中金：AI的金融时刻

AI 基建资本开支：从现金流到债务。大型云厂商资本开支占收入比例由 2023 年的约 12% 升至 2025 年的约 23%，预计 2027 年可能进一步升至 40% 以上，接近甚至超过互联网和能源行业历史高点。在 AI 资本开支压力下，云厂商投资将从经营性现金流转向更多依赖外部融资。测算显示，未来五年 AI 资本开支有望创造约 3.5 万亿美元的外部融资需求。

3.5 万亿美元从哪里来？基准情形下，预计 3.5 万亿美元外部融资将分别由公开市场股权（0.4 万亿）、投资级债券（1.5 万亿）、杠杆融资（0.3 万亿）、资产证券化产品（0.3 万亿）和私募资本（1.1 万亿）承接。其中，投资级债券和私募资本是融资压舱石：前者依赖云厂商资产负债表扩张和偿债能力，后者则能灵活补充高风险、大规模项目的融资缺口。

一个万亿美元的问题：AI 债务如何偿还？为满足偿债和股东回报，假设 ROIC 为 10%，估算 AI 应用最终需形成每年约 1 万亿美元的可持续收入。若 2030 年前达到该规模，意味着未来 5 年 AI 应用收入需年均近翻倍增长。比收入规模更重要的是利润率和资产寿命：在约 50% 的成熟期 EBITDA 利润率下，基础设施折旧年限需达约 5 年才有望获得正回报；若利润率低于 20%，即使资产寿命较长也难以覆盖资本成本。

再融资能替代现金流吗？虽然长期债券和基础设施基金可争取时间，但再融资不能替代现金流。若项目利用率、利润率和资产寿命长期低于预期，持续滚动融资将推高杠杆和成本。测算显示，2027-2032 年大型云厂商债券到期进入高峰期，每年到期规模约 280 亿美元，较 2024-2026 年上升 60%，再融资压力显著上升。

金融机构的机遇与风险。银行可从股债承销、交易、并购顾问和项目融资中获利，私募资本和保险机构则获得新的长期资产。2026 年二季度，美国六大银行非息收入同比增长 32%；截至 2026 年 6 月，银行对非银金融机构贷款同比增长约 25%，AI 融资是重要增量。银行收入往往在融资和建设阶段确认，信用风险则在项目投产和再融资阶段显现，呈现“收入前置、风险后置”特征。

AI 是金融“泡沫”吗？当前 AI 投资主体仍以现金流较强的大型云厂商为主，股权及次级资本可在优先级贷款前吸收损失。即使部分项目回报不及预期，风险更可能首先表现为估值调整、资本开支放缓和局部信用损失，而非立即转化为系统性危机。但若商业化增长持续慢于资本开支，风险将由估值回调转向信用质量恶化，并通过循环融资、私募信贷和证券化等渠道在金融体系传导。真正的检验在于能否在融资成本上升和资产贬值前形成现金流闭环。

AI 商业化进展不及预期，AI 资本开支及融资需求低于预期，资本市场融资条件收紧

市场对未来 5 年 AI 资本开支预测多在 4 万亿 -8 万亿美元之间。我们选取市场一致预期的约 5.6 万亿美元作为 2026-2030 年假设。以五家大型云厂商 2025 年资本开支为基数，并使用 NVIDIA 和 AMD 的 AI 相关收入预期作为代理指标倒推，发现芯片厂商 AI 收入 5 年复合增速预期（约 44%）明显高于云厂商经营现金流支持的资本开支增速预期（约 21%）。这表明单纯依赖云厂商经营现金流难以支撑 AI 资本开支，未来需更多外部融资支持。

截至 2025 年末，微软、亚马逊、Alphabet、Meta 和甲骨文合计资产约 2.6 万亿美元，资产负债率约 45%，净债务/EBITDA 仅约 0.3 倍；五家公司每年合计产生约 5800 亿美元经营现金流。但在 AI 资本开支压力下，部分云厂商杠杆率上升。资本开支占收入比例由 2023 年的约 12% 升至 2025 年的约 23%，预计 2027 年可能进一步升至 40% 以上。市场预期大型云厂商合计自由现金流可能由 2025 年的约 2000 亿美元降至 2027 年的约 240 亿美元，用于股票回购、分红和其他用途的资金相应减少。因此，大型云厂商的 AI 投资可能从经营性现金流转向更多依赖外部融资。

我们以 2025 年底市场对大型云厂商资本开支的一致预期作为经营现金流能够支持的资本开支假设（约 2.1 万亿美元），此时云厂商尚未开启大规模外部融资；将扣除这一部分的行业资本开支预期作为从外部融资的规模（约 3.5 万亿美元）。

预计 2026-2030 年投资级债券可为 AI 投资提供约 1.5 万亿美元资金，占外部融资需求的约 42%，是最大的单一融资渠道。大型云厂商拥有较强的经营现金流、较低初始杠杆和投资级信用评级，可以在全球债券市场获得规模较大、期限较长且成本相对较低的资金。测算其发债空间约为 1.2 万亿 -2.3 万亿美元。

2026 年初至今，五家大型云厂商债券发行规模已达到约 1900 亿美元，创历史新高，发行币种也由美元进一步扩展至欧元、英镑和加元。投资级债券市场有能力承担 AI 融资的主体部分，但持续的大规模、长久期债券供给也可能推高科技行业在信用指数中的集中度，带来长端信用利差扩大、融资成本上升及评级约束增强等问题。

通过杠杆融资和投资级债券的市场容量比例（约 20%）估算，高收益债券和杠杆贷款可为 AI 投资提供约 0.3 万亿美元资金，占外部融资需求的约 8%。这一市场主要服务于尚未获得投资级评级、但具有一定收入和资产基础的 Neocloud、HPC 运营商及数据中心企业。

假设 20% 的项目股权比例，其中 50% 由公开股权提供，估算 2026-2030 年公开市场股权可为 AI 投资提供约 0.4 万亿美元资金。股权资本不要求固定还本付息，能够首先承担技术迭代、商业化和资产残值风险，因而更适合尚未形成稳定现金流的 AI 模型公司、Neocloud 和数据中心运营商。

过去十多年中美股上市公司更倾向于回购股票、提高分红，整体上削弱了股权市场作为融资渠道的功能，即“去股权化”。而“再股权化”则意味着这一趋势出现逆转，企业重新更多依赖新发行来筹集资金。股权融资高度依赖市场估值水平和发行窗口，一旦市场波动加大或估值回落，融资节奏可能明显放缓。

假设 2026-2030 年证券化产品的 AI 融资规模相比 2025 年水平翻倍，估算 ABS、CMBS 及其他资产支持融资可提供约 0.3 万亿美元资金，占外部融资需求的约 9%。证券化融资主要适用于已经投入运营、拥有长期租约或可识别设备现金流的数据中心和算力资产，可以将融资基础由企业整体信用转向特定资产、租约和现金流。

证券化有助于释放建设期贷款和私募资本，并为保险、养老金和固定收益基金提供长久期资产，但其扩容仍取决于租约稳定性、租户信用、资产残值和标准化程度。尤其对于 GPU 等技术迭代较快的设备，折旧速度和二手市场价值可能成为评级和结构设计的重要约束。

预计私募资本（包括基础设施基金、私募股权、私募信贷及房地产基金等）可承接约 1.1 万亿美元资金，占外部融资需求的约 30%，仅次于投资级债券。私募资本的优势在于结构灵活，可以组合运用股权、优先股、夹层融资和项目贷款，承担公开市场较难定价的建设期和非标准化风险。私募基金还可以与云厂商设立项目 JV 或 SPV，在项目层面引入股权和债务资金；在满足会计处理条件的情况下，这类安排能够形成表外融资效果，降低云厂商的前期资金投入和并表负担，同时将风险分散给外部资本。

不过，私募资本供给存在一定负债端约束。截至 2025 年 6 月的 12 个月，私募股权基金现金分配占 AUM 的比例约为 6%，降至近年低点；2026 年部分私募信贷半流动性产品赎回压力也进一步上升。因此，私募资本有望成为 AI 融资的重要增量来源，但其实际承接能力仍取决于基金募资和产品流动性。

在基准情形下，测算为满足偿债要求和股东回报，在 10% 的 ROIC 假设下，AI 应用最终需要形成每年约 1 万亿美元的可持续商业化收入。测算综合考虑杠杆率、基础设施经济寿命、成熟期利润率等假设；假设约 70% 的经济价值通过应用收入体现，其余约 30% 来自企业成本节约和效率提升。

市场机构对 AI 长期所需收入的估算约为 6000 亿 -2 万亿美元。我们的 1 万亿美元测算处于市场预测区间的中等位置，但仍意味着 AI 商业化需要在未来几年实现数量级扩张：假设 2030 年前达到这一收入规模，意味着未来 5 年 AI 应用收入需要每年达到近翻倍的增长。

每年 1 万亿美元规模相当于全球 GDP 的 0.7%，或每台 iPhone 每个月 46 美元的支出，但 AI 商业化并不等同于个人付费，其收入可以来自企业支出、广告、电商以及政府采购等多种渠道。根据 Gartner，2025 年全球 SaaS 终端用户支出预计为 3000 亿美元，全球公有云服务支出为 7000 亿美元。相比之下，1 万亿美元 AI 年收入约相当于 2025 年全球 SaaS 市场的 3.2 倍和全球公有云服务市场的 1.4 倍。因此，从行业规模来看，1 万亿美元可能是一个具有挑战性但并非脱离现实的收入目标。

以上测算中，利润率和折旧期限的假设具有较大不确定性。基于基准情形假设 AI 业务成熟期的 EBITDA 利润率约为 50%，但这一水平能否实现，目前仍缺乏足够的财务数据支持。主要大模型企业尚处于投入期，部分公司的调整后净亏损率达到 300%-500%。

另一个关键变量是基础设施的折旧期限。数据中心建筑和基础设施通常可以使用十年以上，芯片和电子设备则面临更快的技术迭代，旧设备可能面临更快的折旧，导致数据中心整体折旧期限变短。

因此，我们对上述两个变量作出敏感性分析，结果表明：

1. 在折旧年限约 7 年的情形下，若 EBITDA 利润率达到约 30%，即可实现资本回报率接近盈亏平衡；若利润率低于 20%，则即使资产寿命较长，也难以覆盖资本成本。

2. 在 EBITDA 利润率约 50% 的假设下，只要折旧年限达到约 5 年，即可实现正的投资回报；若资产寿命进一步延长，则回报率将显著提升。

因此，判断 AI 投资能否“回本”，不能只看收入规模，更重要的是利润率和折旧等因素。利润率低于预期或设备提前贬值，都会明显抬高所需的收入门槛。

数据中心项目在建设期缺乏稳定现金流，通常需要银行提供贷款；项目投产并形成租约后，再通过长期限的债券、私募信贷等产品置换。银行因此更多承担建设期和资本市场之间的桥梁作用。

对非银金融机构的融资也在推动银行信贷扩张。银行可以通过基金认购融资、NAV 贷款等形式向非银机构提供杠杆。私募资本承担底层项目的长期风险，银行则提供期限相对较短、优先级更高的融资。截至 2026 年 6 月，美国银行对非银金融机构贷款同比增长约 25%，明显快于一般贷款。相关增长反映了私募资本的投资对银行贷款的拉动作用，其中 AI 基础设施领域是重要投向。

AI 融资对银行更直接的影响体现为非息收入增长，2Q26 美国六大银行合计净利润同比增长 40%，营业收入同比增长 22%，其中非息收入同比增长 32%。AI 融资带动的企业 IPO、并购、债券发行增加是相关收入增长的重要驱动力。

大型综合银行拥有更强的资本市场服务能力，可以通过 AI 融资获取费用收入，同时减少长期资产负债表占用。相比之下，中小型银行依靠项目贷款可以获得更高利差，但承担的资本压力和信用风险也更高。

值得注意的是，银行的收入往往在融资阶段确认，信用风险则要到项目回款阶段才会显现，呈现“收入前置、风险后置”的特征。

再融资能替代现金流吗？大型云厂商发行的长期债券期限通常可达 10-30 年，基础设施基金的投资期限也多在 10 年以上；数据中心投产后，还可以通过项目债券和证券化置换建设期融资。这些安排能够降低短期偿债压力，为 AI 商业化留出时间。如果收入兑现慢于预期，企业也可以通过再融资延长债务期限。不过，再融资只能争取时间，不能替代现金流：如果项目利用率、利润率和资产寿命长期低于预期，持续滚动融资反而会推高杠杆和融资成本。我们测算 2027-2032 年大型云厂商债券到期进入高峰期，每年到期规模约 280 亿美元，相比 2024-2026 年上升 60%，再融资压力上升。

云厂商信用是核心风险锚。大型云厂商是 AI 资本开支的主要承担者，也是债券发行人、数据中心租户、Neocloud 客户和项目 SPV 的最终交易对手。其信用状况决定了产业链的大部分现金流能否持续。云厂商 CDS 利差可以作为信用风险的高频观测指标。自 2025 年末以来，主要云厂商 CDS 利差普遍扩大，但不同主体之间已经出现明显分化。截至 2026 年 7 月，微软、亚马逊、Alphabet 和 Meta 的 5 年期 CDS 利差大致仍处于 45-80 个基点，Oracle 和 CoreWeave 利差分别在 180 和 600 个基点以上，显示市场正重点定价杠杆率较高、自由现金流较弱及再融资依赖度较大的主体风险。

金融风险传导路径。如果 AI 商业化不及预期，风险将首先表现为数据中心利用率、收入和利润率下降，并进一步压低资产残值。损失通常先由云厂商、Neocloud 和项目 SPV 的股东承担，并通过市值重估反映在股票市场；若经营现金流继续恶化并耗尽股权缓冲，风险才会进一步传导至信用债、杠杆融资、证券化产品和私募信贷。银行贷款通常具有较高优先级，因此一般处于损失吸收链条的后端。

融资规模本身并不等于泡沫，关键在于新增资本能否形成足够稳定的最终需求和现金流。资本市场可以解决"AI 基础设施能否建成”的问题，却无法解决“投资能否收回”的问题。我们测算，相关投资最终需要支持每年约 1 万亿美元的 AI 应用收入，这一目标并非不可实现，但对产能利用率、利润率和设备经济寿命均提出了较高要求。如果商业化增长持续慢于资本开支，风险将由估值回调逐步转向产能过剩、资产残值下降和信用质量恶化，并通过循环融资、私募信贷和证券化等渠道在金融体系传导。融资规模本身并非问题所在，真正的检验是能否在融资成本上升和资产贬值之前形成现金流的循环。

AI 商业化进展不及预期：若企业和消费者付费意愿、应用渗透率或 AI 服务价格低于预期，算力需求和数据中心利用率可能下降，AI 基础设施难以实现预期投资回报。

AI 资本开支及融资需求低于预期：若大型云厂商因自由现金流压力或需求变化而削减资本开支，实际融资规模可能低于本报告测算。

资本市场融资条件收紧：利率上升、信用利差扩大或股票市场波动可能导致债券、股权和证券化发行放缓，提高 Neocloud 及项目 SPV 的再融资压力。

[1] 大型云厂商（Hyperscalers）包括微软（Microsoft）、亚马逊（Amazon）、谷歌（Google）、Meta、甲骨文（Oracle），下同。

[2] 假设其中 70% 为 AI 相关资本开支。

[3] 如未提及，本报告对上市公司预测数据均采用 Bloomberg 一致预期。

本文摘自：2026 年 7 月 23 日已经发布的《AI 的金融时刻——AI 融资追踪（1）》

林英奇 分析员 银行+SAC 执证编号：S0080521090006 SFC CE Ref：BGP853

车姝韵 分析员 电信软件教育 SAC 执证编号：S0080523050005 SFC CE Ref：BTM272

李佩凤 分析员 全球研究 SAC 执证编号：S0080521070004 SFC CE Ref：BTO526

许鸿明 分析员 银行+SAC 执证编号：S0080523080007 SFC CE Ref：BUX153

张静雅 联系人 银行+SAC 执证编号：S0080126050022

张帅帅 分析员 银行+SAC 执证编号：S0080516060001 SFC CE Ref：BHQ055