美联储开始监测AI算力债务的循环融资风险

截至2026年10月,先进算力基础设施相关债务的年内发行额已超过6800亿美元。在几乎同一份统计中,亚马逊、Alphabet、Meta、微软、Oracle、博通和英伟达七家公司的未折现租赁及合同承诺合计超过3万亿美元。

这两个数字不能直接相加。6800亿美元反映的是一段时期内的债务发行流量,3万亿美元则是七家科技公司未来可能需要承担的合同义务;前者包含已经形成的债务,后者包含尚未起租、尚未触发或尚未折现的潜在支付责任。把两者视为同一类“AI债务”,会掩盖融资关联和履约条件。

美联储在2026年11月13日发布的半年度《金融稳定报告》中,首次以专章拆解AI算力基础设施的融资结构。纽约联储同期开展的“市场联系人调查”覆盖23家券商、银行、投资基金和咨询机构,其中87%的受访者将AI列为未来12至18个月的重要金融稳定风险,高于2026年春季的50%和2025年秋季的30%。不过,报告同时注明,调查结果不代表美联储理事会或纽约联储的官方立场。

调查涉及的风险不止AI。风险资产回调以52%的提及率排在第二,其后是长期利率上升、网络攻击和财政债务可持续性,均为43%;在“潜在后果最严重”的排序中,受访者把网络攻击和财政债务可持续性排在AI之前。 美联储正在监测的是一个包含算力投资、信贷供给和网络攻击等多个环节的风险组合,而不是预设AI算力债务必然演变为危机。

这一数字是截至2026年10月的年内发行额,约为2023年全年1300亿美元的5倍。先进算力相关借款在报告统计的“非金融投资级公司债”发行额中的占比,也从2023年的不足6%升至2026年的约31%。这反映的不是单一企业突然大规模举债,而是算力基础设施正在成为公司债市场中的重要融资需求。

与6800亿美元发行流量对应的,是超过1.1万亿美元的先进算力相关公共债务未偿存量。前者回答“这一年借了多少”,后者回答“公开市场上还剩多少未偿还”,两者是流量与存量的关系。 此外,债务统计虽然覆盖公开发行及部分可追踪的私募证券交易,却没有纳入全部私人融资活动,私人信贷市场中还有大量相关交易,因此实际融资总规模难以准确计量。

最容易产生误读的,是3万亿美元表外承诺。按照截至2026年第二季度的数据,七家公司尚未起租的租赁义务超过1万亿美元;保底采购合同、照付不议合同和GPU资产残值担保等其他合同承诺超过2万亿美元。这些数字采用未折现口径,而且支付触发条件各不相同。

“尚未生效的租约”这一常见表述需要澄清:合同已经存在,但租赁付款尚未开始触发。它们并未作为同额负债直接出现在资产负债表中,采购承诺和担保也不能全部按普通借款处理。报告明确指出,由于计量方式不同,这些未折现合同义务不能与资产负债表中的债务余额直接相加。

相关融资工具也在变化,融资渠道从以公司债为主,扩展到项目融资、特殊目的实体(SPV)和私人信贷并行。中小开发商可以通过结构化工具进入市场,不必完全依赖自身信用;但融资链条越长,原始项目、担保方和最终资金提供者之间的关联就越难从单一财报中看清。

循环融资并不意味着同一笔资金被重复计算,而是一组合同、投资和债权关系形成了闭环。超大规模云厂商或芯片设计方先与第三方开发商签订长期租约,提供兜底担保或进行股权投资;开发商再凭借这些合同和信用支持,向银行、债券市场及私人信贷基金融资,用于建设数据中心或购买GPU。部分资金随后以算力租赁款或GPU采购款的形式回到最初的供应商。

在正常经营情况下,这套机制能够解决算力项目周期长、第三方开发商信用有限的问题。长期租约为项目提供相对稳定的收入预期,担保和股权投资改善融资条件,头部科技公司则有能力吸收一部分早期波动。换言之,循环融资本身不是异常信号,它首先是一种信用传导和风险分担机制。

报告披露,大型科技公司的表内债务主要由共同基金、养老基金和保险机构持有;风险较高的次级债务和股权,则更多由高收益债券基金、人寿保险机构、商业发展公司及其他私人信贷机构持有。云厂商、芯片商、开发商、SPV、银行和私人信贷基金并不是简单的上下游关系,它们可能同时持有同一项目不同层级的风险。

AI行业盈利不及预期时,压力通常先在项目现金流中显现,不会立即反映在3万亿美元这一总量数字上。第一种触发是租赁开始起租:即使项目收入弱于预期,付款义务也可能按照合同继续发生,原本延后的现金流压力因此提前显现。

第二种触发是担保被主张。GPU残值担保、兜底安排或其他支持工具并不只是风险发生时的被动记录;当交易对手提出索赔时,科技公司可能需要立即提供资金或承担其他合同责任,实际流动性影响取决于索赔条件和底层项目表现。

第三种触发出现在项目现金流走弱后:信贷条件收紧。开发商偿债能力下降,SPV和私人信贷的再融资难度上升,债务和股权资产可能被重新定价;若投资者同时降低风险敞口,压力还可能演变为连锁抛售,并拖累更广泛的经济活动。

是否因此演变为系统性风险,仍取决于承诺的实际履约节奏和底层项目表现。报告重点是识别需要密切监测的脆弱性,没有给出“到点即爆”的时间表。 如果项目现金流能够覆盖承诺、头部科技公司可以吸收部分损失,风险可能停留在项目或企业层面;如果履约缺口、担保索赔和再融资受阻同时出现,关联性才会成为更关键的问题。

美联储压力测试框架估算,美国最大几家银行对大型科技公司、数据中心开发商、先进算力相关SPV、私人信贷融资载体及公用事业公司的敞口合计接近1万亿美元。

但这1万亿美元不是“AI项目贷款余额”。它覆盖多个行业、多个法律实体和多种风险暴露口径,其中既有直接授信,也有担保、衍生品及其他关系。数字已进入年度监管压力测试,可以说明银行体系需要监测的关联程度,却不能被解释成银行已经向AI算力项目贷出了同等金额。

这七家头部公司在融资结构中具有双重作用。它们资金雄厚,可以在市场下行时吸收部分损失,发挥缓冲器作用;但其真实经济风险敞口也可能显著大于表内债务所显示的水平。美联储将这种表外承诺的累积与2008年金融危机前的结构作了类比,重点并不是断言历史必然重演,而是提示投资者:当风险大量留在表外、合同关系又不透明时,市场情绪逆转可能放大抛售。

历史上的另一个参照,是20世纪90年代末的电信宽带建设潮。本轮算力资本开支与那一轮建设占GDP比重的轨迹相近,而且当前建设速度可能更快超过上一轮。融资来源则发生了变化:当年的超大规模建设更多由债务驱动,本轮头部科技公司此前主要依靠自有现金流,如今正快速转向债务市场、私人信贷和项目融资工具。 类比能帮助识别周期特征,却不能替代对合同履约和资产现金流的逐项判断。

对开发者和技术采购方来说,需要核查的不是“3万亿美元会不会马上爆雷”,而是以下六类信息:

  • 租赁何时开始付款:区分合同签署、设备交付、项目验收和正式起租,核对起租条件、通知机制与终止条款。
  • 照付不议的边界:确认最低采购量、例外情形、抵销或转售安排,以及交易对手主张付款的具体条件。
  • GPU残值担保如何触发:核对谁有权提出索赔、采用何种估值口径、担保上限及有效期,避免只看到担保金额而忽略触发条件。
  • 底层项目现金流能否兑现:把合同收入与实际经营现金流区分开,并检查项目对持续运营支出、债务偿付和外部支持安排的依赖。
  • SPV与私人信贷能否再融资:关注到期安排、融资方集中度、契约条件和备用资金来源,而不是只看项目当前是否仍在建设。
  • 共同交易对手是否过度集中:核对云厂商、芯片商、开发商、担保方、银行、SPV和公用事业公司之间是否存在高度重叠的信用关系。

这些指标需要组合观察。单次担保索赔不等于系统性风险,某一轮融资收紧也不等于云服务即将中断;更值得警惕的是项目现金流持续弱化、起租义务照常触发、再融资渠道收窄以及共同交易对手同时承压。

至于“循环融资何解”,这份报告没有给出直接政策处方。它指出需要监测的脆弱性,并要求在判断系统性风险时回到承诺履约节奏和项目表现。 同一时期,美联储理事巴尔讨论的AI智能体加速银行挤兑、相似交易模型放大市场踩踏以及网络攻击,属于AI使用侧和金融运营风险;身份验证、权限控制等措施解决的是那些问题,不能替代对算力项目合同、担保触发条件和现金流的审查。

我的判断是,仅凭“3万亿美元”这一数字,不足以认定存在系统性危机。是否演变为系统性风险,仍需持续核验合同触发条件、底层项目现金流和融资链条。

封面图:Eccles Building (26088200676),作者 Federalreserve,Public domain,来自 Wikimedia Commons

© 版权声明
THE END
喜欢就支持一下吧
点赞0 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容