Nvidia's Riskante Onderneming

In 1864 had het Congres de Northern Pacific Railway Company opgericht met het doel om de Grote Meren en de Puget Sound te verbinden via spoorlijnen die uiteindelijk van Duluth naar Tacoma zouden lopen. Het charter bevatte 40 miljoen acres land naast de voorgestelde lijn in ruil voor de voltooiing van de bouw. De volgende zes jaar worstelde Northern Pacific echter om financiering te vinden, zelfs terwijl de Union Pacific en Central Pacific spoorwegen naar elkaar toe bouwden en in mei 1869 de 'golden spike' sloegen die Sacramento en Omaha verbond.

Northern Pacific had Cooke in 1866 benaderd voor financiering, maar had niet de gulle federale garanties waar Union Pacific en Central Pacific op konden rekenen (wat, overigens, leidde tot een enorme hoeveelheid corruptie). Cooke, die zelf geen vreemde was van de financiële macht van de federale overheid, had aanvankelijk geen interesse. Uiteindelijk deed Northern Pacific hem echter een aanbod waar hij niet tegen kon weigeren: een commissie van 12 procent op elke obligatie en $200 aan Northern Pacific-aandelen voor elke $1.000 aan obligaties die hij verkocht.

Cooke merkte al snel dat zijn institutionele collega's het eens waren met zijn eerdere weigering en niet geïnteresseerd waren in zijn obligaties. Daarom greep hij terug op dezelfde tactieken die hij had geperfectioneerd bij de verkoop van oorlogsobligaties: appèl op patriottisme, controle over de media en beloften van spoorwegfortuinen, ondersteund door distributie op industriële schaal. Op het hoogtepunt stelde Cooke 1.500 verkopers aan en financierde hij 1.300 kranten (via een combinatie van advertenties en directe betalingen) met een imago dat was opgepoetst tijdens de Burgeroorlog. Particuliere beleggers konden al spoorwegobligaties kopen; Cooke maakte hen tot zijn primaire financieringsmechanisme.

Dit was onmiskenbaar een ongelooflijke innovatie. Voorheen gold dat als je geen leningen kon krijgen van de overheid of banken, je simpelweg geen geld kon krijgen. Het probleem was dat de kapitaalbehoeften van Northern Pacific eindeloos waren. Tegen september 1873, toen het krediet wereldwijd stokte door een crash op de beurs van Wenen en de demonetisering van zilver, kon Cooke — die Northern Pacific had gefinancierd vanuit deposito's tussen obligatie-emissies door — geen nieuwe kopers meer vinden. Het daaropvolgende faillissement van Jay Cooke & Company triggerde de Paniek van 1873, wat culmineerde in talloze spoorwegfaillissementen in het hele land, een depressie die meerdere jaren duurde, decennia aan deflatie en, zou men kunnen betogen, de financiële omstandigheden die Europa vier decennia later in een kruitvat veranderden.

Northern Pacific heeft hun lijn overigens uiteindelijk voltooid, na meerdere faillissementen; uiteindelijk waren zij een van de vier spoorwegen die fuseerden tot Burlington Northern Railroad. Burlington Northern zou later fuseren met de Atchison, Topeka and Santa Fe Railway om BNSF Railway te vormen; Berkshire Hathaway kocht de moedermaatschappij in 2009.

Het doorblazen van schulden

Als dit verhaal vaag bekend voorkomt, komt dat waarschijnlijk omdat Cooke — om voor de hand liggende redenen — een centraal personage is in het nieuwe boek 1873 van Liaquat Ahamed, dat eerder dit jaar verscheen. Ahamed schuwt het niet om een link te leggen tussen de instorting van de spoorwegbouw en het huidige AI-moment; de allereerste pagina van het boek — zelfs vóór pagina 1 — gaat over het vertalen van geldbedragen en concludeert als volgt:

Om de werkelijke betekenis van geldbedragen te begrijpen die betrekking hebben op de economische situatie van hele landen — zoals de omvang van de herstelbetalingen opgelegd aan Frankrijk na de Frans-Duitse Oorlog — is het het meest nuttig om niet simpelweg rekening te houden met veranderingen in de kosten van levensonderhoud, maar in plaats daarvan te corrigeren voor veranderingen in de omvang van economieën. Om dergelijke cijfers te vertalen naar vergelijkbare magnitudes van 2026, moet men vermenigvuldigen met een factor van 1.200. Zo zou de $500 miljoen die jaarlijks in Amerikaanse spoorwegobligaties vloeide tijdens de boomjaren van het begin van de jaren 1870, vandaag gelijkstaan aan $600 miljard, wat ongeveer is wat er in 2026 door grote techbedrijven wordt geïnvesteerd.

Microsoft-CEO Satya Nadella is zeker op de hoogte van deze connectie: hij noemde 1873 als "het boek dat gelezen moet worden" tijdens de recente earnings call van het bedrijf. Misschien is het dan geen toeval dat Microsoft, als enige van de hyperscalers, nog steeds beschikt over een aanzienlijke vrije kasstroom — $19,6 miljard in het laatste kwartaal. Microsoft is de enige hyperscaler die zich nog houdt aanHet dogma dat wordt gebruikt om het bestaan van een bubbel te ontkennen: hun CapEx (kapitaaluitgaven) wordt niet gefinancierd door schulden.

Dit was, geloof het of niet, een verdediging die een jaar geleden voor bijna heel Big Tech gebruikt kon worden. Maar tussen september en november hebben Oracle, Meta, Alphabet en Amazon samen $80 miljard aan schulden uitgegeven voor de uitbouw van infrastructuur. Dat was slechts het begin: na een gezamenlijke kapitaalwerving van $108 miljard in heel 2025, hebben deze vier bedrijven tot 7 juli dit jaar al $194 miljard opgehaald. Niet verrassend stijgen de spreads, en 86% van de obligaties die dit jaar zijn uitgegeven, worden al verhandeld tegen hogere rendementen dan bij uitgifte. De dekking voor recente emissies is gedaald tot minder dan 2x, vergeleken met 5x in februari.

De echte schok kwam echter begin juni, toen Google aankondigde $85 miljard aan eigen vermogen (equity) op te halen, inclusief een speciale uitgifte van $10 miljard aan de eerder genoemde Berkshire Hathaway. Ik schreef destijds in The Google Capital Company:

Het is vermeldenswaardig dat $10 miljard een relatief klein bedrag is voor beide bedrijven. In die zin is het primaire nut wellicht als signaleringsmechanisme. Aan de kant van Google is het signaal dat de verwachte vraag feitelijk veel groter is dan iedereen denkt, en dat het bedrijf bereid en willens is om het aanbod te financieren met alle middelen die ter beschikking staan, inclusief eigen vermogen; voor hen is de investering van Berkshire Hathaway een bekrachtiging van dit standpunt en een validatie van de wijsheid van de investering. En aan de andere kant: als het signaal correct is, dan krijgt Berkshire Hathaway een goede deal en zet het zijn cashflowmachines in om de toekomst te bouwen.

Ik concludeerde:

Impliciet in deze analyse was dat er genoeg computercapaciteit in de wereld was om te kopen; wat gebeurt er echter wanneer, en als, dat niet zo is? Wat als de ultieme strijd — die bepaalt wie compute krijgt — een kwestie wordt van wie het meeste cash kan inzetten? En wat als dat voordeel zich cumuleert, zodanig dat het bedrijf met de grootste cashcapaciteit eindigt met de meeste computecapaciteit (die ze, zoals we weten, naast eigen gebruik ook zullen verkopen), wat weer de mogelijkheid vergroot om meer cash te genereren? In die wereld, op welk bedrijf zou je dan het beste kunnen wedden?

Het impliciete antwoord was uiteraard Google.

DeepMind Drama

Op dit moment is Google echter voor niemand een veilige weddenschap, althans wat betreft de frontier (de absolute voorhoede). Na het vertrek van DeepMind-CEO Demis Hassabis (technisch gepromoveerd tot voorzitter, maar niet langer verantwoordelijk voor de dagelijkse operaties) en Gemini-co-lead en voormalig Chief Scientist Jeff Dean, samen met een reeks andere prominente onderzoekers, verklaarde SemiAnalysis dat Gemini "cooked" is:

Voor alle praktische doeleinden geloven we dat DeepMind geen frontier lab meer is. We zeiden dit al een paar maanden geleden tegen onze Tokenomics-klanten vanwege grote aantallen vertrekken bij hun reinforcement learning teams en een slechte toewijzing van compute. Google zal blijven voortmodderen en modellen uitbrengen, maar hun kansen om opnieuw de SOTA (state-of-the-art) te bereiken zijn gedaald naar nul.

Bovendien is de grootste begunstigde van het nieuws van vandaag noch Anthropic, noch OpenAI — het is Google Cloud. Waar Gemini en GCP (Google Cloud Platform) voorheen wanhopig vochten om de toewijzing van compute, is nu duidelijk dat Thomas Kurian heeft gewonnen. We verwachten dat de omzetgroei van GCP als gevolg hiervan aanzienlijk zal versnellen.

Verderop in het bericht:

We zijn overigens behoorlijk bearish op DeepMind geweest, en als we het sterkste argument (steelman) zouden moeten formuleren waarom ze in de toekomst toch nog een echt SOTA-model kunnen trainen, zou dat er ongeveer zo uitzien:

* De huidige setup werkte duidelijk niet. Met het bestaande leidinggevende team waren hun kansen om Anthropic/OpenAI in te halen extreem klein.

* Nu ze huis schoon hebben gemaakt, kunnen de nieuwe mensen met een schone lei beginnen. Misschien nemen ze zelfs een neolab als SSI of Thinking Machines over (acqui-hire).

* Met dit nieuwe team nemen hun kansen om de frontier in te halen feitelijk toe.

Misschien is er een wereld waarin dit gebeurt, maar we denken dat de kansen in principe nul zijn. Het probleem bij Google was niet Jeff Dean of Noam Shazeer, maar hun extreem bureaucratische, pijnlijk trage en strategisch timide cultuur. Denk eraan dat DeepMind een AI-chatbot had één jaar vóór ChatGPT, maar deze niet mocht uitbrengen uit angst hun kernactiviteiten te verstoren.

Eigenlijk zou je kunnen stellen dat het probleem ook bij Hassabis en DeepMind lag. Ik legde in een Update na Google I/O uit hoe de visie van Hassabis op de frontier fundamenteel verschilde van die van andere frontier labs, omdat hij geloofde in wereldmodellen (world models), en niet alleen in tekst/code, en concludeerde:

Wat voortvloeit uit [de visie van Hassabis] zijn modellen met multimodaliteit — in tegenstelling tot Claude, dat alleen tekst produceert — maar het moet gezegd dat de codeercapaciteiten niet bijna zo indrukwekkend zijn. Dit raakt aan het punt van deze hele zijstap: ik denk dat het mogelijk is dat de reden waarom Google algemeen wordt beschouwd als achterlopend op zowel Anthropic als OpenAI wat betreft coderen, in het bijzonder langlopende agentische workflows die net zoveel afhangen van het harnas als van het model zelf, simpelweg voortkomt uit het feit dat hun onderzoeksteam andere prioriteiten had. Dat is waarom de coderingsdelen van deze keynote toekwamen aan het Antigravity-team, niet aan DeepMind, en waarom Hassabis nauwelijks op het podium stond.

Vanuit dit perspectief zijn de gebeurtenissen van vorige week minder verrassend en werden ze wellicht al voorspeld tijdens I/O: Hassabis heeft misschien gelijk dat wereldmodellen de weg naar AGI zijn, maar Google is het geduld verloren om hem dat te laten uitzoeken; Google-medeoprichter Sergey Brin is naar verluidt diep betrokken bij en nauw geallieerd met Koray Kavukcuoglu, de nieuwe DeepMind-CEO. Het zou me niet verbazen als het bedrijf pivoteert naar de meer tekst- (en dus code-) gecentreerde aanpak van Anthropic.

De Infrastructuurweddenschap van Google

Wat fascinerend is aan de positie van Google, is dat deze machinaties niet noodzakelijkerwijs betekenen dat de weddenschap met Berkshire Hathaway slecht was; inderdaad, het is waarschijnlijk goed nieuws. Dit is waar het SemiAnalysis-artikel naartoe wees, en het is een punt dat ik vorige week maakte over de recente resultaten van Google:

Het verhaal lijkt erg op dat van het vorige kwartaal, met zelfs meer groei bij Google Cloud: 82% op jaarbasis (vergeleken met 63% vorig kwartaal en 32% een jaar geleden), met marges van 36% (vergeleken met 33% vorig kwartaal en 21% een jaar geleden). Ik vroeg me toen af hoeveel van deze groei feitelijk Anthropic was, en hoewel we dit kwartaal geen duidelijke bevestiging kregen, vond ik dit antwoord van CEO Sundar Pichai tijdens de earnings call over waarom Google externe capaciteit moet huren opvallend:

"Ik denk dat bij de bridge deal het belangrijkste is om te zeggen: kijk, er zijn — aan de marge — zeer, zeer grote klanten van ons op Cloud die we proberen te ondersteunen in dit buitengewone moment. En de incrementele kansen die zij ons bieden, hoewel een kortetermijnkost over een paar maanden erg hoog kan zijn, is over de levensduur van de deal, naarmate we meer capaciteit online brengen, zeer ROI-positief. Dus dat zijn factoren die we meewegen. Dus ben je bereid om een zesmaandelijkse deal vooraf te accepteren om de klant te kunnen bedienen in wat een kans voor meerdere jaren is, waarbij de marges en de returns over die meerjarenhorizon zeer, zeer aantrekkelijk zijn? Hopelijk geeft dat wat kleur aan hoe we over die kansen hebben gedacht."

Die klant is bijna zeker Anthropic.

Ook uit SemiAnalysis:

Meer dan 20% van de totale TPU-leveringen van 3Q26 tot 4Q27 worden direct verkocht aan Anthropic. Dit is exclusief de honderdduizenden TPU's die GCP vandaag al verhuurt aan Anthropic, en de vele honderdduizenden meer die ze hebben toegezegd te verhuren aan Anthropic en Meta over de volgende 6 kwartalen…

Als je ooit een interview met Google Cloud-CEO Thomas Kurian hebt geluisterd, weet je dat hij niet "AGI-pilled" is. In één podcast betoogde hij bijvoorbeeld dat het geweldig is dat TPU's "general purpose infrastructure" worden die klanten ondersteunen zoals Citadel, het Department of Energy en algemene high performance computing. En toen hem gevraagd werd waarom hij compute verkocht aan Anthropic ondanks dat zij concurreren met Gemini, zei hij dat dit het natuurlijke gevolg was van Google als "platformbedrijf".

Kurian zei hetzelfde tegen mij in een Stratechery-interview:

We verkopen verschillende delen van onze stack. Een van de dingen die mensen niet realiseren is dat we veel verschillende delen van de stack op verschillende manieren monetariseren. Net als Anthropic zijn er veel labs die onze stack gebruiken — feitelijk gebruiken de meeste grote AI-labs onze stack. Dus als iemand TPU's gebruikt om hun model te trainen of voor inferentie, monetariseren we dat deel van de stack, wat ons middelen geeft om vervolgens onze R&D en andere investeringen te financieren. Sommige labs gebruiken onze TPU en ons Gemini-model, anderen gebruiken misschien onze TPU en kopen vervolgens onze cybersecurity-bescherming voor hun modellen. Als platformspeler moeten we toelaten dat onze technologie op zoveel mogelijk manieren wordt gemonetariseerd en we zien dit niet als een zero-sum game.

We zullen zien hoe "zero sum" compute feitelijk is — er zijn rapporten dat Google-onderzoekers tekortkomen aan compute — maar de algemene conclusie is dat of Google nu concurreert om de frontier, ze absoluut concurreren om de AI-infrastructuur te domineren. En in een wereld waar intelligentie een commodity wordt, zijn TPU's in het bijzonder van groot belang.

Vorige maand, in Who’s Afraid of Chinese Models?, sprak ik over commoditymarkten in de context van frontier labs versus alle anderen; in commoditymarkten zijn marginale kosten bepalend voor niet alleen winstgevendheid maar ook levensvatbaarheid. Ik betoogde dat de frontier labs goed gepositioneerd zijn om superieure kostenstructuren te hebben per eenheid intelligentie.

Die kostenstructuur omvat, althans voor nu, de kosten van het huren van compute, en het lijkt waarschijnlijk dat TPU's goedkoper zijn dan Nvidia GPU's. Anthropic heeft mogelijk gebouwd voor TPU's (en Amazons Trainium-chips) omdat alleen Google en Amazon de middelen hadden om hen te financieren, maar op dit punt kan die capaciteit zeer wel een significant voordeel zijn. Het feit dat Anthropic simpelweg TPU's koopt voor hun eigen datacenters (waardoor compute-kosten veranderen van marginale kosten naar kapitaalkosten) suggereert dat dit het geval is.

Wat opvallend is, is hoe bereid Google is om te delen, zelfs tegen de prijs van het moeten uitgeven van aandelen. Dit past echter in het Berkshire Hathaway-model waarover ik schreef in The Google Capital Company:

Een van de bedrijven waarvoor Berkshire Hathaway de winsten van See’s gebruikte, zat aan het andere uiteinde van het spectrum wat betreft kapitaalbenutting: BNSF Railway. Spoorwegen vereisen veel kapitaal om te opereren; BNSF verbruikte vorig jaar $3,8 miljard; ze maken ook veel geld: de netto-inkomsten van BNSF waren $5,5 miljard bij een omzet van $23,4 miljard. Om dat in perspectief te plaatsen, is het totale bedrag dat Berkshire Hathaway heeft verdiend met See’s Candies waarschijnlijk minder dan $3 miljard (de laatste onthulling was "meer dan $2 miljard" in 2019), oftewel minder dan BNSF vorig jaar verdiende…

In feite kun je stellen dat Abel simpelweg de strategie van Buffett herhaalt, alleen is Berkshire Hathaway deze keer See’s Candies en Google de BNSF. Aan het einde van het vorige kwartaal had Berkshire Hathaway $373 miljard aan cash en $25 miljard aan vrije kasstroom in 2025. Hoeveel bedrijven zouden dat geld daadwerkelijk kunnen aanwenden op een manier die een hoog rendement genereert?

Het is moeilijk om een betere optie dan Google voor te stellen. Het bedrijf investeert niet alleen in AI, maar heeft optionaliteit in termen van uitkomsten: zijn Services-business profiteert van de investering, het is in strijd om de modellaag met Gemini, en het kan capaciteit verkopen aan de frontier labs. Bovendien heeft die capaciteit een duurzaam kostenvoordeel dankzij TPU's, wat betekent dat in een wereld waarin compute een commodity wordt — hoe moeilijk dat nu ook voor te stellen is — Google de hyperscaler is die klaarstaat om de meeste winst te maken.

Let op dat ik niet "marge" zei; als dat de zorg van Google was, zouden ze vrijwel zeker andere keuzes maken. Winst is echter een absoluut getal, en Google zet alles in — eerst zijn kasstroom, dan zijn schulden, en nu zijn eigen vermogen — om geld te verdienen aan de uitbouw van de infrastructuur.

Nvidia's Investeerbare Asset Class

Tegenwoordig hoeven bedrijfsleiders en financial engineers geen kranten te controleren; dankzij zijn nieuwe X-account kan Nvidia-CEO Jensen Huang rechtstreeks tot het publiek spreken. Uit een X-artikel van gisteravond:

NVIDIA AI Factory Compute wordt een investeerbare asset class.

Vandaag hebben we partnerschappen aangekondigd met Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs en KKR om onafhankelijke financieringsplatformen op te richten, ontworpen om meer dan $500 miljard aan kapitaal van derden te mobiliseren ter ondersteuning van de uitbouw van AI-infrastructuur over tijd.

Dit is een belangrijke mijlpaal voor NVIDIA en de AI-industrie. We zijn bewogen van een tijdperk waarin bedrijven chips kochten en datacenters project per project bouwden, naar een tijdperk waarin AI-fabrieken gefinancierd kunnen worden als productieve infrastructuur — met herhaalbare platformen, institutioneel kapitaal voor de lange termijn en een divers klantenbestand dat compute gebruikt om omzet te genereren.

AI heeft een kantelpunt bereikt. Het verschuift van onderzoek naar productie. AI creëert echte waarde, en de infrastructuur daarachter wordt een van de meest productieve activa ter wereld. In AI is compute gelijk aan omzet.

Huang betoogt dat Nvidia-gebaseerde AI-fabrieken fungibel zijn, wat de restwaarde beschermt, en dat CUDA AI-fabrieken in de loop der tijd verbetert, waardoor hun economische waarde wordt verlengd; volgens Huang:

Dit zijn de kenmerken van een investeerbare infrastructuurasset: het genereert omzet, bedient een brede markt, verbetert in prestaties naarmate de tijd verstrijkt en kan opnieuw worden ingezet.

Zo wordt geprobeerd een nieuwe investeringsstructuur te formaliseren:

De vraag naar AI-infrastructuur is buitengewoon groot. Maar de toegang tot kapitaal is ongelijk verdeeld. Veel geweldige AI-bedrijven, ondernemingen en AI-clouds hebben vraag naar compute, maar hebben nog geen toegang tot financiering op de schaal of tegen de kosten die nodig zijn om snel te bouwen. Dat is waarom we samenwerken met 's werelds toonaangevende aanbieders van langetermijnkapitaal.

Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs en KKR behoren ook tot 's werelds belangrijkste infrastructuurbeleggers, met diepe expertise in het onderschrijven van langdurige, productieve activa. Samen creëren we herhaalbare financieringsplatformen om het AI-ecosysteem te helpen de fabrieken te bouwen die het nodig heeft.

Wat Apollo et al. zijn, zijn nieuwe bronnen van kapitaal buiten de schuldenmarkten met een investeringswaardigheid (investment grade). In die zin is deze voorgestelde structuur enigszins vergelijkbaar met Google's uitgifte van eigen vermogen: een manier om financiering te verzekeren buiten obligaties om. Het verschil is echter groot: waar aandelen het potentieel voor investeerders verdunnen zonder risico toe te voegen aan het bedrijf, behoudt deze structuur de marges van Nvidia door nieuwe pools van kapitaal te vinden die bereid zijn risico te dragen.

Het is geen volledige gratis rit voor Nvidia: het bedrijf garandeert kansen met financiering op basis van restwaarde tot 25%, wat suggereert dat Huang veel meer gelooft in zijn pitch van de "investeerbare asset class" dan de markt doet. In zekere zin is dit een prijsverlaging, aangezien het doel is om de kapitaalkosten te verlagen voor entiteiten die datacenters bouwen met Nvidia-chips, door de winsten van Nvidia in te zetten voor onzekere investeringen. Die garantie is een gevolg van de agressiviteit van Google (en binnenkort Amazon): waarom zou je een datacenter bouwen met Nvidia-chips als je TPU's of Trainiums kunt kopen? (Nvidia-chips zijn waarschijnlijk beter, maar als de beperking bij nieuwe datacenters het kapitaal is, kunnen lagere voorschotprijzen belangrijker zijn dan token-efficiëntie).

Het grotere probleem van Nvidia is een probleem dat al lange tijd duidelijk is; ik schreef terug in 2024:

In de "voor-tijd", oftewel vóór de release van ChatGPT, bouwde Nvidia een behoorlijke (gratis) softwaremoat rond zijn GPU's; de uitdaging was dat het niet geheel duidelijk was wie al die software zou gaan gebruiken. Vandaag is het gebruik van die GPU's echter zeer duidelijk, en deze use-cases vinden plaats op een veel hoger niveau dan CUDA-frameworks (d.w.z. bovenop modellen). Dat, gecombineerd met de enorme prikkels om goedkopere alternatieven voor Nvidia te vinden, betekent dat zowel de druk als de mogelijkheid om aan CUDA te ontsnappen hoger is dan ooit tevoren (zelfs als dat nog ver weg is voor lager-niveau werk, vooral bij training).

De huidige situatie, waarbij Anthropic en OpenAI weg lijken te lopen, is nog problematischer: Anthropic is al jaren niet meer afhankelijk van CUDA, en OpenAI beweegt zich in die richting, althans voor inferentie. Als die bedrijven winnen, zullen de winsten van Nvidia worden ingeperkt — inderdaad, de implicatie van die garantie (backstop) is dat dit al gebeurt (dit is, overigens, waarom Huangs eerste post een open brief was ter verdediging van open modellen).

Riskante Onderneming

Uiteindelijk kost dit Nvidia misschien niets: als AI-inkomsten echt exploderen, zullen de schuldenmarkten weer openstaan en zullen bedrijven uiteindelijk terugkeren naar het financieren van infrastructuurinvesteringen via vrije kasstromen. Op dit moment bevinden we ons echter in de gevarenzone, nu hyperscalers door de schuldenmarkten razen en Google in ieder geval overgaat op eigen vermogen. In die mate dat Nvidia concurreert via vernieuwende financieringsmechanismen die uiteindelijk putten uit zaken als verzekeringsreserves (insurance floats) en pensioenfondsen en andere langlopende verplichtingen — het brood en boterwerk van de asset managers waarmee het bedrijf samenwerkt — is het risico, dat ongemarkeerd is in tegenstelling tot aandelen, aanzienlijk hoger.

Dat is waarom ik begon met 1870 en Cooke's noodlottige overeenkomst met Northern Pacific. Ja, het voordeel dat de deal Cooke bood was ongelooflijk, maar dat was met een reden: het was zeer risicovol, en het pionieren met nieuwe financieringsmechanismen diende alleen maar om de pijn te verspreiden toen alles explodeerde. Het is één ding om al je vrije kasstroom uit te geven; het is iets anders om de schuldenmarkten aan te spreken. En daarbovenop is het een volledig nieuw, zenuwslopend proces om veiligheidszoekende activa in te zetten. AI had beter kunnen leveren voordat het te laat is.