AI Capex：下一个系统性金融风险源？

在大多数人的认知框架里，资本支出（Capex）是公司财务报表里最无害的一行数字：买设备、建工厂，钱花出去，资产留下来，利润表当期不受影响。过去两年，这套逻辑被AI行业放大到了历史量级——五大超大规模厂商（Alphabet、Amazon、Meta、Microsoft、Oracle）在2025–2026年合计投入超过1万亿美元建设AI基础设施，而利润表在表面上依然亮丽。市场的普遍叙事是：这是产业升级，是赢家的投入，不是风险。

然后，2026年6月28日，"央行的央行"国际清算银行（BIS）发布年度经济报告，把这个叙事正式列入了风险清单。报告将AI投资的可持续性，与持续通胀风险、金融脆弱性加剧、财政状况恶化并列为当前全球经济的四大压力点。措辞直接而罕见："回报失望可能触发融资的突然撤回，将资本支出繁荣转变为旷日持久的投资萧条，并向金融条件蔓延"。

这不是第一声警报。英格兰银行（BoE）早在2025年10月已指出，按周期调整市盈率（CAPE）衡量的股市盈利收益率已跌至25年最低水平，"与互联网泡沫顶峰时期相当"，并明确表示"急剧市场修正的风险已上升"。但BIS这次不同，它直接点名了融资结构和金融传导机制，而不只是估值过高的担忧。

这不是分析师的争论，这是监管机构的官方立场。

本文要回答的核心问题是：AI Capex究竟通过什么机制演变为系统性金融风险？这个风险在多大程度上是真实的，又在哪里被高估了？要回答这个问题，需要从财务机制、融资结构、历史先例和传导路径四个维度逐层拆解。

理解"定时炸弹"：三张财务报表的时间错位

讨论AI Capex的金融风险，首先必须理解一个基础财务机制：资本支出（Capex）和折旧费用（Depreciation）在时间轴上是分离的，这种分离在超大规模厂商身上被放大到了历史量级。

当一家公司购买服务器或建设数据中心，这笔支出立即体现在现金流量表的"投资活动"里，但不会当期进入利润表。设备被记录在资产负债表的"在建工程（CIP）"科目，等项目建成投入使用，才转入"固定资产（PP&E）"，并开始按年折旧进入利润表。

这产生了一个对外部观察者极具迷惑性的会计现象：Capex越大，现金流越难看，但当期利润表可能完全没有任何异常。只有当这批资产陆续"转固"开始计提折旧时，利润表才会感受到压力——而此时，Capex可能已经付出了两三年。

现在把这个机制放到真实数字里来看。五大超大规模厂商（Alphabet、Amazon、Meta、Microsoft、Oracle）在2025–2026两年内合计AI相关Capex超过1万亿美元。资产负债表上的变化已经反映出炸弹的积累：Alphabet 2025年尚未投入使用的在建资产（assets not yet in service）从$506亿跳升至$786亿，同比增长约55%；Meta全年资本支出（含融资租赁）从$392亿飙升至$722亿，增幅达84%；Oracle FY2026全年Capex达约$556亿，同比增长约162%，较两年前的$69亿增逾六倍。这些仍挂在资产负债表上尚未开始折旧的在建资产，将在2026–2028年集中"转固"，届时折旧费用将呈爆炸性增长。

WSJ援引分析师预测：仅Alphabet一家，折旧费用就将从2025年的211亿美元跳升至2029年的约780亿美元，占收入比例从5%升至11%。摩根士丹利预测四家主要公司在三年内累计折旧将超过5200亿美元。据分析师测算，五大厂商将在2030年前累计向资产负债表投入约2万亿美元AI相关资产；若以行业通行的5-6年折旧年限计算，折旧高峰期的年度折旧压力将接近乃至超过这五家公司目前合计净利润的水平，这不是利润崩溃，但意味着在AI收入大幅增长之前，利润率的结构性压缩几乎已是确定会发生的事。

但这里有一个关键的会计细节：折旧是非现金费用，只影响GAAP利润，不影响经营现金流（在现金流量表中加回）。这意味着单独的折旧增加不会引发流动性危机，它影响的是估值——当利润率下降、EPS下修，股价将重新定价，而这才是传导到金融系统的第一个通道。

但折旧引发的估值下修，顶多是利润表的压缩，它能让股价难看，但不足以引发系统性金融传染。真正让BIS感到警觉的，是这场Capex热潮的融资方式已经根本性地改变了，而这才是风险从行业周期演变为金融稳定问题的关键拐点。

从自有现金流到债务驱动：一个历史性的商业模式转型

过去十年，超大规模厂商是全球最典型的"轻资产、高现金回报"商业模式：经营利润高、Capex低、自由现金流充沛。这是它们能够享受科技股高估值倍数的根本原因。

这个模式在2024–2026年发生了根本性转变。

2023年，五大超大规模厂商的Capex占经营现金流约40%，仍在可控范围。PIMCO预测2026–2027年这一比例将攀升至约94%——几乎把全部经营现金流都投回了AI基础设施。换句话说，它们几乎把全部经营现金流都投回了AI基础设施，自有资金已无法覆盖持续扩张的需求，开始系统性地转向债券市场融资。

BIS研究明确记录了这一转变：超大规模厂商的融资模式正从经营现金流转向债务融资，公司债发行量在2025年突破1000亿美元，且多为五年期以上的长久期债务，锁定多年建设的资金。据美银证券测算，2025年实际发行量约1210亿美元，是2020–2024年年均约280亿美元的4.3倍。

据摩根大通信用研究，AI相关债务总规模已升至约1.2万亿美元，占其美国流动性指数（JULI）约14%，超越银行业成为投资级信用市场最大的单一行业板块。AI竞赛中的公司未来五年将需发行高达1.5万亿美元投资级债券。

这是现代资本市场史上最快速的企业债发行潮之一，规模可与19世纪铁路建设融资相比。而与铁路不同的是，这批债务的背后，没有可用作抵押品的实物土地——只有GPU服务器、软件合同和对未来AI收益的预期。

表外融资的"影子借贷"：监管真正担忧的地方

如果说债券市场融资是"看得见"的风险，那么BIS在2026年3月季度报告中专门命名的影子借贷"（Shadow Borrowing），才是真正让监管圈的神经绷紧的东西。

这套结构的运作逻辑如下：超大规模厂商希望建设数据中心，但不想把全部债务放在资产负债表上（影响杠杆率和信用评级）

1. 他们发起或参与一个专项载体（SPV）或合资企业（JV），由SPV收购或开发数据中心资产
2. SPV通过私募信贷（Private Credit）融资，债务由私募信贷基金、保险公司等机构持有
3. 超大规模厂商与SPV签订长期运营租约或算力承购协议（Offtake Agreement），承诺多年付费
4. SPV的债务以这些租约现金流为抵押，通常带有超大规模厂商的某种担保

BIS将这种安排定性为"影子借贷"：经济实质上等同于债务，但大部分存在于公司资产负债表之外。穆迪测算，超大规模厂商已签订但尚未计量入表的数据中心租约合计约6620亿美元，占五大厂商合并调整后债务的113%。

BIS明确点出了这类安排的系统性风险传导路径：私募信贷基金 → 保险公司（持有私募信贷份额）→ 银行（为SPV提供融资额度，或通过保险公司渠道间接暴露）→ 零售投资者（通过BDC等渠道触达）。一条从超大规模厂商到普通储蓄者的风险传导链条，正在通过这套结构悄然形成。

数字印证了这一担忧。私募信贷对SaaS软件公司的贷款从2015年的近80亿美元，增长至2025年底的超过5000亿美元，占直接贷款总量的19%。BDC（业务发展公司）占美国直接贷款总量的五分之一，其中超过15%的贷款发放给了SaaS公司。这些贷款往往基于未来AI收益预测而非硬资产抵押。当BDC以AI软件公司的"未来经常性收入"为基础发放贷款，再把这个BDC份额卖给养老金或零售投资者时，整条链条的脆弱性已经悄然渗透到了传统金融体系的核心。

更危险的是，这些私募信贷贷款往往基于未来AI收益预测而非硬资产抵押。当一个BDC（业务发展公司）以AI软件公司的"未来经常性收入"为基础发放贷款，再把这个BDC份额卖给养老金或零售投资者时，整条链条的脆弱性已经悄然渗透到了传统金融体系的核心。

循环融资：一个自我膨胀的生态系统

如果"影子借贷"是结构上的隐患，那么BIS年度报告特别点名的循环融资（Circular Financing），则是这场投资热潮中最值得深思的一个现象。

其运作模式是：芯片制造商和超大规模厂商向AI实验室或新型云服务商（NeoCloud）投资入股 → AI实验室承诺多年向这些股东购买芯片或算力 → 股东账面上录得AI营收增长，AI实验室账面上录得融资额和已签约的算力订单。

BIS明确表示："此类交易的条款往往披露不充分，存在同一资产被多次质押的风险。"

以Anthropic为例：这家公司先后获得Amazon和Google的巨额战略投资，Amazon历史合计注入约$80亿，并于2026年4月追加承诺最多$250亿；Google持有其约14%股权，2026年4月承诺追加最多$400亿。与此同时，Anthropic向AWS承诺购买超过$1000亿算力（十年内），Google持有Anthropic约14%股权，2026年4月承诺追加最多$400亿投资，同时为Anthropic承诺提供算力资源支持。投资人与付款人高度重叠，Amazon和Google既是Anthropic最大的股东，也是其最大的收入来源。这笔算力支出将成为Amazon和Google的"AI Cloud收入"，同时体现为Anthropic资产负债表上的长期租约负债，形成教科书式的循环财务结构。

从三张表的视角看，这套结构产生了一个分析上极其棘手的问题：超大规模厂商的"AI Cloud收入"中，有相当一部分源于他们自己通过股权投资"预置"了客户的需求。这不是传统商业关系中的独立市场交易，而是一个资本账户在产业链内部循环流动的闭环结构，人为拉高了整个AI产业的名义收入规模。

Sequoia合伙人David Cahn的测算量化了这一缺口：按50%毛利率、2倍总拥有成本乘数推算，AI产业需每年产生约6000亿美元的真实终端收入，才能覆盖基础设施的资本成本。需注意，6000亿美元为其2024年中的测算值；以2026年更高的英伟达数据中心收入跑率按同一方法论推算，该阈值已升至约1万亿美元。而2026年可归因于真实终端用户消费的AI收入，多方估算约在500–1500亿美元之间——缺口仍高达数倍。

BIS亚太区代表张涛对此有一句警示性的表述："如果市场出现任何形式的修正，金融系统的相互关联性和各类脆弱性的交织，意味着修正的速度可能远快于以往的银行危机。"传统银行危机有存款保险、最后贷款人机制作为防火墙；而私募信贷、对冲基金、保险公司这些非银行金融中介，缺乏同等级别的制度性缓冲。

历史先例的镜鉴：相似性与本质差异

每一个时代的泡沫都声称自己是例外。BIS年度报告引用了四段历史对照：1830年代的运河热、1840年代的英国铁路热、1920年代末的电气化热，以及1990年代末的互联网泡沫。

这四段历史的共同轨迹是：真实的技术突破→资本涌入超越商业回报上限→过度建设→需求不及预期→资产减值→经济衰退。而每一次，最热衷的参与者都相信这次与以往不同。

与电信光纤泡沫（1999–2002）的相似性最为直观：供给过剩的基础设施（85%的光纤从未使用）、债务驱动的扩张、折旧冲击利润表、最终的大规模资产减值。

但AI的故事有几个真实存在的结构差异，让简单类比失效：

差异一：需求可见性不同。 互联网泡沫时期的未来带宽需求主要是分析师预测，而当前AI云的Backlog是真实的合同签约——微软、Google、Amazon均有数千亿美元已签约的剩余履约义务。问题在于，其中多少是循环融资创造的虚假需求，仍然难以核实。

差异二：玩家的缓冲厚度不同。 世通、环球电讯是高度杠杆化的运营商，现金流一旦断裂即告破产。而Alphabet 2025年净利润约1320亿美元，以其当前盈利厚度，不会触发生存危机，但分析师预测其折旧在四年内将增加约570亿美元，这将实质性压缩利润率并推动估值重定价。超大规模厂商不会破产，但这不等于股价不会承压。

差异三：AI的自我增强需求逻辑更强。 AI能力的提升会内生性地创造新的使用场景——这是带宽本身无法做到的。ChatGPT的成功创造了整个GenAI应用层，而这个应用层反过来又需要更多算力。这种正反馈在历史先例中几乎没有完全对应的例子。

但PIMCO在其2026年5月的信用分析报告里说了一句值得铭记的话："AI正处于一场真实风险中的资本支出繁荣：不确定的变现、潜在的过度建设、资产寿命缩短、以及对债务日益增长的依赖。但就目前而言，它仍是一个比1990年代末电信泡沫更有纪律、更可融资的周期。" 但更有纪律不等于没有风险。

传导路径：泡沫如何演变为系统性事件

区分行业泡沫和系统性金融风险的核心，在于风险能否通过金融渠道向外传染。BIS 2026年报提供了这个传导路径的完整描述。

路径一：权益市场 → 财富效应 → 消费萎缩

美国股票占全球MSCI指数约73%，而AI相关股票占标普500市值的比例已显著提升。美国家庭持有的股票资产相对于总财富的比例，相比十年前已大幅增加。这意味着一次AI主导的股市大幅修正，会通过财富效应直接压缩消费，其宏观影响将远大于互联网泡沫时期，因为彼时居民的股票财富占比远低于今天。

路径二：固定收益市场 → 信用收紧 → 企业融资成本跳升

AI相关债务已占摩根大通美国投资级指数约14%，超越银行业成为最大单一板块，且集中度在2026年仍持续上升。当前投资级信用利差约77个基点，处于1998年以来的历史低位，这本身就是一个风险信号，因为市场对AI前景的乐观预期已充分定价。

一旦AI商业化低于预期，三类债务首当其冲：超大规模厂商自身发行的投资级债券、EPC工程承包商（数据中心建设方）的债券（这些公司资产负债表相对薄弱，对超大规模厂商订单高度依赖），以及新型云服务商（NeoCloud）的高收益债券。信用利差的重定价将快速传导至整个企业信用市场，提高所有借款人的融资成本。

路径三：私募信贷 → 非银金融体系 → 流动性冻结

这是BIS最担忧的传导路径，也是被主流讨论最低估的一个。直接贷款基金面向AI和IT行业的敞口已达投资组合的15%，且这些贷款基于未来AI收益预测而非硬资产担保。

当私募信贷出现压力时，其与银行的关联开始暴露：银行为SPV提供信贷额度，保险公司持有私募信贷份额，BDC吸收了越来越多的零售投资者资金。这些非银行中介没有像商业银行那样的监管防护网，一旦出现大规模赎回压力，可能爆发类似2020年3月现金恐慌的流动性冻结事件。

FSB 2026年5月的私募信贷脆弱性报告指出了一个额外的隐患：私募信贷市场的透明度极低，监管机构对风险规模的数据掌握严重滞后于实际情况。这意味着当问题暴露时，监管者可能同样毫无准备。

路径四：折旧冲击与会计不透明 → 估值重定价的延时炸弹

FASB要求上市公司从2027财年起在注脚中对费用进行更细化的分类披露，届时折旧的具体分布将更清晰地呈现给投资者，这意味着投资者将在2028年才能首次系统性地看清折旧如何分布在超大规模厂商的各费用科目。折旧压力最集中的时期（2027–2029年）与信息透明度最低的时期高度重叠。这一信息不对称本身就会制造市场对利润下修的惊喜效应，加剧估值修正时的波动性。

当前市场对风险的定价：矛盾与信号

有意思的是，当BIS发出系统性风险警告时，市场并未以崩溃回应，反而呈现出一种内部分化的定价逻辑：

信用市场先于股权市场定价风险：超大规模厂商债券已相对于整体IG指数出现利差扩大，其10–30年期收益率曲线明显陡峭化，这是债券市场在要求更多久期溢价，因为他们意识到这批超长期债务的偿付依赖于AI商业化的长期确定性。与此同时，股权市场仍在讨论"这些AI Capex到底值不值"的逻辑，整体估值仍处于历史高位。

股权市场内部出现分化：市场的判断已不再单纯看收入增速，而是开始追问"Capex是否有清晰的闭环变现路径"。Q1 2026财报季后，拥有Google Cloud直接AI收入背书的Alphabet股价创历史新高；而Meta全年Capex指引上调至$1250–1450亿，股价在财报后跌逾7%——尽管其收入增速（+33%）是本季最快的超大规模厂商。同样的收入加速，市场给出了截然不同的定价，分歧的核心在于：Meta的AI Capex需通过广告效率提升间接变现，路径模糊，且自由现金流已呈压缩趋势。

私募信贷市场已出现早期压力信号：SaaS软件公司股票在2025年10月至2026年2月间累计下跌约30%；BDC（业务发展公司）股票下跌约10%，相对净资产值的折价扩大；对SaaS敞口较高的BDC表现比同行差约5个百分点。这些信号在JP摩根看来尚未系统性，但在BIS看来已是值得警觉的先行指标。

最关键的矛盾：公司债利差仍处于1997年以来的历史最低水平，但这是在超大规模厂商以创纪录速度发行债券、同时AI商业化缺口仍是数倍量级的背景下发生的。这种价格信号的失真，可能是下一次重定价时幅度超出预期的根源。

这不是2008年，但可能是一种新型的缓慢积累型系统性风险

2008年金融危机是通过抵押贷款、CDO和高杠杆银行体系的集中爆发。AI Capex的风险传导路径更接近一种慢性积累后的阶段性冲击，而非单点引爆的系统性崩溃。

以下是最合理的情景框架：

基准情景（概率约40–50%）：折旧压力在2027–2028年如期释放，超大规模厂商利润率从~35%压缩至~25–28%。股价经历一轮市盈率收缩式的估值重定价（P/E多倍收缩，但绝对利润仍为正），而非利润崩溃。AI商业化收入增速不及折旧增速，但差距逐步收窄。信用市场出现局部压力，私募信贷领域的SaaS敞口触发部分BDC的资产减值，但未演变为系统性信用冻结。宏观影响有限，更接近一次技术股为主的高估值修正。

尾部风险情景（概率约15–20%）：循环融资中的某个关键节点断裂（例如大型AI实验室无法兑现对超大规模厂商的算力采购承诺），引发Backlog大幅注水和收入下修。AI供应商（EPC工程承包商、NeoCloud）信用评级连续下调，债券市场出现信用利差快速扩大的传染效应。私募信贷领域爆发大规模赎回潮，BDC强制变现资产，流动性冻结向银行体系传导。股权财富效应推动消费明显收缩，叠加当前已有的通胀压力（来自BIS报告中提及的霍尔木兹海峡封锁的能源冲击），触发美欧轻度衰退。这不是2008年的量级，但会是2000–2002年纳斯达克崩溃叠加轻度衰退的现代复制版。

乐观情景（概率约30–40%）：AI代理式应用（Agentic AI）在2026–2027年规模商业化，企业端采购超预期，AI真实终端收入年增速超过折旧增速。Capex/FCF比率开始回落，债券市场信用担忧消退，利差修复。超大规模厂商完成从"科技公司"向"高增长公用事业"的估值重定价——估值倍数适度下降，但基本面叙事切换为"AI基础设施是下一个互联网基础层"，市场接受了这一新框架。

监管的回应与局限

面对BIS明确的警告，监管的实际工具箱相当有限。

FASB的折旧披露新规是提高信息透明度的重要一步，但它治的是信息不对称，而非过度投资本身。即便投资者在2028年看清了折旧的全貌，已经发生的Capex和签订的租约合同无法撤销。

私募信贷领域的监管留白是更大的挑战。BIS报告指出，银行通过为SPV提供融资额度，已经以不透明的方式与私募信贷体系深度交织。但目前没有单一监管机构能够对这一跨越银行/非银行边界的风险暴露进行全局监控，FSB的报告直接承认了这一点。

美联储芝加哥分行的数据表明，银行对AI相关行业的账面贷款余额均值约为银行总资产的0.8%，日常层面看起来可控。若将已承诺但未提款的信贷额度计入，这一比例将从一级资本的9%（已提款余额）跳升至25%（含已承诺额度）——在压力情景下，借款人可能在违约前先行提款，实际损失将远高于当前0.8%的表面暴露。而这还仅是"已知的、在表内的"直接暴露——通过SPV融资额度、保险公司持有、BDC零售化等渠道传导的间接暴露，当前没有任何机构有完整的数据。

BIS的处方是：监管机构应将AI融资结构的表外披露要求作为下一个优先监管议题，尤其是针对多重质押和循环融资安排。但监管的制度建立通常滞后于风险的实际积累。历史告诉我们，当监管终于跟上时，往往也是拐点到来之后。

结论：悖论中的清醒

这场讨论存在一个内在悖论：如果AI的商业化如期兑现，这1万亿美元的Capex将被证明是20世纪铁路和电气化之后最伟大的基础设施投资，BIS的警告将成为过度谨慎的注脚；如果商业化低于预期，那么这将是一场规模空前的过度建设，折旧波、债务波和私募信贷压力波三浪叠加，触发一次深刻的全球金融调整。

在结论尚未揭晓之前，有几件事是确定的：

第一，风险是真实的，只是时间和幅度未定。 BIS并非在预测崩溃，它是在识别具有系统性传染潜力的脆弱性节点——而这些节点确实存在。

第二，"看利润还不错"的判断在当前环境下最危险。 折旧压力滞后、表外义务不可见、私募信贷敞口不透明——这三重信息遮蔽，使得利润表的表面健康高度误导。

第三，这不会以传统金融危机的形式到来。 超大规模厂商不会破产，因为它们有真实的经营利润。风险更可能是一次长达数年的估值重定价和利润率压缩，以及在私募信贷和非银金融体系中散点式爆发的局部流动性压力。

第四，分化已经在发生。 有清晰AI变现路径的公司（Alphabet凭Google Cloud、AWS凭直接算力收入）和路径存疑的公司（Meta的AI Capex仍主要通过广告效率间接变现；Oracle虽有$6380亿RPO背书，但激进Capex先行、收入滞后兑现的时序风险极高）将在这一轮调整中命运迥异。信用市场已经开始为这种分化定价，股权市场正在跟上。

BIS的警告，不是建议撤离AI——它是一个关于融资结构、信息透明度和跨市场风险传导的系统性提醒。这正是央行圈存在的意义：在繁荣期说出不受欢迎的真相。