AI 基建的债务杠杆：巨头借钱囤算力，资本纪律成下一关
2026 年 AI 算力竞赛最显眼的变化，是整条产业链集体涌进债市。据摩根士丹利估算，截至 9 月初，本年度全球 AI 相关债务发行约 4500 亿美元，超过 2025 全年两倍。几乎叫得出名字的国内外大厂，都在借钱投资——腾讯被曝启动约 50 亿美元债券发行，阿里拟配售 800 亿港元新股、全部投向全栈 AI，字节跳动敲定一笔 296 亿美元新增贷款用于海外 AI 项目。
债市成了 AI 的提款机
为什么是债，而不是利润再投资？中金研究院的调研点出了转折：AI 资本开支正从“内部现金流驱动”转向“资产负债表扩张”。当投资规模超过内部现金流的承载能力，边际资金更多来自金融体系。投资级债券和私募资本成为压舱石，前者依赖云厂商的现金流偿债能力，后者则通过表外结构灵活补缺口。一句话：算力扩张的速度，已经快过自我造血的速度。
钱主要流向三个方向
海量资本最终流向很集中：数据中心建设、AI 芯片采购、电力配套。行业里由此形成了一个朴素公式——资本 × 芯片 × 集群效率 × 电力 × 软件生态 = 有效算力，每一环都决定算力能不能真正跑起来。谷歌这类同时握有自研芯片、大模型和云分发能力的全栈玩家，相对从容；其余多数玩家，则要在债市里为自己的算力野心融资。
债务是刚性的，回报是弹性的
这里的矛盾在于错配：AI 投资回报周期长、不确定性高，而债务有刚性兑付压力。一旦技术迭代不及预期，或商业化落地放缓，高杠杆带来的财务风险会迅速放大。网易前述报道直言，这是摆在巨头面前的现实考题——借来的钱，终究要还。
IMF 与监管对循环融资的警示
风险不只在企业自身。IMF 测算，在可再生能源与输电扩张不足的情形下，AI 可能推高美国电价；英格兰银行也提示，AI 企业通过发债为数据中心融资，相互嵌套的循环融资结构可能在市场调整时放大信贷风险。把“建算力”和“还得起钱”分开看，是这一轮扩张必须补的功课。
给企业的判断框架
对参与其中的企业，关键不是否定举债，而是问清三件事：这笔钱对应的现金流从哪里来、还款来源是否依赖乐观的商业化假设、以及利率上行时能否承受。对不参与融资的普通企业，信号同样清晰：评估任何 AI 供应商时，多问一句它的算力从哪来、账能不能算平。对围观者，则要看清一个信号——当融资从内部现金流转向资产负债表，行业就从“拼技术”进入了“拼资本纪律”的阶段。资本开支的钟摆，正在摆向更讲回报的那一端。
