AI基礎設施的融資模式正從股權驅動轉向債務驅動,這一轉變可能埋下類似2008年次級債危機的隱患。文章《誰是AI界的“恒大”?》指出,2000年網際網路泡沫主要靠股權融資,破裂時是線性的股市危機;而當前AI基建依賴債務,一旦出問題將首先引爆債市。資料中心從拿地、舉債建設、簽訂“照付不議”合同、抵押融資到發行ABS,玩法與房地產開發無異,但疊加了“半導體快速折舊”的風險,比純房地產更危險。
目前,五大雲廠商的資本開支增速已超過現金流增速,谷歌、亞馬遜的自由現金流已轉負。只要增速放緩,二階導下降,就會走上依靠再融資續命的階段。文章還提到表外的“影子貸款”,把債務藏到表外,讓負債水平看似安全,實際更加危險。上週,輝達與Apollo、BlackRock、Goldman Sachs、KKR等機構合作,通過金融平台撬動超過5000億美元的第三方資本,用於AI計算基礎設施建設。輝達宣佈融資支援AI基礎設施,本來應該是利好,結果股價下跌約3%,市場反應表明投資者在擔憂AI資本開支的“金融槓桿”是否加得太高。
Apollo、Blackstone、KKR等是2025年出現重大危機事件的“私募信貸”機構,它們放貸靈活,沒有普通銀行的條條框框,速度快,可以支援創新產業,但透明度低,槓桿高,沒有銀行必做的“壓力測試”,誰也不知道中間埋了多少雷。此前“影子借貸”主要集中於五大雲廠商,其他第三方雲廠商沒有能力入局,但輝達攢局後,雖然目的是賣自家的GPU,但客觀上“影子借貸”蔓延到了中小第三方雲廠商。
算力金融化的趨勢越來越明顯,引發一個關鍵問題:AI增長的收入中,有多少是真實需求驅動,有多少是資本開支驅動?谷歌、亞馬遜的自由現金流轉負是標誌事件,以前AI基建主要靠主營業務的現金支撐,但從今年開始,增長越來越靠融資驅動。這不僅是槓桿風險,還涉及收入的真實性,而這個問題又加劇了槓桿風險。以OpenAI為例,如果只靠股權融資,恐怕連大模型訓練費用都承受不了。事實上,OpenAI和Anthropic根本不用給雲廠商付現款,而是“記賬”,類似航空公司對波音空客的融資租賃,還錢方式多樣化:一部分是五大雲廠商的部分投資款,把算力折成投資;一部分是算力積分券,五大雲廠商用“算力抵用券”對沖;剩下的就是OpenAI和Anthropic未來預期的收入增長,即ARR。
從外表看,微軟增加資本開支,購買GPU、建設資料中心,產生AI服務收入,AI公司再購買雲服務,形成新的收入,從大模型廠商到五大雲廠商,從資料中心到第三方算力租賃,從輝達到上游供應鏈,訂單看上去很繁榮。實際上,相當一部分收入是你欠我的,我欠他的,他欠你的,導致AI收入缺乏“獨立性”,並非完全自發產生。投資AI產業鏈,不能只看訂單,關鍵在於AI需求的源頭有多少來自終端使用者,有多少來自產業鏈內部的錢。後者雖然不算是“虛假需求”,但至少是打折扣的需求。真正的獨立需求應剔除雲廠商自建AI、戰略投資、算力預付款、雲積分“算力抵用券”之後的純現金流收入。
獨立需求很難統計,但有一個代替指標,就是“資本開支的二階導數”。資本開支的一階導數是資本開支增長速度,二階導數對應需求增長速度是否繼續加快。資本開支轉化為需求的效率再高,也只能推動一階導數,二階導數的持續向上,一定是有系統外的新需求,比如今年的AI程式設計和Agent的需求。只要二階導下降,就代表新增收入不能對應新增資本開支,只能依賴再融資。當AI逐漸變成一個信用週期,就需要穿越AI產業鏈的債權債務關係。
如果把AI基礎設施債務穿透到底層,最終承擔者不是某一家AI公司,而是一條很長的金融鏈條中的不同深度的參與者。債務的表面承擔者是AI大模型公司和雲廠商,都是巨無霸,這是很多人認為AI債務風險不大的原因。它們之間有長期合同,承諾未來10年每年採購多少GPU算力,從會計角度可能不會馬上顯示為債務,但實際上是用未來的現金流擔保。越來越多表外的借錢人是資料中心SPV,成立特殊SPV公司負責購買與建設AI資產,並承擔債務,收入主要是OpenAI和Anthropic的長期租賃費。這個結構從法律上說債務在SPV,五大雲廠商和輝達的賬面上看不到,但實際上就是他們的債務。AI基建早期的債權屬於銀行,但銀行通常不會長期持有全部風險,會打包變成ABS出售,就像2008年一樣。真正的最終債權人是機構投資者,ABS賣給了養老金和保險公司,SPV背後還有私募信貸基金。當然,最終實際承擔者還是普通投資者。
理解債權債務關係後,下一步是尋找最脆弱的環節。從壓力出現的時間看,最先承壓的是AI應用公司和小型AI創業公司,算力昂貴,競爭激烈,收入低於成本,一旦AI需求放緩,會最快死亡。第二環是資料中心運營商,資產極重,負債率極高,收入依賴少數大客戶,GPU快速折舊,一旦大客戶減少採購,空置率上升,很快就會陷入債務危機,這是最接近房地產開發商的環節。第三環是五大雲廠商和輝達,目前還是主要債務人,是AI債務真正的“承重牆”,但資產負債表強,客戶多,AI只是雲業務的一部分,囤積的GPU就算AI需求下降,還可以用於普通雲端計算,更可能經歷“投資回報下降”,而不是“債務危機”,但對股東而言,估值殺個50%是大機率事件。最後一環是OpenAI、Anthropic等大模型廠商,雖然危機最初是他們的收入增速下降引發,但因為融資主要是股權,沒有剛性到期債務,如果沒有上市,那反而是最安全的。不過OpenAI與Anthropic之間的區別可能比它們與其他環節的區別更大。Anthropic的收入大約有80%來自企業客戶,粘性強、收入穩定,單位經濟效益已脫離虧損區,現金消耗率正在收斂。相比之下,OpenAI更脆弱,收入大約有60%來自個人消費者,現金消耗率極高,在2027年之前都將維持在57%左右,目前看不到實現正向現金流的途徑。Anthropic的大部分債務受到保護,比如在Apollo和Blackstone提供的約350億美元TPU算力融資專案中,Anthropic的債券借用了其投資級支持者的信用評級。而OpenAI沒有真正的聯合簽署人,微軟在2026年4月撤掉了所有的結構性支撐。軟銀曾以OpenAI股權為抵押,籌集100億美元保證金貸款,因貸款方猶豫,軟銀甚至提供個人擔保。OpenAI憑藉獨特地位,自身債務風險不大,但卻是整個AI生態系統中最可能引發危機的“雷”。
如果發生最壞情況,類似2008年席捲全球的債務危機,產業鏈最安全的是輝達,但股東手裡的股票跌個50%是起步價。其次是OpenAI與Anthropic,再次是除甲骨文外的雲巨頭。甲骨文的還本付息率僅為48%,如果風險等級提升,融資利率提高,很可能立刻陷入債務危機。依靠融資擴張的AI創業公司,融資一減速,立刻現金流枯竭,數量巨大,對實體經濟影響不可小看。擁有大量融資專案的AI資料中心,無論是繁榮時的延期,還是衰退期的租賃價格下降,都足以形成危機。最危險的環節是第三方GPU租賃和新型算力雲公司,核心商業模式是大量買GPU出租,賺GPU差價和算力通脹溢價,槓桿率極高,一旦需求過剩,立刻資不抵債。最典型的是CoreWeave,被稱為“AI雲端計算行業的恒大”。公司憑藉專為AI最佳化的技術棧和高效的資本運作,成為少數能大規模快速交付最新AI基礎設施的專業雲廠商,但更創新的是融資結構,通過將客戶的長期合同作為底層資產進行債務融資,以遠低於自身主體的成本獲取擴張資金,形成“訂單-融資-擴張-再接單”的增長飛輪,本質上就是房地產快速擴張的模式。公司債務股本比高達13.8,持續鉅額資本開支,淨利潤持續為負,調整後經營利潤率指引8%遠低於長期目標25%~30%,短時間內交付數百億乃至上千億美元的訂單,供應鏈極容易出問題。由於合同已全部抵押出去,一旦收入增速低於預期或低於GPU折舊,資產減值壓力會很快壓垮資產負債表。以CoreWeave為代表的高槓杆、快速擴張的第三方算力租賃,是未來最有可能爆雷的環節。
如果危機升級,可能先後出現幾個風險事件。第一件是OpenAI的IPO。目前OpenAI和Anthropic的付款主要靠訂單融資,融資能力是運營成本的核心環節,優越融資條件維持的前提是每一輪新融資估值必須高於上一輪,所以OpenAI的IPO定價至關重要,定價過低或上市後高開低走都不利於下一步融資。私募信貸資訊可以不公開,但IPO會披露每一個財務細節,足以構成風險事件,可能發生在今年年底到明年年初。第二件是借款人為了保留現金,縮減對算力的承諾。當大模型公司的ARR無法維持持續增長,就會發生訂單義務縮減,構成合同違約,成為標誌性事件,類似房地產泡沫後出現第一批“爛尾樓”。第三件是違約事件最先打擊這兩年風頭無雙的新型雲端計算公司,如CoreWeave、Lambda和Crusoe。當GPU購買和出租利差發生倒掛時,它們實際上就已資不抵債,第一個倒下的公司可能構成“恒大時刻”,CoreWeave的倒下類似碧桂園,被認為相對安全的甲骨文類似萬科。關鍵在於,當一件事發生,其他事件就不可避免。第四件是整個AI體系的信貸凍結。此時剩餘履約義務將被重新定價為交易對手風險,以GPU為擔保的票據將無法展期,上游產業鏈(包括A股的算力鏈企業)大面積資產減值。債務風險充分暴露後主要影響股市,股權價值將遭毀滅性打擊,所有公司估值被殺到歷史最低水平,包括五大雲廠商,然後進入漫長的“殺業績”週期。
但AI與房地產最大的區別在於,技術仍然在進步,實際滲透率仍然在上升,需求仍然在高速增長,只是之前的基建太過超前。所以到最後,那些資本最雄厚、在AI基建中投入最謹慎、風險敞口最小的參與者,將以極低的價格收購被擱置的資料中心專案,併為必須存續的租賃合同提供擔保。也許是蘋果,也許是輝達,也許是巴菲特。此時,債務危機引發的經濟衰退已經好幾年,美聯儲一路把利率降到3%以內,卸掉槓桿負擔的AI產業鏈,以較低的成本重新開始一輪大規模基建,才能進入下一個繁榮週期。