AI基建正经历根本性融资范式切换

AI资本开支已越过临界点——从依赖内部经营现金流，转向系统性依赖金融体系输血。这一转变并非渐进调整，而是结构性跃迁：当五家头部云厂商资本开支占收入比重由2023年的12%飙升至2025年的23%，并预计在2027年突破40%，其自由现金流已无法支撑扩张节奏。市场一致预期显示，2026–2030年行业AI资本开支约5.6万亿美元，其中约3.5万亿美元需外部融资补足。这不是预测数字的堆砌，而是现金流能力与投资节奏脱钩后必然形成的融资缺口。

3.5万亿美元不是抽象总量，而是五类资金的现实拼图

这并非单一渠道可解的难题，而是一套分层承接、风险错配、期限错位的融资结构： 投资级债券承担压舱石角色（1.5万亿美元），依托云厂商强现金流与低杠杆基础，但长期大规模发行将推高科技债在指数中的权重，倒逼信用利差走阔； 私募资本成为最大弹性来源（1.1万亿美元），通过SPV、JV及夹层结构实现表外化操作，既缓解云厂商并表压力，也容纳建设期高不确定性，但其实际落地受限于基金流动性与现金分配率——当前私募股权基金现金分配占比已降至6%，创近年新低； 公开市场股权提供0.4万亿美元支持，标志“再股权化”趋势重启，但高度敏感于估值窗口，一旦市场波动加剧，IPO与增发节奏将迅速收缩； 杠杆融资（0.3万亿美元）聚焦Neocloud与HPC运营商等成长中段主体，承担技术迭代与租约落地风险； 证券化产品（0.3万亿美元）则推动信用基础从企业整体转向单体资产，前提是租约稳定、设备残值可估——而GPU等硬件的加速折旧，正持续挑战这一前提。

偿债能力不取决于融资规模，而取决于三个硬约束

所谓“万亿美元回本门槛”，本质是ROIC、利润率与资产寿命三者的函数关系。我们测算：在10%税前资本回报率要求下，AI应用需形成约1万亿美元可持续年收入。但这只是表象——真正决定能否回本的，是成熟期EBITDA利润率能否达50%、基础设施经济寿命能否维持5年以上。若利润率滑落至20%，即便资产可用十年，亦难覆盖资金成本；若折旧年限压缩至4年，即使利润率达标，回报亦被大幅稀释。当前大模型公司调整后净亏损率仍达300%–500%，说明商业化尚未穿越盈亏平衡线，所有融资安排都建立在对未来现金流的跨期折现之上。

金融机构收获“收入前置”，却埋下“风险后置”的伏笔

银行非息收入在2026年二季度同比激增32%，源于承销、并购顾问与项目贷款的集中确认。但信用风险尚未显性化——建设期贷款多在投产后才暴露利用率不足、租约违约或租金拖欠；再融资压力将在2027–2032年集中爆发，彼时年均债券到期规模达280亿美元，较前期上升60%。更关键的是风险传导链条：云厂商信用是整条链的锚点，其CDS利差已出现分化——Oracle与CoreWeave利差超180bp、600bp，而微软、Meta仍维持在45–80bp区间，说明市场正在用价格筛选真实偿债能力，而非笼统押注“AI概念”。

这不是泡沫，而是对商业闭环的终极压力测试

融资规模本身不构成泡沫判据。泡沫的临界点在于：当融资成本开始攀升、资产估值持续回落、二手GPU残值加速衰减时，是否已有足够稳定的现金流循环来承接债务滚续？答案不在财报里，而在企业采购AI服务的实际支出增速、SaaS客户续约率、数据中心上架率与电费转化率之中。金融体系此刻扮演的是“基建加速器”，但最终验收者，永远是真实世界的需求侧。