Nvidia, Meta og Tesla er billioner værd — men hvem finansierer AI-boomet?

I 2025 flyttede kunstig intelligens sig fra teknologikredse ind i hverdagen. Den dukkede op overalt, fra samtaler ved middagsbordet, i spørgsmål om hvorvidt den næste telefon eller vaskemaskine ville køre på AI, og i e-mails fra ledere, der opfordrede medarbejdere til at lære at bruge den.

Pludselig var teknologien ikke længere abstrakt. Den var en del af den daglige samtale.

De virksomheder, der driver den bølge, har set deres værdiansættelser stige i et tempo, som sjældent ses på moderne markeder.

Kæmper som AMD, Meta og Tesla er blevet centrale søjler i AI-økonomien, mens Nvidia alene nu bærer så stor markedsvægt, at selv små bevægelser i aktien kan sende rystelser gennem de globale finansielle markeder.

Alligevel forbliver ét spørgsmål ofte ubesvaret midt i begejstringen over billiondollar-værdiansættelser og banebrydende teknologier: hvem finansierer rent faktisk infrastrukturen bag AI-boomet?

Interessant nok er det også noget, tilsynsmyndigheder begynder at notere sig, selvom advarselslinjen er let at glide forbi.

"Nogle deltagere bemærkede, at finansieringen af opbygningen af AI-relateret infrastruktur i ugennemsigtige private markeder fortjente overvågning."

Ovenstående linje er taget ordret fra referatet fra Federal Reserve-mødet i januar 2026.

Mens de finansielle markeder fejrer enorme værdiansættelser og tradere indkasserer gevinster, stiller centralbanken et enkelt, tankevækkende spørgsmål: Hvem finansierer egentlig den fysiske rygsøjle i AI-boomet, og hvad sker der, hvis den gæld går dårlig?

Og det er ikke kun Federal Reserve. Over de seneste seks uger har tre magtfulde institutioner — Fed, Financial Stability Board (FSB) og US Treasury — uafhængigt begyndt at undersøge den mere stille side af boomet.

Tilsammen peger deres tiltag i retning af den samme fremvoksende bekymring: en voksende andel af AI-infrastruktur-gælden skabes i hjørner af kreditsystemet, som er svære at se, svære at værdiansætte og svære at afvikle under stress.

Denne undersøgelse ser på, hvad tilsynsmyndigheder allerede har ført på protokollen, og hvorfor det påståede "sekundære marked for AI-lån" foreløbigt ser ud til at eksistere mere i teori end i faktiske handler.

De "ugennemsigtige hjørner" af AI-boomet

Feds referat fra januar er det klareste offentlige dokument, der direkte forbinder AI-infrastruktur med finansieringsrisiko i private markeder.

I en sektion om finansiel stabilitet pegede embedsmænd på forhøjede aktivværdiansættelser og "sårbarheder forbundet med den private kreditsektor," herunder dens voksende rolle i lån til mere risikable låntagere og dens bånd til forsikringsselskaber og banker.

På den baggrund markerede linjen om "finansieringen af opbygningen af AI-relateret infrastruktur i ugennemsigtige private markeder" et skift: centralbanken forbinder eksplicit AI-capex-bølgen med dele af kreditsystemet, der ikke handles på skærm.

På globalt plan har FSB bevæget sig på to konvergerende spor.

I sit arbejdsprogram for 2026 skrev organet, at det ville færdiggøre en dedikeret rapport om sårbarheder i privat kredit som led i sit arbejde med ikke-bank-finansiering, og separat udvikle "gode praksisser for adoption, brug og innovation af AI i finansielle institutioner."

Da Invezz kontaktede FSB for yderligere detaljer, pegede organisationen på risici på begge fronter.

Om AI fremhævede den en klynge af problemer, der "skiller sig ud for deres potentiale til at øge systemisk risiko":

"AI-relaterede sårbarheder, der skiller sig ud for deres potentiale til at øge systemisk risiko, omfatter: afhængighed af tredjepart og koncentration af tjenesteudbydere; markedskorrelationer; cyberrisici; samt modelrisiko, datakvalitet og styring."

"GenAI øger også potentialet for finansielt bedrageri og misinformation i de finansielle markeder. Misalignede AI-systemer, der ikke er kalibreret til at operere inden for juridiske, regulatoriske og etiske grænser, kan også udvise adfærd, der skader finansiel stabilitet," tilføjede det globale stabilitetsvåben.​

Om privat kredit var samme udtalelse direkte omkring datagab:

"Privat finans spiller en stadig vigtigere rolle i det finansielle system ved at levere finansiering til virksomheder… Betydelige datagab og sektoren internt ugennemsigtighed har hindret en grundig vurdering af de potentielle finansielle stabilitetsrisici, som privat finans, og privat kredit i særdeleshed, udgør."

"Bekymringer består omkring potentialet for et pludseligt stop i kreditforsyningen til virksomheder og propagation af stress til banksystemet eller til institutionelle investorer, givet deres sammenkoblinger med private finansfonde," sagde FSB. ​

FSB tilføjede, at det er "ved at færdiggøre arbejde med at vurdere sårbarheder i privat kredit" som en del af sin 2026-dagsorden.​

Tilsammen med Feds referat tegner billedet sig klart: AI driver et historisk investeringsboom i infrastruktur, og en stadigt vigtigere andel af den finansiering løber gennem en del af systemet, som tilsynsmyndighederne indrømmer, at de endnu ikke fuldt ud kan kortlægge.

I enkle vendinger begynder tilsynsmyndigheder at rette opmærksomheden mod, hvordan det massive AI-boom finansieres.

Federal Reserve advarede om, at noget AI-infrastruktur finansieres via private markeder, som er vanskelige at spore.

Samtidig siger globale tilsynsmyndigheder, at private kreditmarkeder mangler gennemsigtighed og pålidelige data.

Tilsammen antyder disse signaler, at myndighederne begynder at undersøge den skjulte finansiering bag den hurtige udvidelse af AI-infrastruktur.

Et boom finansieret off‑balance

Omfanget af opbygningen af AI-infrastruktur er ikke til diskussion.

S&P Global Ratings' likviditetsudsigter for 2026 bemærker, at udstedere inden for teknologi og kommunikation, inklusive de største "hyperscalers," har drevet en stigning i obligations- og låneudstedelser, meget af det knyttet til datacenter- og AI-relaterede kapitaludgifter.

S&P anslår, at forfald på amerikansk virksomhedsgæld rated "B‑" og derunder vil stige fra omkring $56,6 milliarder i 2026 til cirka $215 milliarder i 2028, hvilket skaber det, de kalder "en betydelig refinansieringsmur" netop som AI-relaterede udgifter topper.

Samtidig er privat kredit blevet en af hovedkanalerne, hvorigennem mindre, ikke-investment-grade låntagere får del i boomet.

S&P’s analyse viser, at udlån fra privat kredit til låntagere med ’B‑’ og lavere nåede næsten $146 milliarder i 2025, sammenlignet med omkring $85 milliarder i bredt syndikerede lån til samme risikoniveau, og har oversteget syndikeret udstedelse i fire på hinanden følgende år.

Disse tal omfatter lavere ratede låntagere som helhed; de isolerer ikke lån knyttet specifikt til AI-infrastruktur.

Men deres timing overlapper med det, S&P beskriver som "teknologiudstedelser drevet af AI og stigende gearing," og med en hurtig udvidelse af aktiver under forvaltning i private kredit mere generelt.

Jeff Hooke, lektor ved Johns Hopkins Carey Business School, delte for nylig med Invezz sin peer-reviewede undersøgelse af 262 nordamerikanske privatekreditfonde sammen med Xiaohua Hu og Michael Imerman, som sporer den ekspansion i detaljer.

Forfatterne finder, at globalt AUM i privat kredit er vokset fra cirka $375 milliarder i 2015 til omkring $1,6 trillion i 2023, med estimater fra State Street, der antyder, at det nåede omkring $2 trillion i 2025 og kunne stige til $2,6 trillion i 2029 — en næsten seksdobling på et årti.​

Den væsentlige forskel fra offentlige obligationsmarkeder er, hvor denne aktivitet er placeret.

I stedet for obligationer, der handles dagligt på offentlige børser, er meget af denne kredit holdt i lukkede fonde, hvis værdiansættelser opdateres sjældent og i høj grad baseres på interne modeller.

Kort sagt finansieres den hurtige opbygning af AI-infrastruktur i stigende grad gennem privat kredit frem for traditionelle offentlige gældsmarkeder.

Meget af denne udlånsvirksomhed ligger i private fonde, hvor lån sjældent omhandles, og prissætning ikke er synlig i de offentlige markeder.

Fordi disse investeringer holdes privat og vurderes sjældent, kan det være sværere for tilsynsmyndigheder og investorer klart at se, hvordan risici opbygges inde i systemet.

Performance bygget på urealiserede værdier

Hooke og hans medforfattere satte sig for at forstå, hvad der faktisk driver de rapporterede afkast i denne verden.

Ved hjælp af cashflow-data fra Preqin-databasen nedbryder de privatekredit-performance i Distribution to Paid‑In (DPI), kontanter returneret til investorer, og Residual Value to Paid‑In (RVPI), som fanger den urealiserede værdi af positioner, der stadig holdes.​

Deres resultater understreger, hvorfor tilsynsmyndigheder bekymrer sig om ugennemsigtighed.

For senior direct‑lending-fonde lanceret i 2015 var omkring 30% af den samlede rapporterede værdi stadig urealiseret i slutningen af 2024.

For 2016‑årgangen stiger andelen af urealiseret værdi til omkring 50%, og for nyere årgange udgør RVPI over 80–90% af performance.

"Vi finder, at… en betydelig del af private kreditfondes værdi er bundet i residualværdi selv for ældre årgange," skriver forfatterne og tilføjer, at denne struktur "repræsenterer en potentiel stor risiko", hvis disse marks viser sig at være for optimistiske, når lånene til sidst likvideres.​

Studiet sammenligner også privatekreditfonde med likvide markedsbenchmarks.

Efter gebyrer overperformer senior- og mezzanine privatekreditfonde "knap nok, eller i nogle tilfælde underperformer" offentligt handlede ETFs med flydende rente som Invesco Senior Loan ETF (BKLN) og VanEck Investment Grade Floating Rate ETF (FLTR), hvilket antyder, at den højere ugennemsigtighed i privat kredit ikke åbenlyst har omsat sig i overlegne afkast for investorer.​

Begge træk gør det lettere at udjævne rapporteret performance under stress.​

Kort sagt er meget af den rapporterede performance i privatekreditfonde ikke baseret på kontanter returneret til investorer, men på den estimerede værdi af lån, der stadig holdes.

I mange fonde forbliver en stor andel af afkastet urealiseret selv år efter lancering.

Forskere advarer om, at dette kan maskere risici, hvis disse værdiansættelser viser sig at være for optimistiske, når lånene til sidst tilbagebetales eller sælges.

"Lille sekundært marked for AI-lån indtil videre"

Den baggrund er vigtig for AI, fordi den former, hvor hurtigt problemer i et specifikt segment dukker op i de rapporterede tal.

AI er allerede trådt ind i samtalen om privat kredit én gang i år.

I februar advarede UBS' kreditstrategianalytikere om, at AI-drevet økonomisk disruption kunne bidrage til mellem $75 og $120 milliarder i nye defaults på tværs af leveraged loans og privatkreditmarkederne inden udgangen af 2026, med privatekredit‑defaultrater, der potentielt kunne stige mod 4% i et basisscenarie og fordobles under et mere alvorligt udfald.

Deres fokus var i høj grad på, hvad generative-AI-værktøjer kunne gøre ved indtægterne hos eksisterende softwarelåntagere — efterspørgselssiden af AI-historien.​

Feds referat handler derimod om udbudssiden: finansieringen af datacentre, compute‑klynger og digitale-energisystemer, der gør disse værktøjer mulige i første omgang.

Da Invezz spurgte Jeff Hooke, om likviditets- og værdiansættelsesrisiciene, han har dokumenteret i privat kredit, også gælder for lån, der finansierer AI-infrastruktur, svarede han uden forbehold.

"Ja… der er indtil videre et lille sekundært marked for AI-lån. Tiden vil vise, om AI-lån til infrastruktur går i PIK-mode eller låneforlængelses-mode," fortalte Hooke Invezz.

Det er kun én sætning, men den krystalliserer flere af de problemer, som tilsynsmyndigheder har antydet.

Hvis der er "lille sekundært marked" for AI‑infrastruktur‑lån, som Hooke siger, så er standardudløsere i kreditmarkedet — at sælge positioner til andre investorer og afdække via likvide indeks — i høj grad fraværende.

Hvis låntagere begynder at få vanskeligheder, er de primære værktøjer tilbage bilaterale: forlængelse af forfald, lempelse af convenants eller omstilling til PIK-renter for at undgå at krystallisere kontantdefaults.

Hookes egen forskning viser, hvordan disse værktøjer er blevet brugt andre steder i privat kredit til at udskyde tabserkendelse og opretholde overskrifts-IRR'er.​

Latent stress kan befinde sig i fonde, hvis rapporterede performance stadig domineres af urealiserede marks.

Udefra kan det se meget ud som stabilitet — indtil det ikke gør det.

Praktisk set, hvis problemer begynder at dukke op i AI-relaterede lån, kan de muligvis ikke umiddelbart fremgå af de tal, investorer ser.

Eksperter advarer om, at mange AI-infrastrukturlån har et svagt aktivt sekundært marked, hvilket gør dem svære at sælge eller prisfastsætte hurtigt.

Hvis låntagere får problemer, kan långivere forlænge løbetider eller tillade renter at akkumuleres i stedet for at erklære defaults, hvilket udskyder, hvornår finansiel stress bliver synlig.

Hvem stiller i sidste ende pengene?

Et andet sæt spørgsmål, som tilsynsmyndigheder stiller, handler mindre om specifikke lån og mere om, hvem der står bag dem.

Den 6. februar udsendte US Treasury, som leder Committee on Foreign Investment in the United States (CFIUS), en Request for Information om et foreslået "Known Investor Program." 

Idéen er at skabe en ramme, hvor visse investorer med etablerede track records kunne blive forud-godkendt, potentielt forenkle gennemgang af fremtidige transaktioner samtidig med, at national sikkerhedsovervågning opretholdes.​

For privat kredit går RFI direkte til et længevarende blindt punkt: udenlandske limited partners (LP'er) i private fonde.

Under de nuværende regler er udenlandske investorer, der forpligter kapital som LP'er uden at opnå kontrol- eller særlige governance-rettigheder, ikke altid underlagt obligatorisk CFIUS-gennemgang, selv hvis de fonde, de støtter, senere finansierer følsomme amerikanske virksomheder eller infrastruktur.

Treasurys konsultation, åben for kommentarer indtil 18. marts 2026, spørger eksplicit, hvordan Known Investor Program bør anvendes på sådanne strukturer.

En politikanalyse fra CELIS Institute bemærker, at udkast til egnethedskriterier under diskussion ville kræve, at en potentiel "known investor" havde indsendt mindst tre dækkede transaktioner til CFIUS i de seneste tre år og opfyldte strenge kriterier omkring sanktioner og forbindelser til "fremmede modstander" jurisdiktioner — en tærskel, mange passive LP'er i private fonde muligvis ikke opfylder.

For nu er programmet stadig under udvikling.

Der er endnu ikke vedtaget endelige regler, og Treasury afstod fra yderligere kommentar ud over det offentliggjorte materiale.

Men det spørgsmål, de stiller om synlighed i fondsinvestorer, ikke kun fondens forvaltere, viser, at screeningsprocessen for udenlandske investeringer begynder at rette sig upstream mod den kapital, der i sidste ende understøtter private kreditkøretøjer.​

I enkle vendinger ser tilsynsmyndigheder ikke blot på lånene, der finansierer AI-infrastruktur, men også på, hvem der stiller pengene bag disse lån.

US‑embedsmænd udforsker nye regler, der kunne give dem bedre indsigt i udenlandske investorer, der støtter private fonde.

Målet er at forstå, hvor kapitalen i sidste ende stammer fra, især når den kan finansiere følsom infrastruktur eller teknologiprojekter i USA.

De spørgsmål, der stadig hænger over AIs usynlige gæld

Ingen af de dokumenter, der hidtil er offentliggjort af Fed, Financial Stability Board eller US Treasury, antyder, at finansiering af AI-infrastruktur i private kreditmarkederne udgør en umiddelbar systemisk trussel.

I stedet rejser tilsynsmyndigheder en række ubesvarede spørgsmål.

Hvis mere af opbygningen af AI-infrastruktur finansieres i "ugennemsigtige private markeder", som Fed-embedsmænd bemærkede, hvor likvide er disse lån så i praksis?

Jeff Hookes observation om, at "der indtil videre er et lille sekundært marked for AI-lån", antyder, at likviditeten kan være begrænset.

En anden bekymring er, hvordan stress ville fremgå af fondsværdiansættelser, hvis låntagere får problemer.

Med nogle privatekreditfonde, der stadig rapporterer en stor andel af deres værdi som urealiseret, kan værktøjer som låneforlængelser eller betaling‑i‑arten-renter forsinke, hvornår tab bliver synlige.

Der er også bredere spørgsmål om gennemsigtighed. Hvilken andel af de billioner, der er forpligtet til privatekreditstrategier, finansierer rent faktisk AI-infrastruktur, og hvem stiller i sidste ende den kapital?

Indtil nye initiativer som det foreslåede Known Investor Program tager form, kan tilsynsmyndigheder kun have delvis indsigt i den finansieringskæde.