الإشارة في 30 ثانية
تقدّر رويترز الاقتراض الأميركي المرتبط بالذكاء الاصطناعي في 2026 بنحو 220 مليار دولار، بينما أظهر ملف Alphabet للربع الثاني 39.069 مليار دولار من التدفق التشغيلي مقابل 44.924 مليار دولار مشتريات PP&E. الإشارة هي كثافة التمويل لا أزمة سيولة.
أبلغت Meta عن 31.862 مليار دولار OCF و30.116 مليار دولار PP&E، بينما سجلت Amazon 45.4 مليار دولار OCF مقابل 53.1 مليار دولار إنفاق رأسمالي نقدي. البناء يمتص حصة استثنائية من النقد الداخلي.
يؤكد إفصاح Microsoft للربع الرابع FY2026 دورة رأسمالية كبيرة أخرى، بينما أبلغ مراقب PJM المستقل عن ارتفاع 50.3% في تكلفة الكهرباء بالجملة للنصف الأول. رأس المال والكهرباء أصبحا جزءين من دورة استثمار مادية واحدة.
توثق وزارة الطاقة الأميركية مدد توريد للمحولات تمتد لسنوات، بينما تقول Petra Tschudin من البنك الوطني السويسري إن الذكاء الاصطناعي قد يرفع التضخم قبل أن تظهر مكاسب الإنتاجية. لذلك نقرأ المرحلة الحالية كفجوة زمنية بين تكلفة البناء وتحقيق الإيراد.
لم يعد الاستثمار في الذكاء الاصطناعي قصة تكنولوجيا فقط. موجة البناء في 2026 تدفع الشركات نفسها إلى تأمين ثلاثة مدخلات نادرة في وقت واحد: رأس مال طويل الأجل، كهرباء موثوقة، ومعدات مادية للشبكة مثل المحولات والمحطات الفرعية. السؤال المركزي هو ما إذا كانت وتيرة تحقيق الإيرادات ستسبق ارتفاع التكلفة الهامشية لهذه البنية التحتية.
يفصل هذا التحليل بين تحسين هيكل الميزانية وبين أزمة السيولة. ما زالت شركات التكنولوجيا الكبرى تتمتع بسيولة قوية ووصول واسع إلى الائتمان. الإشارة الحقيقية هي اتساع الفجوة الزمنية بين النقد الذي يُنفق اليوم على البنية الحاسوبية والإيرادات التي تتحقق على مدى سنوات.
أربع شركات فائقة التوسع تُظهر ضغط رأس المال بالفعل
تقدم Alphabet أوضح مثال فصلي. يكشف ملفها لدى SEC للربع الثاني 2026 عن تدفق نقدي تشغيلي قدره 39.069 مليار دولار مقابل 44.924 مليار دولار مشتريات PP&E. وبحساب بسيط OCF ناقص capex، تكون النتيجة -5.855 مليارات دولار. هذه ليست إشارة أزمة سيولة؛ ميزانية Alphabet لا تزال قوية بصورة استثنائية. الإشارة هي التوقيت: الاستثمار في البنية التحتية تجاوز توليد النقد التشغيلي في الربع بينما ستتحقق الإيرادات الكاملة على مدى سنوات.
وتقدم Meta الاختبار الثاني. يبين 10-Q للربع الثاني 2026 31.862 مليار دولار OCF، و30.116 مليار دولار مشتريات PP&E، و962 مليون دولار سداد أصل finance leases. وهذا يترك نحو 784 مليون دولار فقط وفق مقياس free cash flow المعلن، ويضع كثافة رأس المال المقارنة عند نحو 97.5% من OCF.
أما Amazon فتتجاوز 100%. يظهر ملف Q2 45.4 مليار دولار OCF مقابل 53.1 مليار دولار capex نقدي، أي قرابة 117%. Microsoft أقل ضغطاً لكنها لا تزال كثيفة رأس المال: يظهر إفصاح FY2026 Q4 نحو 35.802 مليار دولار إضافات نقدية إلى PP&E مقابل قرابة 55.441 مليار دولار OCF، أي حوالي 64.6%.
هذه النسب ليست مقاييس محاسبية موحدة تماماً ولا ينبغي متوسطها كأن تعريف capex واحد. إنها لوحة ضغط. حتى لدى أربع من أقوى شركات التكنولوجيا توليداً للنقد، تمتص بنية AI جزءاً استثنائياً من النقد الداخلي قبل وصول كامل تدفق الإيرادات.
المتغير الخفي هو الفجوة الزمنية. الحوسبة، المحطات الفرعية، المحولات، وعقود الطاقة طويلة الأجل تحتاج إلى رأس المال اليوم؛ بينما إيرادات cloud وsoftware وinference تُكتسب عبر سنوات. إشارة SIAIntel ليست أن “Big Tech ينفد منه النقد”، بل أن المشروع الهامشي للذكاء الاصطناعي يصبح أكثر حساسية لسعر رأس المال قبل أن تظهر مكاسب الإنتاجية بالكامل.
موجة الدين البالغة 220 مليار دولار تؤكد جانب التمويل
أفادت Reuters في 21 أغسطس بأن الاقتراض الأميركي المرتبط بالذكاء الاصطناعي بلغ نحو 220 مليار دولار في 2026 مقابل قرابة 12.5 مليار دولار في 2025، أي نحو 17.6 مرة. ووضع تحليل Reuters لسوق الائتمان فروق technology investment-grade عند نحو 89 نقطة أساس مقابل حوالي 80 نقطة أساس لسوق IG الأوسع.
القراءة الصحيحة ليست “أزمة ائتمان”. الجهات المصدرة تظل من أقوى المقترضين في العالم. الضغط يأتي من الحجم والتركيز. شركات التأمين وصناديق التقاعد ومديرو الأصول يعملون ضمن حدود لكل مصدر وقطاع؛ لذلك فإن تكرار الإصدارات العملاقة من المجموعة الصغيرة نفسها قد يتطلب علاوة إصدار أكبر حتى مع قوة الجدارة الائتمانية.
وتنشأ طبقة ثانية حول Nvidia. ذكرت Reuters أن Nvidia انضمت إلى Apollo وBlackRock وBlackstone وBrookfield وGoldman Sachs وKKR في بنية تستهدف تعبئة أكثر من 500 مليار دولار من رأس مال أطراف ثالثة لبنية AI، بينما تحدث Jensen Huang عن إمكانية backstop تصل إلى 25%، أو نحو 125 مليار دولار، من الصفقات المؤهلة. هذه البنية التمويلية لا تعني 500 مليار دولار من ديون Nvidia أو نقدها. إنها دليل على أن طبقة مالية كاملة تتشكل حول الشرائح ومراكز البيانات والطاقة.
لذلك لم يعد السؤال “كم GPU يمكن بيعه؟” كافياً. السؤال الأفضل هو: ما حجم البنية المالية المطلوبة لكي يشتري العميل الهامشي المجموعة التالية من GPU ويستضيفها ويزودها بالطاقة ويحولها إلى إيراد؟
ولا نقول إن ديون AI هي المحرك الأكبر لعوائد Treasury. العجز المالي، عرض السندات الحكومية، توقعات التضخم، النمو والطلب العالمي على الأصول الآمنة قوى أكبر. ويحذر تحليل Reuters Open Interest صراحة من هذا الخلط السببي. إشارة SIAIntel أضيق: crowding هامشي بين سندات hyperscaler وديون utilities وتمويل مشاريع مراكز البيانات والعرض السيادي أمام قاعدة متداخلة من مشتري duration.
PJM تُظهر الصدمة نفسها في جانب الكهرباء
يوفر تقرير مراقب سوق PJM المستقل للنصف الأول 2026 المرآة الفيزيائية. ارتفعت تكلفة الطاقة من 49.21 إلى 72.68 دولار/MWh، أي 47.7%. وصعدت تكلفة القدرة من 6.39 إلى 19.61 دولار/MWh، قرابة 207.1%. وارتفعت transmission من 18.82 إلى 19.88 دولار/MWh، بينما قفزت التكلفة الإجمالية لسوق الجملة من 76.16 إلى 114.50 دولار/MWh، أي 50.3%.
يقدر Monitoring Analytics أن إدخال حمل مراكز البيانات في سوق القدرة أضاف 11.11 دولار/MWh إلى التكلفة الإجمالية للجملة قبل احتساب تأثيرات إضافية للطاقة والنقل. وعلى مدى أربعة مزادات delivery-year، قُدر أثر حمل مراكز البيانات على إيرادات سوق القدرة بنحو 29.37 مليار دولار.
وتضيق الشبكة الفيزيائية كذلك. في تقرير congestion التفصيلي، ارتفع total congestion من نحو 1.265 مليار دولار في H1 2025 إلى 3.540 مليارات دولار في H1 2026، بزيادة 179.9%. وارتفع real-time congestion من نحو 1.872 إلى 4.539 مليارات دولار. منطقة DOM والقيود حول Ashburn من أبرز الإشارات الجغرافية.
وهنا يلزم فصل منهجي. ذكرت Reuters بصورة منفصلة قرابة 6 مليارات دولار من تعديلات أسعار أوسع مرتبطة بقيود النقل. هذا ليس المقياس نفسه الذي يسميه Monitoring Analytics “total congestion” بقيمة 3.54 مليارات دولار. كما تعترض PJM على أجزاء من منهجية line rating والعقوبات. التحليل الممتاز لا يدمج مقاييس مختلفة في رقم مثير واحد.
ولا تثبت البيانات أن كل ارتفاع في PJM سببه AI. الوقود، الأعطال، الطقس، طوبولوجيا الشبكة، الكهربة وقواعد السوق عوامل مهمة. ما تثبته بدقة أكبر هو أن حمل مراكز البيانات أصبح كبيراً بما يكفي ليظهر كمتغير مادي في تكلفة نظام كهربائي كان مقيداً بالفعل.
الاختناق ليس ميغاواط فقط: المحولات وswitchgear وinterconnection
الميغاواط المعلن ليس ميغاواطاً مُسلماً. يوثق وزارة الطاقة الأميركية انتقال مهل توريد محولات التوزيع من 3–6 أشهر تاريخياً إلى عام أو عامين أو أكثر، بينما قد تحتاج محولات القدرة الكبيرة إلى 3–4 أعوام.
وهكذا تتحول مشكلة AI من “ابحث عن التوليد” إلى “ابنِ مساراً كهربائياً كاملاً”. يحتاج مركز البيانات إلى محطة فرعية، معدات جهد عالٍ، محولات، switchgear، تصاريح وinterconnection مكتمل. نقص حلقة واحدة قد يؤخر الإيرادات حتى مع توفر GPU والأرض والتمويل.
النتيجة الاقتصادية مهملة غالباً: تأخر energization يطيل الفترة التي يكون فيها رأس المال ملتزماً من دون توليد الإيراد المتوقع. وعند ارتفاع العائد الحقيقي يصبح الوقت نفسه تكلفة بنية تحتية.
عقود PPA الطويلة صمام هروب وليست حلاً مجانياً
تقوم hyperscalers بتثبيت الطاقة مباشرة. يدعم اتفاق Constellation-Microsoft إعادة تشغيل Crane Clean Energy Center عبر PPA لمدة 20 عاماً مرتبط بنحو 835 MW. ويمكن لعلاقة Talen-Amazon أن توفر حتى 1,920 MW من Susquehanna حتى 2042.
تخفض هذه العقود مخاطر السعر والتوفر وقد تعزز قابلية تمويل التوليد. لكنها لا تزيل upgrades النقل، والـbackup، والـbalancing، وطوابير interconnection أو ندرة المعدات الكهربائية.
السلسلة أصبحت أطول من رواية البرمجيات:
نموذج AI → accelerator → مركز بيانات → محطة فرعية → وصول للشبكة → firm generation → عقد طاقة طويل → تمويل.
يمكن لأي حلقة أن تصبح القيد الهامشي. والاستنتاج الصحيح ليس أن الأسر تدعم AI تلقائياً؛ بل إن PPAs تغير من يتحمل أي طبقة من مخاطر الكهرباء.
الذكاء الاصطناعي دخل حساب التضخم لدى Fed
أهم إشارة جديدة ظهرت في 25 أغسطس. قالت Susan Collins، رئيسة Boston Fed، إن توسع AI يبدو أنه يضع ضغطاً صعودياً على core goods inflation، وحذرت من أن تشديد السياسة قد يصبح مناسباً قريباً إذا لم يظهر تقدم مستدام في التضخم. ينقل خطاب Boston Fed بنية AI من قصة تقنية إلى إطار التضخم الحي لدى البنك المركزي.
وكانت Lisa Cook من Fed قد شرحت قناة الانتقال بالفعل. في خطاب 5 أغسطس أشارت إلى تسارع capex المرتبط بـAI وضغوط الأسعار في أشباه الموصلات والمعدات عالية التقنية والبرمجيات وutilities. لم تقل Fed إن “AI هو سبب التضخم”. الأهم أن طلب الاستثمار في AI أصبح مرئياً في الفئات التي يستخدمها البنك المركزي لتقييم عودة مستدامة إلى 2%.
وهناك تأكيد دولي. قالت Petra Tschudin من البنك الوطني السويسري إن AI قد يرفع التضخم قصير الأجل لأن طلب الاستثمار يصل قبل مكسب الإنتاجية الكامل. يلتقط تقرير Reuters في 21 أغسطس هذا الفرق في التوقيت.
لا يحتاج AI إلى أن يكون السبب الأكبر للتضخم الأميركي كي يصبح مشكلة Fed. يكفي أن يجعل الكيلومتر الأخير نحو 2% أبطأ أو أعلى تكلفة عند الهامش.
وعلى المدى الطويل قد تكون الأتمتة والإنتاجية انكماشيتين للأسعار. لذلك ليست أطروحة SIAIntel أن “AI تضخمي دائماً”، بل: مرحلة البناء قد تكون تضخمية قبل أن تصبح مرحلة الاستخدام والإنتاجية انكماشية للأسعار.
العائد الحقيقي الطويل مضخم لسعر الخصم وليس نتيجة للـAI
كان عائد TIPS الحقيقي لأجل 30 عاماً لدى FRED قرب 2.95% في 20 أغسطس. ومراكز البيانات ومحطات التوليد وشبكات النقل طويلة العمر شديدة الحساسية لسعر الخصم الحقيقي.
يجب الحفاظ على الانضباط السببي. إصدار ديون AI لم “يصنع” عائداً حقيقياً لأجل 30 عاماً قريباً من 3%. العجز المالي، إصدارات Treasury، عدم يقين التضخم، term premium، توقعات النمو والطلب العالمي على duration عوامل أكبر.
يضيف AI طبقة duration خاصة فوق العرض السيادي. إذا ظل العائد الحقيقي الخالي من المخاطر وcredit spread مرتفعين معاً، يرتفع hurdle rate لمركز البيانات الهامشي. عندها يحتاج المشروع إلى utilization أعلى، وإيراد AI أكبر لكل وحدة compute، أو أجهزة وطاقة أرخص، أو time-to-power أقصر.
من يدفع ومن يستفيد وما الذي يجب أن يراقبه المستثمر؟
على الأسر متابعة كيفية توزيع تكاليف الكهرباء، وعلى الصناعة مراقبة المنافسة على الطاقة المضمونة ومعدات الشبكة، وعلى المستثمرين مقارنة نمو إيرادات الذكاء الاصطناعي مع تكلفة رأس المال والطاقة. تحدد عقود PPA والتعرفة المنظمة وتصميم السوق وتمويل المشاريع أين تستقر الكلفة فعلياً.
SIAIntel ACPI v0.2: قياس الضغط قبل أن تسميه Wall Street
يهدف AI Capital Pressure Index (ACPI) من SIAIntel إلى تحويل حلقة رأس المال–الكهرباء–السياسة النقدية إلى إطار فصلي قابل للتكرار من دون دقة زائفة.
في backtest التجريبي ستكون الأوزان مؤقتة:
| المكون | الوزن المؤقت | ما يقيسه | |---|---:|---| | نمو صافي إصدار الدين المرتبط بـAI | 40% | سرعة سحب بنية AI لرأس المال الخارجي | | نمو MW لمراكز البيانات / MW جديد من firm generation | 25% | هل يواكب العرض الكهربائي القابل للتسليم الحمل المركز | | ضغط capacity / congestion الإقليمي | 15% | سعر السوق لندرة الشبكة | | اتساع tech spread مقابل broad IG | 10% | العلاوة اللازمة لاستيعاب ائتمان التكنولوجيا | | تغير Treasury الحقيقي 30 عاماً | 10% | hurdle rate الخالي من المخاطر للاستثمار طويل المدة |
ستُطبّع السلاسل على تاريخ فصلي متسق باستخدام winsorized z-scores أو percentile ranks. يغطي الاختبار الأول 2024 Q1–2026 Q2 ثم يختبر القدرة التفسيرية مقابل core PCE وtechnology spreads وكثافة التمويل اللاحقة لدى hyperscalers.
اللوحة الخام تظهر ضغطاً بالفعل: Alphabet قرب 115%، Meta 97.5%، Amazon 117%، Microsoft نحو 64.6% في جسور cash capex/OCF؛ تكاليف PJM الإجمالية +50.3%؛ tech IG أعلى من broad IG؛ والعائد الحقيقي الطويل قرب 3%.
لكن SIAIntel لن تنشر مستوى مركباً رسمياً لـACPI قبل إعادة بناء التاريخ بتعريفات متسقة. رقم صناعي 84 أو 90 سيبدو علمياً لكنه يخفي اختلافات المحاسبة وبيانات الشبكات. يصبح المؤشر ذا قيمة فقط عندما يستطيع محلل آخر إعادة حسابه فصلاً بعد فصل.
26 أغسطس: اختبار ضغط بمتغيرين
يأتي الاختبار التالي خلال ساعات. سيصدر BEA تقرير PCE لشهر يوليو في 26 أغسطس 8:30 صباحاً ET وفق الجدول الرسمي. وفي اليوم نفسه تعلن Nvidia نتائج Q2 FY2027، وتحدد Nvidia Investor Relations المكالمة عند 14:00 PT / 17:00 ET.
يختبر الحدثان جانبين متعاكسين من المعادلة نفسها: PCE يختبر بيئة الخصم؛ Nvidia تختبر قوة الأرباح التي تحمل بناء البنية التحتية.
| PCE يوليو | Nvidia / طلب AI | قراءة SIAIntel | |---|---|---| | أبرد | قوي | Goldilocks AI: يبقى الطلب قوياً ويخف ضغط الفائدة. | | أسخن | قوي | النمو يفوز وduration يخسر: طلب قوي لكن ضغط الفائدة أعلى. | | أبرد | ضعيف | تمويل أسهل وتحذير طلب: تحسن الماكرو لا يعوض ضعف monetization بالكامل. | | أسخن | ضعيف | مربع الخطر: اقتصاد AI أضعف مع Fed ضيق المساحة للتيسير. |
يجب متابعة تمويل العملاء، اقتصاديات Rubin، readiness لمراكز البيانات، توفر الطاقة، الضمانات، cloud/neocloud capex وما إذا كان العملاء يستخدمون تمويلاً أكثر عدوانية للحفاظ على القدرة.
إذا برد PCE وتراجعت العوائد الحقيقية وبقي طلب AI قوياً ونمت monetization أسرع من الحاجة للتمويل، تخف الحلقة. وإذا بقي التضخم لزجاً بينما يتوسع تمويل البنية، تشتد.
ما الذي يكسر الأطروحة؟
تضعف الأطروحة إذا نمت إيرادات AI والاستخدام أسرع بكثير من capex وأصبح من الممكن تمويل الموجة التالية بصورة مستدامة من النقد الداخلي. كما يخف الضغط إذا هبطت تكلفة inference بقوة، وقفزت كفاءة الشرائح، ووصل التوليد والنقل أسرع من حمل مراكز البيانات، أو عادت مهل المحولات إلى طبيعتها.
وقد تفشل قناة التضخم إذا خفضت الإنتاجية تكاليف العمل والخدمات بسرعة فتغلب الأثر الانكماشي على ضغط الطاقة والمعدات والبناء. عندها تستعيد البنوك المركزية مساحة للتيسير حتى مع بقاء capex مرتفعاً.
كذلك يمكن لعوائد Treasury المنخفضة أو الطلب القوي على corporate duration أن يمتص الإصدار الكبير من دون اتساع مستمر في spreads. وPJM سوق إقليمي؛ شبكة ذات توليد وفير ونقل متاح قد تمتلك منحنى تكلفة AI مختلفاً تماماً. لذلك يجب على ACPI فصل متغيرات التمويل الوطنية عن متغيرات الطاقة الإقليمية.
التقييم النهائي
المرحلة الأولى من طفرة AI كانت نقص accelerators. الثانية كشفت نقص الطاقة وinterconnection. القيد الثالث هو رأس المال الرخيص والصبور. والقيد الرابع الناشئ هو هامش حركة السياسة النقدية.
البيانات لا تقول إن انهيار AI وشيك. إنها تقول إن الاقتصاد الهامشي يتغير أسرع من رواية “طلب GPU” التقليدية.
الدولار الاستثماري نفسه يمس الآن أربعة أنظمة معاً: ميزانيات الشركات، أسواق الائتمان طويلة المدة، شبكات الكهرباء الإقليمية، ومسار التضخم الذي تراقبه البنوك المركزية. هذه هي الصلة التي تراها SIAIntel.
السؤال لم يعد كم GPU تستطيع الشركة شراءه. السؤال هو هل ينمو عائد الـcompute rack التالي أسرع من التكلفة الهامشية المجمعة لرأس المال والكهرباء والوصول للشبكة وtime-to-power.
إذا فازت إنتاجية AI في هذا السباق، فقد تصبح موجة capex اليوم توسعاً انكماشياً للأسعار غداً. وإذا استمرت تكاليف التمويل والطاقة في تجاوز monetization، فقد تتحول أكبر دورة استثمار تكنولوجي في التاريخ إلى مشكلة سياسة نقدية من دون أن تدخل أي شركة hyperscaler أولاً في ضائقة مالية.
إشارة SIAIntel
حلقة رأس المال–التضخم للذكاء الاصطناعي — نشطة. راقب الفجوة بين نمو إيرادات AI والتكلفة الهامشية لرأس المال والطاقة والوصول للشبكة وtime-to-power، وراقب ما إذا كانت Fed تتعامل بصورة متزايدة مع buildout AI كمدخل سعري حي لا كقصة إنتاجية بعيدة.