Shiwen Dialogue Folge 30｜Banken beginnen, selbst unterzeichnete KI-Schulden zu verschleudern: Das Finanzierungsfenster für Startups verengt sich

Einleitung: Drei Jahre lang Geschichten erzählt, jetzt beginnt die Bank mit Risikobewertung

Shiwen: In den letzten Tagen gab es besonders viele Berichte zum Bereich der künstlichen Intelligenz in der Finanzbranche – über Anleihen, Ratings und Zinssätze. Über welche Perspektive sprechen wir heute?

Yongliang: Wir wollen nur eine Perspektive behandeln, die den Praktikern am nächsten liegt: das Finanzierungsumfeld. Makrozinsen und Kreditratings werden heute nicht weiter erörtert, sie bleiben für einen anderen Artikel. Am 14. Oktober wurde auf Hacker News ein Artikel veröffentlicht, der besagte, dass „Banken ihre gerade vermittelten Schulden für künstliche Intelligenz-Datenzentren verkaufen“. Bis zum Morgen des 15. Oktober hatte dieser Artikel über 340 Upvotes und mehr als 230 Kommentare.

Shiwen: Wir müssen die Fakten klären: Wer verkauft was?

Yongliang: Laut FT untersuchen vier Banken – JPMorgan, Morgan Stanley, SMBC und MUFG – einen Handel, der „signifikante Risikoverlagerung“ genannt wird: Die Kredite bleiben nominell auf dem Konto, aber die gefährlichsten Teile werden an externe Investoren übertragen. Warum? Weil sie das Limit für die interne Positionierung gegenüber einem einzelnen künstlichen Intelligenz-Datentyp erreicht haben. Vor sechs Monaten versuchten diese Banken noch, Datenzentrumskredite zu vermitteln, aber nach sechs Monaten versuchen dieselben Banken, die Schulden aus dem Buchhaltungssystem zu entfernen. Diese Veränderung ist der wichtigste Signalpunkt heute.

Shiwen: Von Geschichten zu Risikobewertung.

Yongliang: Ja, das ist meine Einschätzung, die ich mit Fakten untermauere. Ich habe siebzehn Jahre lang ein technisches Team geleitet und gesehen, wie sich die Kreditverhältnisse von lockeren zu strammen gewandelt haben. Diesmal unterscheidet sich die Situation dadurch, dass die Veränderung innerhalb der Banken stattfindet, die am meisten mit Geld verbunden sind. Die folgenden persönlichen Erfahrungen und Schätzungen werden dazu dienen.

Q1: 38 Milliarden US-Dollar verkauft seit sechs Monaten, nicht verkauft

Shiwen: Gibt es ein konkretes Beispiel, das zeigt, wie stark dieses Problem ist?

Yongliang: Ja. Laut Bloomberg hat eine Bankengruppe, die JPMorgan und MUFG umfasst, mehr als sechs Monate gebraucht, um eine 38-Milliarden-US-Dollar schwere Schuldenkomplexion zu verteilen, die für Datenzentrumprojekte in Texas und Wisconsin bestimmt ist, die nach dem Bau an Oracle vermietet werden sollen. Jetzt sind einige Kreditgeber bereit, die Schulden zu einem niedrigeren Preis an nicht-bankische Käufer zu verkaufen, nur um die Ware aus dem Buchhaltungssystem zu entfernen.

Shiwen: Was bedeutet sechs Monate?

Yongliang: Im Kommentarbereich haben Experten gegeben, dass es normal ist, nach der Vermittlung großer Kredite durch Bankengruppen zu handeln und dass dies in einigen Wochen erledigt sein sollte. Ungewöhnlich ist nicht das Handeln selbst, sondern dass die Schulden sechs Monate lang nicht verkauft wurden. Dieser Detailunterschied macht einen Unterschied zwischen „normalen Geschäften“ und „Marktverarbeitung“.

Shiwen: Wie sehen die Käufer dieses Risiko?

Yongliang: Matthew Moniot, gemeinsamer Leiter der Kreditrisikoberechnung bei Man Group, sagte zu FT, dass die Größe dieser Transaktionen „über das Maß hinausgeht, was wir je betrachtet haben“. Beachten Sie, wer dieser Mensch ist: Er ist kein pessimistischer Kommentator, seine Arbeit besteht darin, solche Risiken zu bewerten. Der Bewertungstechniker sagte, dass es keinen Modell gibt, der dieses Ausmaß bewältigen kann – es ist schwerer als zehn negative Berichte.

Shiwen: Was für ein Risiko befürchten also die Banken?

Yongliang: Sie befürchten eine Konzentration. Im Kommentarbereich gibt es einen Satz, der dieselbe Formulierung verwendet: Banken verkaufen keine Schulden, auf die sie vertrauen. Einfach ausgedrückt: Sind zu viele Vermögenswerte in derselben Branche gebunden, kann das nicht halten. Deshalb müssen die gefährlichsten Teile zuerst herausgegeben werden. „Das Limit für interne Positionierungen erreicht“ bedeutet genau das: Die Konzentration auf künstliche Intelligenz-Datenzentren hat sich von den Rubriken in den Risikoberechnungsberichten zu einer realen Geschäftsbeschränkung entwickelt.

Q2: Das Geld ist teurer geworden, und sie wählen die Kunden sorgfältig aus

Shiwen: Wenn die Banken ihre Kredite reduzieren, was bedeutet das für diejenigen, die Geld leihen?

Yongliang: Die Finanzierungsmöglichkeiten werden schmaler und ungleich verteilt. Laut Bloomberg fließen die Mittel zu Datazentren, die als Investitionsklasse für Großrechenzentren genutzt werden, wie die Pachtverträge von Microsoft und Google, weg von Unternehmen mit schwachem Kreditstatus. Die Unterschiede sind auf den Preisen deutlich sichtbar: Daten zeigen, dass die Preise für Pachtverträge mit CoreWeave zwischen 7,00% und 9,875% liegen, während Pachtverträge für Großrechenzentren nur zwischen 5,70% und 7,875% sind. Bei demselben Datazentrum unterscheiden sich die Namen der Pachtverträge erheblich, was die Kosten für die Kreditaufnahme deutlich verändert.

Shiwen: Was ist mit der Nachfrageseite?

Yongliang: Auch dort wird es schmaler. Laut Bloomberg werden Anleihen von Alphabet, Amazon, Meta, Microsoft und Oracle nur zu höheren Renditen verkauft als Anleihen von Unternehmen ohne AI-Bezug desselben Ratings. Die Akzeptanzrate ist noch deutlicher: Im Februar lag sie bei etwa 5-fach, im Juli nur noch weniger als 2-fach. HN-Kommentatoren zitieren Berichte, dass im September die globalen AI-verwandten Schulden etwa 23 Milliarden US-Dollar betrugen, weniger als die Hälfte im August. Aber einige Kommentatoren warnen, dass es wichtig ist zu wissen, wie viele Anleihen ursprünglich ausgegeben werden sollten, ob die Käufer sie zurücknehmen oder der Emittent selbst aufhört – das hat eine ganz andere Bedeutung. Beide Möglichkeiten sind hier berücksichtigt.

Shiwen: Wenn man das zusammenfasst, was ist das Bild für ein AI-Start-up-Unternehmen?

Yongliang: Im Originaltext gibt es eine Aussage, die ich als das wichtigste für Start-ups halte: Ein kleinerer, weniger kapitalisierter AI-Infrastrukturunternehmen, das nächstes Quartal Anleihen ausgeben möchte, kämpft mit Oracle um denselben begrenzten Kreditpool, und es hat nicht das Bilanzsystem oder die vorhandene Kundschaft von Oracle. Selbst bei einem Unternehmen wie Oracle braucht die Bankengruppe sechs Monate, um Anleihen zu verkaufen; was passiert mit einem viel kleineren Unternehmen, wenn es dieselbe Tür öffnet? Es ist nicht nötig, vorherzusagen – der Preisunterschied steht bereits fest.

Shiwen: Heißt das, dass AI-Unternehmen kein Geld mehr leihen können?

Yongliang: Nein, sie können es „leisten, aber die Kosten sind höher und die Auswahl der Kreditgeber ist schärfer“. Der Kreditmarkt ist nicht geschlossen, aber die Lücke wird enger, und diese Enge ist sehr wohlwollend: Unternehmen mit Investitionsklasse-Pachtverträgen bleiben bevorzugt, während Unternehmen, die durch Storys und zukünftige Einnahmeversprechen Kredite erhalten, neu bewertet werden. Das ist meine Beobachtung, keine Statistik. Praktische Bedeutung: Wenn in den Finanzierungsplänen Schuldeninstrumente enthalten sind, sollten die Kosten angepasst und die Zeitfenster vorverlegt werden – man sollte nicht darauf hoffen, dass die Bedingungen nächstes Jahr besser werden.

Q3: GPUs sind die schwierigste Art von Sicherheiten zum Verkauf

Shiwen: Die Ingenieure in den Kommentaren interessieren sich für ein weiteres Problem: Was passiert mit den Sicherheiten, wenn die Schulden nicht zurückgezahlt werden können?

Yongliang: Das ist der treibende Punkt aus der Perspektive von Technikern. Ein Kommentator weist darauf hin, dass GPU in Datazentren außerhalb des AI-Betriebs praktisch nutzlos sind. Ein anderer macht einen noch härteren Vorschlag: Sie können nicht einmal ein Standard-PC oder Server anschließen – sie sind sehr spezialisiert. Wenn sie verkauft werden, müssen sie in ganzen Racks oder Servern verkauft werden, an Käufer, die dasselbe Zweckgebiet haben.

Shiwen: Das bedeutet also, dass die Liquidität dieser Sicherheiten sehr schlecht ist.

Yongliang: Ja. Der Wert der Sicherheiten hängt nicht nur davon ab, wie viel sie wert sind, sondern auch davon, wie schnell sie in Geld umgewandelt werden können. Häuser kann jeder bewohnen, Standard-Servers können fast in jedem Rechenzentrum verwendet werden, aber die Reihen von GPUs in AI-Datazentren haben eine sehr kurze Liste von Käufern – nur Unternehmen, die auf den gleichen AI-Betrieb setzen. Wenn sich die Marktsituation ändert, sind potenzielle Käufer und Sie selbst dieselben Personen, die in derselben Geschichte arm werden. Das ist meine Schlussfolgerung, die ich hier markiere.

Shiwen: Welche Bedeutung hat das für Techniker, eine AI-Firma zu bewerten?

Yongliang: Ein konkreter Schritt: Wenn man den Bilanzplan einer AI-Infrastrukturfirma betrachtet, sollte man den Rechenkapazitätsvermögen einen Liquiditätsnachlass geben. Bei einem Billionen Vermögen sind Bargeld, allgemeine Rechenzentren und GPU-Kladen drei verschiedene Dinge. Der letzte ist am schwierigsten zu verwahren, wenn Geld benötigt wird. Wenn Ingenieure Hardware verstehen: Während andere die Finanzdaten betrachten, kann man erkennen, dass es sich um spezielle Karten handelt, die nicht in Standard-Racks eingesetzt werden können.

Q4: Der Geist von 2008 und die verwendeten Analogien

Shiwen: Was ist die am häufigsten vorkommende Meinung unter den über 230 Kommentaren?

Yongliang: Die Analogie zu 2008. Viele Kommentatoren vergleichen das Verfahren, „Kredite nach der Vermittlung wieder zu verkaufen“, direkt mit dem Mechanismus der Finanzkrise von 2008. Einige erinnern sich daran, dass sie im Sommer 2007 bereits die Gefahr erkannten, dass die Subprime-Markt Second-Hand-Kredite als Anzahlung verwendete. Sie haben kleine Kursverluste erlitten, aber das Interesse verloren, bevor der echte Zusammenbruch stattfand. Seine Schlussfolgerung ist: Wenn der Preis gut ist, feiern alle, aber wenn der Preis schlecht ist, bricht alles zusammen. Andere zitieren immer wieder diese Aussage: Banken verkaufen keine Kredite, an denen sie selbst glauben. Ich übernehme diese Aussagen und füge hinzu: Das ist eine Analogie, keine Vorhersage. Der Wert einer Analogie liegt darin, Hinweise auf Überprüfungspunkte zu geben, nicht darin, das Ende zu entscheiden.

Shiwen: Was sagen die Gegner?

Yongliang: Die Argumente der Kühler sind auch berechtigt. Erstens ist dies das normale Geschäft einer Bank: Kredite zu vermitteln und sie an diejenigen zu verkaufen, die das Risiko wollen. Die Art und Weise selbst stellt keine Verurteilung dar. Zweitens liegt der Schlüssel bei dem Verkaufspreis: Die Kredite aus 2007 waren wirklich problematisch und haben die Wirtschaft zum Zusammenbruch gebracht. Der Preis von Anleihen ist zwar gesunken, aber noch nicht auf Panikniveau. Drittens weisen einige darauf hin, dass dies ein häufig vorkommender Fall von Wahrscheinlichkeitsfehlern ist: Kredite zu verkaufen ist die tägliche Arbeit einer Bank. Der Markt wurde durch die Emotionen „Datacentra sind schlechte Nachrichten“ präpariert, sodass alles mit einer Krise in Verbindung gebracht wird.

Shiwen: Nachdem beide Seiten zugehört haben, was ist Ihre Entscheidung?

Yongliang: Die Kühler haben recht mit ihrer Beurteilung des „Mechanismus“, die Analogierer haben recht mit ihrer Warnung bezüglich des „Preises“. Der Verkauf von Krediten ist nicht ungewöhnlich. Ungewöhnlich ist, dass man sechs Monate lang keine Aufteilung vornehmen kann und einige Kreditgeber lieber zu niedrigen Preisen verkaufen. Dieser Preis signalisiert etwas. Ich denke, die Wortwahl im Originaltext ist am genauesten: Die AI-Blüte basiert auf der Annahme, dass Kredite unter angemessenen Bedingungen weiterhin verfügbar sind. Ein Kredit von 38 Milliarden, der sechs Monate lang verkauft wurde, ist der klare Beweis dafür, dass diese Annahme gerade jetzt überprüft wird. Es handelt sich um eine „Überprüfung“ nicht um eine „Widerlegung“. Wir sehen, wie sie gewogen wird, aber noch keine Ergebnisse haben. Wer in dieser Phase eine Entscheidung über „Blasenplatzen“ oder „Überflüssige Sorgen“ trifft, verkauft keine Analyse, sondern Sicherheit.

Q5: Drei Sätze für Unternehmer, Techniker und Investoren

Shiwen: Wie kann man diese Informationen auf konkrete Personen anwenden?

Yongliang: Für drei Kategorien von Menschen jeweils ein Satz. Alles ist Erfahrung, keine Statistik.

Für Unternehmer: Wenn die Finanzierungsmöglichkeiten schrumpfen, ist die Priorität des Cashflows höher als die Story über den Wert. Schuldenfinanzierung sollte jetzt besprochen werden, oder man sollte weniger leihen und später ausgeben. Die Banken nähern sich den internen Kapazitätsgrenzen an, was auf kleine Unternehmen normalerweise zwei bis drei Quartale dauert. Das ist eine Chance für Sie, Ihren Plan zu ändern, nicht eine Zeit zum Warten.

Für Techniker: Fügen Sie „Spezialisierung des Vermögens“ zur Überprüfung der Firma hinzu. Die Gräben einer AI-Firma liegen zum Teil in den Modell- und Engineering-Fähigkeiten, zum Teil darin, was das Geld, das sie ausgibt, zu etwas gemacht hat. Wenn es sich um eine allgemeine Fähigkeitsmannschaft handelt, kann man sich umdrehen; wenn es sich um einen ganzen Rechenzentrum mit speziellen GPUs handelt, kann man nur Racks zum Preis verkaufen, der den Kollegen entspricht. Diese Regel kann bei der Bewertung von Arbeitgebern, Optionen und Wechselstellen verwendet werden.

Anmerkung für Investoren: Achten Sie auf drei messbare Kriterien, nicht auf Emotionen. Erstens, ob der Bondpreisunterschied zwischen übergroßen Cloud-Infrastrukturen und schwachen Kreditemittenten zunimmt oder abnimmt – die Daten von CCIR werden regelmäßig aktualisiert. Zweitens, ob die neu ausgegebenen Anteile wieder über 2-fach liegen können. Drittens, die Preisgestaltung für Transaktionen „erheblicher Risikoverlagerung“ – welchen Preis sind professionelle Käufer wie Man Group bereit zu zahlen, um das riskanteste Risiko abzubauen? Das ist der wahre Marktpreis für die AI-Risiken.

Shiwen: Letzte Frage: Was wird diese Angelegenheit am leichtesten falsch verstanden?

Yongliang: Am leichtesten wird es falsch verstanden, als ob „Banken AI kritisch bewerten“. Das ist nicht der Fall. Die Banken übernehmen weiterhin Risiken, möchten es aber nicht alleine tragen. Sie drücken nicht aus, dass „AI nicht funktioniert“, sondern dass ihre Risiken so groß sind, dass sie verteilt werden müssen. Technologische Entwicklung und Investitionsrisiken sind zwei verschiedene Dinge: Die Internetbranche ist richtig, aber wenn man 2000 zu niedrig kauft, verliert man zehn Jahre lang. Diese Unterscheidung bestimmt, ob Sie weiterhin AI-Technologien entwickeln oder gleichzeitig Ihren Cashflow unter Druck setzen müssen. Meine Antwort ist: Beides tun.

Schlusswort

Vor sechs Monaten haben die Banken eifrig Risiken übernommen, sechs Monate später wurden sie zu niedrigen Preisen verkauft – zwischenzeitlich ist kein Unfall passiert, nur das Gewicht der Risiken wurde ernsthaft gemessen. Der Schwerpunkt dieser Ausgabe ist nicht, ob die „AI-Blase“ gebrochen ist – diese Frage kann heute niemand genau beantworten. Der Schwerpunkt ist die Fenster: Das Fenster für Finanzierung wird enger, und zwar schichtweise. Kunden mit starken Kreditverträgen können weiterhin Geld leihen, während solche, die durch Geschichten Geld aufnehmen, neu bepreist werden. Es wird aktuell überprüft – während der Prüfung ist das Teuerste nie die Beurteilung, sondern die Voraussicht.

Tiefeninformation: Drei Bereiche, auf die man weiter achten kann

1. Die Preisgestaltung für Risikoverlagerungstransaktionen. „Erhebliche Risikoverlagerungen“ sind von unbekannten Werkzeugen zu einem täglichen Vorgang der großen Banken geworden. Wie hoch die Risikozahlung des Übernehmers ist, legt den wahren Risikowert der AI-Schulden fest. Die Offenlegung der nächsten Vertragsbedingungen sollte beachtet werden.
2. Der Sekundärmarkt für spezielle Sicherheiten. Wenn tatsächlich GPU-Clustereien zu niedrigen Preisen verkauft werden, ist der Gesamtpreis des Gerätes die erste Quelle für die Liquidität von AI-Activa. Bis jetzt gibt es keine öffentlichen Transaktionsdaten – dieses Loch selbst ist Information.
3. Die anschließenden Korrekturen nach dem halben Ausgabevolumen im September. 23 Milliarden US-Dollar sind monatliche Daten – die Frage, ob „geplante Menge vs. tatsächliche Menge“ beantwortet wurde, bleibt offen. Erst wenn die Daten für Oktober und November verfügbar sind, kann festgestellt werden, ob der Aussteller aufgibt oder die Nachfrage zusammenschrumpft.

Quellen

• StartupFortune: „Banken versuchen nun, die Schulden des AI-Datenzentrums abzuarbeiten, die sie gerade übernommen haben“ (2026-10-14, Blog Aggregation Site, dieser Artikel gilt nicht als primäres Quellenmaterial): Wichtige Fakten entnommen aus FT (große Risikoverlagerungen von Banken, interne Limitierungen, Moniot’s Aussagen), Bloomberg (38 Milliarden in Baukosten, sechs Monate ohne Verteilung, Kapitalrotation, Orderbook um das Fünffache reduziert auf weniger als das Zweifache), CCIR (CoreWeave 7,00%-9,875% gegenüber übergroßen Cloud-Ökosystemen mit 5,70%-7,875%)
• Hacker News Artikel 50092664: Auf der Liste vom 10.-14. Oktober, bis zum Morgen des 15. Oktober über 340▲, mehr als 230 Kommentare; Auswahl von 32 Kommentaren, der gesamte Text wird wiedergegeben ohne Namensangabe
• Im September betrug die weltweite Finanzierung für AI-Schulden etwa 23 Milliarden US-Dollar: Berichte von HN-Commentaren, der Text beinhaltet die Bemerkung „Plans unknown“
• „Die Annahmen werden aktuell überprüft“: Die Originalausdrucksweise des Quellentextes wird in diesem Artikel streng beibehalten
• Die Meinungen der Gäste basieren auf persönlichen Erfahrungen und Schätzungen, nicht auf statistischen Ergebnissen