本文作者— —温知白|新华基金研究员
2026年的美股市场，最拥挤的交易正在被拆解。
纳斯达克100指数过去一个月蒸发超过2万亿美元，谷歌单日跌去5000亿美元市值，英特尔单周下行28%，芯片板块整体回落近一成。但真正让华尔街不安的，不是AI需求本身——三季报里亚马逊云收入增长39%，谷歌云收入翻倍，头部公司的AI业务增速比预期更快。

问题出在AI算力扩张的资金结构上。
当下，CoreWeave的多只无抵押债券到期收益率升至15%左右，五年期CDS利差突破1100个基点，隐含的五年累计违约概率超过60%时，信用市场开始用一种熟悉的方式为“算力叙事”重新定价。
摩根士丹利交叉测算，仅五家头部科技公司的AI相关表外承诺合计已达约3.2万亿美元，半年内增长90%；同期亚马逊和谷歌的自由现金流在2026年第二季度已经转负。
产业景气和信用条件之间，出现了一条需要被严肃对待的裂缝。
抵押品的期限首先明确的是，将当前局面直接等同于2000年科网泡沫，忽略了一个关键差异。
2000年的问题是收入不存在，估值靠故事支撑；今天头部AI公司的收入和利润是真实的，英伟达单季净利润仍在300亿美元以上，前五大科技股的远期市盈率约23倍，远低于2000年峰值时的65倍。
也即是，风险不在利润表，而在资产负债表的边缘，以及抵押品的性质上。
数据显示，截至2026年二季度，CoreWeave这家公司有息债务约350亿美元，其中29%是无抵押信用债，39%是由SPV承担的有抵押项目贷款（DDTL），但全部债务中约90%具有母公司追索权。

简单来说，CoreWeave的商业模式可以简化为一个循环：以GPU资产和长期算力合同为抵押融入资金，购入更多GPU，再以算力租金收入覆盖债务。GPU在这里扮演的角色，在形式上类似于次贷危机中的房产——它是整个融资链条的底层抵押品。
但GPU和房产有一个本质区别。房产的物理寿命以几十年计，而高端GPU的经济寿命通常被认为只有2到3年，主流型号上市18个月后单位租赁价格就会出现明显下行。CoreWeave的项目贷款期限约为6年，而底层抵押资产在贷款周期的前三分之一就可能面临技术迭代带来的租金重置。最不耐用的资产，押着较长的债务期限，中间隔着逐年递减的租金收入——这是一种结构性的期限错配，而不是简单的“杠杆过高”可以概括的。
这种错配在需求顺风时被增长掩盖，在供给释放时则会被迅速定价。自2026年年中以来，高端GPU租赁价格自高点持续下行，H100的小时租赁价从峰值回落，B200的算力租赁价格跌幅超过30%，核心原因不是需求消失，而是AWS、Azure、GCP以及Meta等主体同时释放供给。
如此看，伴随着算力从“稀缺资源”向“供需平衡”过渡时，抵押品的估值基础——未来租金流的可预测性——开始松动。
其实，信用市场对此的反应比股票市场更早、更直接。CoreWeave的客户集中度进一步放大了这种脆弱性：2025年微软贡献了其约67%的收入，OpenAI的合同 backlog 超过200亿美元，但OpenAI自身在实现盈利之前预计仍将消耗大量现金。
一个高杠杆的算力运营商，建立在少数几个同样在大量消耗现金的客户之上，其信用质量对AI资本开支周期的敏感度，远高于它对AI技术前景的敏感度。
这就是“次贷式”标签的真正来源：不是资产本身是坏的，而是资产的融资结构在周期转折点上缺乏缓冲。据此中金在对比后指出，四家上市Neocloud企业2026年净债务/EBITDA约7.5倍，而六家大型科技企业样本仅约0.1倍；Neocloud的资产负债率约84%，大型科技企业约45%。
风险的分布是不均匀的，它集中在那些用最短期限的抵押品支撑最长链条融资的环节。
表外的重量如果风险仅限于CoreWeave这类新型算力运营商，它更接近一次局部的信用收缩，而非系统性事件。让问题变得复杂的，是大型科技公司以另一种方式参与了同一场杠杆扩张。
过去几年，微软、谷歌、亚马逊、Meta建设数据中心和采购GPU，主要依靠经营现金流。摩根士丹利的数据显示，超大规模云厂商2027年现金资本开支预计超过1.2万亿美元，而同期总经营现金流约1万亿美元，缺口需要靠租赁、债券、股权融资和客户预付款来填补。

更关键的是，大量数据中心并非由科技公司直接举债建设，而是由SPV从私募信贷市场融资，科技公司以长期租约提供隐性信用支持。施工阶段债务不进入表内，但长期租约已经把未来现金流锁定。
截至目前，超大规模云厂商已承诺支付约1.09万亿美元尚未开始的租赁费用，其中微软约3290亿美元，Meta约2790亿美元。若进一步计入芯片厂商的信用支持和其他担保，相关表外承诺及担保总额超过3.1万亿美元。这些资金的最终来源，相当一部分指向私募信贷、保险资金和养老金。据中金测算，这些投向AI领域的私募信贷资金约2000亿美元，占全部私募信贷资产约9%。
不过这条传导链的形态与2007年的结构化产品有相似之处，但承载风险的主体不同。次贷危机中，风险集中在银行表内，投行以高杠杆持有次级贷资产，底层资产价格的小幅下跌即可侵蚀资本金，引发挤兑和连锁强平。
今天AI相关债务的主要持有者是私募信贷基金和资管产品，没有银行用核心资本金直接扛住这些资产的估值波动。这意味着，即使算力投资退潮，其传导路径更可能表现为资管产品层面的净值回撤和再融资收缩，而非银行间的流动性冻结。损失的分配更分散，系统性的信贷冻结概率更低。
但这不意味着可以低估“表外”的重量。表外承诺的经济实质并没有消失，它只是从资产负债表转移到了未来现金流的约束条件中。随着亚马逊、谷歌、Meta的自由现金流相继转负，而资本开支的增速仍然超过经营现金流的增速，科技巨头实际上已经从一个“用利润投资未来”的状态，切换到了一个需要外部融资来维持投资强度的状态。这个切换本身，就是信用条件开始参与AI叙事定价的标志。

监管作为“集体退出”的装置有意思的是，2026年中期选举的结果，在常规框架下应当被读作科技股的利空：民主党横扫参众两院，AI监管趋严的预期上升，数据中心面临更严格的电力成本分摊、环境评估和建设审批约束。其中，民主党提出的《电网节约法》要求150MW以上的大型用电项目全额承担专用接网设施费用，部分议员甚至提出了暂停新建AI数据中心的极端主张。

但市场的反应提供了另一个信号：选举结果出炉当天，五大科技股合计新增市值接近1万亿美元，亚马逊涨超8%，微软涨7%。
究其原因，这不是对“监管友好”的误读，而是市场识别出，监管正在扮演一个产业自身难以完成的角色：为集体退出激进的资本开支提供一个非自愿的、可协调的理由。
AI算力竞赛具有典型的囚徒困境结构。每一家头部公司都清楚，持续以超过经营现金流的强度投入数据中心，在中长期会侵蚀自由现金流和资本回报；但没有任何一家愿意率先减速，因为减速意味着在模型能力、云份额和生态位上让出位置。
在这种博弈中，个体理性与集体理性是背离的。监管的介入改变了博弈的支付结构：当建设审批变慢、合规成本上升、电力接入约束收紧时，“不扩张”不再是一个需要由某家公司单独承担的竞争性决策，而是变成了一个全行业共同面对的约束条件。

对科技巨头而言，这构成了一种资产负债表层面的解脱。资本开支的节奏可以由政策约束来解释，而不必由公司主动宣布“我们此前投得太快了”。自由现金流的修复因此获得了一个外部的、非耻辱性的叙事掩护。当下，两党在“数据中心承担新增电力成本”上存在高度共识，《居民电价保护法》在众议院以417:3通过，真正的分歧在于联邦强制的覆盖范围和税率工具，而非是否要约束数据中心的成本外部化。这意味着监管的落地形式可能是渐进的、有弹性的，但它提供的“减速许可”是真实的。
更重要的变化发生在产业逻辑层面。当资本开支的增速被政策约束压平，AI行业的竞争重心会从“谁建得更多”转向“谁把算力变成收入和自由现金流的速度更快”。这对于拥有成熟变现体系的头部平台是有利的——它们的云业务和广告现金流可以承接算力投入，减速反而改善盈利质量；而对于依赖持续融资、缺乏内生现金流的二线算力运营商和未变现的大模型公司，融资条件的收紧会加速出清。估值体系也会随之从远期叙事向收入质量、ROIC和自由现金流转正的时间表回归。
说白了，这不是一次金融危机式的断裂，更接近一次由信用条件收紧和监管约束共同触发的产业出清。
从历史看，电力、铁路和互联网都经历过类似的阶段：基础设施在金融化的驱动下被过度建设，然后在一个外生约束下减速，存活下来的能力开始证明基础设施的真正用途。AI算力不会例外。区别只在于，这一次的“刹车”来自信用市场的定价和选举政治的合力，而不是一场失控的挤兑。
毕竟，早一点减速，比在抵押品价值被租金下行重新定义之后再减速，代价要小得多。
#头条精选-薪火计划#