作者：王奎一

11月9日，华尔街传出一个值得警惕的消息。

一些曾经争相向AI数据中心提供贷款的银行，开始收紧信贷。即使项目背后有谷歌、Anthropic等大型科技企业提供支持，贷款机构也开始重新评估风险。

据路透社当天报道，银行正在逐项审查数据中心融资合同，包括建设期限、客户付款义务，以及大型科技企业提前终止合同的条件。

变化来得很快。

10月，CoreWeave部分债券的收益率已经升至15%—16%。一家拥有大量算力订单的云计算公司，如今需要付出接近高风险借款人的融资价格。

与此同时，美国科技巨头还在扩大投资。

亚马逊预计2026年现金资本开支约2200亿美元，Alphabet为1950亿至2050亿美元，Meta为1350亿至1450亿美元。微软预计2026自然年资本开支约1700亿美元。

四家公司合计约7200亿至7400亿美元。不同企业的资本开支统计口径略有差异，但规模已经足够惊人。

一边是科技企业持续提高资本开支，另一边是资本市场开始重新计算融资成本。

这构成了欧美AI基础设施投资最值得关注的矛盾。

过去三年，市场关心谁能获得更多GPU、土地和电力。进入2026年末，债权人开始追问另一个问题：这些投资最终能产生多少现金，何时开始偿还本金？

如果融资市场继续收缩，欧美AI基建可能经历一场剧烈调整。最先承受压力的，将是那些依靠借款建设机房、依靠长期算力合同证明资产价值的企业。

一、7000亿美元资本开支，已经压到了现金流

2026年7月，路透社根据LSEG预测数据进行了一次测算。

从2025年至2027年，微软、Alphabet、亚马逊、Meta和甲骨文的经营现金流预计增加约3400亿美元，同期资本开支增量可能达到5340亿美元。

两者之间相差1940亿美元。

这意味着科技巨头即使持续提高盈利能力，也需要调整资本配置，或者通过债券、租赁和其他融资安排维持投资节奏。

最新财报已经体现出这种压力。

Alphabet今年第三季度实现423亿美元经营现金流，同期资本开支达到514亿美元，季度自由现金流为负91亿美元。

值得注意的是，谷歌云当季收入同比增长103%，达到307亿美元。

业务增长与现金流压力发生在同一个季度。

Meta的情况类似。第三季度经营现金流327.9亿美元，包含融资租赁本金偿付在内的资本开支达到349.1亿美元，季度自由现金流为负21.2亿美元。

亚马逊AWS第三季度收入同比增长39.3%，增速达到近五年高位。

微软Azure同期收入增长48%。

需求依然旺盛，但新增收入兑现为现金的速度，与基础设施投资支出的速度存在明显差异。

对大型科技公司而言，这种差异可以依靠广告、软件订阅、电商和既有云业务提供缓冲。

Meta拥有庞大的广告业务。谷歌拥有搜索、YouTube和云服务。微软有Office、企业软件和Azure。亚马逊有零售和AWS。

它们能够将AI投资视为长期资本配置。

但资本市场还要考虑股东回报。

微软和谷歌的股东习惯了持续增长的自由现金流、回购和利润率。一旦资本开支长期占据经营现金流的大部分，投资者就需要重新评估估值。

对于规模更小、业务结构单一的AI云服务商，压力更加直接。

它们需要持续筹资维持建设，又需要项目及时投入运营才能获得收入。

每一次建设延期，都意味着现金支出继续发生，而收入确认向后推迟。

这正是基础设施投资周期中最危险的财务组合。

二、最脆弱的环节，是靠借钱出租GPU的公司

美国AI基础设施融资已经形成一条相当复杂的产业链。

大型科技公司采购算力，AI云服务商建设GPU集群，数据中心运营商提供机房和电力，银行与私人信贷基金负责融资。

以CoreWeave为例。

公司从英伟达等供应商采购计算设备，再向微软、AI模型公司和企业客户出租计算能力。

大型客户签署多年算力合同，CoreWeave以未来合同收入作为融资依据，向资本市场筹集设备和数据中心建设资金。

这种模式能够迅速扩大投资规模。

2026年第二季度，CoreWeave收入达到25.75亿美元，同比增长112%。截至6月底，公司披露的收入积压订单约1040亿美元。

然而，同一个季度，其净利息费用达到6.4亿美元，相当于当季收入的约25%。

公司当季营业亏损4900万美元，净亏损6.26亿美元。

订单规模庞大，利息成本也在迅速增长。

10月，CoreWeave部分债券收益率上升至15%—16%。其中一笔6月发行、初始收益率为9.675%的债券，在短短几个月内经历了明显的价格调整。

债券市场传递的信息很直白：投资者正在提高承担这类信用风险所要求的回报。

假设一家企业需要新增100亿美元融资，信用利差提高两个百分点，每年便会增加2亿美元利息成本。

对于一家利润率有限、需要持续购置GPU的云计算企业，这笔额外费用足以改变项目投资收益。

更值得研究的是风险如何在产业链内部传递。

数据中心企业Core Scientific在11月5日提交的季度报告中披露，2026年前九个月，CoreWeave贡献了其约84%的总收入。

截至9月底，Core Scientific已经签约1120兆瓦的客户租赁电力容量，实际开始计费的容量为485兆瓦。

两者之间相差635兆瓦。

已签约容量代表未来业务机会，实际计费容量才开始形成相应收入。

Core Scientific还在2026年5月发行了33亿美元优先担保票据，票面利率7.75%。相关融资设置了抵押、偿付安排和项目完工担保。

由此可以看到，一家AI云企业的经营表现，已经与数据中心运营商的收入、银行贷款和债券偿付紧密联系起来。

如果CoreWeave需要放缓扩张，影响可能依次传导至数据中心租金、项目融资、设备采购和新项目开工。

这类风险存在一个容易被忽略的特征。

许多数据中心资产在合同上拥有十年以上的长期客户承诺，但其最终付款能力依然取决于承租人自身的现金流。

长期合同可以提高收入可见度，合同背后的企业信用决定了收入兑现的可靠程度。

三、欧美AI基建，已经形成一套依赖未来订单的融资体系

这轮投资扩张还有一个重要变化：科技公司越来越多地使用未来履约合同、租赁安排和项目融资支持建设。

以甲骨文为例。

2026财年第一季度，甲骨文实现193亿美元收入，同比增长30%，剩余履约义务达到6640亿美元。

其云基础设施收入增长121%，达到74亿美元。

同时，甲骨文披露季度资本开支达到285亿美元，其中约113.6亿美元由客户预付款覆盖。

这是一种值得注意的融资安排。

客户提前提供资金，数据中心运营商利用资金建设基础设施，再根据交付进度向客户提供计算能力。

客户预付款能够降低建设方对外部债务的依赖，也意味着项目交付能力和长期客户关系的重要性进一步提高。

Alphabet的财报则揭示了另一类长期义务。

截至2026年9月底，该公司披露未来采购承诺总额9240亿美元，以及1520亿美元的租赁和其他尚待开始履行的义务。

这些属于不同期限、不同条件的最大合同承诺金额，部分合同包含价格及数量调整空间，须与债务余额、年度资本开支分别理解。

但它们说明一件事：AI投资已经产生规模巨大的跨年度财务安排。

今天的一笔服务器订单，可能对应未来数年的设备采购、机房租赁、电力购买和网络服务支出。

市场繁荣时期，这些承诺有利于供应商扩大产能，也帮助建设方锁定资源。

融资环境趋紧时，同样的承诺会限制经营调整空间。

银行关注的重点因此发生变化。

过去，一份由大型科技公司签署的算力合同，足以提高数据中心项目的融资吸引力。

如今，银行开始审查交付日期、合同终止权、付款条件，以及客户信用风险。

11月9日的路透社报道还披露，高盛预计全球超大规模云服务商2027年债务发行规模可能达到4200亿美元，较2026年预计的2500亿美元增长约68%。

新增融资需求上升，投资者风险偏好却在下降。

这会将资本成本传导至整个AI基础设施产业链。

四、最贵的GPU，可能一直在等电

资金之外，欧美AI基础设施还有另一种时间风险：电力建设周期。

10月19日，微软确认退出英国埃塞克斯郡Loughton的一项数据中心合作。

该项目由英伟达支持的英国AI基础设施企业Nscale推进。

原因相当具体。

当地电网方面预计，相关项目的供电时间可能延至2030年代。

微软强调，退出决定针对单一项目，双方在其他地区的合作继续推进。

这件事揭示了一个基本的产业矛盾。

GPU的技术升级周期按年计算，电网设施的建设周期却经常跨越数年。

数据中心签约和设备采购可以提前完成，变电站、输电线路和电网接入则需要长期审批与施工。

国际能源署2026年报告预计，全球数据中心用电量将从2025年的485太瓦时增长至2030年的约950太瓦时。

但报告同时指出，数据中心接入申请中存在重复申报和投机性占位，规划容量与最终落地规模之间可能存在明显差距。

这使欧美电力公司面临两种风险。

一种是投资滞后，导致大型数据中心长期等待供电。

另一种是依据过高的需求预测建设电网，最终形成闲置的输配电资产。

对AI项目开发商来说，两种情况都相当棘手。

路透社旗下Breakingviews在11月3日的分析中援引Cushman & Wakefield成本基准指出，一座100兆瓦数据中心仅建筑及相关基础设施建设，就可能需要约18亿美元，尚未计入芯片采购。

假设项目因供电延迟两年，即使借款利率仅为8%，18亿美元对应的简单年度利息也达到1.44亿美元。

这只是建设成本的融资敏感性测算，实际项目还涉及分期提款、资本化利息和设备采购进度。

项目交付日期每向后移动一年，财务压力都会增加。

这里存在一个颇具讽刺意味的现象。

一部分地区的AI数据中心可能长期供给紧张，另一部分地区又可能因融资成本、建设延期和重复规划出现投资过剩。

局部短缺与整体资本过度配置，可以同时发生。

五、算力需求增长，依然可能导致算力资产贬值

AI基础设施投资还有一项传统房地产和电力基础设施较少面临的风险。

技术更新速度。

一座数据中心建筑可以使用几十年，服务器和GPU的经济寿命则明显更短。

Alphabet在第三季度财报电话会议中披露，当季技术基础设施投资约65%用于服务器和网络设备，这类资产通常按六年使用寿命计提折旧；其余约35%用于数据中心，使用寿命为七年至四十年。

会计折旧期限与实际市场竞争周期之间存在差异。

英伟达新架构持续推出，芯片性能、能效和系统集成程度不断提高。新一代设备进入市场后，旧GPU仍然可以运行推理与部分训练任务，但租赁价格和二手残值需要重新评估。

对于使用自有现金购买设备的科技巨头，硬件折旧主要表现为利润和投资回报压力。

对于以GPU为抵押、通过贷款扩大设备规模的AI云服务商，硬件残值还直接影响融资能力。

这形成了一个潜在的循环。

新设备提高单位算力效率，客户逐渐转向新平台，旧设备租金承压。资产估值下降后，贷款机构提高抵押要求，借款企业又需要筹集更多资金购买下一代设备。

需求增长和资产贬值由此可能同步出现。

计算能力的经济价值，还取决于最终客户愿意支付的价格。

例如，某种AI推理服务的调用量增长一倍，单次调用价格下降60%，在其他条件相同的情况下，收入仍会减少20%。

当然，成本也会随技术效率提升而变化。决定投资回报的是收入、设备折旧、电力支出及融资成本共同作用后的利润。

资本市场容易把调用量增长理解为商业收入增长。

实际上，计算价格下降、模型效率提高和市场竞争加剧，都可能使算力需求与投资收益呈现不同走势。

一项技术可以被越来越广泛地使用，早期投入巨额资金的资产持有人仍然可能承担损失。

这也是铁路、电信和互联网基础设施历史上反复出现的现象。

基础设施最终产生巨大社会价值，投资者的回报却高度依赖购入价格、债务规模和建设时点。

六、欧洲与美国，面临两种不同的风险

欧洲AI基础设施的投资逻辑与美国存在明显区别。

美国的核心动力来自科技巨头、云计算企业、私人资本与信用市场。

欧洲同时拥有另一种推动力量：数字主权。

2026年7月，欧盟委员会启动AI超级工厂项目征集，计划在欧洲建设最多七座大型AI计算设施。

根据欧盟公布的方案，欧盟及成员国拟提供最多100亿欧元公共资金，带动至少200亿欧元私人投资，总投资目标超过300亿欧元。

欧洲希望以本土基础设施支持模型训练、科研、工业应用和公共部门采购，同时降低对美国云计算平台的依赖。

这种政策目标可以提高项目的融资吸引力，也可能延长资本投资周期。

但是，欧洲还面临电价、审批和电网接入等成本压力。

英国Nscale项目遭遇的电力延误，就是一个具体案例。

对欧洲而言，部分AI基础设施项目即使商业回报偏低，仍然拥有战略与公共政策价值。

公共资本可能继续支持项目建设，私人资本则会更严格地计算现金回报。

欧洲未来的调整更可能体现为项目延期、建设规模缩减、公共补贴增加，以及部分私人投资者退出。

美国的风险则集中在商业算力项目、资本市场融资与信用资产的重新定价。

两种体系最终都会面对同一个问题：谁承担投资成本，谁获得未来的生产率收益？

如果AI技术所创造的生产率收益主要流向使用AI的企业和消费者，而算力供应商承受主要资本投入，基础设施投资回报就可能受到长期挤压。

七、大崩盘会从哪里开始？

截至2026年11月9日，欧美AI基础设施投资仍在增长，微软、亚马逊和谷歌的云业务也继续保持较快扩张。

当前更明确的变化发生在融资市场。

高风险AI借款人的融资成本上升，部分发债计划推迟，银行开始重新评估数据中心信用敞口。

这为未来两年的产业调整提供了观察线索。

首先是融资价格。

一旦高收益债券市场持续收紧，依靠滚动借款维持投资的企业将率先缩减新项目。

其次是合同兑现。

市场需要观察已签约算力容量转化为实际计费容量的速度，以及客户预付款、最低采购承诺和合同终止条件的变化。

再次是设备利用率。

随着2026年至2027年签约的大量算力设施陆续交付，实际出租率、单位GPU收入以及折旧后的经营利润，将成为更重要的财务指标。

最后是大型科技公司的资本开支。

如果超大规模云服务商开始削减订单或推迟项目，数据中心开发商、服务器供应商、电力设备制造商和建筑承包商都将感受到变化。

这里需要区分三种调整：股市估值下降、项目融资违约，以及实际计算需求下降。

三者可能依次发生，也可能呈现明显分化。

拥有稳定客户和现金流的云平台能够继续运营，杠杆较高的项目开发商却可能遭遇债务重组。

部分新建项目可能被出售、延期或者取消。已经投运、拥有电力接入和成熟客户的设施，反而可能获得更高的战略价值。

2000年前后的互联网投资周期提供过类似经验。

光纤网络最终广泛服务于全球数字经济，但大量早期投资者经历了严重损失。

今天的AI基础设施也需要同时考虑技术普及与资本回报这两个问题。

欧美AI基建最值得警惕的风险，是资本市场提前支付了未来多年的产业增长成本，而企业收入与自由现金流需要更长时间兑现。

当技术进步、投资扩张和银行信用同步向前时，整个产业可以维持很高的增长速度。

当融资价格先发生变化时，产业链上的每一家企业就要重新计算项目回报。

最终可能出现的局面是：人工智能继续普及，算力消费继续增长，一批数据中心和GPU投资者却承受巨额损失。

2027年至2028年，市场对欧美AI基建的评价，可能逐渐由新增多少兆瓦、采购多少GPU，转向每一兆瓦能够获得多少收入、每一美元投资能够产生多少自由现金流。

这才是这轮巨额基础设施投资面临的财务考验