第 2.11 章｜资本与市场结构

AI 的技术风险正在变成融资风险。资本开支超过经营现金流、产业内部循环投资、GPU 抵押债务和高度集中的股市，共同决定这轮建设能否持续。

资本开支超级周期

Microsoft、Alphabet、Amazon 和 Meta 对 2026 年的资本开支指引合计约 7,250 亿美元，较上一年大幅增长；若加入 Oracle，规模更高。Amazon 约 2,000 亿美元，Alphabet 约 1,800 亿至 2,050 亿美元，Meta 约 1,250 亿至 1,450 亿美元，Microsoft 也在千亿美元级别。

更重要的变化是，支出开始超过部分公司的经营现金流。缺口必须通过债务、合作伙伴融资、预付款或资产出售补足。市场也从“资本开支越高越好”转向追问回报：即使业绩超预期，提高资本开支也可能触发股价下跌。

谁在为建设提供资金

循环资金链

典型路径是：芯片公司投资模型公司，模型公司向云或新云签订长期算力合同，云平台再购买芯片公司的设备。每个交易单独看都有商业理由，合起来却会放大表面需求，并把参与者的资产负债表绑在一起。

循环并不等于虚假收入。问题在于收入质量：最终付款是否来自独立、现金充足的终端客户；合同是否可取消；股权与预付款是否在帮助客户购买供应商自己的产品。链条越长，任何一端融资失败时的传导越快。

从股权转向信贷

大型科技公司、数据中心和新云越来越多地发行债券、使用私募信贷，甚至以 GPU 和长期合同为抵押。GPU 折旧快、二手价格波动大，若技术更新让设备经济寿命短于贷款期限，抵押覆盖会迅速恶化。

资产管理公司可以通过发起和管理债务赚取费用，承担的是信用周期、募资和承销风险；新云则直接承担利用率和再融资风险。信用利差、贷款价值比、债务到期墙和资产支持证券评级，往往会早于股票收入暴露问题。

股市集中与拥挤

美国股指对少数大型科技公司权重极高，许多被动投资者已经在不知情中持有大量 AI 资本开支敞口。所谓跨层分散——同时持有云、芯片、电气设备和私募信贷——也可能只是同一笔资本开支的不同债权和股权。

2026 年市场领导面扩宽，超大科技股相对其余成分股表现转弱，说明投资者开始区分收入兑现与建设叙事。拥挤度下降不代表 AI 周期结束，而是估值对资本回报更敏感。

折旧是最容易被忽略的利润变量

加速器的会计寿命通常长于产品更新节奏。延长折旧年限会提高当期利润，却不改变设备在市场上的经济价值。如果旧集群利用率、租金和二手价格在债务到期前下降，报表利润会高估真实现金回报。

因此，比较云厂商和新云时，要把资本开支、折旧政策、设备年龄、利用率、租金与自由现金流放在一起。收入增长无法单独回答 ROI。

私募巨额融资与上市窗口

OpenAI、Anthropic、xAI 等以极高估值完成大额融资，编码、数据与基础设施公司也在寻求上市。私募估值通常带有清算优先权和特殊条款，不能等同于普通股可交易价格。为获得私营公司敞口而购买高溢价封闭式工具，更可能是在购买稀缺感而不是资产净值。

人才交易也成为资本用途。大型公司通过授权、少数股权和团队收购获得能力，既绕开完整并购，也带来监管审查和高薪成本。

中国用另一套方式融资

中国 AI 建设更多依靠政府引导基金、国家大基金、国企资产负债表、地方补贴和银行信贷。它较少暴露于美国式 GPU 抵押循环，却更受政策优先级、补贴口径、国有基金减持和股权质押影响。

分析中国公司时，应把政府补助与经营利润分开，核查大股东质押、关联交易、国资减持和订单真实性。美国体系的风险集中在市场融资突然收缩，中国体系的风险集中在政策资源重新分配。

投资判断：先做现金流压力测试

最重要的监测顺序是：

1. 是否有超大云厂商下调或暂停资本开支；
2. AI 收入能否覆盖新增折旧与利息；
3. 新云利用率、租金、合同转化和信用利差；
4. GPU 抵押融资是否出现评级下调；
5. 私营模型公司是否出现降价融资或推迟上市；
6. 供应商对客户的投资是否继续扩大。

本章的多头确认不是再签一份巨额合同，而是外部、现金付费需求持续增长，资本开支后自由现金流改善。最强反证则是资本开支下调、信用利差走阔和折旧政策收紧同时出现；那会让整条供应链比普通半导体周期更快收缩。

主要参考：BIS《The AI investment race》、云厂商公开资本开支指引、公司债务与交易披露。总额包含估算与不同财年口径，阅读时应关注方向和现金覆盖，而不是把它们视为完全可比。