泰聚周思考 | 硅基开始和碳基抢"债务"

这半年，市场花了大量精力争论AI是不是泡沫、算力订单会不会见顶、开源模型会不会杀死闭源模型。我觉得这些讨论都没有抓住2026年真正的主线。真正的变化发生在一个更枯燥、也更根本的地方：AI开始借钱了。从3月31日到8月17日，美国10年期国债收益率从4.30%升至4.72%，上行42个基点；同期10年期实际利率从2.00%升至2.44%，上行44个基点；而10年期盈亏平衡通胀率反而从2.30%降到2.28%。把这三个数字放在一起看，结论只有一个：名义利率的全部上行几乎都来自实际利率，跟通胀预期没关系。这意味着，即便通胀继续缓解，长端利率也未必下得来，因为真正抬升利率的力量已经从"价格预期"变成了"资本需求"。今年3月以后，美国云厂商的融资规模一度超过长久期美债的净融资。硅基开始和碳基抢同一笔钱了。需要说清楚的是，硅基抢的不是现金，而是"可以负债的额度"，是全球长期资本这块蛋糕里，能被加杠杆的那一部分。

1 万亿美元级融资

先说规模，因为只有把量级摆出来，才知道这不是一个概念问题。美国云厂商正在从过去的"用经营现金流投资AI"，转向"经营现金流+外部融资"并用。2025年，主要Hyperscaler全球发债约1080亿美元；截至2026年7月7日，Amazon、Alphabet、Meta、Microsoft和Oracle等云厂商年内发债已达约1940亿美元，同比增长79%。高盛预计五大云厂商2026年全年发债规模可能达到2500亿美元，2027年进一步升至4000亿美元；对应2026年约三分之一的资本开支需要债务融资，2027年这一比例可能升至35%。而这还只是云厂商本身。若把数据中心、芯片、项目融资等整个AI产业链算进去，高盛估算2026年至今AI相关债务发行已接近5000亿美元，Hyperscaler只占约40%，同期美国10年期、20年期加30年期国债发行合计只有约4980亿美元。

也就是说，AI产业链一年借的长钱，已经和美国财政部发的全部长债在同一个数量级上了。落到单笔更直观：2026年3月，Amazon一次美元债发行就达到370亿美元，而美国财政部目前一个月20年期和30年期国债发行规模合计约410亿美元。一家科技公司的一次融资，相当于财政部一个月超长期国债供给的约九成。Meta今年二季度一次性完成六个期限、合计250.0亿美元的高级无抵押债券发行，期限覆盖2031年到2066年，票面利率4.55%到6.45%，融资净额约249.1亿美元，公司长期债务因此从2025年末的587.4亿美元跳升到836.6亿美元。AI正在从一个由科技巨头内部现金流支撑的产业周期，变成一个需要整个资本市场提供资金的投资周期。

不过真正重要的并不只是融资金额，而是这些债券向市场释放了多少久期风险。达拉斯联储预计，2026年AI相关投资级债券发行约3000亿美元，由于发行期限普遍较长，折算成统一的"10年期国债等价久期"后，可能形成约3600亿美元的新增久期供给。这个数字相当于美国财政部全年全部期限国债久期供给的约八分之一；如果只与10年、20年和30年美债形成的长端久期相比，占比粗略可以达到四分之一左右。

换句话说，AI融资的绝对规模仍远小于美国政府，但它已经成为长端债券市场中不可忽略的新增利率风险来源。而且要注意它撞上的是一个本来就已经很紧的市场：截至2026年6月，美国政府滚动12个月的利息支出占财政收入比例已经达到22.74%，近期美债利率上行主要由期限溢价贡献，反映的是长债供需的流动性变化和财政风险溢价，这也解释了为什么在近期美债利率上行的过程中，美元指数反而是下降的。财政部扩大长债回购规模能局部缓解压力，但改变不了"长端在同时承接两股资本需求"这个事实。

2 债务离开表外

比"发了多少债"更关键的事：债务正在离开资产负债表。微软把2026自然年的资本开支指引从约1900亿美元下调到约1750亿美元，很多人第一反应是"云厂商开始收缩了"，但真实原因是会计核算方式变更：数据中心租赁从融资租赁转为经营租赁，加上建筑使用寿命延长，影响的是折旧节奏而不是投资强度，管理层明确表示实际投资并未削减、下一年度资本开支仍将增长。

与此对应的一组数字更值得玩味：截至2026年6月末，微软短期加长期债务合计402.9亿美元，反而比上年末的431.5亿美元有所下降，但FY26Q4单季新增融资租赁56.0亿美元，而FY27单季资本开支将升至500亿美元以上。Meta则更直接，通过与Blue Owl的合资SPV发行了270亿美元债务，Meta仅持股20%，这笔债务不并入母公司报表。所以我的判断是：真实杠杆比你在资产负债表上看到的更大，因为债务正在从"公司债"迁移到"租赁+SPV+私人信贷"这些可见度更低的通道里。这件事的重要性在于，它不仅改变了杠杆的大小，更改变了杠杆的可观测性。而投资中最危险的风险，永远是你无法定期计量的那种。

那么，为什么高实际利率已经开始压制房地产等传统利率敏感行业，却没有立刻压住AI资本开支？这个看似矛盾的现象，答案在于AI企业面对的是负的"设备实际融资成本"。

一方面，AI基础设施仍存在明显的产能稀缺，例如三星近期部分4nm、5nm和8nm代工报价上涨10%到15%；另一方面，Alphabet最新发行的20年期澳元债票息也只有6.9%。如果企业判断未来一年关键芯片、电力设备和机房资源的价格上涨速度高于自己的融资成本，那么"现在借钱、提前锁定产能"就仍然具有经济合理性。

这个判断不是空想，它正在被价格验证：英伟达CFO披露今年以来H100芯片租赁价格已上涨20%，A100云端定价涨幅接近15%；Nebius把H100按需租赁价格从每小时2.95美元上调到3.85美元；CoreWeave二季度直接把各SKU平均上调约25%，并且明确表示近期产能实际上已售罄。

设备在涨价、租金在涨价、融资成本却只有6%到7%，那么加杠杆抢产能在单个企业的账本上是理性的。但我必须紧接着提醒一句：一群理性个体的抢跑，在集合层面完全可能形成非理性的产能。这句话在任何一轮资本周期里都成立，2000年如此，2021年的海运和芯片如此，今天也没有豁免权。

3 涨价与关键指标

就在写这篇周思考的当天，一条新消息把上面这个判断推到了极致。

8月23日彭博社报道，英伟达已经告知部分最大客户，搭载其AI芯片的服务器价格将上涨超过15%，涨价从明年初出货的系统开始生效，涉及旗舰Vera Rubin和Grace Blackwell系统，具体幅度取决于芯片代际和内存配置；为微软、谷歌、甲骨文等大型数据中心运营商代工服务器的企业，近期已经向客户发出涨价通知。

消息来自知情人士，沟通内容尚未正式公开。涨价的原因不在英伟达自己身上，而在内存：AI数据中心对HBM的需求暴增，挤占了先进制程产能和三大原厂的DRAM产能分配，非HBM DRAM供应同步收紧，连英伟达也无法维持原价或自行消化成本，它甚至已经向显卡AIC伙伴发出了GPU套件涨价通知。我认为这条消息至少有四层含义。

第一层是对我上一段论点的直接确证。设备端涨价超过15%，而头部项目的融资成本只有6%到7%，负的"设备实际融资成本"不是变浅了而是进一步加深，这恰恰解释了为什么实际利率上到2.4%还压不住AI资本开支。市场上多数解读也集中在这一层：能把服务器价格上调15%以上而客户依旧下单，证明的是需求缺乏弹性和定价权突出，对英伟达本身偏利好而非利空。

第二层，也是我认为被普遍忽略的一层：涨价是"硅基抢债务"的加速器。同样一座1GW数据中心，设备贵15%，意味着资本开支金额被动上修；而2027年五大云厂商资本开支的一致预期已在1.068万亿美元量级，仅服务器环节的涨价就可能带来数百亿甚至上千亿美元的额外资金需求。问题在于，这部分增量出现在自由现金流已经转负的时点上。Amazon过去十二个月自由现金流负76亿美元、Meta二季度只剩7.8亿美元，所以它几乎只能由债券、租赁和项目融资承接。换句话说，这次涨价对债券市场的意义不是通胀问题，而是久期供给问题：它会让明年的长端多出一块本来不在预算里的供给。

第三层是利润分配的又一次转移。这一轮涨价真正的受益者不是英伟达，而是三星、SK海力士和美光，内存厂商在科技产业中的影响力达到了前所未有的水平，连苹果、高通都因芯片短缺而提价。把它和前面讲的开源模型压低模型层利润放在一起看，2026年的真正主线其实是：利润在AI产业链上不断被重新分配，而每一次再分配都会改变"谁有能力承担债务"和"谁该被给多高的估值"。

第四层最关键，它落在新云的回本期上，而且是双刃的。设备贵15%意味着同样算力的初始投入更大，其他条件不变时回本期会被拉长；但如果租金能同步上涨，回本期反而可能缩短。目前的证据明确偏向后者，CoreWeave把各SKU平均上调约25%且产能售罄，旧卡价格环比上涨超过30%，一批H100到期后以原价的95%续约，Nebius把H100按需价格从每小时2.95美元提到3.85美元。也就是说，租金的涨幅（25%以上）目前跑在设备涨幅（15%以上）的前面，这是本轮景气最健康的一个特征，也是新云敢于继续加杠杆的真正底气。但正因如此，这条新闻给了我一个比看订单金额锐利得多的观察指标：盯"租金涨幅减去设备涨幅"这个差值。

只要它是正的，杠杆就是安全的，涨价甚至是利好，因为它同时抬高了在手旧卡的重置成本和残值；一旦它转负，设备还在涨、租金却涨不动了，回本期会被分子和分母同时夹击，那才是真正该减仓的时刻。还要注意时间错位：这次涨价生效于2027年初出货的系统，影响落在2027年的资本开支和2027至2028年的折旧上，而不是当期业绩，所以它应该用来修正明年的模型。至于A股，涨价链条上受益的是存储及其配套设备、高速光模块与磷化铟衬底、高速互联与交换芯片、电源与液冷；而承压的是那些以整机与服务器组装为主、无法把BOM成本向下游转嫁的环节。这和我后面要讲的中际**应收账款激增其实是同一个道理：产业链的成本与占款压力，最终总会流向议价权最弱的那一环。

也正因为美国投资级债市场承受了越来越多的科技债供给，Alphabet和Amazon开始主动把融资分散到欧元、英镑、瑞郎、加元、日元和澳元市场。截至6月26日，云厂商约1700亿美元的年内债券发行中，非美元债已经超过三分之一。Alphabet最新发行55亿澳元"袋鼠债"，覆盖3年、5年、10年和20年期，投资者认购超过180亿澳元，认购倍数超过3.3倍，其中20年期票面利率为6.9%；此前它在英镑市场发行的55亿英镑里甚至包含10亿英镑的100年期超长债，100年档认购倍数高达9.5倍。这种多币种、多期限融资，能够引入新的养老金、保险和本币债券资金，降低对美国投资级债市场单一资金池的依赖，并用长期负债匹配数据中心这样的长期资产。

但我想指出的是，这不完全是一种偏好，更是一种被结构逼出来的选择：美元投资级指数存在单一发行人权重上限约2.3%的约束，这意味着短期内面向公募美元债的容量大约就在4500亿美元量级，超过之后必须转向非美元、项目融资与私募渠道。而且如果这些资金最终通过货币互换换回美元，部分压力还会通过全球利率和互换市场重新传导回来。所以云厂商的多币种融资更像是在扩大整个资本市场的承载能力，而不是让AI融资造成的流动性压力彻底消失。

融资端的疲劳是有痕迹的。云厂商债券发行的订单覆盖倍数已经从2月份接近5倍下降到7月份不足2倍。以Amazon为例，2025Q4美元债认购5.33倍、发债成本4.709%，到2026Q1美元债认购降至3.41倍、成本升至5.035%，同期欧元债认购约1.92倍，二季度加元债约2.00倍，7月的发行更是只有1.6倍。这说明美国债券投资者虽然仍愿意买，但越来越需要更高的收益率和更宽的信用利差。一个更有说服力的横截面证据是：2026年发行且具有可比数据的91只Hyperscaler债券中，有78只截至7月28日的收益率高于发行时，收益率上升中位数约22个基点，新增供给已经对存量债券价格形成了实实在在的压力。

4 新云模式与风险

顺着资金链往下走，就必须谈新云，因为它是这轮债务扩张里结构最精巧、也最脆弱的一环。先看一组说明"为什么需要新云"的数字：Amazon过去十二个月的自由现金流已从正182亿美元转为负76亿美元，主要因为物业与设备采购增加661亿美元；Meta二季度自由现金流只剩7.8亿美元，Alphabet也提示折旧、能源和资本开支将继续压制自由现金流。大厂的表已经装不下全部资本开支了。

于是新云进入产业链：模型创业公司有训练与推理需求，却没有能力一次性购买大量GPU；能源、IDC和基础设施资金能拿到电力、设备和贷款，却不拥有模型与流量。新云把两端连接起来，让模型公司把资本开支变成运营开支，也让保险、私募信贷、银行和设备融资资金进入算力基础设施。这个变化很像IDC产业早期：最初运营商和互联网公司倾向于自建机房，随着需求扩大、建设周期拉长、客户类型增多，第三方IDC成为独立环节。今天的算力产业也在发生同样的链条延伸，只是资产更新更快、资金强度更高，且收入从"租机柜"进一步升级为"租GPU时长、卖Token或按模型收入分成"。

新云的扩张通常依赖四层资金：客户预付款负责降低前期现金缺口，以GPU和合同现金流为抵押的项目贷款负责放大规模，股权和可转债吸收建设与交付风险，机房、电力和冷却资产则由项目公司或基础设施伙伴持有。于是同样300亿美元现金，最终对应的有效设备投放可以远高于300亿美元。

IREN与微软的项目提供了一个样本：微软五年合同总值97亿美元，并支付20%预付款，IREN为对应的58.1亿美元GPU资本开支获得36.5亿美元投资级融资；债务与预付款合计覆盖55.9亿美元，即96%的GPU投入，IREN在项目层面需要补充的资本只有约2.2亿美元，项目资本金被压缩到约4%。36.5亿美元债务的综合成本为6.00%，把零成本预付款计入后，全部资金的平均成本降至3.31%。

这件事的本质：资本开支并没有消失，只是从微软自己的资产负债表，迁移到了IREN、银行和项目投资者的资产负债表，它和前面讲的租赁、SPV是同一件事的两个方向。新云的核心功能，就是把大厂信用和设备残值包装成可以融资的资产。

规模上，新云2027年的中性资本开支预期在1400亿美元左右，而五大云厂商2027年的资本开支合计约在1万亿美元量级（一致预期从2026年的约7310亿美元升至2027年的约1.068万亿美元，2028年约1.18万亿美元，增速由95%降至46%再降至11%）。

CoreWeave是最大的来源，公司把2026年资本开支指引从330亿上调至350亿到390亿美元，二季度末剩余履约义务已达1042亿美元、同比增长246%，较一季度末的994亿美元继续攀升，且尚未计入三季度初新增的超过250亿美元净新增客户承诺；公司预计年末活跃电力超过1.85GW，年末年化营收跑速上调至185亿到195亿美元。

Nebius的2026年资本开支指引已升至200亿到250亿美元，计划从2027年起每年部署超过1GW容量，二季度收入5.82亿美元同比增长454%，新签四笔标志性交易平均合同总值超过10亿美元，上半年累计客户承诺订单已超400亿美元。IREN、Lambda、Nscale与Crusoe构成第二梯队：Lambda在2026年获得9.26亿美元、SOFR+300个基点的项目贷款，Nscale签署14亿美元GPU抵押延迟提款贷款，Crusoe则通过Brookfield授信和与Blue Owl等机构的基础设施合资安排扩建。

把这些拼起来，结论很清晰：过去AI投入的上限主要由大厂自由现金流决定，现在，上限还取决于金融机构愿意按多高的抵押率给GPU和长协定价，以及大厂愿意支付多少预付款、做多少信用增级。新云把产业景气转化为信用扩张，因此它既可能让资本开支超预期，也可能在信用条件收紧时让资本开支突然低于预期。

对新云而言，债务首先意味着加速。GPU和数据中心都是重资产投入，如果完全依靠自有现金流，企业只能赚一笔、投一笔，扩张速度很慢；但如果能拿着微软、Meta这样大客户的长期合同去融资，企业就可以在客户真正付款之前完成GPU采购和机房建设。

所以新云真正重要的金融创新，不只是"借到了钱"，而是把未来几年的AI算力合同提前变成了今天可以使用的资本。这也解释了为什么同样是GPU融资，资金成本差异可以非常大：IREN那笔36.5亿美元融资债务成本约6%、计入预付款后降到约3.31%，Nebius和Lambda拥有较强合同支持的融资大约做到基准利率加250到300个基点；而CoreWeave的分层则一目了然：DDTL 4.0承诺规模85亿美元、浮息部分SOFR+225个基点，DDTL 5.0规模31亿美元、SOFR+450个基点，DDTL 5.5规模26亿美元、SOFR+550个基点，部分无担保票据票息达到8.50%到9.75%，部分存量债务的有效利率甚至达到11%到15%。规律是稳定的：客户信用越强、预付款越多、合同期限越长，GPU资产就越像一笔可以被证券化的稳定现金流，融资成本也就越低。

但这里埋着新云商业模式最大的风险，也就是资产端和负债端的错配。债务是刚性的：无论GPU有没有开机，利息每天都在产生；无论客户有没有按时上线，本金都要按约定偿还；无论两年以后GPU租金下降多少，当初借来的100美元依然要还100美元。而GPU产生的现金流却不是刚性的：利用率可能下降，客户可能推迟部署，新一代芯片可能降低旧卡租金，推理价格可能下降，大客户也可能重新议价。

于是新云实际上在做一件非常典型的杠杆生意：用确定的负债，购买未来并不完全确定的现金流。假设一家公司买入100亿美元GPU，其中70亿来自债务，正常情况下GPU现金流足够覆盖电费、机房、运维、利息和本金，公司只投入30亿权益资本却控制100亿资产，股东回报被大幅放大。但杠杆是双向的：如果GPU收入下降20%，债务不会同步下降20%；如果利用率从90%降到75%，利息也不会从6%变成5%；如果新一代GPU使旧卡租金下降30%，银行更不会因此减少30%的本金。收入首先支付电费、机房、运维和利息，最后剩下的才属于股东，所以当收入下降时，股东现金流下降的幅度会远远超过收入本身。

CoreWeave很好地展示了这种结构。2026年二季度公司收入25.75亿美元，净利息支出已达6.40亿美元，相当于收入的24.9%；同期折旧摊销约14亿美元，约为收入的54%；净亏损6.26亿美元。有意思的是，调整后EBITDA为15亿美元、利润率58.6%，调整后经营利润1.28亿美元、利润率5%且环比大幅改善，经营杠杆确实在显现。

二季度资本开支94亿美元，在建工程从96亿升至119亿美元；截至6月底公司未来需要偿还的债务本金约355.5亿美元，其中2026年余下时间需偿还44.1亿美元，2027年需偿还61.8亿美元，净债务约283.7亿美元，手上现金及等价物、受限现金与有价证券超过69亿美元。

与此同时，公司拥有1042亿美元收入积压，为未来现金流提供了较高可见度。所以CoreWeave真正的问题并不是"有没有订单"，而是这些订单产生现金的速度，能不能持续快于债务偿还、利息支付和GPU贬值的速度。外部视角同样分化：汇丰对CoreWeave给出减持评级，测算其2026到2027年预期净债务与扣非EBIT之比高达17倍以上、融资成本约11%、客户预付款占固定资产总值18.1%，长期发行人违约评级仍是标普B+、惠誉BB-、穆迪Ba3的垃圾级；而Alphabet和微软维持净现金状态、亚马逊净杠杆处于低位。这提醒我们，AI债务的风险是分层的，不能一概而论，同一条产业链上，有人在用现金流投资，有人在用别人的信用投资。

GPU产业链已经开始主动解决这种错配，方式是上游给下游兜底。2026年2月，AMD为Crusoe一笔3亿美元贷款提供支持，使贷款利率降到约6%，并约定在需求不足时承担部分芯片租回安排。英伟达做得更多：对CoreWeave有63亿美元剩余算力购买承诺，对OpenAI的俄亥俄项目提供最高约1050亿美元保证，并正在推动超过5000亿美元的compute financing平台，可能自己backstop最高约1250亿美元。融资结构因此越来越复杂：客户提供预付款，芯片厂提供增信，银行提供项目贷款，新云负责建设和运营。但所有问题最终都会回到同一个变量：GPU多久能把最初投入的资本赚回来。

这套机制历史上出现多次。1996年美国《电信法》放松管制之后，数百家新旧电信公司投入巨资铺设光纤骨干网，所有人都相信"互联网流量每100天翻一番"，这个假设对应的年增速超过1200%。而学术界基于运营商实际流量的测算显示，1997年以后互联网流量的真实年增长率只有70%到150%，大致相当于每年翻一番，两者差了一个数量级。

结果是什么？2000年美国不到7%的已铺光纤被点亮，超过90%属于铺了却没通电的"暗光纤"；2002年海底光缆的实际使用率仅约2.7%，容量是需求的37倍以上；即便到2005年，美国仍有约85%的光纤线路闲置，供给过剩使带宽成本下降了90%。更关键的是，当时的融资机制和今天惊人地同构：1999年朗讯是全球第一大电信设备商、全年营收383亿美元，同期它对客户承诺的融资总额达到71亿美元，上游用垫资的方式，把下游的资本开支变成了自己的当期收入。今天英伟达的剩余算力购买承诺、OpenAI项目保证、compute financing平台，AMD的贷款增信与芯片租回，做的是同一件事：卖方给买方融资，把自己的产能变成客户的债务，再把客户的债务确认成自己的收入。

这条链条一旦逆转，冲击是双重的：订单收缩，同时资产减值，所以当年对朗讯、北电这类设备商的盈利打击远比传统周期波动更迅猛。朗讯2006年被阿尔卡特收购、退出独立运营，北电2009年申请破产保护并拆分出售核心业务。

简单套用历史比不看历史更危险。这一轮AI建设至少有三点关键不同。

第一，需求端还没坏，而且是有合同和预付款支撑的：二季度AWS增速从一季度的28%加速到37%，Google Cloud从63%加速到82%，Azure从约40%升至43%且指引下季进一步加速到约45%；AWS订单积压从3640亿升至4960亿美元、单季增长36%，Google Cloud积压从约4600亿升至5140亿美元，微软商业剩余履约义务从6270亿升至6780亿美元，Alphabet截至6月末已签署的未来支出承诺总额达8110亿美元。2000年的现实是"点亮率不到7%"，今天的现实是"产能售罄还在涨价"，这不是同一件事。

第二，资产寿命的争议正在朝多头方向解决。此前空头最有力的逻辑是"GPU经济寿命只有2到3年，按6年折旧低估了成本、虚增了利润"，但事实是：2020年发布的A100走到第六年仍在服役，CoreWeave最近以"极具吸引力的价格"把A100合同签到2029年，也就是第九年；旧卡价格环比上涨超过30%，一批H100到期后以原价的95%续约。物理原因也讲得通：Blackwell单机柜功耗120到140kW必须液冷，而A100系统仅需6.5kW风冷即可运行，老旧数据中心无法升级，于是"能跑旧卡的电力资源"本身就成了稀缺资产。如果折旧年限假设系统性偏短，那么前期利润被低估、后期利润将集中释放，真实ROIC会高于报表直觉。

第三，付钱的人不同：2000年是自己根本没有现金流的CLEC借钱买设备，今天签长协并支付预付款的是微软、Meta这样的投资级主体。这三点让"暗光纤重演"的概率显著低于第一直觉。

不过同构的那部分依然危险，所以还是要回到回本期。GPU身上有两个倒计时：一个是债务倒计时：什么时候需要付息、什么时候需要还本；另一个是技术倒计时：什么时候新一代芯片出现，使旧卡租金和残值明显下降。企业必须尽可能在这两个时钟走完之前收回大部分资本。

目前的读数是好的：Nebius披露二季度新签项目预计回本期约1年10个月，相比历史的2到3年进一步缩短，约70%的交易包含客户预付款，预付款可以覆盖相关资本开支的50%到60%，AI云调整后EBITDA利润率达到50%，新合同年化合同价值约为每MW 2000万到2500万美元；Lambda的9.26亿美元贷款将在2030年底前完全摊还，且明确表示偿还曲线与合同现金流和GPU使用寿命匹配。这才是一笔健康GPU融资应该具备的结构：客户合同期限不短于债务主要偿还期限，现金回收速度不慢于GPU价值下降速度。反过来，如果合同只有两三年、债务却需要五六年才能还清，那么企业实际上是在赌"三年以后这批GPU仍能以足够高的价格续租"。

这个赌注失败的代价可以用一个简单算术说明：假设一个项目原本30个月回本，如果GPU租金下降20%、同时利用率从90%降到75%，有效收入会降到原来的约67%，其他条件不变的话回本期可能从30个月拉长到约45个月。30个月的时候，这可能还是一笔漂亮的项目融资；45个月以后，它面对的可能已经是下一代甚至下两代GPU。所以新云最大的风险并不是今天赚不赚钱，而是资本回收速度一旦慢于技术迭代速度，原本用来放大收益的债务，就会开始放大资产贬值。

判断这个赛道整体的偿债能力，可以用一个粗糙但好用的框架：把AI公司的净融资额看成"债务"，把Token使用量乘以平均价格看成AI的"名义GDP"。只要Token市场的量价扩张快于净融资，AI虽然在加杠杆，实际债务率反而下降，融资就能持续。

这解释了为什么2026年3月以后市场一度不担心利息：Alphabet披露Gemini API处理量已达每分钟220亿Token，OpenRouter对100万亿Token的样本分析显示平均单次请求的输入Token从约1500增至6000、输出Token从约150增至400，Nebius的Token Factory推理负载二季度增长约三倍，使用量增长足以暂时覆盖融资增速。

但最近这个债务率指标开始重新抬头，主要压力来自价格：英国《金融时报》8月上旬报道，主流模型平均使用成本自7月中旬以来下降接近25%，DeepSeek最新V4 Flash在高峰期的非缓存输入、输出价格分别为每百万Token 0.44美元和1.32美元，仍显著低于许多闭源模型。

这里我想做一个修正：价格并非单向下行。7月31日V4 Flash正式版上线后，DeepSeek随即预告并在8月初上调API定价、引入峰谷定价，从"低价换规模"转向"平衡规模与盈利质量"，其V4模型API毛利率在70%到80%，ARR约4到5亿美元，国产模型这个价格锚已经从降价转向涨价。

所以真正的长期约束不是"某一家降价"，而是"性能接近、成本低30%到95%的开源供给长期存在"：斯坦福《2026 AI Index》3月的数据显示中美头部模型性能差距仅2.7%，DeepSeek在OpenRouter上的Token份额半年内从9%翻倍到18%。它压的是模型层的定价权和利润分配，而不是算力的总需求。

这里必须强调一件容易被混淆的事：AI有没有社会价值，与AI公司能否把价值转化为现金流，是两件完全不同的事。债务最终要靠财务收入偿还，而不是靠技术意义偿还。Token量可以增长十倍，但如果单位价格下降得更快，收入池仍然可能不足以覆盖折旧和利息。

5 信号与投资纪律

那么现在到底走到哪一步了？我的判断是：只出现了"融资端变黄"，还没有出现"需求端转坏"。需求指标全线向好，前面已经列过；而融资指标确实在恶化。Hyperscaler债券认购倍数从2月近5倍降到7月不足2倍，Amazon新债认购从3月的3.4倍降到7月的1.6倍，20年期以上长期科技债信用利差中位数从108.5个基点走阔到118个基点，Meta数据中心融资成本最新约7.5%、较2025年类似项目高出约40个基点。

但这里我要补一个很重要的时点更新，因为它直接影响结论：进入8月中下旬、二季度财报之后，信用市场出现了局部修复。超大规模云厂商的长端债券在财报后开始回补、曲线趋平，亚马逊20年期以上品种收窄约14个基点，CDS在整个Hyperscaler群组全面收窄；数据中心高收益债在此前自发行以来走阔约70到80个基点之后，过去一周平均收窄约22个基点（按债务加权约6个基点），投资级结构收窄11到13个基点。

AI数据中心融资的信用市场仍然开着，只是利差更宽、胃口有所减弱，这意味着未来的利息费用拖累会更重，但还不是信用可获得性风险；而且租户风险仍然是数据中心债券表现的首要驱动因素。所以更准确的描述是：信用市场没有关门，它在消化史无前例的供给，同时对"谁来付租金"这件事定价得越来越精细。这非常像一个繁荣周期的中后段，而不是崩溃前夜。

但我想再补一个容易被忽略的顺序问题，它关系到我们该盯什么。不要等信用指标报警。2000年3月纳斯达克见顶，此后22个月跌去78%，而WorldCom的OAS利差直到2001年年中才开始显著走扩：信用指标和股价指标追踪的是不同视角，前者天然滞后。WorldCom的完整路径很有教育意义：1997年开始，公司经营性现金流已经无法覆盖资本开支，1998年8月发行了创纪录的61亿美元公司债，而此时利差仍在100个基点以内、市场毫无警觉；2000年11月标普把评级展望调为负面；2001年2月标普下调长期评级；2001年5月公司又发行了创纪录的119亿美元公司债，利差走阔至215到265个基点；2002年5月标普和穆迪下调至垃圾级；2002年6月公司承认将38亿美元经营性支出错误资本化，利差从约200个基点飙升至2000个基点；2002年7月申请破产保护，负债410亿美元。

请注意，最早出现的预警信号不是利差，而是"经营性现金流无法覆盖资本开支"。这个信号1997年就出现了，比破产早五年，比利差走扩早四年。而今天，同类信号已经可见：Amazon过去十二个月自由现金流转为负76亿美元，Meta二季度自由现金流只剩7.8亿美元、且FCF利润率被预期从2025年的22%降至2027年的负9%，Oracle 2026年资本开支与经营现金流之比约196%。这些绝不是崩塌的证据，因为需求还在、订单还在、旧卡还在涨价；但它们是同一条链条上的第一环，值得逐季度记录，而不是等信用市场替我们发出通知。

因此，真正需要领先关注的指标，我归纳为五个。

第一是融资条件，看资金是不是变得"更贵、更少、更短"：Nebius目前7.75亿美元项目贷款定价只有SOFR+250个基点，而CoreWeave部分融资已经达到SOFR+450甚至+550个基点；如果同一家公司、同类项目未来持续出现利差上升、可融资比例下降、贷款期限缩短，就说明信用市场开始降低对AI资产的估值。

第二是项目回本期，它直接决定GPU能否在技术迭代和债务到期之前赚回本金：Nebius二季度新项目预计约22个月回本，如果未来持续拉长到30到40个月，尤其同时伴随租金和利用率下降，那就是最直接的泡沫预警。

第三是新合同质量，要看合同期限、客户信用和预付款，而不能只看订单金额：IREN与微软签下97亿美元、五年期合同并收到20%预付款，对应58.1亿美元GPU资本开支，这种长期合同加预付款的结构才足以支撑项目融资；如果以后新合同从5年缩短到2到3年、预付款比例下降、可取消条款增加，即使积压订单仍然很大，也说明客户对长期算力需求的确定性开始下降。

第四个是我要加上的——折旧年限与残值假设的变动方向。今天旧卡涨价、A100签到2029年，是在朝多头方向验证；但一旦出现头部公司主动缩短折旧年限，或者旧卡续约价格出现两位数下滑，那就是资产端定价的转向，它比任何叙事都更可靠，因为它直接改写抵押率。

第五个就是前面因为英伟达涨价而引出的那个差值——租金涨幅减去设备涨幅。这一轮设备端涨超15%、租金端涨25%以上，差值为正，所以涨价目前是景气的确认而不是风险的开端；但它同时也是最容易反转的一项，因为设备涨价由内存供需决定、租金涨价由算力供需决定，两者并不同源。一旦出现"设备继续涨、租金涨不动"的组合，前面四个指标会几乎同时恶化，而这个差值会比它们都更早翻脸。

把这五个指标放在一起，其实构成了一个很朴素的框架：第一和第三看负债端还借不借得到、借得贵不贵；第二和第五看资产端赚不赚得回、赚得快不快；第四看会计假设有没有偷偷替我们承担风险。任何一轮由信用扩张推动的资本周期，出问题都不会同时出现在五个地方，但只要其中两个连续两个季度同向恶化，减仓就不该再犹豫。

把视角再拉高到全球，这件事改变的其实是繁荣的传导方式。过去美国是消费国：美国增加进口，新兴市场拿到订单，再投资、扩产，形成全球共同繁荣。这一轮美国增加的主要是AI相关进口，非AI进口反而更弱。美国从全球需求的提供者，变成了全球资本的竞争者。欧洲养老金、新兴市场资金通过债券、贷款、基金和直接投资参与美国科技融资，全球流动性被吸向美国。而且即使韩国、中国等经济体通过AI硬件出口赚到美元，资金也未必留在本国：高毛利AI硬件与传统低毛利出口的流动性乘数完全不同：出口100元低毛利商品，企业可能把其中90元支付给国内供应商、员工与物流；出口100元高毛利硬件，国内成本可能只有20元，剩余利润可以沉淀在海外存款、证券或海外建厂。

对企业利润是利好，对本国货币与广谱信用却未必同样利好。资源强度的差异也放大了这一点：按同口径的资源强度指数，单位GDP资源消耗美国约0.2、欧洲约0.35、全球平均约0.5。资金流向新兴市场，通常形成厂房、住房、道路和基础设施需求；资金流向美国AI，虽然能带动电力、铜箔、光模块和燃气轮机，却未必创造同等规模的铜、铝、能源和化工品需求。

这也顺带解释了2025年与2026年的市场差异。2025年，科技巨头主要依靠自由现金流投资，美联储又处在降息周期，AI没有明显挤压全球流动性，于是AI、出口、有色和新兴市场可以同时上涨。到了2026年，科技公司大规模融资一方面强化了美元信用，另一方面通过发债回收全球美元流动性，实际利率持续上升，非AI资产受到共同的估值天花板。

真正主导资产价格的，是AI融资带来的实际利率上升，而不是某一场地缘事件。这就导出了我今年最重要的一个框架转变：AI硬件应该被理解为这一轮全球最大的周期品，而不只是普通成长股。它之所以能在实际利率上升时逆势上涨，恰恰是因为它本身就是利率上升的重要原因。反过来说，当实际利率下降、市场风格变得均衡时，未必意味着AI估值获得无条件利好，也可能意味着AI融资与投资动能正在减弱；甚至美联储真正开始大幅降息，都可能是周期出现问题之后的结果，而不是新一轮上涨的起点。

这套逻辑不能只在美股闭环，落到A股，我看到三层映射。

第一层是估值分母：实际利率上行压制全球风险资产的估值中枢，但要注意近期美债利率上行时美元指数反而在下降，人民币资产因此获得了汇率端的缓冲；A股的"含科量"越高，与纳指的方向联动就越强，所以方向上仍要盯纳指，但节奏上，本轮美股是道指与标普500先行、纳指后置，这种次序有助于缓解科技板块的拥挤度，更可能对应风格均衡的修复，而不是重演AI单一主线行情。

第二层是产业链现金流的镜像，这一层我认为被严重忽视了：A股AI硬件龙头的利润在变好，现金流却在变差。中际 **2026年中报资产负债率36.08%，从负债角度看依然健康，但应收账款同比增长136.43%，经营活动产生的现金流量净额同比下降44.08%，应收账款周转率从2025年全年的7.03次降到3.93次，这正是"下游用债务和账期扩张、上游用应收账款承接"的中国版本，海外的债务扩张在A股这一端表现为占款扩张。

第三层是国内算力租赁的杠杆：协创**资产负债率从2025年一季度的65.80%，经中期75.94%、三季度78.33%、年报81.48%，一路升到2026年一季度的85.89%；利通**2026年一季度资产负债率75.10%，带息债务占总负债45.77%，流动比率仅1.06，而2025年报时这个数字是0.86。他们在做的事和CoreWeave同构，用刚性负债购买不完全确定的现金流，但缓冲垫比CoreWeave更薄：CoreWeave至少拥有1042亿美元合同积压和投资级客户的预付款背书，而国内多数算租主体在合同期限、客户信用和预付款比例这三项上都要弱一档。所以我对国内算力租赁的态度很明确：把它当成有杠杆的周期资产来定价，先看合同期限和预付款，再看订单金额；把"有卡即有利润"当作一个阶段性的价格现象，而不是一个永续的商业模式。

最后说一句相对乐观的话：AI放缓并不等于全球经济必然衰退。过去美国消费走弱会减少新兴市场出口，形成全球负循环；而这一轮美国主要是在和全球竞争资本。如果AI融资降温带来实际利率下降，被压制的大宗商品、非美市场和传统制造业反而能喘一口气。因此，AI从绝对主导走向降温，可能对应的不是全面熊市，而是一次全球资产再平衡。

回到最开始那个问题：硅基开始和碳基抢债务，这件事本身既不是利好也不是利空，它只是把AI从"成长股叙事"重新装回了"资本周期"的框架里。而资本周期只有一条铁律：所有由信用扩张推动的繁荣，最终都要用现金流来结账。技术会不会赢，我不怀疑；但赢的过程需要付利息，而利息不接受"叙事"作为支付方式。所以我们给自己定的纪律很简单：盯经营现金流覆盖资本开支的缺口，盯项目回本期，盯新合同的期限与预付款比例；在旧卡还在涨价、产能还在售罄的时候承认景气，在利差还没走扩的时候就开始记录信号。因为这一轮真正的风险，从来不是我们看错了AI，而是我们看对了AI，却买在了债务替我们支付想象力的那个价格上。

风险提示：

本文中的信息、观点等均不构成对任何人的投资建议，也不作为任何法律文件。投资风险自担，最终解释权归深圳市泰聚私募证券基金管理有限公司所有。

雪球是一个投资者的社交网络，聪明的投资者都在这里。
点击下载雪球手机客户端 http://xueqiu.com/xz]]>