AI资本开支正处于从内部现金流驱动转向资产负债表扩张的转折点，随着投资规模超过内部现金流的承载能力，边际资金将更多来自金融体系。本报告作为《AI融资追踪》系列的第一篇，试图回答三个问题：金融体系将如何承接3.5万亿美元的AI融资需求？AI投资能否满足债务偿付和股权回报？这轮AI融资周期将为金融机构带来哪些机会，又会积累和传导哪些风险？
摘要AI基建资本开支：从现金流到债务。大型云厂商资本开支占收入的比例由2023年的约12%升至2025年的约23%，根据市场一致预期2027年这一比例可能进一步升至40%以上，接近甚至超过互联网和能源行业历史资本开支周期的高点。在AI资本开支压力下，云厂商AI投资可能从经营性现金流转向更多依赖外部融资。我们根据大型云厂经营现金流和资本开支的市场一致预期基础倒算，AI资本开支未来五年有望创造约3.5万亿美元的外部融资需求。
3.5万亿美元从哪里来？基准情形下，我们预计AI资本开支中3.5万亿美元的外部融资将分别由公开市场股权（0.4万亿美元）、投资级债券（1.5万亿美元）、杠杆融资（0.3万亿美元）、资产证券化产品（0.3万亿美元）和私募资本（1.1万亿美元）承接。其中，投资级债券和私募资本是融资的压舱石，前者依赖云厂商的资产负债表扩张和现金流偿债能力，后者则能够满足风险较高、规模较大的项目融资需求，还可以通过表外融资的结构设计降低云厂商资金投入，更加灵活地补充融资缺口。
一个万亿美元的问题：AI债务如何偿还？为满足偿债需求和股东回报，假设ROIC为10%，我们估算AI应用最终需要形成每年约1万亿美元的可持续收入。假设2030年前达到这一收入规模，意味着未来5年AI应用收入需要每年达到近翻倍的增长。比收入规模更重要的是利润率和资产寿命：在约50%的成熟期EBITDA利润率下，基础设施折旧年限达到约5年，投资才有望获得正回报；若利润率低于20%，则即使资产寿命较长，也难以覆盖资本成本。
再融资能替代现金流吗？大型云厂商发行的长期债券期限通常可达10-30年，基础设施基金的投资期限也多在10年以上；数据中心投产后，还可以通过项目债券和证券化置换建设期融资。不过，再融资只能争取时间，不能替代现金流：如果项目利用率、利润率和资产寿命长期低于预期，持续滚动融资反而会推高杠杆和融资成本。我们测算27-32年大型云厂商债券到期进入高峰期，每年到期规模约280亿美元，相比24-26年上升60%，再融资压力上升。
金融机构的机遇与风险。银行可以从股债承销、交易、并购顾问和项目融资中获得收入，私募资本和保险机构则获得新的长期资产。2026年二季度，美国六大银行非息收入同比增长32%；截至2026年6月，银行对非银金融机构贷款同比增长约25%，AI融资是其中的重要增量。银行的收入往往在融资和建设阶段确认，信用风险则要到项目投产和再融资阶段才会显现，呈现“收入前置、风险后置”的特征。
AI是金融“泡沫”吗？当前AI投资主体仍以现金流较强的大型云厂商为主，股权及次级资本也能够在银行优先级贷款之前吸收损失。因此，即使部分项目回报不及预期，风险更可能首先表现为相关企业估值调整、资本开支放缓和局部信用损失，而不是立即转化为金融体系危机。但另一方面，外部融资特别是私募资本和杠杆融资的快速增长也形成了金融外溢效应，如果商业化增长持续慢于资本开支，风险将由估值回调逐步转向信用质量恶化，并通过循环融资、私募信贷和证券化等渠道在金融体系传导。融资规模本身并非问题所在，真正的检验是能否在融资成本上升和资产贬值之前形成现金流的循环。
图表1：3.5万亿美元AI融资来自哪里？
注：AI资本开支和OCF支持部分为市场一致预期；假设公开市场股权比例10%；投资级债券发行规模基于大型云厂商债务评级、杠杆率和债券集中度约束测算；杠杆融资包括高收益债和杠杆贷款，证券化资产包括ABS和CMBS，考虑市场容量和接受程度估算；除以上融资形式外的缺口假设使用私募资本承接，包括基础设施基金、私募股权基金、私募信贷、房地产基金等。演示性测算，不代表实际预测
资料来源：上市公司公告，Bloomberg，中金公司研究部
AI基建资本开支：从现金流到债务AI资本开支新周期创造融资需求
市场对未来5年AI资本开支的预测大多在4万亿-8万亿美元之间，测算口径和逻辑存在较大差异，我们选取市场一致预期的约5.6万亿美元作为2026-2030年AI资本开支的假设，以为后续测算融资缺口提供基础。具体而言，我们以五家大型云厂商[1]2025年资本开支为基数[2]，并使用NVIDIA和AMD的AI相关收入的市场一致预期[3]作为代理指标，倒推AI产业链未来的投资增速。市场一致预期的NVIDIA和AMD的AI相关收入的5年复合增速约为44%，明显高于2025年底市场对云厂商经营现金流支持的资本开支约21%的增速一致预期。两者的差异表明，单纯依赖云厂商的经营现金流可能难以支撑AI资本开支，未来需要更多外部融资支持。
图表2：芯片厂商AI相关收入预期增速高于云厂商资本开支增速
注：2026-2030年数据为Bloomberg一致预期估算；演示性测算，不代表实际预测
资料来源：上市公司公告，Bloomberg，中金公司研究部
大型云厂商：从现金流到债务
截至2025年末，微软、亚马逊、Alphabet、Meta和甲骨文合计资产约2.6万亿美元，资产负债率约45%，净债务/EBITDA仅约0.3倍；五家公司每年合计产生约5800亿美元经营现金流。但在AI资本开支压力下，部分云厂商杠杆率上升。五家公司资本开支占收入的比例由2023年的约12%升至2025年的约23%，根据市场一致预期2027年这一比例可能进一步升至40%以上，接近甚至超过互联网和能源行业历史资本开支周期的高点。市场预期大型云厂商合计自由现金流可能由2025年的约2000亿美元降至2027年的约240亿美元，能够用于股票回购、分红和其他用途的资金相应减少。因此，大型云厂商的AI投资可能从经营性现金流转向更多依赖外部融资。
图表3：AI供应商受益于云厂商资本开支，但云厂商自由现金流下降导致股价承压
注：2026-2027使用Bloomberg一致预期；AI供应商股价指数包括NVIDIA、AMD、Broadcom、SK海力士、三星电子、Micron Technology、ASML；AI云厂商股价指数包括Meta、Amazon、Microsoft、Alphabet和甲骨文Oracle。资料来源：Factset，Bloomberg，上市公司公告，中金公司研究部
图表4：云厂商资本开支强度上升，有望超过互联网泡沫和能源泡沫
注：2026-2028使用Bloomberg一致预期 资料来源：Factset，Bloomberg，上市公司公告，中金公司研究部
3.5万亿美元：AI资本开支的融资缺口
我们以2025年底市场对大型云厂商的资本开支的一致预期作为经营现金流能够支持的资本开支假设（约2.1万亿美元），此时云厂商尚未开启大规模外部融资，市场预期此时的经营现金流和资本开支能在有限外部融资的前提下满足分红、回购和必要流动性需求；将扣除这一部分的行业资本开支预期作为从外部融资的规模（约3.5万亿美元）。
图表5：AI资本开支带来3.5万亿美元融资缺口
注：演示性测算，不代表实际预测。行业AI资本开支规模根据Nvidia和AMD的AI相关收入增速以及大型云厂商2025年资本开支倒算；经营现金流支持的资本开支根据2025年底大型云厂商内资本开支的Bloomberg一致预期估算，考虑经营现金流内保障分红和回购等需求之外的资本开支空间；
资料来源：上市公司公告，Bloomberg，中金公司研究部
3.5万亿美元从哪里来：AI的融资结构投资级债券：AI融资的压舱石
我们预计，2026-2030年投资级债券可为AI投资提供约1.5万亿美元资金，占外部融资需求的约42%，是最大的单一融资渠道。大型云厂商拥有较强的经营现金流、较低初始杠杆和投资级信用评级，可以在全球债券市场获得规模较大、期限较长且成本相对较低的资金。我们分别根据评级机构杠杆率约束、债券指数集中度以及目标债务/EBITDA测算其发债空间，得到约1.2万亿-2.3万亿美元的容量区间。
2026年初至今，五家大型云厂商债券发行规模已达到约1900亿美元，创历史新高，发行币种也由美元进一步扩展至欧元、英镑和加元，债券融资的分散化能够缓解发行压力。投资级债券市场有能力承担AI融资的主体部分，但持续的大规模、长久期债券供给也可能推高科技行业在信用指数中的集中度，带来长端信用利差扩大、融资成本上升及评级约束增强等问题。
图表6：大型云厂商债券发行规模创历史新高，币种分散化
注：截至2026年7月14日资料来源：Bloomberg，中金公司研究部
图表7：云厂商投资级债券发行上限测算
注：数据截至2026年7月14日。资料来源：Bloomberg，S&P Global，中金公司研究部
图表8：AI超长债发行可能导致长端信用利差扩大
资料来源：Wind，中金公司研究部
杠杆融资：高成长企业的过渡资本
我们通过杠杆融资和投资级债券的市场容量比例（约20%）估算，高收益债券和杠杆贷款可为AI投资提供约0.3万亿美元资金，占外部融资需求的约8%。这一市场主要服务于尚未获得投资级评级、但具有一定收入和资产基础的Neocloud、HPC运营商及数据中心企业。
图表9：美国杠杆融资市场规模约3万亿美元
注：数据截至2026年7月14日
资料来源：Bloomberg，中金公司研究部
公开市场股权：从“去股权化”到“再股权化”
我们假设20%的项目股权比例（行业通常为10%-30%），其中50%由公开股权提供，估算2026-2030年公开市场股权可为AI投资提供约0.4万亿美元资金。股权资本不要求固定还本付息，能够首先承担技术迭代、商业化和资产残值风险，因而更适合尚未形成稳定现金流的AI模型公司、Neocloud和数据中心运营商。
过去十多年中美股上市公司更倾向于回购股票、提高分红，从而减少流通股本、提升每股收益，整体上削弱了股权市场作为融资渠道的功能，即“去股权化”。而“再股权化”则意味着这一趋势出现逆转，企业重新更多依赖新发行来筹集资金。股权融资高度依赖市场估值水平和发行窗口，一旦市场波动加大或估值回落，融资节奏可能明显放缓。
图表10：今年美股TMT股权融资规模有望创历史新高
注：包括美股IPO，定向增发，公开增发，配股等；数据截至2026年7月14日。
资料来源：Bloomberg，中金公司研究部
证券化产品：从企业信用转向资产信用
我们假设26-30年证券化产品的AI融资规模相比25年水平翻倍，估算ABS、CMBS及其他资产支持融资可在2026-2030年提供约0.3万亿美元资金，占外部融资需求的约9%。证券化融资主要适用于已经投入运营、拥有长期租约或可识别设备现金流的数据中心和算力资产，可以将融资基础由企业整体信用转向特定资产、租约和现金流。
证券化有助于释放建设期贷款和私募资本，并为保险、养老金和固定收益基金提供长久期资产，但其扩容仍取决于租约稳定性、租户信用、资产残值和标准化程度。尤其对于GPU等技术迭代较快的设备，折旧速度和二手市场价值可能成为评级和结构设计的重要约束。
图表11：2025年美国数据中心证券化产品融资约300亿美元
注：数据截至2026年7月14日
资料来源：Bloomberg，中金公司研究部
私募资本：融资缺口的灵活补充
我们预计，私募资本（包括基础设施基金、私募股权、私募信贷及房地产基金等）可承接约1.1万亿美元资金，占外部融资需求的约30%，仅次于投资级债券。私募资本的优势在于结构灵活，可以组合运用股权、优先股、夹层融资和项目贷款，承担公开市场较难定价的建设期和非标准化风险。私募基金还可以与云厂商设立项目JV或SPV，在项目层面引入股权和债务资金；在满足会计处理条件的情况下，这类安排能够形成表外融资效果，降低云厂商的前期资金投入和并表负担，同时将风险分散给外部资本。
不过，私募资本供给存在一定负债端约束。根据Preqin和McKinsey数据，截至2025年6月的12个月，私募股权基金现金分配占AUM的比例约为6%，降至近年低点；2026年部分私募信贷半流动性产品赎回压力也进一步上升。因此，私募资本有望成为AI融资的重要增量来源，但其实际承接能力仍取决于基金募资和产品流动性。
图表12：数据中心投资大幅上升
资料来源：Preqin，Bloomberg，中金公司研究部
图表13：私募资本募资规模下降，但基础设施基金增长较快
资料来源：Preqin，McKinsey，中金公司研究部
图表14：私募股权基金的现金分配比例创近年新低
资料来源：Preqin，McKinsey，中金公司研究部
一个万亿美元的问题：AI债务如何偿还？1万亿美元：AI融资“回本”需要多少收入？
在基准情形下，我们测算，为满足偿债要求和股东回报，在10%的ROIC假设下，AI应用最终需要形成每年约1万亿美元（基准情形下9580亿美元）的可持续商业化收入。测算综合考虑杠杆率、基础设施经济寿命、成熟期利润率等假设；我们假设约70%的经济价值通过应用收入体现，其余约30%来自企业成本节约和效率提升。
市场机构对AI长期所需收入的估算约为6000亿-2万亿美元，测算假设、逻辑和口径存在较大差异。我们的1万亿美元测算处于市场预测区间的中等位置，但仍意味着AI商业化需要在未来几年实现数量级扩张：假设2030年前达到这一收入规模，意味着未来5年AI应用收入需要每年达到近翻倍的增长。
图表15：AI融资资本回报测算
注：仅作为演示测算，不代表实际预测；AI大模型行业收入假设为OpenAI, Anthropic, 智谱和Minimax合计的90%；假设项目资产负债率85%；ROIC为税前资本回报率；利润率已考虑维护性开支。
资料来源：上市公司公告，IMF，Counterpoint Research，中金公司研究部
每年1万亿美元规模相当于全球GDP的0.7%，或每台iPhone每个月46美元的支出，但AI商业化并不等同于个人付费，其收入可以来自企业支出、广告、电商以及政府采购等多种渠道。根据Gartner，2025年全球SaaS终端用户支出预计为3000亿美元，全球公有云服务支出为7000亿美元。相比之下，1万亿美元AI年收入约相当于2025年全球SaaS市场的3.2倍和全球公有云服务市场的1.4倍。因此，从行业规模来看，1万亿美元可能是一个具有挑战性但并非脱离现实的收入目标，对AI融资的偿债和股东回报并非不可实现。
关键假设的敏感性分析
以上测算中，利润率和折旧期限的假设具有较大不确定性。我们基于基准情形假设AI业务成熟期的EBITDA利润率约为50%，但这一水平能否实现，目前仍缺乏足够的财务数据支持。主要大模型企业尚处于投入期，部分公司的调整后净亏损率达到300%-500%。
另一个关键变量是基础设施的折旧期限。数据中心建筑和基础设施通常可以使用十年以上，芯片和电子设备则面临更快的技术迭代，旧设备可能面临更快的折旧，导致数据中心整体折旧期限变短。
因此，我们对上述两个变量作出敏感性分析，结果表明：
1. 在折旧年限约7年的情形下，若EBITDA利润率达到约30%，即可实现资本回报率接近盈亏平衡；若利润率低于20%，则即使资产寿命较长，也难以覆盖资本成本。
2. 在EBITDA利润率约50%的假设下，只要折旧年限达到约5年，即可实现正的投资回报；若资产寿命进一步延长，则回报率将显著提升。
因此，判断AI投资能否“回本”，不能只看收入规模，更重要的是利润率和折旧等因素。利润率低于预期或设备提前贬值，都会明显抬高所需的收入门槛。
图表16：不同利润率和基础设施经济寿命下，AI投资回报差异较大。
注：以基准情形下的AI应用收入（每年约1万亿美元）计算。资料来源：中金公司研究部
图表17：部分AI大模型企业仍处于高亏损阶段
注：调整后净亏损为公司披露的non-IFRS指标，主要剔除股份支付、上市前金融工具公允价值或账面价值变动及上市费用。
资料来源：上市公司公告，Bloomberg，中金公司研究部
金融机构的机遇与风险AI投资驱动银行扩表
数据中心项目在建设期缺乏稳定现金流，通常需要银行提供贷款；项目投产并形成租约后，再通过长期限的债券、私募信贷等产品置换。银行因此更多承担建设期和资本市场之间的桥梁作用。
对非银金融机构的融资也在推动银行信贷扩张。银行可以通过基金认购融资、NAV贷款等形式向非银机构提供杠杆。私募资本承担底层项目的长期风险，银行则提供期限相对较短、优先级更高的融资。截至2026年6月，美国银行对非银金融机构贷款同比增长约25%，明显快于一般贷款。相关增长反映了私募资本的投资对银行贷款的拉动作用，其中AI基础设施领域是重要投向。
图表18：非银贷款驱动美国信贷周期上行
注：非银贷款、工商业贷款和消费贷款已去除统计口径调整影响。
资料来源：美联储，Wind，中金公司研究部
AI融资带来资本市场收入
AI融资对银行更直接的影响体现为非息收入增长，2Q26美国六大银行合计净利润同比增长40%，营业收入同比增长22%，其中非息收入同比增长32%。AI融资带动的企业IPO、并购、债券发行增加是相关收入增长的重要驱动力。
大型综合银行拥有更强的资本市场服务能力，可以通过AI融资获取费用收入，同时减少长期资产负债表占用。相比之下，中小型银行依靠项目贷款可以获得更高利差，但承担的资本压力和信用风险也更高。
值得注意的是，银行的收入往往在融资阶段确认，信用风险则要到项目回款阶段才会显现，呈现“收入前置、风险后置”的特征。
图表19：本轮美国银行业绩上行周期由资本市场相关的收入带动
注：美国六大银行包括：摩根大通（JPMorgan Chase）、美国银行（Bank of America）、花旗集团（Citigroup）、富国银行（Wells Fargo）、高盛集团（Goldman Sachs）和摩根士丹利（Morgan Stanley）。
资料来源：上市公司公告，Bloomberg，中金公司研究部
从AI风险到金融风险
再融资能替代现金流吗？大型云厂商发行的长期债券期限通常可达10-30年，基础设施基金的投资期限也多在10年以上；数据中心投产后，还可以通过项目债券和证券化置换建设期融资。这些安排能够降低短期偿债压力，为AI商业化留出时间。如果收入兑现慢于预期，企业也可以通过再融资延长债务期限。不过，再融资只能争取时间，不能替代现金流：如果项目利用率、利润率和资产寿命长期低于预期，持续滚动融资反而会推高杠杆和融资成本。我们测算27-32年大型云厂商债券到期进入高峰期，每年到期规模约280亿美元，相比24-26年上升60%，再融资压力上升。
图表20：2027年起大型云厂商债券到期进入高峰
资料来源：Bloomberg，中金公司研究部
云厂商信用是核心风险锚。大型云厂商是AI资本开支的主要承担者，也是债券发行人、数据中心租户、Neocloud客户和项目SPV的最终交易对手。其信用状况决定了产业链的大部分现金流能否持续。云厂商CDS利差可以作为信用风险的高频观测指标。自2025年末以来，主要云厂商CDS利差普遍扩大，但不同主体之间已经出现明显分化。截至2026年7月，微软、亚马逊、Alphabet和Meta的5年期CDS利差大致仍处于45-80个基点，Oracle和CoreWeave利差分别在180和600个基点以上，显示市场正重点定价杠杆率较高、自由现金流较弱及再融资依赖度较大的主体风险。
图表21：AI云厂商债务违约风险定价利差上升
资料来源：Bloomberg，中金公司研究部
金融风险传导路径。如果AI商业化不及预期，风险将首先表现为数据中心利用率、收入和利润率下降，并进一步压低资产残值。损失通常先由云厂商、Neocloud和项目SPV的股东承担，并通过市值重估反映在股票市场；若经营现金流继续恶化并耗尽股权缓冲，风险才会进一步传导至信用债、杠杆融资、证券化产品和私募信贷。银行贷款通常具有较高优先级，因此一般处于损失吸收链条的后端。
AI是“泡沫”吗？来自金融体系的视角
融资规模本身并不等于泡沫，关键在于新增资本能否形成足够稳定的最终需求和现金流。资本市场可以解决“AI基础设施能否建成”的问题，却无法解决“投资能否收回”的问题。我们测算，相关投资最终需要支持每年约1万亿美元的AI应用收入，这一目标并非不可实现，但对产能利用率、利润率和设备经济寿命均提出了较高要求。如果商业化增长持续慢于资本开支，风险将由估值回调逐步转向产能过剩、资产残值下降和信用质量恶化，并通过循环融资、私募信贷和证券化等渠道在金融体系传导。融资规模本身并非问题所在，真正的检验是能否在融资成本上升和资产贬值之前形成现金流的循环。
图表22：AI金融风险的传导链条
资料来源：中金公司研究部
本文来源：中金点睛
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。金河配资提示：文章来自网络，不代表本站观点。
