🔴 风险 · 金融观察

3万亿美元隐形债务浮出水面:“AI基建潮”会引发下一场次贷危机吗?

科技巨头在AI基础设施上的表外承诺已接近3万亿美元,是传统资本开支的5倍。这笔庞大的隐形债务,正在将AI投资从企业内部的资本开支,变成一轮由信用扩张驱动的金融冒险。

综合公开信息整理 2026-08-20 全文约 4 分钟读完
#AI基建 #表外债务 #信用风险 #金融稳定
≈ 3 万亿 美元表外承诺总额
1.2 万亿 美元未起租租约
5 倍 传统资本开支的倍数
9 家 科技巨头涉及其中

注:数据基于海外媒体对 Alphabet、亚马逊、微软、Meta、Oracle、英伟达、Broadcom、SpaceX、AMD 九家公司最新监管文件的梳理,为表外承诺总额,非传统资产负债表内负债。

⚡ 30 秒速览

  • 规模惊人:9 家科技巨头表外承诺接近 3 万亿美元,是传统资本开支的 5 倍,将 AI 投资从内部支出推向信用扩张。
  • 结构相似:长期租约被用作“增信装置”,项目公司通过 SPV 融资,风险从科技公司股东向信用市场延伸。
  • 三重错配:设施、设备与需求周期不一致,固定付款锁定了未来,但收入却充满变数。
  • 尚非 2008:核心租户信用远强于次贷借款人,债务尚未被广泛证券化和短期融资,但风险传导通道已经清晰。

01隐形债务的惊人规模 表外承诺 3 万亿美元

当市场还在争论 AI 大模型能否盈利时,一笔庞大的隐形债务已经悄然堆积。外媒梳理发现,九家科技巨头的表外承诺总额接近 3 万亿美元,约为其过去一年披露的传统资本开支(约 6000 亿美元)的 5 倍,也是其表内存量租赁负债和长期借款的约 3 倍

这笔债务主要由两部分构成:约 1.2 万亿美元尚未起租的租约承诺,以及约 1.9 万亿美元的采购及其他合同义务。由于相关资产或服务尚未交付,这些承诺未被确认为表内负债,但大多不可取消。这意味着,即使未来 AI 收入低于预期,科技公司可能仍需要为无法产生足够回报的基础设施持续付款。

风险正在从股票市场向信用市场蔓延。

注:表外承诺包括长期租约、采购合同及其他不可撤销的付款义务,其经济效果类似于负债,但存在于资产负债表之外。

02“次贷式”结构如何形成 从资本开支到信用扩张

科技巨头并不总是直接建设数据中心。它们与 SPV(特殊目的实体)或合资项目公司合作,由项目公司持有资产,再以未来租金为基础向私人信贷和机构投资者举债。国际清算银行将这类结构称为“影子借贷”。

传统基建投资模式

企业自有资金 + 项目贷款,资产在表内,风险由股东和银行直接承担。

AI 基建金融化模式

表外 SPV + 长期租约 + 私人信贷,资产在表外,风险通过合同向信用市场扩散。

长期租约在这里扮演了“增信装置”的角色。科技巨头的信用,通过合同从自身资产负债表传递到外部的数据中心项目。金融机构最关心的不是 GPU 现在值多少钱,而是谁会在未来十几年持续付款。

一条清晰的风险传导链正在形成:

AI 收入不及预期科技公司信用成本上升新增租约减少数据中心估值下降再融资困难信用收缩

注:以上传导链基于国际清算银行年度经济报告及多家机构分析,反映当前 AI 基建融资结构的潜在风险路径。

03风险传导的三重错配 三个案例剖析

AI 数据中心里同时存在三只时钟:设施按几十年建设,计算设备按几年换代,客户需求则可能按季度变化。当金融市场用长期债务把三只时钟锁在一起,错配随之产生。

⏳ 第一重:设施 vs 设备 折旧加速

  • 亚马逊 2025 年将部分服务器和网络设备的预计使用寿命从六年缩短至五年,理由正是 AI 技术发展加快。
  • 这一调整使折旧及摊销费用增加 14 亿美元,净利润减少 10 亿美元
  • 建筑还很新,但里面的设备已经落后一代。技术更新越快,旧设备淘汰越快。
用长期设施和长期债务的融资方式,承担计算设备快速贬值的风险。

📄 第二重:租约 vs 收入 期限错配

  • CoreWeave 与 Core Scientific 签订 12 年合同,潜在收入超 100 亿美元;但 CoreWeave 自身客户合同的加权平均期限仅约 5 年
  • 前五年有客户覆盖成本,五年后 CoreWeave 仍需履行更长期的基础设施合同,却要重新争取客户。
  • 届时 GPU 价格、模型架构和市场竞争可能已经变化,算力未必能维持同样的价格和利用率。
上游付款锁定得越久,下游收入的不确定性就越容易被放大。

🎯 第三重:分散 vs 集中 信用集中

  • 项目分布在路易斯安那、得克萨斯、佐治亚等地,由不同开发商和 SPV 持有,看起来彼此独立。
  • 但沿着合同向上追溯,付款人很快收敛到少数几家公司:微软在 2024 年贡献了 CoreWeave 约 62% 的收入
  • 大量合同都在押注同一个 AI 需求周期。资产分散,信用风险却高度集中。
当少数核心客户同时削减投资时,分散在不同 SPV 里的项目会一起面临估值下降和再融资困难。

注:三个案例分别对应技术迭代风险、收入不确定性风险和信用集中风险,它们会相互强化,加速风险传导。

04为什么这次不一样? 与 2008 的临界距离

一个诚实的注脚:

它还不是 2008,至少现在不是。

2008 年次贷危机

高杠杆(投行 40 倍)、短期融资(隔夜资金)、大量证券化分层产品、借款人信用薄弱。

AI 基建融资(当前)

核心租户为投资级科技巨头,债务以长期为主,尚未形成大规模证券化和短期融资结构。

但真正的区别不在于风险是否已经爆发,而在于风险升级的门槛已经清晰可见:

当越来越多项目依赖 短期融资滚动长期债务,当缺乏流动性的项目贷款被装进 可以随时赎回的基金,当相似债务被 证券化、分层销售并集中进入同一批金融机构——一次需求下滑就可能同时触发抵押品贬值、融资收缩和被迫抛售。

最脆弱的环节不是科技巨头,而是那些杠杆更高、客户更少、依赖持续融资的数据中心开发商和 AI 云服务商。

注:对比基于美国金融危机调查委员会报告与国际清算银行 2026 年年度经济报告,当前 AI 基建融资结构尚未达到 2008 年的系统性风险水平。

编辑核心判断

真实需求不能阻止泡沫,现金流才能偿还债务。AI 需求决定这些基础设施最终有没有用途,现金流却决定它们能不能还债——而危机通常发生在两者之间的距离被低估的时候。

风险观察窗口

未来几个季度,以下指标值得持续跟踪:CDS 利差变化、私人信贷基金净值波动、银行对 AI 相关行业的信贷承诺增速,以及科技巨头新增租约的节奏与条款。

当 AI 投资从“增长故事”变为“信用故事”,风险定价的逻辑已经改变。