炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

　　本文來自微信公衆號：思想鋼印，作者：思想鋼印，題圖來自：視覺中國

　　AI影子信貸

　　上篇《AI盛世下的暗雷，藏着下一個「次級債」危機》揭示了AI基建的一個深層風險：2000年互聯網泡沫主要靠股權孖展，破裂是線性的股市危機；而當前AI基建靠債務驅動，一旦出問題將首先引爆債市，類似2008年次級債危機。

　　數據中心從拿地、舉債建設、簽訂「照付不議」合同、抵押孖展到發行ABS，玩法與房地產開發無異。但AI基建疊加了「半導體快速折舊」的風險，比純房地產更危險。

　　目前五大雲廠商資本開支增速已超過現金流增速，谷歌、亞馬遜自由現金流已轉負。只要增速放緩，二階導下降，就會走上依靠再孖展續命的階段。

　　文章還提到了表外的「影子貸款」，把債務藏到表外，讓負債水平看似安全，實際更加危險。上周就來了「新料」，英偉達與Apollo、BlackRock、Goldman Sachs、KKR等機構合作，通過金融平台撬動超過5000億美元的第三方資本，用於AI計算基礎設施建設。

　　英偉達宣佈孖展支持AI基礎設施，本來應該是利好，結果股價下跌約3%，這個市場反應其實非常值得研究，市場是在思考前面說的那個問題：AI資本開支的「金融槓桿」是不是加得太高了？

　　尤其Apollo、Blackstone、KKR，是2025年出現重大危機事件的「私募信貸（private credit）」，它們放貸靈活，沒有普通銀行的條條框框，速度快，可以支持創新產業，但是透明度低，槓桿高，更沒有銀行必做的「壓力測試」，誰也不知道中間埋了多少雷。

　　之前的「影子借貸」都是五大雲廠商，其他第三方雲廠商沒有能力入局，但現在英偉達攢局，雖然目的是賣自家的GPU，但客觀上，「影子借貸」蔓延到了中小第三方雲廠商。

　　算力金融化的趨勢越來越明顯，導致很多人在追問一個關鍵的問題：AI增長的收入中，有多少是真實需求驅動，有多少是資本開支驅動？誰在給AI基建加槓桿？

　　獨立真實的AI需求

　　谷歌、亞馬遜的自由現金流已轉負，是一個標誌事件，以前AI基建主要靠主營業務的現金支撐，比如廣告、雲計算、軟件收入、商品抽佣，但從今年開始，增長越來越靠孖展驅動。

　　這不僅僅是槓桿風險的問題，還涉及收入的真實性，而這個問題又加劇了槓桿風險。

　　以OpenAI為例，如果只靠股權孖展，恐怕連大模型訓練費用都承受不了，事實上，O記和A記根本不用給雲廠商付現款，而是「記賬」，類似航空公司對波音空客的孖展租賃，而還錢的方式多樣化：

　　一部分是五大雲廠商的部分投資款，說明投資也沒有真的都給錢，而是把算力折成投資；

　　一部分是算力積分券，五大雲廠商都是AI的使用大戶，其中向大模型分成的那一部分錢，也沒有真給錢，而是用「算力抵用券」對沖了；

　　剩下的就是O記和A記未來預期的收入增長，就是現在大家天天看的那個ARR。

　　好比村口小賣部是你老丈人開的，結婚沒要你彩禮錢，跟你借錢進貨，你也只能從他那兒買東西「支持」他家生意，一開始是日用品也就算了，更糟心的是，你「買」了好多快過期的東西，這些都是「孖展創造需求」。

　　從外表看，微軟增加資本開支，購買GPU、建設數據中心，產生AI服務收入，AI公司再購買雲服務，形成新的收入，從大模型廠商到五大雲廠商，從數據中心到第三方算力租賃，從英偉達三大存儲巨頭到上游供應鏈，訂單看上去很繁榮。

　　實際上，相當一部分收入是你欠我的，我欠他的，他欠你的，不得不我用你的服務，你用他的服務，他用我的服務，導致AI收入缺乏「獨立性」，並非完全自發產生。

　　投資AI產業鏈，不能只看訂單，關鍵在於，AI需求的源頭有多少來自最終用戶，有多少來自產業鏈內部的錢？後者雖然不算是「虛假需求」，但至少是打折扣的需求。

　　真正的獨立需求是指什麼呢？我認為應該是剔除雲廠商自建AI、戰略投資、算力預付款、雲積分「算力抵用券」之後的純現金流收入，這纔是真正願意長期支付AI費用的需求。

　　獨立需求很難統計，但有一個代替的指標，就是上一篇說的「資本開支的二階導數」，這其實是繞開財務統計的數學思路。

　　資本開支的一階導數是資本開支增長速度，二階導數對應的是需求增長速度是否繼續加快，資本開支轉化為需求的效率再高，也只能推動一階導數，二階導數的持續向上，一定是有系統外的新需求，比如今年的AI編程和Agent的需求，就是上半年二階導數持續向上的驅動力。

　　這也是上篇認為，只要二階導下降，就代表新增收入不能對應新增資本開支，只能依賴再孖展。

　　當AI逐漸變成一個信用周期，一件重要的事，就是要穿越AI產業鏈的債權債務關係。

　　最終承債人

　　如果把AI基礎設施債務穿透到底層，最終承擔者不是某一家AI公司，而是一條很長的金融鏈條中的不同深度的參與者：

　　債務的表面承擔者是AI大模型公司和雲廠商，都是巨無霸，這是很多人認為AI債務風險不大的原因。

　　它們之間有長期合同，承諾未來10年，每年採購多少GPU算力，從會計角度，這可能不會馬上顯示為債務，但實際上是用未來的現金流擔保，對應AI雲計算和大模型廠商的收入ARR（注意兩者有重疊的部分）。

　　可實際上，越來越多表外的借錢人是數據中心SPV。

　　現在越來越多主體採用項目孖展，成立一個特殊SPV公司，負責購買與建設AI資產，並承擔債務，收入主要是O記和A記的長期租賃費。

　　這個結構，從法律上說債務在SPV，五大雲廠商和英偉達的賬面上看不到，但實際上就是他們和AI大模型的債務，這是上一篇我認為AI基建已經房地產化的原因。

　　房地產到後面，實際運營的項目公司的資產負債，在上市公司的報表上也根本體現不出來。

　　AI基建早期的債權屬於銀行，比如建數據中心的貸款，這是很多人從當前銀行的財務狀況認為AI孖展沒有大規模金融風險的原因。

　　實際上，銀行通常不會長期持有全部風險。它們會打包變成ABS出售，就像2008年一樣，傳統銀行的財務很安全，並不代表社會沒有金融風險。

　　從上面的債務鏈看，真正的最終債權人是機構投資者。

　　ABS賣給了養老金和保險公司，他們對這種長期現金流的投資級債券配置需求極高，AI基礎設施債券非常符合。

　　還有SPV背後的私募信貸基金，通過投資私人貸款，收益高於公開債券。

　　當然，最終實際承擔者還是普通投資者。

　　理解了AI產業鏈的債權債務關係後，下一步就是尋找最脆弱的環節，這是債務風險觀察點。

　　最脆弱的環節

　　這個問題有兩個分析角度，壓力出現的時間和最終損失的慘烈度。

　　角度一，誰最容易先感受到現金流壓力。

　　第一環，最先承壓：AI應用公司和小型AI創業公司

　　這是生態鏈最脆弱的一層，算力昂貴，競爭激烈，很多AI創業公司收入低於成本，只是增速比較快，但仍需要不斷孖展燒錢。一旦AI需求放緩，客戶減少AI預算，或者API價格戰，加上獲客成本增加，這些公司會最快死亡。

　　第二環，危機放大器：數據中心運營商

　　數據中心的資產極重，負債率極高，而且目前還在孖展擴張，收入依賴少數大客戶，GPU快速折舊，一旦大客戶減少採購，空置率上升，無法獲得新的孖展，很快就會陷入債務危機，這是最接近房地產開發商的環節。

　　第三環，孖展大本營：五大雲廠商和英偉達

　　目前，它們還是主要債務人，所以是AI債務真正的「承重牆」。

　　一般不擔心他們，因為資產負債表強，客戶多，AI只是雲業務的一部分，囤積的GPU就算AI需求下降，還可以用於普通雲計算。

　　在未來的危機中，它們更可能經歷「投資回報下降」，而不是「債務危機」，但對股東而言，估值殺個50%是大概率事件。

　　最後一環：OpenAI、Anthropic等大模型廠商

　　雖然危機最初是他們的收入增速下降引發，但因為它們的孖展主要是股權，沒有剛性到期債務，如果沒有上市，那反而是最安全的。

　　不過OpenAI與Anthropic之間的區別，可能比它們與其他環節的區別更大。

　　Anthropic的收入大約有80%來自企業客戶，這些客戶粘性強、收入穩定。它的單位經濟效益已經穩穩地脫離了虧損區，現金消耗率正在收斂至一個可控的水平。

　　相比之下，OpenAI更脆弱、波動性更大。它的收入大約有60%來自毫無忠誠度的個人消費者，現金消耗率極高，在2027年之前都將維持在令人窒息的57%左右，目前看不到任何實現正向現金流的途徑。

　　Anthropic的大部分債務受到了保護，比如在阿波羅和黑石提供的約350億美元的TPU算力孖展項目中，Anthropic的債券借用了其投資級支持者的信用評級。

　　而OpenAI並沒有真正的聯合簽署人，微軟在2026年4月撤掉了所有的結構性支撐。微軟多年來從內部審視過OpenAI的賬本，它或許已經意識到了其中的信用風險。

　　OpenAl另一大支持者軟銀，曾以OpenAI股權為抵押，籌集了一筆100億美元的保證金貸款。由於貸款方對抵押品感到猶豫，軟銀甚至不得不提供個人擔保。

　　雖然OpenAI憑藉獨特的地位，自身債務風險不大，但卻是整個AI生態系統中最可能引發危機的「雷」。

　　角度二，危機如果發生，誰最慘？

　　這回倒過來分析，如果發生了最壞的情況，類似2008年席捲全球的債務危機，產業鏈最安全的是誰？

　　我認為答案是英偉達，當然這個「安全」是指沒有債務問題，但股東手裏的股票跌個50%是起步價。

　　其次是OpenAI與Anthropic，原因前面分析過了。

　　再次是除甲骨文外的雲巨頭，原因一樣，影響的是利潤率，而不是債務危機。

　　這裏把甲骨文單拎出來，它的還本付息率（債務本息現值/經營現金流）僅為48%，如果風險等級提升，孖展利率提高，很可能立刻陷入債務危機。

　　上面的環節主要還是股權減值風險，但以甲骨文公司為界，接下來就是有破產風險的環節了：

　　首先是依靠孖展擴張的AI創業公司，孖展一減速，立刻現金流枯竭，雖然金融影響有限，但數量巨大，對實體經濟的影響不可小看。

　　其次是擁有大量孖展項目的AI數據中心，無論是繁榮時的數據中心延期，還是衰退期的租賃價格下降，都足以形成危機。

　　當然，數據中心作為典型的重資產業務，它的風險早為人知，因此其孖展的評估也比較嚴格，所以最危險的環節並不是它們，而是第三方GPU租賃和新型算力雲公司。

　　雖然有着各種花哨的技術包裝，但核心商業模式仍然是大量買GPU出租。它們現在賺的錢不但有GPU差價，而且還有算力通脹的溢價，由於槓桿率極高，一旦需求過剩，立刻資不抵債。

　　最典型的是CoreWeave，我稱之為「AI雲計算行業的恒大」。

　　公司憑藉其專為AI優化的技術棧和高效的資本運作模式，成為少數幾家能夠大規模、快速交付最新AI基礎設施的專業雲廠商，因此深度受益於結構性供需失衡。

　　但公司更創新的是孖展結構，通過將客戶的長期合同作為底層資產進行債務孖展，以遠低於自身主體的成本獲取了大規模擴張所需的資金，形成了「訂單-孖展-擴張-再接單」的增長飛輪，本質上就是房地產快速擴張的模式。

　　公司極高的債務水平，債務股本比高達13.8，持續的鉅額資本開支，淨利潤持續為負，調整後經營利潤率指引8%遠低於其長期目標25%~30%。短時間內交付數百億乃至上千億美元的訂單，供應鏈極容易出問題。

　　由於它的合同已全部抵押出去，一旦收入增速低於預期或者低於GPU折舊，資產減值壓力會很快把公司的資產負債表壓垮。

　　以CoreWeave為代表的高槓杆、快速擴張的第三方算力租賃，是未來最有可能爆雷的環節。

　　盤點完各環節的風險，就可以看一看更實際的預測，如果危機升級，未來可能先後出現的幾個風險事件。

　　最可能的幾個風險事件

　　第一件風險事件：OpenAI的IPO。

　　目前O記A記的付款主要不是靠收入，而是靠訂單孖展（就是賒賬），所以孖展能力不只是籌資能力的體現，還是運營成本的核心環節，這也是奧特曼最擅長的領域。

　　而優越的孖展條件能夠繼續維持的前提是，每一輪新的孖展估值，都必須高於上一輪。所以OpenAI的估值上漲的意義不只是資產增值，它的IPO定價至關重要，定價過低，或者上市後高開低走，都不利於下一步的孖展能力。

　　另外，私募信貸的信息可以不公開，但IPO會準確無誤地披露出每一個財務細節，所以足以構成一次風險事件，如果真的發生，就是今年年底到明年年初。

　　第二件風險事件：借款人為了保留現金，縮減對算力的承諾。

　　當大模型公司的ARR無法維持持續增長，就會發生訂單義務的縮減，實際上就構成了合同違約，這會成為一個標誌性的事件，類似房地產泡沫後出現第一批「爛尾樓」，引發地方政府的警覺與賬戶凍結。

　　第三件風險事件：違約事件最先打擊這兩年風頭無雙的新型雲計算公司，比如CoreWeave、Lambda和Crusoe。

　　前面已經分析過相關公司的商業模式，當GPU購買和出租利差發生倒掛時，它們實際上就已經資不抵債了，而第一個倒下的公司可能會構成「恒大時刻」，CoreWeave的倒下類似碧桂園，被認為相對安全的甲骨文類似萬科。關鍵在於，當一件事發生，其他事件就不可避免，剩下的只是時間問題。

　　第四件風險事件：整個AI體系的信貸將會凍結。

　　此時，剩餘履約義務將被重新定價為交易對手風險，以GPU為擔保的票據將無法展期，上游產業鏈（包括A股的算力鏈企業）企業大面積資產減值。

　　此時的債務風險已經充分暴露，並主要影響股市。股權價值將遭到毀滅性打擊，在減值沒有完成前，所有公司的估值都會被殺到歷史最低水平，包括五大（也許只剩四大了）雲廠商，然後進入漫長的「殺業績」周期。

　　但AI與房地產最大的區別在於，技術仍然在進步，實際滲透率仍然在上升，需求仍然在高速增長，只是之前的基建太過超前。

　　所以到最後，那些資本最雄厚、在AI基建中投入最謹慎、風險敞口最小的參與者，將以極低的價格收購那些被擱置的數據中心項目，並為那些必須存續的租賃合同提供擔保。

　　也許是蘋果，也許是英偉達，也許是巴菲特。

　　此時，債務危機引發的經濟衰退已經好幾年，聯儲局一路把利率降到3%以內，卸掉槓桿負擔的AI產業鏈，以較低的成本重新開始一輪大規模基建，才能進入下一個繁榮周期。