer datacenters mogelijk, wat meer chiporders veroorzaakt. De hogere omzet versterkt daarna de kredietkwaliteit van leveranciers en creëert opnieuw ruimte voor extra financiering.

Dat is een sterk zelfversterkend mechanisme en het kan veel langer doorgaan dan sceptici verwachten. Maar reflexiviteit werkt uiteindelijk ook de andere kant op. Wanneer de economics van nieuwe capaciteit verslechteren, kan minder financiering tot minder projecten leiden, waardoor orders afnemen en kredietvoorwaarden verder verslechteren.

AI hoeft niet te mislukken om de investeringscyclus te laten draaien

Daarvoor hoeft kunstmatige intelligentie helemaal geen flop te worden. Dit is misschien wel het belangrijkste punt van het hele verhaal.

AI kan een van de belangrijkste technologische ontwikkelingen in decennia blijven terwijl de infrastructuursector toch te veel capaciteit bouwt. Modellen kunnen sneller efficiënter worden dan verwacht, nieuwe chips kunnen veel meer prestaties per dollar en per watt leveren, inferenceprijzen kunnen dalen en zakelijke klanten kunnen constateren dat bepaalde toepassingen minder rendement opleveren dan verwacht.

De onderliggende technologie kan dus succesvol zijn terwijl de return on invested capital van de volgende datacenterinvestering daalt. Dat alleen kan voldoende zijn om de capexcyclus te laten draaien.

De eerste fase van een omslag zal waarschijnlijk heel normaal ogen

Wanneer de cyclus uiteindelijk draait, zullen waarschijnlijk eerst de gebruikelijke semiconductorverschijnselen zichtbaar worden. Orders groeien minder snel, levertijden worden korter, bepaalde prijzen komen onder druk en nieuwe datacenterprojecten worden uitgesteld.

Marginale projecten krijgen moeilijker financiering en de credit spreads van zwakkere operators lopen op. Tot dat moment lijkt het vooral op een normale cyclische correctie.

Het verschil ontstaat daarna. De enorme hoeveelheid vaste financiële verplichtingen die tijdens de boom is opgebouwd verdwijnt namelijk niet tegelijk met de groei.

De tweede fase kan veel harder worden

Leases blijven lopen, SPV’s blijven rente verschuldigd, purchase commitments blijven bestaan en guarantees kunnen uiteindelijk worden aangesproken. Daardoor kan een onderneming tegelijkertijd aan verschillende kanten worden geraakt.

Broadcom kan lagere nieuwe XPU-orders zien terwijl de kredietexposure op eerdere financieringen juist relevanter wordt. NVIDIA kan minder GPU’s verkopen terwijl eerdere backstops meer betekenis krijgen. Oracle kan lagere utilization ervaren terwijl langlopende datacenterleases gewoon doorlopen.

Dat is het moment waarop phantom leverage niet langer een theoretisch begrip is. Dan kan een gewone semiconductorcorrectie veranderen in een bredere financiële afbouw.

Oracle heeft waarschijnlijk de grootste directe hefboom

De verschillende ondernemingen hebben daarbij niet hetzelfde risicoprofiel. Microsoft, Alphabet, Amazon en Meta beschikken over enorme bestaande kasstromen uit andere activiteiten en kunnen een misrekening in AI-capex relatief gemakkelijker absorberen.

Oracle heeft relatief agressiever op toekomstige AI-cloudgroei ingezet. De onderneming combineert hoge capex, externe financiering en zeer grote toekomstige leaseverplichtingen met een spectaculaire RPO.

Wanneer die RPO converteert zoals verwacht, kan Oracle daardoor bovengemiddeld profiteren. Wanneer een paar grote klanten tegenvallen, is de downside eveneens bovengemiddeld.

Daarom zien wij Oracle als een van de beste graadmeters voor de financiële gezondheid van de gehele AI-infrastructuurcyclus.

Broadcom en NVIDIA hebben vooral een tail risk

Bij Broadcom en NVIDIA ligt het risico anders. Hun kernactiviteiten zijn zeer winstgevend en hun directe vaste infrastructuurverplichtingen zijn minder zwaar dan bij Oracle.

Het tail risk zit vooral in concentratie en guarantees. Wanneer een groot frontier AI-lab financieel in problemen komt, kan blijken dat commerciële exposure en kredietexposure veel sterker met elkaar verweven zijn dan beleggers vandaag aannemen.

Dat is niet ons basisscenario. Maar naarmate de financieringen groter worden, neemt ook het potentiële bedrag toe dat bij een extreme gebeurtenis geraakt kan worden.

Concentratie kan belangrijker worden dan totale schuld

De AI-economie lijkt breed, maar de echte geldstromen zijn sterk geconcentreerd. Een klein aantal hyperscalers koopt het grootste gedeelte van de high-end accelerators. Een klein aantal frontier AI-labs neemt extreem veel compute af en een beperkt aantal chipbedrijven levert de kritieke technologie.

Aan de financieringskant komen eveneens steeds dezelfde grote partijen terug. Daardoor kan één probleem zich relatief snel door verschillende lagen van de keten verspreiden. Een grote AI-klant kan tegelijkertijd exposure creëren bij een datacenteroperator, een cloudbedrijf, een chipmaker en een private-creditfonds.

Dat concentratierisico verdient volgens ons uiteindelijk meer aandacht dan alleen het totale bedrag aan schuld.

De eerste echte waarschuwing kan uit credit komen

Wij verwachten daarom dat aandelenbeleggers steeds meer naar de kredietmarkt moeten kijken. Broadcoms CDS-beweging is op zichzelf nog geen alarmsignaal, maar inhoudelijk is zij belangrijk.

Wanneer de CDS van Broadcom, NVIDIA of Oracle structureel blijft verbreden terwijl de aandelen sterke nieuwe toppen neerzetten, ontstaat een steeds relevantere divergentie.

Ook bij nieuwe datacenterfinancieringen moeten we niet alleen naar het opgehaalde bedrag kijken. Meer lockboxes, grotere guarantees, meer first-loss capital en hogere coupons betekenen dat lenders risico anders beginnen te waarderen.

Het kredietkraantje kan nog volledig openstaan terwijl de prijs van het krediet al vertelt dat de kwaliteit van het risico verandert.

Treasury yields kunnen uiteindelijk de marginale projecten breken

De Amerikaanse rente wordt daarmee een fundamenteel onderdeel van de AI-investment case. Een hogere Treasury yield raakt technologieaandelen via de normale disconteringsvoet, maar bij AI ontstaat daarnaast een tweede kanaal: de financieringskosten van de infrastructuur zelf.

Een stijging van de financieringskosten met enkele honderden basispunten is bij projecten van tientallen miljarden enorm. Zolang utilization en pricing hoog genoeg zijn, kan dat worden gedragen. Bij marginale projecten kan het echter het verschil betekenen tussen een aantrekkelijke en onaantrekkelijke return.

Daarom vinden wij Broadcom nu zo interessant. De CDS-markt kan zichtbaar maken wanneer het financieren van de AI-boom sneller duurder wordt dan de aandelenmarkt beseft.

RPO is belangrijk, maar vertelt niet het hele verhaal

Bij Oracle en andere cloudbedrijven wordt vaak naar remaining performance obligations gekeken als bescherming tegen overinvestering. Dat is terecht, maar RPO alleen vertelt niet genoeg.

We willen weten wie de klanten achter die contracten zijn, hoe lang de contracten lopen, welke opzeggingsmogelijkheden bestaan en hoeveel extra kapitaal nodig is om de omzet daadwerkelijk te leveren.

Een dollar RPO die vrijwel zonder nieuwe capex kan worden gerealiseerd is economisch veel aantrekkelijker dan een dollar RPO waarvoor eerst enorme datacentercapaciteit moet worden gebouwd.

De kwaliteit van RPO wordt daarom minstens zo belangrijk als de absolute omvang.

Utilization kan uiteindelijk de doorslaggevende KPI worden

Een datacenter genereert alleen aantrekkelijke returns wanneer de capaciteit daadwerkelijk voldoende wordt gebruikt. Tijdens een tekort aan compute is utilization hoog en worden vaste kosten gemakkelijk geabsorbeerd. Wanneer overcapaciteit ontstaat, werkt dezelfde vaste kostenbasis onmiddellijk tegen de eigenaar.

Daarom verwachten wij dat de eerste echte tekenen van AI-overcapaciteit mogelijk niet bij NVIDIA of Broadcom verschijnen. Ze kunnen eerst zichtbaar worden in lagere prijzen voor compute, kortere klantcontracten, meer incentives en slechtere voorwaarden bij datacenterfinancieringen.

Dat zijn de signalen die wij vanaf nu nadrukkelijker willen volgen.

Wat betekent dit voor NVIDIA, Broadcom en Oracle?

Voor NVIDIA zien wij voorlopig geen reden om de fundamentele longcase te verlaten. De vraag blijft uitzonderlijk sterk en de financiële positie is zeer solide. De financieringsbackstops vergroten het tail risk, maar veranderen de centrale investment case op dit moment niet.

Voor Broadcom geldt vrijwel hetzelfde. Custom AI-accelerators en networking kunnen de komende jaren enorme groeimotoren blijven en de financieringsconstructies kunnen die omzet zelfs versnellen. Wel vinden wij Broadcom door de ontwikkeling van de CDS steeds interessanter als vroege graadmeter voor de kredietkant van de AI-boom.

Bij Oracle is onze aandacht groter. Het upsidepotentieel uit de spectaculaire RPO is duidelijk, maar de onderneming heeft zichzelf tegelijkertijd veel agressiever vastgelegd via capex, externe financiering en zeer grote toekomstige leases. Daardoor is er minder ruimte voor een teleurstelling in utilization of klantvraag.

Apollo en Blackstone bevinden zich voorlopig juist aan de aantrekkelijke kant van de financieringsgolf. Zij verdienen aan de enorme kapitaalbehoefte van AI. Hun echte risico verschijnt later, wanneer kredietverliezen stijgen en moet blijken hoeveel economic first loss daadwerkelijk bij hun fondsen, verzekeringskapitaal of andere structuren terechtkomt.

Conclusie

De AI-boom verandert langzaam van alleen een technologische investeringscyclus in een enorme kredietcyclus. Broadcom helpt financieringsstructuren creëren waarmee klanten Broadcom-technologie kunnen afnemen, NVIDIA gebruikt zijn uitzonderlijke financiële kracht om infrastructuur mogelijk te maken waarop zijn eigen hardware wordt geïnstalleerd en Oracle heeft honderden miljarden aan toekomstige datacenterleases vastgelegd. Microsoft, Meta, Oracle, Amazon en Alphabet hebben samen ongeveer $1,09 biljoen aan toekomstige leasebetalingen gecommitteerd en daar komen purchase commitments, energiecontracten, guarantees en andere verplichtingen nog bovenop.

Dat betekent niet dat er biljoenen dollars aan geheime schuld worden verborgen. Het betekent wel dat een veel groter gedeelte van toekomstige cashflow al vastligt dan traditionele maatstaven als nettoschuld en jaarlijkse capex laten zien. Zolang de vraag naar AI-compute sterk blijft, is dat geen probleem en kan de financiële machine de boom juist verder versterken.

Daarom blijft onze Investment view op dit moment constructief. Compute is nog schaars, utilization is hoog, de orderboeken zijn sterk en zowel publieke als private kredietmarkten blijven bereid enorme bedragen beschikbaar te stellen. Wij zien daarom nu nog geen reden om de AI-trade vanwege deze financieringsstructuren te verlaten.

Het systeem wordt alleen ieder kwartaal minder flexibel. Iedere langlopende lease, iedere guarantee, iedere SPV-financiering en iedere vaste afnameverplichting legt toekomstige cashflow vast op basis van de veronderstelling dat de AI-economie sterk genoeg blijft om die verplichtingen te dragen.

Zolang die aanname klopt, kan dit model uitstekend werken en kan de huidige AI-uitbouw zelfs veel langer doorgaan dan sceptici verwachten. Zodra utilization, AI-capex en kredietkwaliteit tegelijkertijd draaien, werkt dezelfde hefboom echter in tegengestelde richting. Dan kan een normale vertraging in chiporders veranderen in lagere bezettingsgraden, hogere financieringskosten, kredietverliezen, druk op balansen en uiteindelijk veel sterkere koersdalingen.

Dat moment is er nu nog niet. Juist daarom is dit volgens ons het moment om de financiële infrastructuur achter de AI-boom te volgen. Niet omdat zij vandaag de bullmarkt breekt, maar omdat de enorme leverage die tijdens de goede jaren wordt opgebouwd uiteindelijk bepaalt hoe hard de volgende neergaande AI-cyclus kan worden.

English version

The hidden leverage machine beneath AI: Broadcom, NVIDIA and Oracle are building a credit cycle that could eventually hit back hard

No time to read the full article? These are the key points:
■ The AI boom is no longer financed solely through cash flow and ordinary corporate debt. SPVs, private credit, guarantees, long-duration data-center leases, chip financing and large purchase commitments are becoming increasingly important to the financial architecture supporting AI.
■ Broadcom has become an important new barometer. Its initial AI XPV Platform involves $35 billion and is designed to support more than 1 GW of infrastructure for Anthropic, while the broader platform could eventually enable more than 20 GW. A follow-on structure could include $60–70 billion of senior secured debt plus roughly $30 billion of junior financing.
■ Broadcom’s five-year CDS widened by around 28 basis points in August, versus roughly 14 basis points for the yield on its 5.15% bond due in 2031. Credit markets are beginning to price risks that remain barely visible in operating results.
■ NVIDIA is also using its exceptional financial strength to make AI infrastructure financeable. This includes a potential guarantee of up to $105 billion around the OpenAI/SB Energy project in Ohio and a $1.5 billion investment in SB Energy, alongside much larger financing structures that remain under development.
■ Oracle carries a more direct risk. In addition to roughly $30 billion of recognised lease liabilities, it has approximately $260 billion of leases that have not yet commenced, largely tied to data centers with fifteen- to nineteen-year terms. Against that sits roughly $638 billion of RPO.
■ Oracle also shows how capital-intensive the AI race has become: around $75 billion of GPU hardware has been prepaid or provided by customers, operating cash flow was roughly $32 billion, free cash flow around negative $23.7 billion, while Oracle raised about $43 billion of debt and $5 billion of equity and expects roughly another $40 billion of financing in FY2027.
■ Microsoft, Meta, Oracle, Amazon and Alphabet collectively have around $1.09 trillion of future lease payments committed, versus approximately $285 billion of recognised lease liabilities. Hardware, energy, networking and other purchase commitments sit on top of that.
■ CoreWeave demonstrates that credit investors are becoming more selective. On a recent roughly $2.6 billion financing, the yield moved towards 9.1% and stronger lender protections were added, after which demand increased to roughly $9 billion.
■ We do not yet see this as a reason to become bearish on AI. As long as utilisation remains high, orders continue growing and credit remains available, this financing machine can extend the boom. The danger comes later if utilisation, capex and credit quality turn simultaneously.

Introduction

The AI boom is usually followed through revenue growth, GPU sales, cloud contracts, new accelerator generations and ever-larger investment budgets. NVIDIA remains at the centre of the compute stack, Broadcom is growing rapidly in custom accelerators and networking, Oracle is trying to transform itself into a much larger AI-cloud provider and Microsoft, Meta, Alphabet and Amazon are reserving enormous amounts of data-center, power and compute capacity.

Beneath that visible story, however, a second system is being built. The amounts required to build AI infrastructure have become so large that even the financially strongest companies in the world increasingly rely on external financing structures. Special-purpose vehicles borrow money, private-credit firms supply capital, data-center capacity is leased for fifteen or twenty years and suppliers use their own credit quality to make projects financeable that will subsequently deploy their own hardware.

This does not mean trillions of dollars of secret debt are being hidden somewhere. Many obligations are disclosed in financial reporting. A guarantee, an uncommenced lease, a purchase commitment and a conventional bond are simply treated differently from an accounting perspective. Investors focusing only on net debt and annual capex therefore see an increasingly incomplete picture of the economic obligations already attached to future AI growth.

JPMorgan has used the term “phantom leverage” for this phenomenon. The description is useful as long as it is applied carefully. This is not necessarily hidden debt, but financial leverage that does not fully appear in conventional balance-sheet ratios. While AI demand is growing rapidly, that distinction may appear technical. Once the cycle turns, the difference between accounting debt and contractually fixed economic obligations can become extremely important.

Investment view

Our Investment view remains constructive for now. We see no reason today to abandon NVIDIA, Broadcom, Oracle or the broader AI trade solely because these financing structures are growing. Demand for compute remains strong, substantial new capacity is contracted before it becomes operational and the major hyperscalers remain among the financially strongest companies in the world.

At this stage, additional financing actually accelerates the bull case. An AI lab does not need to raise tens of billions of dollars in equity before ordering more compute. An SPV can attract institutional capital, private credit can supply a large portion of the financing and a technology supplier can use its credit quality to reduce the cost of capital for a project. Infrastructure can therefore be built sooner, capacity comes online faster and suppliers can recognise revenue earlier.

We therefore do not expect the debate around off-balance-sheet commitments to break the AI rally in the near term by itself. As long as utilisation remains high and demand for capacity grows faster than supply, the financing machine supports the expansion. More available capital means more data centers, more accelerators and ultimately more revenue.

That is also why the future risk grows. Conventional capex can be cancelled when management becomes less optimistic. A fifteen-year lease, guaranteed financing package or fixed purchase obligation does not disappear because the market has one bad year. The longer the boom continues, the greater the share of future cash flow that becomes contractually fixed.

We would become materially more defensive only when three things begin turning at the same time: utilisation of new AI capacity, growth in contracted demand and credit markets. The last of those deserves much more attention. Broadcom is already showing that credit spreads can widen while operating performance remains excellent.

For us, that is not yet a sell signal. It is a warning that equity investors can no longer focus solely on EPS, revenue, RPO and capex. CDS spreads, yields on new AI financings, guarantees, uncommenced leases, customer concentration and contract duration are becoming increasingly important. Credit markets may ultimately hear the first crack before equities do.

Broadcom is becoming more than a semiconductor company

Broadcom provides an excellent way to understand what is changing. In June, the company established the AI XPV Platform with Apollo and Blackstone. The initial financing totals $35 billion and supports more than 1 GW of compute infrastructure for Anthropic. The broader platform is ultimately intended to support more than 20 GW of AI capacity.

The commercial logic is powerful. The infrastructure uses Broadcom custom XPUs and networking technology. By making institutional capital available, the end customer can build capacity sooner, allowing Broadcom to deliver hardware and recognise revenue earlier. The supplier is therefore not merely selling technology; it is helping create the financial infrastructure through which that technology can be purchased.

That changes the risk profile. A traditional semiconductor supplier sells chips and then mainly faces the risk that the next order is smaller. Broadcom can increasingly carry part of the credit risk that was necessary to make the previous order possible in the first place.

The issue is therefore not merely how much conventional debt Broadcom carries directly on its balance sheet, but how much financial exposure becomes connected to the economic health of its largest AI customers.

A potential financing structure approaching $100 billion

The initial $35 billion platform may not be the endpoint. A follow-on structure has been discussed involving $60–70 billion of senior secured debt plus around $30 billion of junior financing, potentially taking the total towards $100 billion.

It is important not to overstate what exists today. The structure is still being developed and the $100 billion figure should not be treated as if Broadcom has already assumed a definitive obligation of that size. It nevertheless demonstrates the scale now required to finance the next stage of AI infrastructure.

A semiconductor company is becoming involved in credit structures larger than the enterprise value of many listed companies. Broadcom increasingly resembles a machine that converts AI demand into investment-grade financing and then into chip sales. As long as end demand remains strong, that can be an exceptionally powerful model. When demand eventually turns, investors will discover how much of the financing risk truly remained outside Broadcom.

Higher Treasury yields make Broadcom a key barometer

This is exactly why Broadcom has become an interesting way to measure what higher US rates can ultimately do to the AI boom. As the financing market grows, the price of capital becomes increasingly important alongside the price and performance of chips.

On a project worth tens of billions of dollars, a relatively small increase in financing costs can materially alter returns. A data center that generates an attractive return at low interest rates can look much less compelling if Treasury yields and credit spreads remain structurally higher.

Broadcom’s credit market is beginning to price that risk more aggressively. Its five-year CDS widened by around 28 basis points in August, while the yield on its 5.15% bond due in 2031 rose by roughly 14 basis points. The CDS move was therefore about twice as large as the change in the ordinary bond yield and was greater than the widening seen at names including Oracle and SpaceX.

That is particularly interesting because Broadcom’s operating performance remains strong. Credit markets are therefore not reacting to collapsing earnings; they are starting to charge a higher premium for the possibility that Broadcom is attaching more contingent credit exposure to the AI financing cycle.

Why CDS markets matter

A credit-default swap is essentially insurance against credit problems. When the CDS premium rises, the market demands more compensation to assume that risk. A 28-basis-point increase obviously does not imply that Broadcom is heading towards financial distress. Its financial position is far too strong for that interpretation.

The relevance lies precisely in the fact that credit markets are moving while the income statement still looks excellent. An equity investor sees tens of billions of dollars in financing and thinks about future XPU sales. A credit investor looks at the same structure and asks how much risk ultimately comes back to Broadcom if the end customer cannot pay.

Both perspectives can be correct at the same time. During the current boom, the equity interpretation probably dominates. If CDS spreads continue widening while the stock keeps making new highs, however, that divergence would become increasingly significant.

NVIDIA makes the financial circle even larger

NVIDIA is in an even stronger financial position. It generates exceptional cash flow, carries a very strong balance sheet and supplies the hardware that almost everyone is trying to finance. That allows NVIDIA to use its credit quality to make entire AI projects financeable.

One important concrete example is the structure around the OpenAI/SB Energy project in Ohio, where a potential NVIDIA guarantee of up to $105 billion has been discussed. NVIDIA is also investing $1.5 billion in SB Energy. This makes the relationship between technology, capital and future chip demand much more direct: NVIDIA is not merely supplying hardware, but helping create the financial conditions under which infrastructure for that hardware can be built.

Various other structures around OpenAI and major compute projects involve even larger figures. One previously discussed structure referred to up to $250 billion of possible support for project financing. A broader private-credit structure exceeding $500 billion has also been discussed, with NVIDIA potentially backstopping roughly $125 billion.

Those figures need careful interpretation. The structures remain under development and should not be presented as hundreds of billions of dollars of existing NVIDIA debt or definitive guarantees. The important point is the direction: NVIDIA is using not only its technology leadership, but also its financial strength to ensure that more infrastructure can be built in which NVIDIA hardware is installed.

NVIDIA is indirectly helping finance its own demand

As long as AI-compute demand structurally exceeds supply, this is close to a perfect flywheel. A developer receives cheaper capital because a financially powerful technology supplier stands behind part of the structure. Infrastructure gets built faster, the new data center buys GPUs and networking, NVIDIA records revenue and earnings and its balance sheet becomes even stronger.

During the boom, this is an exceptionally powerful mechanism. The financial strength of the supplier creates more infrastructure, and that infrastructure then creates more demand for the same supplier.

The vulnerability appears only when one of the assumptions changes. If AI labs grow more slowly, compute prices decline or new models become far more efficient, demand for additional capacity can fall. NVIDIA could then face lower new GPU orders at the same time that risks connected to financing structures created during the boom become more relevant.

That does not make NVIDIA financially vulnerable today. It does, however, change the nature of its tail risk. NVIDIA is no longer merely supplying the AI boom; it is increasingly helping build the financial infrastructure that allows the boom to expand.

Who is ultimately financing whom?

This creates a striking characteristic of the current AI boom. Microsoft invests in AI companies that then consume Azure capacity. NVIDIA supports infrastructure that deploys NVIDIA hardware. Broadcom helps create financing platforms for customers using Broadcom technology. Private-credit firms finance the buildings into which that hardware is installed.

This is not automatically problematic. Vendor financing has existed for decades in aircraft, automobiles and industrial machinery. The relevant question is not whether financing exists, but how dependent final demand becomes on that financing.

As these circular relationships grow, investors increasingly need to distinguish between durable end demand and demand pulled forward by credit. During a powerful bull market, the distinction is difficult to see. Only when financing conditions deteriorate does it become clear how much demand could genuinely support itself.

Oracle carries much more direct exposure

Oracle sits at a different point in the chain. Broadcom and NVIDIA mainly use their financial strength to support other parties. Oracle has committed itself directly to enormous amounts of future data-center capacity.

At the end of May, Oracle had roughly $30 billion of recognised lease liabilities. In addition, it had approximately $260 billion of leases that had not yet commenced and therefore were not yet recognised as lease liabilities. Nearly all of these future commitments relate to data centers and many carry fifteen- to nineteen-year terms.

This is not hidden debt. Oracle discloses the commitments. But investors looking only at recognised lease liabilities materially underestimate how much future cash flow is already contractually reserved.

Oracle has an enormous contracted order book supporting it

It would be wrong to portray the $260 billion figure as purely negative. Oracle has an extraordinary amount of contracted demand supporting it. Remaining performance obligations have increased to roughly $638 billion and cloud infrastructure is growing extremely rapidly.

Large AI customers have also prepaid for or directly supplied around $75 billion of GPU hardware, reducing the amount Oracle needs to finance directly. That makes the aggressive investment strategy more rational today and helps explain why the company is willing to accept such large long-term obligations.

The risk therefore does not necessarily lie in the next few quarters. The more important question is what happens when a lease has another ten years to run after the original AI contract has expired.

Fifteen years of financing versus only a few years of technological advantage

This creates a fundamental mismatch. The data-center building may operate for fifteen or twenty years, while the hardware inside it can become economically obsolete within only several years. New accelerator generations also change power density, cooling and network architecture.

A facility that is perfectly designed today may therefore not retain the same economic quality ten years from now. That does not mean the data center becomes worthless, but it does mean AI data-center finance is not ordinary infrastructure finance.

The duration resembles real estate or energy infrastructure while a large portion of the economic risk remains technological. In our view, that deserves a higher risk premium than many credit investors may have assumed during the first stage of the boom.

Oracle shows how much cash the AI race consumes

This extraordinary growth already comes with a substantial cash bill. Oracle generated roughly $32 billion of operating cash flow in FY2026, but exceptional infrastructure investment pushed free cash flow to around negative $23.7 billion.

The company raised approximately $43 billion of debt and around $5 billion of equity in FY2026. For FY2027, roughly another $40 billion of combined debt and equity financing is expected. This makes clear that the AI buildout is not merely an operating-growth story, but an increasingly large financing exercise.

That does not necessarily represent poor capital allocation. If the enormous RPO converts into revenue, Oracle can grow far faster with these investments than it could without them.

The margin for error, however, becomes smaller. If utilisation disappoints or several large customers take less capacity than expected, Oracle cannot simply reverse its future lease payments. That makes Oracle one of the most important financial stress tests of the current AI boom.

Big Tech has roughly $1.09 trillion of future leases committed

Oracle is far from alone. Microsoft, Meta, Oracle, Amazon and Alphabet collectively have around $1.09 trillion of future lease payments committed, much of which has not yet appeared as lease liabilities because the underlying leases have not commenced. Already recognised lease liabilities for the same group are approximately $285 billion.

The individual examples show how large these commitments have become. Meta was around $279 billion of uncommenced leases and later added roughly another $68 billion of new data-center leases. Amazon was around $106.3 billion of uncommenced leases. Alphabet also has very large fixed and guaranteed supply commitments and financial backstops, making its true forward capital commitment materially larger than its lease figures alone suggest.

Not every dollar is pure AI exposure. Amazon in particular has other types of property and infrastructure included in its figures. Nevertheless, the extraordinary acceleration is clearly connected to the race for data centers, power and compute.

Annual capex therefore provides an increasingly incomplete picture of actual investment obligations. A company could officially report lower capex next year while still being required to honour tens of billions in previously signed leases and other contracts.

Purchase commitments increase the fixed exposure further

In addition to leases, hyperscalers are committing to chips, networking equipment, energy, land, construction capacity and other infrastructure inputs, often years before delivery.

From an accounting perspective, these are not debt. The company ultimately receives a product or service in exchange. Treating every dollar of future chip purchases as hidden borrowing would therefore be analytically wrong.

In a downturn, however, flexibility matters. Management can reduce discretionary capex relatively quickly. A legally binding commitment to buy chips, energy or data-center capacity is much harder to reverse.

The larger these purchase commitments become, the smaller the truly flexible portion of future AI investment becomes.

Real AI leverage therefore runs into the trillions

Once leases, guarantees, supply agreements, energy contracts and other fixed commitments are considered alongside conventional debt, the total economic commitment to the AI boom reaches into the trillions.

That does not mean Big Tech has trillions of dollars of hidden debt. Such a claim would be incorrect. It does mean far more future cash flow has been contractually committed than net debt and annual capex alone reveal.

The key question is therefore not the exact amount of “hidden debt”. It is how much future cash flow has already been committed before we know with certainty what returns all of this new AI capacity will generate five, ten or fifteen years from now.

CoreWeave shows credit investors becoming more demanding

CoreWeave is particularly useful because its financial buffers are much smaller than those of NVIDIA, Microsoft or Alphabet. On a recent roughly $2.6 billion financing linked to Anthropic contracts, initial investor demand was weaker than hoped. Terms were subsequently improved, the yield moved to around 9.1% and lenders received stronger protection.

One of those protections was a lockbox that directs contract revenue toward debt service. After the terms were strengthened, demand increased to roughly $9 billion.

The important signal is not that CoreWeave can no longer obtain financing. Quite the opposite: substantial capital remains available. Credit investors are simply no longer completely insensitive to price. For certain AI risks, they want higher yields and stronger contractual protection.

Customer-contract duration becomes critical

CoreWeave also demonstrates the importance of duration mismatch. Anthropic contracts supporting part of the financing run for roughly three to five years, while data centers, leases and other infrastructure obligations can continue for much longer.

During the initial customer contract, the financing looks secure. Revenue is contracted and interest and principal can be serviced from that cash flow.

Afterwards, the question changes. Can the same capacity be leased again at the same price? How efficient is the hardware by then? What power and cooling requirements will the next chip generation have? How much cheaper will compute have become?

A fifteen-year financial obligation economically supported by a much shorter AI contract is therefore fundamentally different from conventional long-duration infrastructure finance.

AI data centers are not toll roads

Traditional infrastructure often has a relatively predictable economic life. An electricity grid, port or toll road performs essentially the same function twenty years from now as it does today.

An AI data center is a hybrid of real estate, energy and technology. The building may last for decades, but its economic attractiveness depends on access to power, cooling, networking and the ability to host the newest accelerators efficiently.

That makes residual values much more sensitive to technological change. Private-credit investors could eventually discover that they purchased more technology-cycle risk than they initially believed.

Apollo and Blackstone are becoming the banks of the AI boom

The enormous need for capital simultaneously creates an extraordinary opportunity for firms such as Apollo and Blackstone. Traditional banks cannot directly finance every new AI data center and hyperscalers do not want to place every asset directly on their own balance sheets.

Private credit fills that gap. Capital from insurers, pension funds and institutional investors can be pooled and channelled into AI infrastructure through specialised structures.

This is why Apollo and Blackstone repeatedly appear in major transactions. They provide something for which the sector has almost unlimited demand: capital. As long as credit performance remains strong, this can be highly profitable for years and could give private credit a structurally larger role in the financial system.

Risk does not disappear; it is redistributed

This shift can make the system more resilient in some respects. When credit is distributed among insurers, pension funds, private-credit funds and institutional bondholders, financing becomes less dependent on traditional banks funded with shorter-duration liabilities.

The trade-off is reduced transparency over who ultimately absorbs losses. An SPV can contain equity, junior debt and senior debt. A chip supplier may guarantee part of the structure, a private-credit manager may arrange the financing and an insurer may ultimately own the senior securities.

As long as the end customer pays, that complexity barely matters. If a major customer fails, the legal waterfall suddenly becomes decisive and investors need to know who actually carries the first loss.

The risk therefore does not disappear when it moves outside a traditional corporate balance sheet. It is distributed, structured and sold.

Regulation is still adapting to this market

Data-center finance does not always fit neatly into conventional financial categories. A hyperscale project can simultaneously resemble real-estate finance, project finance, equipment finance, securitisation and corporate credit.

The SEC has recently issued interpretive guidance concerning specific data-center securitisations. The important point is that certain structures, under defined circumstances, may not fall within the existing Exchange Act definition of asset-backed securities. This should not be interpreted as a broad exemption for all data-center financing or as evidence that all post-2008 safeguards have disappeared.

It mainly demonstrates how quickly this market is developing. For investors, the label attached to a financing becomes less important than the underlying details of cash flow, guarantees, collateral, seniority and first-loss exposure.

Why this is absolutely not another 2008 today

It is tempting to hear SPVs, off-balance-sheet exposure, securitisations and private credit and immediately compare the situation with the financial crisis. We think that would be too simplistic today.

Microsoft, Alphabet, Amazon and Meta are among the financially strongest companies in the world. NVIDIA and Broadcom generate enormous profits and cash flows. AI capacity is genuinely being used and frontier AI laboratories are still asking for more compute.

There is real economic demand. This is not simply a credit machine financing assets with no users.

The relevant similarity to earlier credit cycles is more abstract. When a boom lasts long enough and earlier investments appear profitable, companies and investors become increasingly willing to finance future demand in advance. That is exactly what is happening in AI.

Current success itself creates more leverage

As long as NVIDIA breaks records, Broadcom sells more custom accelerators and Oracle’s order book continues expanding, every additional investment appears rational. The success of the previous project justifies more debt for the next one.

That additional financing enables more data centers, creating more chip orders. Higher supplier revenue then strengthens credit quality and creates capacity for still more financing.

This is a powerful self-reinforcing mechanism and it can continue far longer than sceptics expect. Reflexivity eventually works in the opposite direction as well. If the economics of new capacity deteriorate, reduced financing can lead to fewer projects, weaker orders and even worse credit conditions.

AI does not need to fail for the investment cycle to turn

Artificial intelligence does not need to fail for this to happen. This may be the most important point in the entire story.

AI can remain one of the most important technological developments in decades while the infrastructure industry still builds too much capacity. Models may become more efficient faster than expected, new chips may deliver far more performance per dollar and watt, inference pricing can decline and corporate customers may find that some applications produce lower returns than anticipated.

The technology can succeed while the return on invested capital of the next data-center project falls. That alone can turn the capex cycle.

The first stage of a downturn will probably look ordinary

When the cycle eventually turns, the first signs will probably look familiar. Orders grow more slowly, lead times shorten, certain prices come under pressure and new data-center projects are postponed.

Marginal projects face tougher financing conditions and credit spreads for weaker operators widen. Up to that point, it resembles an ordinary cyclical correction.

The difference comes afterwards. The vast amount of fixed financial obligations created during the boom does not disappear when growth does.

The second stage can be much more severe

Leases keep running, SPVs still owe interest, purchase commitments remain in place and guarantees can eventually be called. Companies can therefore be hit from multiple directions simultaneously.

Broadcom could face lower new XPU orders while credit exposure from earlier financings becomes more relevant. NVIDIA could sell fewer GPUs while earlier backstops become more meaningful. Oracle could suffer lower utilisation while long-duration data-center leases continue.

That is when phantom leverage stops being theoretical. An ordinary semiconductor correction can then become a much broader financial unwind.

Oracle probably carries the greatest direct leverage

The risk profiles are not identical. Microsoft, Alphabet, Amazon and Meta have enormous existing cash flows from other businesses and can absorb an AI-capex miscalculation relatively easily.

Oracle has committed more aggressively to future AI-cloud growth. It combines high capex, external financing and very large future lease obligations with an extraordinary RPO.

If that RPO converts as expected, Oracle can benefit disproportionately. If several major customers disappoint, the downside can also be disproportionate.

That makes Oracle one of the best gauges of the financial health of the entire AI-infrastructure cycle.

Broadcom and NVIDIA mainly carry tail risk

Broadcom and NVIDIA face a different problem. Their core operations are extremely profitable and their direct fixed-infrastructure obligations are smaller than Oracle’s.

Their tail risk lies primarily in concentration and guarantees. If a major frontier AI lab runs into financial difficulty, investors may discover that commercial exposure and credit exposure are much more intertwined than currently assumed.

That is not our base case. But as the financing structures grow, so does the amount potentially affected by an extreme event.

Concentration may matter more than total debt

The AI economy appears broad, but the actual capital flows are highly concentrated. A small number of hyperscalers purchase most high-end accelerators, a small number of frontier AI labs consume enormous amounts of compute and only a limited number of chip companies provide the critical technology.

The same major financing firms also appear repeatedly. A problem at one large customer can therefore move quickly through multiple layers of the ecosystem. A single AI customer could simultaneously create exposure for a data-center operator, cloud provider, chip supplier and private-credit fund.

That concentration risk may ultimately matter more than the headline amount of debt.

The first real warning may come from credit

We therefore expect equity investors to pay increasing attention to credit markets. Broadcom’s CDS move is not yet an alarm signal, but it matters.

If CDS spreads at Broadcom, NVIDIA or Oracle continue widening while their equity prices make new highs, the divergence becomes increasingly significant.

New data-center financings also need to be judged by their terms, not merely by how much money is raised. More lockboxes, larger guarantees, more first-loss capital and higher coupons all suggest that lenders are repricing the underlying risk.

The credit market can remain fully open while the price of that credit already indicates deteriorating quality.

Treasury yields could ultimately break marginal projects

US interest rates therefore become a fundamental part of the AI investment case. Higher Treasury yields affect technology valuations through the usual discount-rate mechanism, but AI has a second channel: the financing cost of the infrastructure itself.

Several hundred basis points of additional financing cost on projects worth tens of billions of dollars is enormous. As long as utilisation and pricing remain high enough, it can be absorbed. For marginal projects, however, it can determine whether the expected return remains attractive.

That is why Broadcom has become such an interesting indicator. Its CDS market can show when financing the AI boom is becoming more expensive faster than the equity market appreciates.

RPO matters, but it does not tell the entire story

Oracle and other cloud companies often point to remaining performance obligations as protection against overinvestment. That is valid, but RPO alone is not enough.

Investors also need to know who the customers are, how long contracts run, what termination options exist and how much incremental capital is required to generate the contracted revenue.

A dollar of RPO that can be realised with almost no additional capex is economically much more valuable than a dollar requiring massive new data-center construction first.

The quality of RPO therefore becomes at least as important as the absolute size.

Utilisation may ultimately become the decisive KPI

A data center only earns attractive returns if its capacity is sufficiently utilised. During a compute shortage, utilisation is high and fixed costs are easily absorbed. When overcapacity appears, the same fixed-cost base immediately works against the owner.

The first signs of genuine AI overcapacity may therefore not appear at NVIDIA or Broadcom. They may first emerge through lower compute pricing, shorter customer contracts, greater incentives and weaker financing terms for data-center projects.

Those are the signals we intend to watch much more closely.

What this means for NVIDIA, Broadcom and Oracle

For NVIDIA, we currently see no reason to abandon the fundamental long case. Demand remains exceptionally strong and the company’s financial position is very robust. Financing backstops increase tail risk, but they do not change the core investment case today.

Broadcom is similar. Custom AI accelerators and networking can remain enormous growth engines for years and financing structures may actually accelerate that growth. Broadcom’s CDS development nevertheless makes it increasingly useful as an early indicator of the credit side of the AI boom.

Oracle deserves more caution. The upside from its extraordinary RPO is obvious, but the company has simultaneously committed far more aggressively through capex, external financing and very large future leases. That leaves less room for disappointment in utilisation or customer demand.

Apollo and Blackstone currently sit on the attractive side of the financing wave. They earn from AI’s enormous demand for capital. Their real risk emerges later, when credit losses rise and investors discover how much economic first-loss exposure ultimately remains in their funds, insurance capital or other structures.

Conclusion

The AI boom is gradually becoming a massive credit cycle as well as a technology investment cycle. Broadcom is helping create financing structures that allow customers to purchase Broadcom technology, NVIDIA is using its exceptional financial strength to enable infrastructure that deploys its own hardware and Oracle has committed hundreds of billions of dollars to future data-center leases. Microsoft, Meta, Oracle, Amazon and Alphabet collectively have roughly $1.09 trillion of future lease payments committed, before purchase commitments, energy agreements, guarantees and other obligations are included.

This does not mean trillions of dollars of secret debt are being hidden. It does mean a much larger share of future cash flow has already been contractually committed than conventional measures such as net debt and annual capex reveal. As long as demand for AI compute remains strong, that is not a problem and the financing machine can actually reinforce the boom.

Our Investment view therefore remains constructive today. Compute remains scarce, utilisation is high, order books remain strong and both public and private credit markets are still willing to provide enormous amounts of capital. We therefore see no reason yet to leave the AI trade because of these financing structures.

The system is simply becoming less flexible with every quarter. Every long-duration lease, every guarantee, every SPV financing and every fixed purchase obligation commits future cash flow on the assumption that the AI economy will remain strong enough to carry those obligations.

As long as that assumption holds, the model can work extremely well and the current AI buildout may continue far longer than sceptics expect. Once utilisation, AI capex and credit quality turn simultaneously, however, the same leverage operates in reverse. A normal slowdown in chip orders could then become lower utilisation, higher financing costs, credit losses, balance-sheet pressure and ultimately much steeper equity declines.

We are not there yet. That is precisely why this is the moment to monitor the financial architecture beneath the AI boom. Not because it is breaking the bull market today, but because the enormous leverage being accumulated during the good years will eventually determine how severe the next AI downturn becomes.