伊丽莎白·克雷克（Elisabeth Krecké）是一位常驻卢森堡的独立经济学家，也是前政策顾问和大学教授。她的研究重点在于经济学与监管领域。星期二8月18日，克雷克教授在《地缘政治情报服务》杂志发表题为“人工智能建设浪潮建立在隐性债务之上”的评论，着重强调－－人工智能基础设施建设越来越依赖不体现在企业资产负债表上的债务，从而把风险敞口扩散到科技行业之外：

简而言之

· 到2030年，人工智能数据中心支出可能达到7万亿美元

· 五家超大规模云计算企业在2025年发行了创纪录的1210亿美元债务

· 特殊目的实体使大量人工智能相关债务不体现在企业资产负债表上

人工智能或许是一场数字革命，但它的基础绝非虚拟。每一个人工智能应用背后——从最简单的聊天机器人到最先进的自主系统——都存在一套必须被建设、融资、供电和维护的大规模实体基础设施。

而为这些基础设施融资，正越来越意味着一件事：债务。债务也带来了新的风险，并由此引发一个问题：人工智能繁荣究竟在多大程度上具有真正的金融稳定性？

混凝土、芯片与电力

未来几年，需要数以百万计的服务器全天候训练和运行越来越复杂的模型。这将要求全球数据中心容量大幅扩张。新的设施将拔地而起。现有园区将继续扩建。越来越强大的图形处理器集群将被部署其中。

这一建设过程将消耗数量巨大的半导体、存储系统、网络设备、光纤电缆、冷却技术，以及最重要的——海量电力。在正在形成的人工智能经济中，算力——也就是处理能力、硬件、数据存储和能源的组合——正同时成为一种战略资源和关键生产要素。

所有这一切都需要巨额资本。根据麦肯锡的估计，到2030年，全球用于人工智能相关数据中心及其配套基础设施的支出可能高达7万亿美元。一些观察人士认为，这可能成为历史上规模最大的和平时期投资项目。可以肯定的是，这也是人类有史以来对一种经济模式尚未得到验证的技术所下的最大赌注之一。

谁来付钱？谁来承担风险？如果预期被证明是错误的，最终又是谁会暴露在风险之下？

繁荣还是泡沫？

如果人工智能需求哪怕只是温和放缓，其影响也可能十分重大。数据中心可能会在实际需求出现之前就被建成。产能可能超过需求。资本可能被困在无效资产之中。经济学家称之为过度投资或资本错配。投资者则称之为亏损。

有一种限制因素很少出现在金融模型中。建设和运营人工智能基础设施需要大量土地、水和电力。随着建设加速，这些资源将与其他经济和社会优先事项形成竞争。地方社区已经开始注意到这一点。在一些地区，反对声音已经出现。

如果最终有数千亿美元被锁定在那些后来被证明没有预期中那么必要、或者比预想更快过时的基础设施上，后果将不会仅仅局限于科技行业。它们还会波及贷款机构、投资者和金融市场。

人工智能的经济效益是否足以证明目前如此大规模的投资是合理的？如果这个行业因为估值冲击、商业冲突或技术变化而出现不稳定，那么仅仅由于已有如此庞大的资本卷入其中，其后果是否可能演变成系统性风险？

脆弱的商业模式

仅仅是人工智能公司的估值就足以令人警惕。2025年底，人工智能处理器领域占主导地位的设计商英伟达成为全球市值最高的上市公司，其市值一度超过5万亿美元。如今，已有超过1000家人工智能初创企业估值超过1亿美元。数百家企业已经成为估值超过10亿美元的独角兽公司。也许市场正在正确地为未来定价。也许不是。

2025年10月，软银出售了其持有的全部英伟达股份——3210万股——套现58.3亿美元。一笔交易本身说明不了太多问题。但它确实表明，至少有一些经验丰富的投资者可能认为，这个行业某些部分的估值已经远远跑在基本面之前。

估值只是整个故事的一部分。这个行业许多估值最高的公司仍然处于严重亏损状态。例如，开放人工智能公司发布的聊天生成式预训练转换器帮助点燃了当前的人工智能竞赛；尽管多年持续亏损，其估值仍达到约8500亿美元。据估计，仅在2025年，该公司的经营层面亏损就达到约210亿美元。

一家公司的投资，会变成另一家公司的收入，反之亦然。

估值与盈利能力之间的差距十分惊人。收入与支出雄心之间的差距同样如此。开放人工智能公司2025年的收入约为130亿美元。然而，首席执行官萨姆·奥尔特曼（Sam Altman）曾表示，未来八年其基础设施承诺可能高达1.4万亿美元。只有在收入实现大幅增长并且连续多年保持这种增长的情况下，这种雄心才说得通。这里几乎没有给失望留下任何余地。

问题在于变现：如何通过人工智能赚钱。数百万人正在使用人工智能系统，企业也在试验这些系统。人工智能的普及速度非常快，但流行并不必然带来利润。许多消费者仍然不愿意为人工智能服务付费。许多企业仍在寻找能够产生可衡量经济价值的应用。技术已经到来。商业模式仍在接受检验。

循环资本流动

人工智能繁荣建立在一个乐观假设之上：对算力的需求将几乎无限地持续增长。然而，其中一部分需求可能并不像表面看上去那样独立。人工智能行业通过密集的商业关系和战略伙伴关系网络彼此绑定。公司相互投资。随后，它们又利用这些资本向最初提供资本的同一批公司购买商品和服务。

英伟达就是一个鲜明例子。该公司已经持有多家人工智能开发商和云服务提供商的股权，而这些企业的扩张反过来又推动了对英伟达芯片的需求。其中包括在开放人工智能公司最近一轮融资中投入300亿美元，以及对核心编织、内比乌斯和安特罗匹克进行规模较小的股权投资。

一家公司的投资，会变成另一家公司的收入，反之亦然。

一些观察人士认为，这类似于一种由供应商实际上补贴其最大客户的体系，从而帮助维持——或者按照批评者的说法，人为抬高——对其自身产品的需求。业内人士斯特凡诺·迈内蒂（Stefano Mainetti）把该行业的部分运作描述为存在于“封闭回路”之中，而这种结构促成了某种形式的“复杂需求工程”。

这种机制非常强大。增长吸引投资，投资制造需求，需求又为进一步投资提供合理性；这一循环可以持续很长时间。危险在于，即使脆弱性正在表面之下不断积累，它仍然可能制造出需求永不枯竭的表象。

信贷超级周期

五家美国超大规模云计算企业已经成为人工智能基础设施建设的主导者：亚马逊、字母表公司——谷歌的母公司——、元宇宙平台公司、微软和甲骨文。根据摩根士丹利的估计，这五家公司合计预计将在2026年投入约8000亿美元资本支出，并在2027年投入接近1.1万亿美元。

目前看来，只有这些超大规模企业似乎有能力仅依靠经营现金流为如此庞大的投资提供资金。然而，即使是它们，也正在增加借款。2025年，这五家公司发行了创纪录的1210亿美元债务——超过2020年至2024年期间年均借款额的四倍。它们的借款规模已经大到足以与美国大型银行比肩，成为投资级债券市场上的主要发行者。

在这一小群拥有最高信用评级的全球企业之外，情况看起来就没有那么令人安心了。许多人工智能公司尽管利润很少，甚至没有利润，却仍在大举借债。一个突出的例子是埃隆·马斯克（Elon Musk）的人工智能企业艾克斯人工智能公司。该公司在亏损不断增加的同时仍愿意继续举债，这使一些批评人士把这种战略形容为鲁莽。人工智能繁荣已经变成了一个信贷故事——或者正如金融分析师斯蒂芬·英尼斯（Stephen Innes）所说，是一个信贷超级周期。

隐性债务

最大的人工智能借款方正面临一项艰巨任务：如何说服投资者，相不断上升的债务是建设未来所必须付出的代价，而不是脆弱性日益加剧的迹象。

部分答案在于越来越复杂的融资结构，这些结构旨在把债务留在企业资产负债表之外。其核心是所谓的特殊目的实体。这些实体通常由私人信贷、机构投资者和大型银行提供支持。

这种安排大致如下运作。特殊目的实体拥有基础资产：土地、数据中心、服务器、计算设备等等。然后，科技公司通过长期合同租赁这些基础设施。

债务主要留在特殊目的实体内部，而不是体现在科技公司的资产负债表上。科技公司的租赁付款产生现金流，用于偿还这些债务，而最终提供融资的则是私人信贷基金、保险公司、养老基金和其他机构投资者。

这种安排的吸引力十分明显。人工智能公司能够获得巨额资金，同时保住自己的信用评级和借款能力。但批评者看到的是另一回事，一些人把这些结构形容为人工智能繁荣背后的隐性债务。另一些人则称其为会计手法。国际清算银行采用了一个更为克制的说法：影子借贷。

这些安排本身并没有什么不当之处。几十年来，特殊目的实体一直被用来为基础设施、房地产和能源项目提供融资。然而，它们在人工智能领域中日益扩大的作用提出了一个显而易见的问题：如果数十亿美元的债务义务存在于传统债务指标之外，那么整个行业究竟正在积累多高的杠杆？

分散风险

与此同时，银行正变得更加谨慎。据《金融时报》报道，即使是全球一些最大的贷款机构——包括摩根大通、摩根士丹利、三井住友银行和三菱日联银行——也正在接近内部风险敞口上限，据报道，其中一些银行已经开始对不断增加的“数据中心债务过剩”感到难以承受。

它们的应对方式并不陌生。首先是银团贷款：多家银行共同分担一笔大型贷款。风险因此被分散到多个资产负债表上。随后是分销，银行越来越多地把这些贷款的一部分出售给非银行投资者，有时还会以折价方式出售。

它们也越来越多地使用重大风险转移工具。这些结构使银行能够把贷款组合中的部分信用风险转移给外部投资者，而不必把相关基础资产从自己的资产负债表中移除。买方通常包括私人信贷基金、对冲基金、养老基金和保险公司。

这个过程并未就此停止。根据英格兰银行的说法，银行和非银行机构向人工智能行业发放的部分贷款，随后还会被重新打包成担保贷款凭证结构，从而把风险敞口进一步扩散到整个金融体系之中。债务被切割、捆绑并再次出售。每经过一步，风险究竟位于何处就变得更加难以识别。如果情况恶化，损失可能会在远离最初发放贷款的地方暴露出来。

这种模式在以往的信贷周期中曾经出现过。

事态发展的可能性

最可能：人工智能金融化

这一情景的轮廓在2026年8月10日已经显现，当时英伟达宣布与阿波罗、贝莱德、黑石、布鲁克菲尔德、高盛和科尔伯格·克拉维斯·罗伯茨公司建立合作伙伴关系，以创建算力融资平台，为人工智能基础设施动员超过5000亿美元的第三方资本。这些协议目前还是谅解备忘录；尚未筹集任何资本，最终结构也仍未确定。英伟达表示，它可能为总额的最多四分之一提供支持，也就是大约1250亿美元，而这一承诺不会作为债务出现在其资产负债表上。

这项宣布的重要意义，与其说在于金额本身，不如说在于它所启动的进程。世界上一些最大的资产管理公司、私人信贷投资者和投资银行，如今正在直接进入人工智能基础设施融资领域。

在这一情景下，华尔街将成为人工智能建设机制中不可或缺的一部分。反过来，算力本身也会获得一种独立的金融生命。最初只是科技公司资产负债表上的资本支出，如今将通过全球金融市场被融资、租赁、持有和交易。

这个故事已经不再仅仅是人工智能基础设施通过隐性债务或表外债务获得融资。它正在变成这样一个故事：人工智能基础设施本身被转化为一种金融资产，而与之相伴的风险也因此被分散到整个金融体系之中。

可能性较低：人工智能泡沫破裂

到目前为止，全球市场已经吸收了人工智能相关债务的巨大浪潮，而没有发生崩溃。但如果投资大幅跑在实际需求之前，估值可能下跌，项目可能失败，损失也可能通过特殊目的实体扩散到银行、私人信贷基金和机构投资者之中。金融体系在人工智能建设上的投入越深，人工智能行业下行所造成的影响就越难被限制在一个局部范围内。

最初只是科技行业的一次调整，在最坏情况下可能演变成更广泛的金融危机。考虑到投机过度的迹象日益增多，而且越来越多机构都持有同一场押注的一部分，这种情景不能被排除。

无论哪种情况都很可能发生：政府介入

即使这场繁荣最终以一次痛苦的调整收场，各国政府仍可能拒绝让这个行业长时间收缩。人工智能被广泛视为一种战略资产：它对于竞争力、主权、军事能力和地缘政治影响力都过于重要，不能完全交给市场力量决定。

华盛顿的“星际之门”计划已经指向这一方向。欧盟的人工智能投资计划也是如此，中国对人工智能基础设施的大规模国家支持同样如此。对于各国政府而言，人工智能已经不再只是一项商业技术。它如今已经成为国家力量的一种工具。

在这种情景下，即使出现亏损，建设仍会继续。成本并不会消失，而是会从企业转移到投资者，再从投资者转移到政府——最终，从政府转移到纳税人。