美国 AI 万亿级表外承诺：疯狂算力军备竞赛之下潜藏的结构性风险

接好运鸭 · 发表于 2026-9-26 08:35:40

全球 AI 浪潮之下，美国头部科技巨头开启史无前例的算力军备竞赛，大举建设数据中心、锁定 GPU 芯片产能。但大量未来支付义务，并没有直接体现在公开资产负债表里，而是以租赁、采购承诺、特殊目的载体（SPV）等形式藏在财报附注当中。
市场讨论 AI 的时候大多聚焦大模型技术、产品体验，但万亿规模的资本开支、表外融资、硬件折旧错配，是这场 AI 热潮之下不可忽视的暗线。本文客观拆解这套融资模式、潜在风险，同时区分 “技术革命” 与 “资本泡沫”，给普通从业者与投资者现实启示。

重要提示：文中提到的万亿级别，是未来多年累计未折现的采购、租赁承诺总额，不等于当下已经产生的实际负债，不等于已经发生的实际亏损，属于企业未来要履行的支付义务。

一、什么是 SPV 表外模式：债务不在财报上，但义务真实存在

为了快速扩张算力，同时不破坏自身资产负债表与信用评级，大量云厂商广泛使用特殊目的载体 SPV这套金融工具财联社。运作流程大致如下：

巨头联合私募基金、保险资金设立独立 SPV 主体；
由 SPV 去市场借钱、拿地、建设数据中心，采购算力硬件；
科技巨头和 SPV 签署长达 15‑20 年长期租约，实际使用机房与 GPU 算力，部分还附带剩余价值担保；
SPV 承担债务，这笔负债按照现行会计准则，不会直接计入巨头自身资产负债表，仅在财报附注披露采购、租赁承诺。

简单理解：机器是我在用，租金我会长期付，但借钱的主体不是我，账面报表保持干净漂亮。除了机房租赁，还存在大量 GPU、网络设备的长期采购承诺。多家机构统计，头部云厂商相关表外租赁 + 采购承诺合计规模达到数万亿美元级别，这些义务主要来自数据中心建设与 AI 硬件锁定订单财联社。
二、资本开支与商业化回报，出现巨大时间错配

美国超大规模云厂商每年把数千亿美元投入芯片、变压器、冷却系统、数据中心建设，规模堪比部分国家全年 GDP。但 AI 业务当下直接产生的营收，远远跟不上资本投入的速度。
这里存在一个很关键的硬件折旧矛盾：

财务报表上，GPU 设备通常按 5‑6 年周期计提折旧；
现实产业当中 AI 芯片迭代极快，大概 2‑3 年就会显著落后于新一代产品，硬件实际经济生命周期远短于账面折旧周期。

如果硬件技术迭代速度远超预期，设备还没有赚回成本，就已经技术过时，就会出现资产账面价值和实际市场价值严重脱节，带来潜在的减值风险。
市场还观察到一种 “资金闭环” 现象：云巨头投资 AI 初创企业，初创公司拿到融资之后，又把大量资金用来采购该巨头的算力服务，账面收入被做大，但商业闭环高度依赖持续融资环境，一旦融资收紧循环就会承压证券时报。
典型案例就是甲骨文与 OpenAI 的巨额五年算力采购协议，订单规模巨大，而 OpenAI 现阶段营收体量，要支撑这份长期合同，高度依赖未来业务高速增长能否兑现；项目建设本身还面临电力、施工、不可抗力等现实落地阻碍证券时报。
同时上游硬件供应链厂商也被这波浪潮带动，变压器、冷却、供电设备厂商订单爆满，不少供应链企业也大举借贷扩产，前提是 AI 算力建设会持续高景气。一旦资本开支踩刹车，上游配套企业会立刻承受压力。
三、宏观层面：美联储货币政策带来的两难处境

这批庞大的表外租约、SPV 债券大量来自私募信贷、养老金、保险资金，普通美国人的退休理财资金间接卷入 AI 算力建设浪潮。
这就造成美联储政策的两难局面：

如果降息，市场资金成本变低，会进一步助推算力投资热潮，放大潜在泡沫；
如果维持高利率甚至继续加息，SPV、数据中心项目的偿债成本上升，部分高杠杆表外实体就会出现资金压力，风险会沿着供应链、债券市场向外传导。

历史可以参照 2000 年互联网泡沫：互联网技术本身是真实进步，但大量过度的债务投资，在利率环境变化之后，大批企业倒下；泡沫破裂不等于技术消失，互联网最后改变世界，只是大量中间参与者付出惨重代价。AI 同理，AI 技术具备真实产业价值，但不代表所有巨额资本投入都可以顺利收回回报。
四、不等于 AI 是骗局，风险到底是什么

需要厘清一个关键认知：不是否定 AI 技术价值，而是警惕资本层面的预期错配。

✅AI 确实可以降本增效，在企业、工业、办公场景有实实在在落地空间；
⚠️风险点在于：市场在用 3‑5 年的资本故事，去兑现一个可能需要 15‑20 年慢慢消化的基础设施回报周期。

风险传导链条：

未来 AI 实际商业需求不及预期；
大量已经签好的长期租约、硬件采购承诺依然需要履约；
GPU 快速迭代，大量算力资产还没回本就已经贬值；
SPV 项目压力传导给债券持有人、供应链企业。

当然，也存在乐观情景：AI 商业化爆发，算力需求持续超预期，全部长周期投入可以逐步消化。但这需要未来多年的商业成果来验证，而不是仅仅依靠当下的资本狂热。
五、给普通从业者、投资者三点现实启示

不要把 “巨头都在大举投入” 直接等同于赛道稳赚大厂疯狂砸钱很多时候来自 “不投就会被淘汰” 的军备竞赛压力，属于生存博弈，不等于已经算清楚确定的投资回报，这两件事要区分。
甄别 AI 项目：区分靠资本补贴生存，还是靠客户真实付费生存面对市面上各类 AI 培训、AI 创业项目，可以问一个核心问题：这套业务是依靠本轮 AI 资本潮的补贴活着，还是已经拥有真实客户愿意掏钱买单？靠补贴催生的业务，一旦资本开支退潮，会最先受到冲击。
务实的机会：AI 用来优化现有业务，而非追逐宏大算力故事无论资本周期冷热，用 AI 工具降低现有业务成本、提升现有业务效率，产生直接现金流，这种模式抗周期能力最强。相比押注宏大算力基建，把 AI 落地到现有业务是更稳妥选择。

六、全文总结

本轮 AI 热潮背后，美国科技巨头通过 SPV 特殊目的载体、长期租约、巨额硬件采购承诺，完成万亿级别的算力基础设施布局。大量未来支付义务留在财报附注，而没有直接体现在资产负债表上。
硬件快速迭代折旧错配、投入与商业化回报的时间差、高杠杆表外融资叠加美联储利率环境，共同构成这套体系的潜在风险。但AI 技术本身具备真实产业价值，泡沫破裂不等于技术失效，参考当年互联网泡沫，技术长期改变世界，但大量中间资本会承担损失。
对普通人而言，不必盲目被 “AI 时代来了” 的宏大叙事裹挟。资本疯狂投入不等于必然赚钱；真正具备韧性的，是 AI 可以实实在在帮业务降本增收、拿到真实客户付费的场景。