Tegen 2032 gaat er in de Verenigde Staten bijna 9 biljoen dollar naar AI-datacenters, stroomaansluitingen en chips. Dat is gemiddeld 3,2 % van het Amerikaanse bbp per jaar, meer dan de spoorwegen ooit kostten. De Gentse econoom Stijn Van Nieuwerburgh (Columbia Business School) rekende het uit en volgde daarna het geld. Zijn conclusie: de grote techbedrijven betalen het niet meer uit eigen zak, en een groeiend deel van de schulden en verplichtingen staat niet op hun balans. Hieronder lees je hoe de financiering van AI-datacenters werkt, hoe zo’n constructie er concreet uitziet en waarom ook Europese pensioenfondsen meekijken.
Wie is Stijn Van Nieuwerburgh
Van Nieuwerburgh werd in 1976 in Gent geboren, studeerde aan de Universiteit Gent en promoveerde aan Stanford. Hij is hoogleraar vastgoed en financiën aan Columbia Business School in New York. Bekend werd hij met zijn werk over de “urban doom loop”: hoe leegstaande kantoren na corona de belastinginkomsten van steden aantasten.
Die achtergrond in vastgoed is precies waarom zijn blik op AI anders is. Hij kijkt niet naar modellen of benchmarks, maar naar gebouwen, stroomkabels, leases en leningen. Zijn paper Financing the AI Buildout verschijnt in de Brookings Papers on Economic Activity en werd op 25 september 2026 op de Brookings-conferentie voorgesteld. Een versie staat ook als NBER-werkpaper online.
Waarom je in de pers 10,3 biljoen las en hier 9 biljoen
De meeste berichtgeving in september sprak over 10,3 biljoen dollar, 3,6 % van het bbp en 183 gigawatt. Die cijfers komen uit de conferentieversie van 4 september. De versie van 11 oktober, waarop dit artikel steunt, rekent met nieuwere projectdata van Cleanview (12 september 2026 in plaats van 23 juli) en met een ander scenario voor welke projecten echt gebouwd worden. Het resultaat is 188 GW nieuwe capaciteit, 8,97 biljoen dollar en 3,22 % van het bbp per jaar. De boodschap verandert niet, de orde van grootte ook niet. Wie de oude cijfers citeert, zit er wel een biljoen naast.
AI is vooral een bouwwerf
AI wordt vaak voorgesteld als een softwarerevolutie. Economisch is de huidige fase volgens Van Nieuwerburgh vooral een investeringsgolf in fysiek kapitaal. Een modern AI-rack trekt al snel meer dan 100 kilowatt, tegenover 5 tot 10 kilowatt voor een klassiek CPU-rack. Daarvoor heb je eigen onderstations, hoogspanningsaansluitingen en vloeistofkoeling nodig.
Hij rekent een campus van 200 megawatt door. Die huisvest zo’n 1.170 Nvidia GB300 NVL72-racks en verbruikt per jaar ongeveer evenveel stroom als 170.000 Amerikaanse gezinnen. De rekening komt op 8,2 miljard dollar, of ongeveer 41 miljard per gigawatt:
- ongeveer 11 miljoen dollar per megawatt voor het gebouw, de koeling en de noodstroom;
- 2 miljoen per megawatt voor de stroominfrastructuur;
- 28 miljoen per megawatt voor de racks met GPU’s, het netwerk, de opslag en de installatie.
Twee derde van de kost zit dus in hardware die snel veroudert. Dat detail komt verderop terug, want het is de kern van het risico.
De Cleanview-databank telt 494 GW aan Amerikaanse datacenterprojecten die gepland of in aanbouw zijn. Samen met wat in 2025 en 2026 al openging, neemt hij aan dat er 188 GW tegen 2032 klaar is, 115 GW later en 213 GW nooit. Bij hoge benutting verbruikt alleen die nieuwe capaciteit dan ongeveer evenveel stroom als alle Amerikaanse huishoudens vandaag samen. Dat de stroom zelf al een knelpunt is, merkte je deze zomer ook in Europa toen AI-datacenters het stroomnet onder druk zetten tijdens een hittegolf.
Zet je dat naast de grote Amerikaanse investeringsgolven uit het verleden, dan springt het eruit. De spoorwegen kostten tussen 1870 en 1890 gemiddeld 2,24 % van het bbp per jaar, de snelwegen 1,13 %, de telecom- en glasvezelgolf rond 2000 1,10 %. De AI-buildout zit op 3,22 %, met een piek van bijna 5 % in 2028. Een belangrijke nuance maakt hij zelf: een spoorlijn of glasvezelkabel gaat decennia mee, een GPU drie tot zes jaar. Per dollar blijft er dus minder blijvend kapitaal over.
De grote techbedrijven kunnen het niet meer uit eigen kas betalen
Oracle, Microsoft, Amazon, Meta en Alphabet gaven in 2020 samen ongeveer 97 miljard dollar uit aan investeringen. In 2025 was dat meer dan 400 miljard, en voor 2026 verwachten ze samen meer dan 800 miljard. Daarmee gaan hun investeringen dit jaar voor het eerst boven wat hun eigen bedrijfsactiviteiten aan cash opleveren.
Dat is het kantelpunt van de paper. Wie meer investeert dan hij verdient, moet geld van buiten halen. Morgan Stanley schat dat van de ongeveer 2,9 biljoen dollar die de hyperscalers tussen 2025 en 2028 nodig hebben voor extra rekenkracht, meer dan de helft van externe kapitaalverschaffers komt. Bij de schulden is private credit de grootste bron, met ongeveer 800 miljard, gevolgd door 200 miljard aan bedrijfsobligaties en 150 miljard aan gestructureerde financiering.
Het patroon verschuift. Vroeger bouwde een hyperscaler zijn datacenter zelf, betaalde het uit winst of gewone obligaties en droeg zelf het risico. Nu bouwen of kopen ontwikkelaars, vastgoedfondsen, infrastructuurfondsen en private-equityspelers de campus en verhuren ze de capaciteit. Banken, private-creditfondsen en effectiseringsvehikels lenen het geld. Die logica schuift intussen op van gebouwen naar de GPU’s zelf.
Frontier-labs zoals OpenAI en Anthropic hebben geen kredietprofiel om zelf zulke schulden te dragen. Ze huren rekenkracht van de hyperscalers en leunen zo op hun balans en kredietwaardigheid.
Zo werkt de Hyperion-constructie van Meta
Het voorbeeld dat Van Nieuwerburgh uitpluist, is Hyperion, de campus van Meta in Louisiana: ongeveer 2 gigawatt en 30 miljard dollar, een van de grootste datacenterprojecten ooit. Stap voor stap:
- Meta bezat het project eerst volledig en verkocht daarna 80 % aan fondsen van Blue Owl Capital, voor ongeveer 2,5 miljard dollar.
- De joint venture, Beignet, haalde in oktober 2025 27 miljard dollar schuld op. S&P gaf de obligaties een A+, één trede onder Meta zelf. Het was de grootste investment-grade obligatie-uitgifte van één bedrijf in de Amerikaanse geschiedenis.
- Schulden van 27 miljard op een actief van 30 miljard betekent een schuldgraad van ongeveer 90 %. De schuldendienst wordt maar 1,12 keer gedekt door de inkomsten.
- Meta huurt de campus via vijf leases van vier jaar, van 2029 tot 2049, het jaar waarin de obligaties vervallen. Bij elke verlenging mag Meta stoppen.
- Stopt Meta, dan wordt de campus verkocht en betaalt Meta het verschil met een vooraf afgesproken minimumwaarde. Dat is de residuele-waardegarantie.
Het knappe en het lastige zitten in dezelfde constructie. Beleggers krijgen lange, voorspelbare kasstromen van een sterke huurder. Meta houdt de flexibiliteit om na vier jaar te stoppen. En onder de huidige Amerikaanse boekhoudregels staan de toekomstige leases en de restwaardegaranties niet op de balans van Meta zolang ze niet ingaan, ook al zal een van beide zeker gebeuren.
Goedkoop is het niet. Beignet leent tegen 6,58 %, minstens een procentpunt meer dan Meta zelf zou betalen. Over de looptijd is dat meer dan 5 miljard dollar extra rente, die uiteindelijk in de huur van Meta zit. Wat Meta ervoor terugkrijgt, is een lichtere balans: minder kapitaal, minder schuld en betere kredietcijfers op papier. In de Brookings-podcast vatte Van Nieuwerburgh de kwetsbaarheid samen: “10% cash flow drop wipes out the equity.” Bij een dekking van 1,12 is er weinig marge.
Hyperion is geen uitzondering. Sopaipilla, een campus van 960 MW van Meta en Blackrock in El Paso, gebruikte in juli 2026 bijna dezelfde structuur voor 12,3 miljard dollar aan obligaties. Het rekenwerk waarvoor Meta zulke campussen bouwt, lees je in onze analyse van Muse Wonder.
Wat er niet op de balans staat
Moody’s schat dat de hyperscalers samen ongeveer 970 miljard dollar aan leaseverplichtingen hebben, waarvan zo’n 660 miljard toekomstige leases die nog niet op de balans staan. Van Nieuwerburgh telt die verplichtingen er voor vijf bedrijven bij (Alphabet, Meta, Microsoft, Oracle en CoreWeave), met een korting van 25 % omdat ze in de toekomst liggen.
Het verschil is groot. Samen gaan de vijf van 22 % naar 50 % van hun kapitaal, en van 0,8 naar 2,7 keer hun bedrijfskasstroom (EBITDA). Bij Meta springt de schuldgraad van 24 % naar 59 %. Oracle gaat van 75 % naar 90 % en van 4,3 naar 12,1 keer EBITDA. Bij CoreWeave, de gespecialiseerde AI-cloud, loopt de verhouding op tot 20,8 keer EBITDA.
Kredietbeleggers lijken dat al in te prijzen. Tussen november 2025 en juli 2026 stegen de vijfjarige kredietverzekeringspremies (CDS) voor alle vijf de hyperscalers, voor Oracle van 119 naar 206 basispunten. En de bèta van beursgenoteerde datacenter-vastgoedfondsen ging van ongeveer 0,5 naar ongeveer 1: ze bewegen nu even sterk als de hele beurs, terwijl ze vroeger als defensieve belegging golden.
Vier risico’s die de financiering versterkt
Volgens Van Nieuwerburgh is het probleem niet dat AI-infrastructuur risico’s heeft, maar dat de financiering die risico’s kan doorgeven en vergroten. Hij noemt er vier.
- Concentratie. Veel campussen hebben één huurder. Valt de vraag tegen, dan kan een hyperscaler zijn eigen datacenters vol houden en eerst de gehuurde capaciteit laten vallen. Het verlies komt dan bij de externe eigenaars terecht.
- Veroudering. Chips, koeling en ontwerpen veranderen zo snel dat een campus voor de huidige generatie GPU’s minder waard kan worden lang voor het gebouw versleten is. Efficiëntere modellen of rekenen aan de rand van het netwerk kunnen de vraag naar grote centrale campussen drukken. Nieuwe spelers als Tenstorrent bouwen precies op dat soort verschuivingen. Een obligatie tot 2049 tegenover hardware die zes jaar meegaat, is een looptijdmismatch.
- Uitvoering. Netaansluitingen, transformatoren, vergunningen, geheugenchips en geschoolde arbeid zijn schaars. Het risico is niet alleen dat een project duurder wordt, maar dat de inkomsten later of nooit op het niveau komen waarop de lening berekend is.
- Kringloop. Chipontwerpers, clouds, modelbouwers, datacenteruitbaters en financiers hangen via contracten en participaties aan elkaar. Nvidia geeft bijvoorbeeld een restwaardegarantie van 25 % op een kredietfaciliteit van 500 miljard dollar waarmee klanten Nvidia-chips kopen. Een schok bij één schakel loopt zo door naar de rest.
Hoeveel AI moet er verkocht worden
De vraag onder alles is of de inkomsten volgen. Om 10 % rendement te halen bij 50 % marge, moet de nieuwe capaciteit tegen 2032 jaarlijks 3,55 biljoen dollar omzet draaien. Dat is 8,8 % van het verwachte Amerikaanse bbp van dat jaar.
Omgerekend is dat ongeveer 5,1 dollar per GPU-uur bij volle benutting, of 6,4 dollar bij 80 % benutting. Dat ligt in de buurt van wat een Nvidia B200 eind augustus 2026 op de huurmarkt opbracht (6,07 dollar). Vandaag is het dus niet onrealistisch. De vraag is of die prijs overeind blijft als er 188 GW extra capaciteit bijkomt en de concurrentie toeneemt.
Een ander ijkpunt: OpenAI en Anthropic halen samen ongeveer 100 miljard dollar omzet in 2026. Om tegen 2032 aan 3,55 biljoen te komen, moet de sector jaarlijks met ongeveer 81 % groeien. Gaat de IT-apparatuur drie jaar mee in plaats van zes, dan stijgt de benodigde omzet naar ongeveer 5,7 biljoen.
Is dit een zeepbel?
Dat woord gebruikt hij niet. In de paper staat letterlijk dat het “premature” is om te besluiten dat AI-infrastructuur al een systeemrisico vormt zoals eerdere kredietbubbels, en dat financiële nood niet imminent is. Sterke groei en hoge benutting kunnen de investeringen perfect dragen. Zijn punt is bescheidener en daardoor scherper: bij onzekere vraag, snelle technologie, knelpunten in de uitvoering en hoge hefboom kan het hard gaan als de verwachtingen bijgesteld worden. En omdat de verplichtingen verspreid zitten over joint ventures, leases, garanties en vehikels, zie je de samenhang pas als het misgaat.
Zijn beleidsvoorstel is daarom geen verbod maar meten en zichtbaar maken. Wie bezit welk actief, wie draagt het vraag-, herfinancierings- en restwaarderisico, hoeveel zit er bij banken, verzekeraars en private-creditfondsen, en hoe geconcentreerd is dat bij dezelfde huurders? Buitenbalansfinanciering kan legitiem zijn, schrijft hij, maar de verplichtingen moeten transparant worden.
Waarom dit ook Europa raakt
De datacenters staan in Texas en Louisiana, maar het geld komt van overal. Private-creditfondsen halen een groot deel van hun kapitaal op bij pensioenfondsen en verzekeraars, ook in Europa. De Europese Centrale Bank waarschuwde in haar Financial Stability Review van mei 2026 dat een AI-boom die steeds meer met private credit gefinancierd wordt, Europese verzekeraars en pensioenfondsen kan raken als de opbrengsten tegenvallen. In het stressscenario uit die review, zoals gerapporteerd naar aanleiding van de FT, liepen pensioenfondsen verliezen op van 5 tot 6 % van hun activa en verzekeraars ongeveer 4 %. Banken bleven onder 1,3 % van hun eigen vermogen. De Bank voor Internationale Betalingen sprak in maart al van “shadow borrowing” door de hyperscalers.
Voor Europa zit er nog een tweede les in. Wie hier soevereine AI-infrastructuur wil bouwen, botst op dezelfde rekensom: 41 miljard per gigawatt, waarvan twee derde in hardware die snel veroudert. De vraag hoe je dat financiert zonder dat het risico onzichtbaar wordt, staat ook op de Europese agenda, zoals bij de kapitaalronde van Mistral.
Veelgestelde vragen
Hoeveel kost een AI-datacenter van 1 gigawatt?
Volgens Van Nieuwerburgh ongeveer 41 miljard dollar in 2025: 11 miljard voor het gebouw en de koeling, 2 miljard voor de stroominfrastructuur en 28 miljard voor de IT-apparatuur. Hij laat die kost met 4 % per jaar stijgen.
Wat betekent buitenbalansfinanciering bij AI-datacenters?
Het datacenter zit in een aparte vennootschap die zelf leent, terwijl het techbedrijf het huurt. De schuld staat dan op de balans van die vennootschap, niet op die van de huurder. Toekomstige leases en garanties verschijnen pas in de boeken als ze ingaan.
Waarom betaalt Meta meer rente via Hyperion?
De beleggers hebben geen rechtstreekse aanspraak op Meta, alleen op de leasebetalingen en de restwaardegarantie. Dat extra risico en de lange looptijd kosten minstens een procentpunt extra rente, in ruil voor een lichtere balans voor Meta.
Zegt de paper dat de AI-bubbel gaat barsten?
Nee. Van Nieuwerburgh noemt het voorbarig om van een systeemrisico te spreken. Hij wijst op de voorwaarden waaronder verliezen samen kunnen vallen en zich kunnen verspreiden, en vraagt meer transparantie.
Volg de leases, niet de modellen
Elke week verschijnt er een nieuw model, maar de echte beslissingen over AI worden genomen in leasecontracten van twintig jaar en obligaties tot 2049. Wie wil weten hoe stevig de AI-boom staat, kijkt volgens Van Nieuwerburgh beter naar de kleine lettertjes van die contracten dan naar de volgende benchmark. Het is ook een uitnodiging aan toezichthouders en beleggers: de financiële architectuur van AI wordt nu gebouwd, en het is goedkoper om ze nu doorzichtig te maken dan achteraf.
