Nagbabala ang Carlyle: Ang kumpetisyon sa private credit para sa AI infrastructure financing na umabot sa 100 billions ay maaaring muling magdala ng peligro ng konsentrasyon tulad ng krisis sa software loans.

Ayon sa ulat ng Zhihui Finance APP, sinabi ng Carlyle Group na ang mga private credit institutions ay nag-uunahan upang magbigay ng pondo para sa pagtatayo ng AI (artificial intelligence) infrastructure, na maaaring mauwi sa parehong pagkakamali ng labis na konsentrasyon ng credit tulad ng nangyari sa software industry.

Ayon sa white paper na ipinamahagi ng Carlyle noong Huwebes, maaaring kailanganin ng industriya ang humigit-kumulang 1 trilyong USD na pondo para sa financing ng AI computing infrastructure. Ang sukat nito ay higit sa kalahati ng kasalukuyang total assets under management ng private credit.

Sabi sa white paper, kung hindi matutukoy ang malinaw na limitasyon sa konsentrasyon ng AI computing sector, maaari itong maging "pinakamalaking pagkakamali."

Sa isang panayam, sinabi ni Mark Jenkins, co-president ng Carlyle at global head ng credit at insurance, "Nasa isang panahon tayo kung saan hindi pa tiyak ang revenue models. Sa ganitong environment, bilang mga credit investor, mahirap sabihin na 'sige, all-in tayo.'"

Parami nang parami ang hinihiling mula sa private credit managers na magbigay ng pondo para sa malakihang pagpapalawak ng AI infrastructure. Tinatayang pagsapit ng 2030, ang kaugnay na capital expenditures ay lalampas ng 5 trilyong USD. Iba-iba ang anyo ng financing—mula sa pagtayo ng data centers at pondo para sa kuryente, mga loan na naka-collateral sa chips para sa nasabing teknolohiya, hanggang sa mga loan para sa special purpose vehicles.

Nakasaad sa white paper na, di tulad ng software, ang credit risks ng data centers at iba pang AI-related na assets ay mas speculative at higit na naka-link sa pangkalahatang ekonomiya. Samantala, marami sa mga ginagamit na financing structures sa ngayon ay hindi pa lubusang nasusubukan.

Para sa Carlyle, hindi ito nangangahulugang iiwas sila sa AI investment. Ayon kay Jenkins, "Gusto naming tumanggap ng risk, pero nais namin itong gawin sa balanseng paraan."

Isa sa pinakamalaking hamon, ayon sa kanya, ay hindi pa malinaw kung saan mismo lilitaw ang pinakamaraming kita mula sa AI—sa chip makers ba, data centers, o mga kumpanya ng application development.

Ayon sa white paper, naranasan ng software industry ang kaparehong boom mula 2020 hanggang 2022, kung saan halos kalahati ng private equity deals ay nangyari sa panahong iyon. Dumagsa ang lenders sa software companies, bahagi dahil itinuturing na stable at di gaanong apektado ng economic downturn ang recurring subscription revenues ng mga ito.

Ngunit hinamon ng pag-usbong ng generative AI ang assumption na ito at inilantad ang software companies sa sabayang banta ng technological obsolescence. Dahil dito, naging mahirap para sa software loans na makalusot sa syndicated loan market, nahirapan sa refinancing ang mga borrowers, at ang ilang private credit funds ay nakaranas ng pagdami ng redemption requests.

Naniniwala si Jenkins na inuulit ng AI infrastructure financing ang parehong aral: na ang tila dispersed na financing projects sa ibabaw ay, sa bandang huli, nakatutok pala ang pondo sa iilang malalaking kumpanya. Napansin niya na karamihan ng funding sa merkado ay nakahanap ng destinasyon sa pito o walong high-quality na mga target.

Dagdag pa niya, napakahalaga na alam mo kung sino ang final counterparty sa deal, ang mga kontratang sumusuporta sa financing, at ang tunay na value ng underlying assets.

Sabi ni Jenkins: "Bilang investor, kailangang pag-isipang mabuti at maingat kung ano ang risk exposure mo sa counterparties, paano isinulat ang mga contract terms, at magkano ang tunay na halaga ng assets. Sa panahon ng crisis, magiging napakahalaga ng lahat ng ito. Pero habang maayos ang takbo ng lahat, parang hindi ito mahalaga."