为什么通胀冲击再次引发了对人工智能繁荣可持续性的质疑
2026年10月14日，美国劳工统计局（BLS）报告称，年度消费者通胀率从8月的3.4%加速至3.7%。消费者价格指数（CPI）本月上涨0.6%，汽油价格上涨9.1%，占整体指数月度增幅的一半以上。剔除食品和能源的核心通胀率同比达到2.6%。
在2026年9月的官方BLS报告中公布的数据显示，价格压力持续。能源指数本月上涨5.2%，全年上涨20.4%。对于美联储来说，这意味着需要评估昂贵能源对通胀和消费者需求的长期影响。
对于科技公司来说，影响不仅限于普通股票指数的波动。通胀上升可能会改变对美联储货币政策、政府债券收益率和企业借贷成本的预期。如果投资者预期利率将长期保持高位，公司未来的现金流将以更高的利率折现，从而降低长期投资项目的吸引力。
需要在今天投入大量资金以便在几年后开始获得全部回报的公司对这种变化尤为敏感。这一特性将许多人工智能基础设施运营商联系在一起，尽管它们的财务状况差异显著。
与成熟的软件业务不同，后者通常可以以相对较低的边际成本服务额外的客户，建设人工智能数据中心需要大量的初始投资。设备必须购买、安装并连接到电源，然后才能开始产生收入。同时，无论实际容量利用率如何，贷款、租赁和能源合同的付款可能会产生。
然而，这里需要区分两个效应。高利率不一定会恶化所有科技公司的当前盈利能力：拥有大量现金储备和稳定运营流的公司可以继续投资而无需大量借款。对于依赖外部融资的运营商来说，相同的宏观经济条件可能成为更为严重的限制。
因此，人工智能繁荣的主要问题不在于投资规模大，而在于它们多快转化为现金流，以及财务负担如何在市场参与者之间分配。
数万亿美元的人工智能投资流向何方
人工智能基础设施的投资规模已经可以与全球经济最大行业的投资计划相媲美。根据4月的全球金融稳定报告，IMF估计到2029年底，主要云公司的人工智能相关资本支出约为3.4万亿美元。在报告的附录中，2026-2029年十家超大规模公司的预计总资本支出约为3万亿美元。这些数字不能机械地相加：它们指的是相似但不完全相同的计算。
同一IMF研究指出，自2025年1月以来，最大的超大规模公司通过债券融资筹集了超过1000亿美元。该基金强调，由于强劲的资产负债表和产生现金流的能力，主要科技公司的信用评级总体上仍然很高。
国际能源署（IEA）的估计也证明了投资周期的规模。根据其评估，2025年最大科技公司的资本支出超过4000亿美元。2026年，该机构预计这些支出将增加约75%。IEA特别指出，仅五家科技公司的投资已经超过全球石油和天然气开采的投资总量。
然而，“人工智能投资”这一术语涵盖了几种不同的经济过程。要了解金融风险，有必要将市场划分为连续的层次。
第一层级 — 设备制造。Nvidia和AMD开发加速器，TSMC生产先进的半导体，ASML提供生产所需的光刻系统。这些公司通过客户扩展其计算能力来获得收入。
第二层级 — 云平台。Microsoft、Amazon和Alphabet购买设备，建设数据中心，并为其自身部门、开发人员和企业客户提供计算资源。
第三层级 — 专业的AI基础设施运营商。Oracle、CoreWeave和Nebius通过自有资金、债务、租赁和客户合同付款的各种组合来开发计算能力。
第四层级 — 模型开发者和终端用户。在这里，形成了对AI训练和应用的需求，这最终决定了整个技术链的盈利能力。
第五层级 — 基础设施。它涵盖了能源、建筑、冷却、网络设备和电源系统。没有这些组件，即使购买的GPU也无法转化为有效的计算能力。
同时，参与者之间的财务关系并不总是线性的。一家公司可以同时为AI开发者提供资金，向他们提供基础设施，购买他们的服务，并签订长期使用计算的协议。这种联系可以支持增长，但也使得独立市场需求的评估和财务风险的分配变得复杂。
这就是为什么投资承诺的总量不能自动等同于AI行业的未来收入或已经发生的费用总额。
为什么芯片制造商成为主要的财务受益者
当前投资周期的一个特点是供应设备的公司与使用设备提供服务的公司之间的差异。
加速器制造商通过设备销售获得收入，而数据中心运营商必须通过计算能力的负载逐步收回投资。现金流时间的差异解释了为什么对AI的高需求可能伴随着供应商的创纪录盈利和一些客户的负自由现金流。
Nvidia因计算需求创下收入纪录
8月，Nvidia 宣布了截至2026年7月26日的2027财年第二季度的业绩。季度收入达到962亿美元，同比增长106%，其中数据中心部门贡献了890亿美元，比去年增长了117%。
GAAP毛利率为75%，营业利润为637亿美元。公司还预测下季度收入约为1080亿美元，允许偏差为2%。
Nvidia创始人兼CEO黄仁勋在官方发布中阐述了行业经济的变化如下：
现在计算就是收入。
该声明反映了公司的核心投资假设：计算能力不再仅仅是技术基础设施，而成为独立的商业资源。
评估Nvidia的股票前景时，重要的是不仅要考虑GPU销售的增长，还要考虑设备购买者的财务能力。GPU销售现在为制造商带来收入，而客户的经济结果取决于未来的计算价格、服务器负载、电力成本和设备寿命。
此外，快速的生产扩张带来了周期性的风险。如果主要客户减少资本计划，开始更有效地使用现有加速器，或加速向自有芯片的过渡，即使长期AI需求保持不变，供应商的收入增长率也可能会改变。
TSMC展示高生产盈利能力
台湾积体电路制造公司2026年第三季度的业绩 证实了对先进半导体的需求依然强劲。
10月15日，公司报告收入为1.494万亿新台币，约合467.2亿美元，净利润为7630.6亿新台币。以新台币计算的年收入增长为50.9%，净利润增长为68.7%。
毛利率达到66.4%，营业利润率为58.7%。7纳米及更先进的技术工艺占晶圆生产收入的79%，其中包括3纳米技术的33%和2纳米技术的8%。
这些指标表明对先进技术工艺的需求很高；然而，要评估生产能力的实际利用情况，还需要额外考虑产量和可用生产能力。其次，它们展示了公司即使在大规模扩展产能的情况下也能保持高盈利能力的能力。
然而，半导体制造是资本密集型的。新工厂需要多年的投资，设备利用率取决于未来的订单。要评估TSMC的可持续性，不仅需要考虑季度利润，还需要考虑资本支出、生产启动时间、折旧以及对先进工艺需求的潜在变化。
ASML预计设备需求将持续到本世纪末
10月14日，ASML 报告2026年第三季度收入为116.6亿欧元，净利润为49.6亿欧元。毛利率达到57.5%，新销售的光刻系统数量从第二季度的86台增加到第三季度的113台。
公司预计2026年全年收入将在440亿至450亿欧元之间，并承认当前2027-2028年的扩展计划可能不足以满足客户需求。
ASML首席执行官Christophe Fouquet指出：
我们的客户继续提高他们提供给我们的设备短期和中期需求预测。
根据ASML管理层的说法，一些客户表示有兴趣下订单，交付时间为2029-2030年，但这种兴趣尚未意味着已签订正式合同。
因此，来自Nvidia、TSMC和ASML的报告提供了有力的论据，反驳了整个AI热潮仅仅基于投机性预期的说法。设备需求通过实际销售、订单和利润得到了证实。然而，这些数据主要描述了投资周期的当前阶段，而不是为购买设备的所有项目提供了保证的回报。
超大规模公司在创纪录的收入和资本支出之间
最大的云公司财务状况更加复杂，因为它们同时开发AI基础设施并从众多现有领域产生收入。
Microsoft、Alphabet、Amazon和Meta拥有大量的运营现金流来源，但对AI的投资正越来越多地影响资本支出后的自由现金流剩余量。
对于分析，自由现金流（FCF）指标至关重要。在其基本解释中，它代表运营现金流（OCF）减去现金资本支出。然而，FCF的定义可能因公司而异，尤其是在财务租赁和设备销售收益的会计方面。
负的FCF并不一定表示亏损业务。它可能是由于基础设施的密集扩展。然而，对于投资者来说，了解公司能够维持投资支出的时间以及如果当前现金流不足时需要的融资来源是很重要的。
Microsoft保留用自有资金资助增长的能力
在2026财年第四季度，Microsoft 报告总资本支出达到约410亿美元，包括财务租赁。固定资产的直接现金支付金额为358亿美元，财务租赁的金额约为56亿美元。这些金额中约三分之二用于使用寿命相对较短的资产，主要是处理器和GPU。
本季度的运营现金流为554亿美元，自由现金流为196亿美元。总资本支出与现金资本支出金额之间的差异特别是由于包括财务租赁：固定资产的现金支付金额约为358亿美元。
Microsoft Cloud在2026财年第四季度的收入为593亿美元。商业RPO达到6780亿美元，包括与OpenAI协议下的义务。公司预计将在未来12个月内确认约30%的金额为收入。
Microsoft的一个特点是，AI基础设施的资金支持来自广泛的盈利领域，包括企业软件、云服务和订阅。这减少了公司对单个项目的依赖，尽管这并不能消除新投资回报减少的风险。
Meta将大量现金流用于AI开发
在2026年第二季度，Meta 报告收入为608亿美元，运营现金流为318.6亿美元。资本支出，包括财务租赁的本金支付，达到310.8亿美元，自由现金流从一年前的85.5亿美元减少到7.84亿美元。
Meta预计2026年全年的资本支出将在1300亿至1450亿美元之间。
这意味着报告季度的自由现金流约为收入的1.3%，即使运营活动仍然盈利。
同时，Meta的投资不能仅通过云计算销售来评估。人工智能用于提高广告算法、推荐和用户产品的效率，因此部分经济结果反映在现有业务的发展中，而不是单独的“AI收入”项目中。
要评估Meta投资的回报，必须同时考察广告收入的动态、运营利润率、货币化效率和资本支出。
亚马逊在负自由现金流的情况下扩展AWS
亚马逊也展示了云业务增长与整个集团当前现金流之间的差异。
在2026年第二季度，Amazon Web Services的收入增长了37%，达到422亿美元，而该部门的运营利润为166亿美元。
同时，过去12个月亚马逊的自由现金流为负，达到-76亿美元。公司将变化主要归因于资本投资的显著增加，包括与人工智能相关的投资。
亚马逊的净收入在本季度达到626亿美元，需要特别关注。该数字包括投资重估带来的显著非运营效应，主要与Anthropic有关。因此，将此类利润用作AI基础设施盈利能力的直接衡量标准是不正确的。
对于基本面分析，更具信息价值的指标是AWS的运营利润、自由现金流、资本支出动态和实际提供的云服务量。
Alphabet展示了会计利润与现金结果的差异
在2026年第二季度，Alphabet报告收入为1198亿美元，同比增加24%。Google Cloud的收入增长了82%，达到248亿美元，而该部门的运营利润为88.1亿美元。
然而，合并净收入包括金融投资重估带来的大量非现金结果。公司披露的非运营收入约为980亿美元，主要由于权益证券价值的未实现增长。
与此同时，运营现金流为390.7亿美元，现金资本支出为449.2亿美元。因此，季度自由现金流为负，达到-58.6亿美元。过去12个月的自由现金流仍为正，达到532.7亿美元。
这些数据表明，在相同期间比较指标的重要性。一个季度的负自由现金流并不意味着公司失去了从自身资金中融资投资的能力。然而，资本支出的增加和显著的基础设施成本的结合需要更仔细地评估未来的盈利能力。
主要参与者财务模型的比较
公司 | 报告期 | 财务指标 | 关键问题 |
|---|---|---|---|
Nvidia | 2027财年第二季度 | 收入962亿美元，毛利率75% | GPU采购规模能否保持？ |
TSMC | 2026年第三季度 | 收入1.49万亿新台币，净利润率51.1% | 生产能力扩张是否会有回报？ |
Microsoft | 2026财年第四季度 | 经营现金流554亿美元，自由现金流196亿美元 | 高现金回报能否维持？ |
Meta | 2026年第二季度 | 资本支出（含租赁）310.8亿美元，自由现金流7.84亿美元 | AI能否足够快地提高广告盈利能力？ |
Amazon | 截至2026年6月30日的TTM | 经营现金流1614亿美元，自由现金流-76亿美元 | 基础设施投资何时开始提供正自由现金流？ |
Alphabet | 2026年第二季度 | 经营现金流390.7亿美元，自由现金流-58.6亿美元 | Google Cloud的增长能多快证明资本支出是合理的？ |
Oracle | 2027财年第一季度 | 资本支出285亿美元，自由现金流-54亿美元 | 进一步投资将如何融资？ |
CoreWeave | 截至2026年6月30日 | 债务义务355.5亿美元 | 债务支付和客户合同的可持续性如何？ |
来源 — 公司官方季度报告、SEC文件和投资者关系页面。TTM表示过去12个月。资本支出、自由现金流和财务租赁指标的计算方法不尽相同，报告期也有所不同。因此，该表旨在比较财务模型，而不是机械地按单一比率对公司进行排名。
从这次比较中得出的主要结论是，AI热潮正在通过多种方式融资。大型超大规模公司拥有显著的运营现金流，使其能够在自由现金流暂时下降的情况下维持投资。专业基础设施运营商可能更依赖于新资本筹集、信贷条件和客户合同的及时执行。
Oracle和CoreWeave展示了投资周期的另一面
虽然Microsoft、Amazon和Alphabet可以依赖成熟的业务部门，但专业基础设施模型需要更仔细地分析债务结构。数据中心运营商的业务可以快速增长收入，同时面临显著的融资需求。原因在于现金流出与客户付款接收之间的时间不匹配。
Oracle的资本支出增长速度超过当前现金流
到2027财年第一季度末，Oracle的运营现金流包含了113.6亿美元的客户预付款，其中包含显著的金融成分。根据公司的附加方法论，考虑到客户和短期融资，资本支出的净现金流出额为179.7亿美元。自由现金流为负，总计为-54亿美元。相比之下，在上一财年的第一季度，资本支出为85亿美元。因此，其规模增长了三倍以上。
Oracle的运营现金流包含了113.6亿美元的客户预付款，其中包含显著的金融成分。根据公司的附加方法论，考虑到客户和短期融资，资本支出的净现金流出额为179.7亿美元。
Oracle的独特性在于快速的云基础设施扩展、大量的客户承诺以及对资本的日益增长的需求。
然而，签署合同的数量不应自动视为有保障的现金流。合同价值可能包括公司将在几年内提供的服务，实际的收入确认取决于设备的准备情况、容量的可用性和合同条款的履行。
评估Oracle股票的投资者应考虑未来服务合同价值与当前现金流入之间的差异。从投资者的角度来看，三个情况至关重要：现金流入何时发生，在收到现金流之前需要承担哪些费用，以及融资义务与客户合同条款的匹配程度。
即使需求快速增长，数据中心投产的延迟也可能恶化当前的流动性，因为在相应资产开始完全产生收入之前，一些费用需要支付。
CoreWeave结合了高增长与巨大的债务负担
一个更具说明性的例子是CoreWeave，这是人工智能领域的主要专业云计算提供商之一。
根据Form 10-Q报告，CoreWeave在2026年第二季度披露了未来主要债务偿还计划，总额为355.51亿美元。该数字反映了合同偿还额，不应自动等同于资产负债表上的债务价值或公司所有义务。
根据披露的偿还计划，2026年剩余时间的主要债务约为44.1亿美元，2027年为61.8亿美元，2028年为44.2亿美元。
因此，仅在2027年底之前，约有106亿美元的合同偿还到期，占报告日期债务金额的近30%。
这并不意味着公司必须仅从当前收入中偿还全部金额。一些义务可能会被再融资，某些信贷协议由特定资产和合同担保。
然而，即将到来的付款规模显示出财务模型对资本可用性的高度依赖。
CoreWeave在第二季度的利息费用为5.58亿美元，考虑到报告中应用的部分利息资本化。这相当于季度收入的约21.7%，尽管这些数字的直接比较不能替代利息覆盖率的计算。
融资结构值得特别关注。2026年，CoreWeave通过各种债务工具筹集资金，包括浮动利率贷款和固定收益债券。披露的发行中包括2031年到期的27.5亿美元债券，年利率为9.75%，以及2032年到期的12.5亿美元债券，年利率为9.625%。
为了评估风险，有必要考虑这些工具之间的差异。固定利率保护公司免受已发行债务利息费用立即增加的影响，而浮动利率贷款对基础市场利率的变化更为敏感。
合同收入既减少又集中风险
与客户的长期协议为运营商提供了对未来收入的可见性，但可能导致对少数买家的依赖。
CoreWeave的报告显示，在2026年第二季度，三大客户分别占总收入的36%、26%和10%。合计占销售额的约72%。
公司还指出，约98%的季度收入与客户的合同义务有关。
这种组合具有双重效果。一方面，确认的合同允许规划计算能力的负载并增加流入的可预测性。另一方面，几大客户的财务困难或投资计划的变化可能影响业务的很大一部分。
在公共报告中，主要客户的识别并不总是允许准确确定其名称，因此在没有直接披露的情况下，将特定百分比份额与个别科技公司联系起来是不正确的。
Nebius提供了另一种扩展AI基础设施的模式
Nebius也在积极投资于云计算和数据中心的发展。然而，其资金来源结合了各种资本来源，因此不宜自动将CoreWeave的债务风险指标应用于它。
在其2026年第一季度的报告中，Nebius表示资本支出约为25亿美元，主要用于购买GPU、相关设备和数据中心扩展。Nebius通过其首个与GPU基础设施和合同现金流相关的担保信贷协议筹集了约7.75亿美元。
公司还考虑了资产支持融资、公司债务、客户资金和预付款作为潜在的资本来源。
对于这样的业务，主要问题是商业负荷的增长能否足够快地抵消投资成本，从而限制对后续资本筹集的依赖。
因此，Oracle、CoreWeave和Nebius展示了不同的基础设施模型。它们的共同点是资本密集度高，但财务风险由债务结构、流动性、合同收入和设备使用条件决定。
债务融资如何改变AI行业的风险
企业债务的增长本身并不表示金融危机。对于资本密集型行业，债务融资是一种标准的发展工具，可以将基础设施资产的成本分摊到较长时间内。
然而，这种模式的可持续性取决于现金流入与义务时间表之间的匹配。
对于AI数据中心，这个问题因设备的相对快速技术更新而变得复杂。新GPU的性能在提高，计算架构在变化，运营上一代设备的成本可能变得不那么具有竞争力。
因此，即使是物理上可操作的设备也可能在其技术使用寿命结束前失去一些经济吸引力。
这一风险对于以计算设备为抵押的贷款尤为重要。如果抵押品的市场价值下降速度快于预期，债权人可能要求额外的抵押品或更改新贷款的条款。
因此，出现了几个相互关联的压力机制：
利率风险。浮动债务和新借款成本的上升增加了融资服务的现金支出。
再融资风险。偿还现有贷款可能需要在不利条件下筹集新贷款。
资产折旧风险。GPU技术特性的变化影响抵押品的价值和运营经济性。
合同风险。容量投产的延迟、需求的变化或主要客户的问题可能会恶化预期的现金流。
流动性风险。即使是经济上有前景的项目，当支出和收入的时间不一致时，也可能会出现暂时的现金短缺。
未必总是反映在企业债务线上的义务增加了复杂性。金融租赁、担保、长期设备采购合同和建设承诺可能形成重大的未来支付。
因此，要评估科技公司的债务负担，仅靠一个净债务/EBITDA比率是不够的。还需要检查利息支出、可用流动性、合同还款、资本承诺以及企业产生自由现金流的能力。
能源成为AI增长的财务限制
AI行业的资本支出问题不仅限于服务器和贷款的成本。
随着数据中心数量的增加，对电力、网络设备和冷却系统的需求也在增加。同时，创建能源基础设施通常比供应计算设备需要更长的时间。根据国际能源署（IEA）的数据，网络限制可能会推迟到2030年计划建设的全球数据中心容量的约20%的连接。
在更新的《能源与AI关键问题》研究中，国际能源署估计2025年数据中心的全球电力消耗为485太瓦时，并预测到2030年将增加到约950太瓦时。
因此，IEA的中心情景建议在五年内消费几乎翻倍。到本世纪末，数据中心可能占全球电力需求的约3%。
需要注意的是，预测涵盖了整个数据中心，而不仅仅是AI工作负载。同时，根据该机构的数据，直接用于AI的电力将比行业的整体消费增长更快。
能源消耗的密度也在增加。现代AI机架需要比传统服务器基础设施显著更多的电力，对电力供应、冷却和电网弹性提出了额外的要求。
为何高电价并非唯一问题
对于数据中心运营商来说，每千瓦时的成本很重要，但在某些地区，无法及时将设施连接到电网可能是一个更严重的问题。
如果设备已经购买但无法获得充足的电力供应，公司将面临投产能力的延迟。同时，贷款利息、租金支付和一些项目维护成本将继续累积。
因此，物理基础设施的缺乏直接影响投资的回报周期。
国际能源署指出，变压器、电力电子设备和燃气轮机的供应有限。在美国，一些运营商正在考虑通过本地燃气发电来加速产能投产，但这种方法也需要大量投资，并不能消除技术和监管限制。
对于项目的财务评估，必须同时考虑多个指标：可用电力容量、连接时间、电价、能源基础设施的资本成本以及预期的计算负载。
此外，能源冲击可以通过两个渠道影响人工智能行业。第一个与数据中心运营成本的直接增加有关，第二个与通货膨胀和整个经济的资本成本有关。
然而，石油不应被视为大多数数据中心的主要直接电力来源。其影响主要体现在通货膨胀、运输成本和金融市场的整体状态上，而电力供应的成本则取决于地区的发电结构和网络关税。
为何AI股的调整可能蔓延至科技行业之外
大型科技公司的投资和资本化高度集中，创造了额外的风险传导渠道。
如果几家大型发行商同时调整其投资计划，后果可能会影响设备制造商、承包商、数据中心运营商和金融机构。
可能的机制如下：
超大规模投资计划的减少 → 新设备订单的减少 → 供应商收入预测的调整 → 基础设施运营商现金流预期的恶化 → 信贷利差和抵押要求的增加 → 融资成本的进一步上升。
这一序列并非不可避免。其实现取决于支出调整的深度、合同结构以及公司用其他需求来源弥补一种需求减少的能力。
国际货币基金组织在四月全球金融稳定报告中强调了债务融资、私人信贷基金和基础设施项目参与者之间联系日益增长的作用。
重要的是要区分股票市场调整和金融不稳定。市场价值的下降并不意味着公司无法履行其义务。然而，如果借款人的流动性、抵押品质量和债权人提供新资金的意愿同时恶化，问题可能会变得系统化。
什么可能加剧金融压力的蔓延
一个因素是非银行金融机构的参与。私人信贷基金可以为难以获得传统银行贷款的项目提供融资，但此类协议的结构对公众投资者而言往往不够透明。
大型科技公司在股票指数中的集中度也很重要。如果投资者同时减少对最昂贵和资本密集型发行商的持仓，压力可能通过指数工具和投资组合策略蔓延。
然而，仅仅因为科技公司存在于指数中并不能证明系统性风险的存在。这样的结论需要关于债务负担、流动性、资产相关性以及债权人与借款人之间实际联系的数据。
主要问题是，AI公司潜在的重新估值是否将主要停留在股票市场事件上，还是会影响到实际基础设施项目的融资可得性。
如何监测科技市场对金融风险的反应
利率变化、季度报告和投资计划的调整不仅会影响个别科技公司的股票，还会影响最大股票指数的动态。
观察市场反应的一种方法是比较股票波动与债券收益率、信贷利差和公司基本指标的变化。
经纪公司AXI提供工具用于交易国际公司股票和股票指数的差价合约（CFD）。CFD允许在不获取基础资产的情况下开立价格变动的头寸，但使用杠杆会显著增加潜在损失。
CFDs 是复杂的高风险金融工具。杠杆作用增加了潜在的利润和损失。服务的可用性取决于管辖区。信息仅供参考，并非投资建议。
如何计算 AI 投资对昂贵资本的抗风险能力
评估财务风险时，仅了解公司投资多少和预期的未来收入是不够的。还需要确定如果实际情况比计划更糟，现金流将如何变化。
第一个关键指标是资本支出与运营现金流的比率，即 CapEx / OCF。系数越高，说明更多的现金用于投资，而不是用于其他业务需求。
但即便是这个指标也需要谨慎解读。一家大公司可能由于暂时的密集建设而导致当前 FCF 较低，但同时拥有充足的流动性储备和稳定的运营收入。
第二个指标是偿还债务的能力。需要检查的不仅是净债务/EBITDA，还包括利息费用、债务结构、还款期限和可用的信贷额度。
第三个指标是投资资本回报率，即 ROIC。它可以评估业务扩展是否在考虑投入资产的资本后创造了经济价值。
对于 AI 基础设施，尤其重要的是将 ROIC 与资本成本（WACC）进行比较，其中包括股权和债务融资的成本。如果新项目的回报持续低于吸引资本的成本，即使收入增加，扩大规模也可能降低业务的经济价值。
提高利率的成本是多少
考虑一家拥有 100 亿美元浮动利率债务的假设公司。
如果融资成本增加一个百分点，并且增加适用于全年总金额，则每年额外的利息费用将达到 1 亿美元。若增加两个百分点，费用将增加 2 亿美元。这是一个说明性计算，而不是对特定发行人义务的评估。
实际效果取决于多少债务具有浮动利率，公司使用哪些对冲工具，以及何时审查信贷条款。
对于拥有大量固定债券发行的公司，当前利息费用可能会更慢地变化，主要风险在于需要再融资债务时。
为何数据中心负载可能比 GPU 增长更重要
同样重要的是计算基础设施利用不足的风险。
假设一个运营商拥有 10,000 个 GPU，每个加速器的有偿使用条件价格为每小时 2 美元。在满负荷情况下，此类设备的理论年收入将达到 1.752 亿美元。
在 75% 的负载下，这一数字降至 1.314 亿美元，而在 55% 的负载下，则降至 9636 万美元。
最后两种情况下的差异约为 3500 万美元的年收入，尽管购买的设备数量保持不变。
此模型是有意简化的：实际合同可能规定容量预留、固定付款、综合服务和其他条件。此外，计算未考虑设备停机时间、网络成本、能源消耗、折旧和融资。
尽管如此，它表明为什么评估数据中心的回报需要考虑的不仅仅是安装的 GPU 数量、计算能力的商业负载、付款条件和合同执行时间。
需要了解哪些部分的计算能力实际产生现金收入，其使用成本以及运营期间产生的费用。
到 2029 年 AI 行业发展的三种情景
当前的财务指标可以识别出三种可能的市场轨迹。它们不是具有计算概率的预测，而是通过公司报告和财务指标可以追踪的情景。
可持续增长和盈利能力的逐步提高
在第一种情景中，对计算的需求继续增长，新的数据中心在没有重大延误的情况下被引入，公司逐步提高设备使用效率。
在这种情况下，来自云平台和专业运营商的收入增长允许增加运营现金流。在最密集的投资阶段完成后，CapEx 相对于收入稳定，自由现金流开始恢复。
对于芯片制造商来说，这种情景意味着维持高需求，尽管随着比较基数的增加，增长率可能会逐渐正常化。
关键确认将包括计算能力利用率的提高、运营利润率的增长以及 FCF 与收入比率的改善。
最资本密集型公司的选择性调整
在第二种情景中，对 AI 的需求依然存在，但投资者开始更严格地区分盈利的商业模式和需要不断吸引外部资本的公司。
大型超大规模企业继续投资，但可能会重新考虑某些建设计划，推迟采购时间表，或更积极地要求新项目的验证回报。
与此同时，专业运营商面临融资成本上升和提高已建基础设施效率的需求。
这种情况并不意味着人工智能热潮的终结。相反，它标志着从基于收入增长率和合同义务评估公司转向评估现金流、资本成本和投资回报。
对于股市而言，后果可能表现为个别发行者之间的差距加大，而不是所有科技公司同步下跌。
深度金融压力和投资周期缩短
第三种情况假设若干条件同时恶化：计算需求低于投资计划，融资成本保持高位，某些基础设施项目的投产被推迟。
在这种情况下，负有大量义务的公司可能面临流动性限制，需要在不利条件下再融资，或修改资本计划。
如果这种困难同时影响多个大型运营商，后果可能会蔓延到设备供应商、基础设施承包商和债权人。
然而，大规模金融压力并不是仅仅一个季度的负自由现金流或科技股下跌的结果。需要更深层次的偿付能力恶化、再融资问题和金融机构流动性不足的组合。
因此，即便是负面情景也不能被视为高投资的必然结果。其实现取决于人工智能的商业货币化能否证明其可持续性。
判断人工智能热潮状态的指标
投资者应不仅关注科技股的价值，还应关注公司基本特征的变化。
最具信息量的指标可能包括以下几点：
资本支出及其与运营现金流的关系。表明内部资源的哪一部分用于基础设施扩展。
自由现金流及其动态。允许评估随着收入增长，现金回报是否改善。
信贷利差和新债券发行条款。反映信贷风险评估和融资成本的变化。
债务到期时间表。帮助识别再融资需求增加的时期。
数据中心利用率和计算收入。允许比较已安装设备的规模与其商业用途。
RPO动态和确认收入。帮助确定签署的合同如何快速转化为交付的服务。
毛利率和投资回报率。显示基础设施扩展是否带来足够的经济回报。
连接能源基础设施的成本和时间表。允许评估容量投产延迟的风险。
列出的指标中没有一个能提供财务稳定性的完整图景。例如，RPO的增加可能表明需求强劲，但同时需要额外投资以履行义务。
而资本支出的增加可能会恶化当前的自由现金流，尽管它可能导致未来现金生成的显著增加。
因此，最具信息量的方法是对多个指标进行长期综合分析，特别是过去四个报告季度的分析，并与年度动态进行比较。
人工智能热潮是否会带来回报，谁将承担主要的财务风险
2026年的财务结果并不表明全球人工智能热潮已经变成泡沫。相反，Nvidia、TSMC和ASML的报告证实了对人工智能设备的实质性需求。主要云公司也显示出计算服务收入的显著增长，新产品的开发为技术货币化创造了额外机会。
然而，实际需求的存在并不保证所有市场参与者的投资回报相同。
设备制造商在投资周期的相对早期阶段获得了相当大一部分财务回报。超大规模企业可以通过现有的盈利部门为基础设施扩展融资，尽管资本支出的增长减少了可用的自由现金流。而专业运营商则更依赖于借入资本、大型合同执行的时间安排，以及新容量快速达到商业负载的能力。
正是这些金融模型之间的差异成为关键的风险因素。
高利率增加了新借款的成本，并可能对公司估值施加压力。能源限制可能会延迟产能投产，而技术设备升级可能会缩短其最大经济效益的时期。
与此同时，这些相同的过程也可以创造新的机会。较低的计算成本使人工智能对企业更具可访问性，提高的生产力扩大了经济可行的应用数量，云平台的扩展可以随着时间的推移改善现金回报。
因此，技术市场最重要的问题不是人工智能的发展是否会继续，而是哪家公司能够将技术优势转化为可持续的正现金流。
AI热潮的下一阶段可能不仅取决于购买的GPU数量和宣布的投资规模，还取决于创建全球计算基础设施所需的资本回报。
能够为新项目融资、偿还债务并逐步增加自由现金流的能力，将把AI革命的长期财务受益者与快速增长成为风险增加来源的公司区分开来。
材料基于截至2026年10月15日的数据准备。主要来源是Nvidia、TSMC、ASML、Microsoft、Alphabet、Amazon、Meta、Oracle和CoreWeave公司的财务报告和SEC文件，以及IMF研究、IEA和BLS统计数据。预测和情景计算不能保证未来结果。材料具有信息和分析性质，不构成个人投资建议。