Nasa ilalim ng $40 trilyong utang ngunit hindi mapigilan ang matinding daluyong ng AI computing infrastructure! Trilyon-dolyar na alon ng supercycle ng computing power para sa pagpapatuloy ng buhay

Nalalaman ng APP ng Pananalapi ng Zhitong na ayon sa koponan na pinamumunuan ni Andrew Sheets, isang senior strategist mula sa Wall Street financial giant Morgan Stanley, ang pamahalaan ng Estados Unidos ay nakapag-ipon na ng humigit-kumulang $40 trilyong dolyar na pederal na utang. Gayunpaman, ang patuloy na pagtaas ng utang ng gobyerno ay hindi pa naging hadlang sa kasaysayang pagsulong ng AI-related na pagpapautang ng mga kumpanya ng teknolohiya at hindi rin nito pinabagsak ang matibay pa ring gastusin ng mga pamilyang Amerikano.

Ibig sabihin, sa pananaw ng koponan ng strategist ng Morgan Stanley, ang $40 trilyong dolyar na pederal na utang ng US ay hindi pa nagdudulot ng “crowding out” ng credit sa sektor ng mga kumpanya at sambahayan—lalong-lalo na’t matatag ang leverage ratio ng mga kumpanya, patuloy na maaaring magrekord ang dami ng bond issuance, at mas mababa ang debt burden ng mga sambahayan kumpara noong 2000 at 2019. Pinatutunayan ng mas malakas na consumer spending at kita ng kumpanya na patuloy nitong natatalo ang negatibong epekto ng mas mataas na interest rates/US Treasury yields curve sa US stock market at global stock market. Ang 6.2% yield ng pangmatagalang investment grade na bonds ng US at ang 30-year Treasury return na humigit-kumulang 300 basis points ang taas kaysa inaasahang inflation, ay patuloy na nagtataas ng opportunity cost ng stocks; kung tutuusin, hindi ang mismong laki ng utang ang tiyak na magtatapos sa “sabay lakas ng stocks at bonds” trend, kundi ang huling epekto ng mataas na financing cost na siyang magpapabagal sa corporate earnings growth.

Ang $40 trilyong utang ng Amerika ay hindi pa nagsasara ng corporate credit channel, nangangahulugan na kasalukuyang hinarap ng AI computing power supercycle ay “pagtaas ng borrowing cost” at hindi “pagkatuyot ng financing supply.” Ang corporate debt-to-GDP ratio ng US ay kapantay pa rin ng sa sampung taon nakalipas at mas mababa pa kaysa bago mag-pandemya, kaya inaasahan pa rin ng Morgan Stanley na ang bond issuance ng mga kumpanya ngayong taon ay magtatala ng rekord; ang household debt ay humigit-kumulang 67% ng GDP, hindi pa naabot ang kritikal na punto, at ang resiliency ng consumer spending ay sumusuporta pa rin sa kita ng kumpanya.

Kaya, ang mga super-scale na cloud computing providers (Hyperscalers), mga nangungunang AI laboratories gaya ng Anthropic at OpenAI, at mga AI data center developers na pinangungunahan ng “new cloud” giants, ay patuloy na nakakakuha ng investment grade bonds, project financing, at private credit mula sa mga kumbinasyong ito, na kunektado ang kanilang halos walang katapusang inaasahang kita mula sa Token, AI product subscriptions, API calls, at cloud services actual cash flow, sa malakas na mga order sa buong AI computing power supply chain — mula GPU cabinets, HBM/DRAM/NAND storage components, data center CPUs & optical interconnect systems, power infrastructure chain, hanggang liquid cooling systems. Bagamat lagpas na sa $40 trilyon ang total debt ng Amerika, hindi pa ito nagdulot ng klasikong “crowding out effect” sa private sector.

Sa madaling salita, hindi pa natatapos ng $40 trilyon na utang ang AI computing power investment boom; sa halip, pinapasok ng AI infrastructure ang “still open credit, but more expensive capital” na second stage, at sa susunod na 2-3 taon ay maaaring manatili sa high intensity construction cycle ang AI infrastructure.

Habang bukas pa ang capital markets, ang mga hyperscalers ay makakapag-isyu ng investment grade bonds base sa kanilang balance sheet, ang AI laboratories ay maaaring humugot ng pondo gamit ang equity capital, commitments sa pagpurchase ng computing power at third-party guarantees, at ang mga data center developer ay nakakakuha ng project financing o private credit gamit ang long-term leases, power contracts, at project assets; ang mga capital na ito ay sa huli nagiging orders para sa GPU, HBM, optical interconnects, power supply & cooling systems, at ang pagbabayad ng utang ay nanggagaling sa actual cash flow na hatid ng AI subscription, API calls at cloud services—not just on wildly growing expected future Token revenues.

Isa pang Wall Street giant, ang Goldman Sachs, ay inaasahan na ang kabuuang capital expenditure ng malalaking tech companies mula 2025 hanggang 2030 ay aabot sa humigit-kumulang $5.3 trilyong dolyar; ang proportion ng debt financing sa AI capital expenditure ay maaaring tumaas mula sa 33% noong 2026 papuntang 35% noong 2027. Sa 2026 pa lang, maaaring umabot sa $250 bilyon ang direct bond issuance ng hyperscalers, hindi pa kasama ang project financing. Ang mga projection na ito at ang AI infrastructure trends ay nagpapakita na ang $40 trilyong utang ng US ay hindi pa nagsasara ng corporate credit gates—patuloy na nagtutulungan ang investment grade bonds, long-term lease-backed project financing, private credit, at supplier guarantees upang maisakatuparan ang AI computing power asset buildout.

$40 trilyong debt burden, ngunit bumubuhos pa rin ang alon ng corporate financing! Morgan Stanley: Ang totoong panganib ng US stocks ay hindi ang interest rates, kundi ang kita na bumabagal

Halos kalahati ng federal debt ng Amerika ay nadagdag lang sa nakalipas na dekada, at ang debt-to-GDP ratio ng mga pangunahing ekonomiya ng mundo ay tumaas din. Maliban sa United Kingdom, inaasahang mananatili sa mataas na antas ang mga fiscal deficit ng bawat bansa, kaya patuloy pa ring tataas ang scale ng government borrowing.

Sa kabila ng patuloy na pagtaas ng benchmark interest rate at long-term US Treasury yields, ang mga corporate balance sheet ay nananatiling may matinding resiliency. Ang US corporate debt-to-GDP ratio ay halos napa-parity pa rin kumpara sampung taon na ang lumipas at nananatiling mas mababa sa pre-pandemic level; kasabay nito, patuloy na ipinoprogno ng Morgan Stanley credit strategy team na magtatala ng all-time high ang corporate bond issuance ngayong taon. Ayon kay Sheets, hindi dapat asahang mapipigilan ng tumataas na yield ang kasalukuyang unprecedented wave ng AI-related compute financing.

Nananatili ring malusog ang financial status ng American households. Ang household debt ay halos 67% ng GDP ng Amerika, mas mababa sa 70% noong 2000 at sa record-high na 74% noong 2019. Pinunto ni Sheets na kahit patuloy na tumataas ang interest rates at long-term US Treasury yields, matibay pa rin ang gastusin ng mga sambahayan.

Para sa merkado pinansyal, ang mas mahalagang tanong ay: Aabot ba sa lebel na sapat para maakit na ilipat ng mga investor ang asset allocation mula stocks papuntang bonds ang yield/benchmark rate of interest? Ayon sa datos ng Morgan Stanley, ang kasalukuyang 30-year US Treasury yield curve ay may yield na humigit-kumulang 300 basis points ang taas sa expected inflation, habang ang long-term investment grade bonds yield na 6.2%.

Hanggang ngayon, hindi pa nangyari ang malakihang asset shift na ito. Kahit tumaas ng halos 50 basis points ang 10-year US Treasury yields ngayong taon, malakas pa ring tumaas ng 13% ang S&P 500 Index simula taong ito. Matapos sumiklab nang husto ang AI hype mula 2023, ang malakas na kita ng mga tech kompaniya ay tumulong panatiling competitive ang stocks kahit sa harap ng mas mataas na bond yields.

Para sa koponan ni Sheets sa Morgan Stanley, ang pinakamahalagang tanong ay—kung maipagpapatuloy pa ba ng stock market ang resiliency ng earnings growth sa environment ng patuloy na mataas na borrowing cost. Sa sandaling bumagal nang malaki ang earnings growth, tataas ang importansya ng relasyon ng long-term US Treasury yield curve (10-year at pataas) at kabuuang stock market valuations.

Ang Token consumption ay target na 24x, $10 trilyong institusyonal funds ay muling kumakalat sa bottleneck ng AI computing power! Hindi kayang harangin ng $40 trilyong bundok ng utang ang pinto ng credit expansion

Ang pinakabagong $10 trilyon institutional holding report ng Goldman Sachs, financial giant sa Wall Street, ay hindi nagpapakita ng “AI faith” na tuluyang nawala, kundi simula ng paglawak ng capital mula sa core ng GPU patungo sa “indispensable infrastructure bottlenecks.” Saklaw ng estadistika ng Goldman Sachs ang 991 hedge funds na may $5.4 trilyong stock holdings, at 504 na malaking actively managed mutual funds na may $4.6 trilyong stock assets.

Sabayang dinaragdagan ng dalawang uri ng pondo ang kanilang posisyon sa Bloom Energy, Flex, Seagate Technology atbp—mga storage product lines, power chains sa data centers, mga tagagawa ng servers at iba pang bottleneck links sa AI computing supply chain—at nakakuha ng consensus sa pagitan ng mga institusyon. Siyam sa sampung top positions ng hedge funds ay may kaugnayan sa AI, at nanatili sa tuktok ng listahan ang Amazon sa ika-11 magkakasunod na quarter; ang mutual funds na underweight pa rin sa Nvidia at AMD ng tig-100 at 60 basis points kumpara sa benchmark ay nagpapakita na hindi pa nararating ng AI trading ang pinakamataas na marketwide exposure, kundi ang potential na pagdagdag ay dapat dahil sa realized earnings, hindi lamang paisa-isang tema.

Ang likas na lohika ng pagkalat at rotation na ito ay ang pagbabagong-anyo ng AI development mula “super rally ng underlying computing chips” patungong all-stack AI capital cycle: Ang pagdami ng GPU/TPU/AI ASIC ay kasabay na nagpapalaki sa pangangailangan sa servers, memory, enterprise NAND storage units, ethernet switches, optical modules, data center optical communications/interconnect, high-speed connectors, server rack rails, cooling, at power distribution. Habang lumalaki ang laki ng training at inference clusters, tumitindi ang bilang ng port, halaga kada cabinet, at complexity ng interconnection.

Pinoprognosticate ng Morgan Stanley na sa 2028, halos $3 trilyon AI-related infrastructure investment ang dadaloy sa global economy, at mahigit 80% ng gastusin ay nasa hinaharap pa. Ang pinakabagong estimation ng Goldman Sachs ay nagpapakita na ang global AI capital expenditure baseline model ay inaasahang lalago mula $765 bilyon kada taon sa 2026 patungong $1.6 trilyon kada taon sa 2031; mula 2026 hanggang 2031, total capital outlay ay inaasahang aabot ng $7.6 trilyon, at ang demand sa kuryente ng US data centers ay mula 31GW noong 2025 papuntang 66GW noong 2027. Ito ay magdidirekta ng spillover ng AI compute infrastructure investment sa server CPUs, DRAM/NAND/HBM, advanced packaging, liquid cooling, power equipment, transformers, gas turbines, grid connection, data center REITs at engineering construction.

Ang pangunahing pinanggagalingan ng incremental demand sa AI compute ay ang kapangyarihan ng AI na “magsagaw ng workflows” mula lamang sa simpleng “pagsagot ng tanong”: Kailangan ng intelligent agents ang tuloy-tuloy na pagpaplano, tool invocation, result verification, at retries; ang single task Token consumption ay maaaring 10x, 20x o kahit 50x ng tradisyonal na chat query. Ang world models ay pinalalawak pa ang computing boundary mula text patungong robotics, industrial simulation at physical systems. Sa opisyal na forecast ng Goldman Sachs, posibleng lumago ng 24x ang global Token consumption pagsapit 2030, aabot sa 120 quadrillion tokens kada buwan; kasabay nito, bababa ng 60%-70% ang unit cost ng inference Token taun-taon, bumubuo ng Jevons effect ng “cost reduction—app diffusion—total demand growth.”

Hindi pa tinatapos ng $40 trilyong utang ang AI computing boom, bagkus pinapasok ng industriya ang “still open credit, but more expensive capital” na second round. Sa kasalukuyan, ang 30-year US Treasury yields ay 5.23% at ang long-term investment grade company bonds yield ay 6.2%. Ibig sabihin, bawat AI project ay dapat magpatunay na kaya ng internal rate of return (IRR) nitong lampasan ang dumaraming capital cost; kaya’t sa susunod, hindi basta-bastang papasok ang pondo sa lahat ng concept stocks kundi priority ay mapupunta sa mga may long-term orders, free cash flow, pricing power at strategic bottleneck status sa GPU clusters, HBM/DRAM/NAND storage, high-speed data center networks & optical interconnects, new cloud providers at iba pang AI compute chain giants. Kung magpapatuloy ang Token commercialization, palalawigin ng corporate financing tide ang AI capital outlay cycle; kung babagal ang kita o muling tataas ang long-term yields dahil sa “bond vigilantes,” ang mga high-leverage new cloud at mga proyektong nakaasa sa external guarantees ang unang tatamaan ng valuation at credit double whammy.