AI 数据中心债务成为债券收益率与增长的新风险

Google News 推荐了一篇 Reuters 分析，其中揭示了一个引人注目的转变：AI 建设热潮不再只支撑股票和经济增长，也开始给长期债券收益率带来上行压力。科技公司已通过债务市场筹集数千亿美元，用于资助数据中心、电力系统和算力建设。

这种借贷的影响不止于硅谷。长期公司债会与政府债争夺投资者资金，而相关衍生品还可能将额外的利率敞口传导至更广泛的市场。因此，国债收益率、借贷成本和资产估值面临新的压力来源。

这改变了关于 AI 投资的常见叙事。数据中心支撑了经济活动、半导体需求和基础设施支出。然而，支撑这些活动的融资如今可能推高整个经济体的资本成本。同一轮推动增长的建设周期，最终也可能对增长形成制约。

Google News 突出显示：AI 从现金流融资转向债务融资

AI 基础设施的规模已大到足以改变大型科技公司的融资方式，以及债券投资者的资本配置。

Google News 的原始报道将读者引向 Reuters 对 AI 建设热潮的调查。Reuters 报道称，截至 6 月初，Meta、Oracle 和其他科技公司在 2026 年已通过全球债务市场筹集约 2500 亿美元。若放在几年前，这种规模对现金充裕的科技公司而言会显得反常。

这些借款融资的不只是图形处理器。现代数据中心需要土地、建筑、冷却设备、网络系统、电力接入，且往往还需要专用电力基础设施。每个组成部分的经济寿命和风险特征都不同。

一块 AI 加速器可能在几年内就会过时。建筑和电力接入设施则可在数十年内持续发挥作用。因此，公司有动力以长期固定利率负债来匹配使用寿命长的实体资产。

这会增加久期供给。久期衡量债券价格对利率变化的敏感程度。长期债务通常比短期借款增加更多久期，因此企业发行长期债券时，投资者必须吸收更大的利率敞口。

Dallas Federal Reserve 估计，华尔街对 2026 年 AI 相关投资级债券发行的预测约为 3000 亿美元。根据其久期供给研究，这可能相当于高达 3600 亿美元的 10 年期等值久期供给。

这一规模约相当于美国国债发行所提供久期的八分之一。它不足以取代国债市场，但足以在边际上影响价格，尤其是在投资者本已需要吸收大量政府借款之时。

Reuters 报道称，5 月的国债抛售将 30 年期收益率推至 2007 年以来的最高水平。通胀担忧和对 Federal Reserve 政策的预期仍是主要驱动因素。不过，分析人士也将 AI 基础设施融资视为另一项推手。

这一区别很重要。投资者通常以通胀、财政赤字或央行决策来解释收益率上升。AI 相关公司借贷则引入了一条独立传导渠道，即使预期通胀没有显著变化，它也可能发挥作用。

这一趋势也比单次债券发售更具持续性。科技集团正规划多年期建设项目，而数据中心运营商需要持续获得芯片、电力和融资。即使单笔交易完成，反复发行仍可能长期增加供给。

Oracle 便说明了这一转变。Reuters 援引 Dallas Fed 经济学家 Srini Ramaswamy 的话称，该公司已成为投资级市场中最大的新增久期风险供给者之一。Oracle 过去作为长期债券发行人的角色要小得多。

其地位的变化表明，这个故事并不只是关于负债累累的初创公司。大型、成熟的科技公司正在成为固定收益市场的结构性参与者。它们的融资决策如今会影响那些过去只将科技债视为有限配置的投资组合。

因此，关注 AI 芯片和数据中心的 Google News 用户看到的不只是计算技术故事，同样也是金融故事。服务器需求只是第一环，随后还会延伸至公司信贷、利率互换、国债估值和家庭借贷。

AI 建设热潮如今正在争夺长期资本

核心矛盾在于，AI 对庞大且耐心资本的需求，与债券市场对集中长期敞口的有限承受能力之间的冲突。

在当前 AI 周期的大部分时间里，领先的 hyperscalers 都通过经营现金流为扩张提供资金。hyperscaler 是指以极大规模运营计算基础设施的大型云服务或科技公司。Alphabet、Amazon、Meta、Microsoft 和 Oracle 都是典型代表。

这种模式降低了融资风险。强劲的广告、软件、商业和云业务能够产生现金，使公司无需要求债券持有人承接每一个新项目，便可将资金再投资。

计划中的建设规模正在改变这一格局。Bank for International Settlements 发现，AI 投资正从内部产生的现金转向债务和私人信贷。其AI 融资简报指出，这一转变能否持续，取决于企业是否能达到较高的盈利预期。

BIS 估计，到 2025 年年中，数据中心、其设备以及信息技术制造设施约相当于美国国内生产总值的 1%。更广义的 IT 相关投资约占 GDP 的 5%，超过了互联网泡沫时代的峰值。

在 2022 年之后的三年里，半导体设施和数据中心支出平均每年为美国 GDP 增长贡献 0.4 个百分点。在更广泛定义下，IT 投资在近几个季度中占 GDP 增长的近一半。

这些数字解释了科技公司为何持续建设。数据中心投资会立即拉动建筑、电气设备、服务器、网络硬件和电力需求。如果客户持续增加对 AI 模型的使用，它也有望带来未来的云业务收入。

然而，在这些未来回报到来之前，经济增长动力就需要融资。资本支出，即 capex，是用于购置或开发长期资产的资金。AI capex 往往需要在运营商明确每座设施能带来多少收入之前数年就作出承诺。

这种时间错配带来了压力。企业必须在竞争项目也在争夺相同资源时，锁定选址、变压器、电力协议、芯片和劳动力。等待可能意味着失去稀缺的电网容量，或在竞争中落后。

借贷让企业得以加速，但也会将部分风险转移给债券持有人和更广泛的信贷体系。随着规模增长，投资者会要求更高补偿，才愿意持有那些已在其投资组合中占据较大比例的发行人的债务。

Reuters 后续计算显示，截至 2026 年 7 月 7 日，Amazon、Alphabet、Meta 和 Oracle 已发行约 1940 亿美元债券。这比它们在整个 2025 年约 1080 亿美元的发行规模高出 79%。

Goldman Sachs 预计，包括 Microsoft 在内的五大 hyperscalers 将在 2026 年发行约 2500 亿美元债券，并在 2027 年发行 4000 亿美元。其估计显示，这些公司合计 2026 年 capex 接近 7500 亿美元，接近预计的 7780 亿美元经营现金流。

这一缺口并不自动意味着财务困境。大多数 hyperscalers 仍拥有有价值的业务、可观的现金生成能力和投资级评级。问题在于，为按计划速度持续扩张所需的边际资金。

相当于年度 capex 三分之一的债务发行，将意味着融资结构发生实质变化。它也会使项目回报对借贷成本更为敏感。以更高收益率融资的设施，必须产生更多现金，才能为股东创造价值。

债券投资者则面临自身的集中度问题。投资组合规则可能限制对单一借款人、行业或期限区间的敞口。即使一只债券很有吸引力，若发行人此前已完成多笔大型交易，其债券也会更难被市场吸收。

保险公司和养老金基金天然需要长期资产，但其承接能力并非无限。更多科技债要么取代其他持仓，要么必须提供更高收益率。

这正是 AI 支出如何影响科技行业以外融资条件的方式。当投资者将更多资本配置给 hyperscaler 债券时，其他公司借款人可能需要支付更高成本。如果投资者整体抗拒增加久期，相关市场的收益率就可能普遍上升。

长期 AI 债务可能推高国债收益率

这一机制通过直接债券供给、利率互换，以及对通常能降低久期压力的借款人的挤出效应发挥作用。

直接发债是最容易观察到的渠道。科技公司出售长期债券，投资者必须决定持有它需要多高的收益率。一波类似交易会增加等待买家承接的久期规模。

公司债收益率由无风险基准利率构成，通常以国债为基准，另加信用利差。利差补偿投资者承担的违约风险、流动性风险和其他不确定性。当买方要求更优条款时，大量发债可能扩大这一利差。

与国债收益率的关系不那么直接，但仍然重要。投资者经常将公司债与期限相近的政府证券进行比较。若有大量具吸引力的公司债供给，除非政府债收益率作出调整，否则国债需求可能下降。

部分投资者还会对冲所持公司债的利率敞口。这些交易可能影响国债期货、互换和其他用于管理久期的工具。

私人借款构成另一条渠道。私人贷款人往往偏好浮动利率贷款，其利息支出会随基准利率变化。数据中心所有者可能更倾向于固定成本，因为其建筑和公用设施接入的价值持续时间要长得多。

借款人可以通过支付固定利率的利率互换来解决这种错配。在该安排下，借款人支付固定利率并收取浮动利率。该交易会将浮动利率贷款的经济敞口转换为类似固定利率融资的形式。

Dallas Fed 表示，这类互换会创造合成久期供给。即使没有发行传统长期债券，利率市场仍会承接类似的利率敞口。

其研究人员估计，仅在 2025 年第四季度，这类互换活动就可能产生至少 500 亿美元的 10 年期等值供给。由于私人交易公开信息较少，真实规模仍难以衡量。

第三条渠道涉及挤出效应。金融公司历来是最大的投资级债券发行人之一。银行通常发行固定利率债务，然后使用互换将自身负债转换为浮动利率。

这一过程会在系统的其他环节产生久期需求。如果科技发行人取代金融公司进入投资者组合，市场便会失去部分这种抵消效应。

因此，发行人构成很重要，而不只是总金额。为使用寿命长的数据中心融资的科技公司，与管理资产和存款的银行，管理利率风险的方式并不相同。

达拉斯联储研究人员在国债收益率曲线长端与互换利差之间不断变化的关系中，发现了与这些影响一致的证据。他们的分析并未证明 AI 融资造成了每一次观察到的波动。它表明，市场行为正越来越符合非国债久期供给增加所会带来的结果。

Reuters 提供了另一组比较数据。在其分析覆盖的年度内，美国财政部出售了约 5,400 亿美元的 10 年期国债。与 AI 相关的公司债发行和互换规模较小，但并非微不足道。

当其他压力指向同一方向时，这种影响可能更强。通胀焦虑、巨额财政赤字，以及市场下调对美联储降息的预期，本就可能推高收益率。在不利的市场环境下，科技公司的发债又增加了供给。

实际收益率尤其值得关注。实际收益率从名义收益率中剔除了市场预期的通胀部分。如果长期实际收益率上升，即便通胀预期相对稳定，借款人仍将面临更紧的融资条件。

更高的实际收益率会降低远期现金流的现值。这一计算会影响成长股、商业地产、基础设施项目，以及其他预期回报将在多年后实现的资产。

这构成了本文的核心反转。AI 公司借款建设承诺提升未来生产率的资产；而它们的借款同时也可能提高用于折现这些未来收益的利率。

这种影响并不局限于债券。国债收益率有助于设定抵押贷款、企业贷款、市政债务以及许多投资模型的基准利率。持续上升可能冷却与 AI 没有直接联系的行业活动。

Google News 可能将这一进展呈现为一则科技新闻，但其机制属于宏观经济学。AI 基础设施建设的规模已经大到足以影响时间本身的价格：投资者为在多年内承诺资金所要求的补偿。

投资者已经在向超大规模云厂商收取更高成本

近期债券表现表明，投资者仍愿意为 AI 融资，但这种意愿正变得更昂贵，也更具选择性。

Reuters 在 7 月的分析发现，多个期限区间的借款利差均有所扩大。对于 Amazon、Alphabet、Meta 和 Oracle，剩余期限为两至四年的债券中位利差从 2025 年的 30 个基点升至 40 个基点。

一个基点等于一个百分点的百分之一。当这一变化应用于规模庞大、期限多年的债券时，即使幅度很小，也可能意味着可观的成本。

五至七年期债务的中位利差从 50 个基点增至 60 个基点。对于期限超过 20 年的债券，利差达到 118 个基点，而 2025 年为 108.5 个基点。

这些变化并不意味着市场已经关闭。它们表明，随着供给增加，投资者希望获得更高补偿。这种成本会在反复发债中累积。

二级市场交易也讲述了类似的故事。Reuters 审查了 2026 年发行、拥有可比定价数据的 91 只超大规模云厂商债券。截至 7 月 28 日，其中 78 只的交易收益率高于发行时的收益率，中位增幅约为 22 个基点。

债券收益率通常会在其市场价格下跌时上升。这一表现表明，许多早期交易的买家若选择等待，本可获得更好的条件。

相对于交易规模，需求也有所减弱。Apollo Global Management 表示，超大规模云厂商债券销售的订单簿覆盖率从 2 月时接近发行规模的五倍，降至 7 月时不足两倍。

覆盖率衡量的是投资者订单相对于可供出售债券的比例。由于投资者有时预计获配会被削减而提交更大订单，它可能高估最终需求。即便如此，比例下降仍意味着买方之间的竞争减弱。

Amazon 的交易体现了这种降温。Reuters 引述的研究显示，其 3 月美元债销售的认购额约为发行规模的 3.4 倍。其 7 月发行则吸引了约为售出金额 1.6 倍的订单。

新债发行让利也在扩大。让利是指新债相对于同一发行人存续债券额外提供的收益率，用于鼓励投资者吸收新增供给。

根据 Reuters 分析的超大规模云厂商债券数据，交易层面的中位让利从 2025 年的 2.25 个基点升至 2026 年的 12 个基点。

Sage Advisory 估计，自 9 月以来，超大规模云厂商以美元计价的合计债务规模已增长逾一倍，超过 3,600 亿美元。每笔大型交易都可能对存续债券施压，因为投资者预期还会有更多供给。

Oracle 的风险信号更为明显。Reuters 报道，其五年期信用违约互换成本从前一年约 30 个基点升至 150 个基点。信用违约互换为借款人无法偿还债务提供保护，也是市场衡量感知信用风险的指标。

这一上升并不意味着 Oracle 将会违约。它表明，随着投资者评估其债务负担和 AI 承诺，对其信用进行对冲的成本已显著提高。

市场也在区分不同借款人。Alphabet、Amazon、Meta、Microsoft 和 Oracle 的现金流、现有债务、客户敞口或建设策略并不完全相同。“AI 基础设施”这样的宽泛标签，可能掩盖了重大的差异。

一些项目直接计入企业资产负债表。另一些则采用合资企业、私募信贷、特殊目的实体，或与特定设施挂钩的安排。每种结构以不同方式分配风险，并可能提供不同程度的透明度。

投资者还必须评估资产的使用寿命。一栋建筑可能运营数十年，但其中最昂贵的计算设备可能更早在商业上过时。这种错配令长期借款的合理性更复杂。

如果新一代芯片能以更少电力完成更多工作，旧设施即使物理状态仍然完好，也可能在经济性上处于劣势。用于建设它的债务仍需偿还。

这就是为什么更高的利差不仅仅是对拥挤发行日程的暂时抱怨。它们反映出一个不确定性：AI 收入能以多快速度追上今天已承诺投入的资本。

增长引擎也带有放缓风险

AI 基础设施支撑当前经济增长，但更高的收益率可能削弱维持这种增长所需的更广泛投资与消费。

积极的一面依然显著。数据中心建设支持承包商、设备制造商、公用事业公司、芯片供应商和当地就业。新增计算能力还可以促成提升其他行业生产率的产品。

Reuters 引述的早期估计表明，数据中心支出可能在 2025 年和 2026 年为美国经济增长增加 0.1 至 0.2 个百分点。此后，BIS 在将半导体设施和相关 IT 支出纳入计算后，得出了更大的近期贡献。

这些益处解释了为何这轮建设受到政策关注。发电、并网、国内芯片制造和数字基础设施，都拥有超越单一公司盈利的战略价值。

然而，长期收益率上升会传导至整个经济。抵押贷款利率往往随长期债券市场变动。企业会将项目回报与借款成本进行比较。政府则需将更多收入用于利息支出。

因此，融资热潮可能蕴含自身放缓的种子。更多 AI 建设推高需求和增长；更多借款增加久期，并对收益率形成上行压力；更高的收益率随后又令后续建设、住房和企业投资更难获得合理回报。

股票市场面临第二条传导渠道。科技股的大部分价值往往来自预期将在遥远未来实现的利润。更高的贴现率会降低这些收益被赋予的当前价值。

这可能形成反馈循环。更疲弱的股价会降低股权融资的吸引力。企业会更依赖债务、减少支出，或要求合作伙伴承担更大比例的项目风险。

国际货币基金组织估计，到 2029 年，与 AI 相关的资本支出可能达到 3.4 万亿美元。其 2026 年 4 月稳定性评估表示，超大规模云厂商仍保持强劲的现金创造能力，眼下金融稳定风险似乎仍处于可控范围。

这是一项重要的平衡因素。最大的科技公司并非典型的投机性借款人。许多公司拥有多元化收入、流动资产、有价值的平台，以及进入多个融资市场的渠道。

IMF 也指出了脆弱性。盈利和现金缓冲可能不足以支持计划支出，而先进芯片的过时速度可能快于为更广义房地产和设备设定的会计使用年限。

集中度又带来另一项担忧。有限数量的公司占据了 AI 基础设施承诺、债券发行、云需求和股市表现的很大份额。它们的项目还通过合作关系、供应合同和融资安排彼此相连。

如果某个主要参与者的需求不及预期，影响可能波及供应商、贷款方、房东、公用事业公司和交易对手。私人化结构可能让外部人士更难评估这些敞口。

核心不确定性在于投入资本回报率。企业需要足够的增量收入和经营利润，才能在扣除电力、折旧、维护和融资费用后证明每座设施具有合理性。

仅靠使用量无法解决这个问题。服务提供商可以产生巨大的计算量，却获得不足的利润率。竞争可能在建设成本下降前就迫使价格走低。

效率提升带来了另一种权衡。更好的芯片和模型可以减少完成特定任务所需的计算量。更低成本或许会刺激更多使用，但也可能削弱对旧一代、效率较低产能的需求。

这些都不能证明 AI 基础设施存在泡沫。它们表明，债务必须依据现金回报来评估，而不是基于对 AI 采用的广泛预期。

怀疑论观点也有其局限。与国债市场相比，公司债发行规模仍然较小，还有许多其他力量会影响收益率。财政政策、通胀、能源价格、全球资本流动和央行预期，都可能压过 AI 这一传导渠道。

因此，研究人员不应将每一次债券抛售都归因于数据中心。Reuters 的分析将 AI 借款视为额外的影响因素，而非完整解释。

尽管如此，在一个紧密平衡的市场中，边际因素仍然重要。如果国债供给已经很高，且投资者对通胀敏感，另一项大规模久期来源就可能改变市场出清价格。

通过 Google News 关注 AI 的读者应密切留意这一联系。产品发布和基准测试分数描述模型能做什么；信用利差和债券需求则揭示投资者愿意为建设其背后基础设施支付多少。

三项信号将显示压力是否正在蔓延

下一阶段取决于债券市场需求、超大规模云服务商的现金回报，以及更高收益率是否正在抑制科技行业之外投资的证据。

第一个信号是市场对超大规模云服务商新发债券的接受度。订单簿覆盖倍数、发行让利、期限选择以及发行后的表现，将显示投资者疲态是否仍在延续。

覆盖倍数回升将削弱市场正趋于饱和的观点。更大的发行让利和更疲弱的二级市场交易表现，则会强化这一判断。企业可能会通过发行更短期限债券、以更多币种融资，或采用更多私募结构来应对。

这些替代方案未必能消除久期压力。借款人可以通过掉期，将短期或浮动利率负债转换为长期固定利率敞口。因此，公开发行数据可能低估实际进入利率市场的融资规模。

第二个信号是 AI 收入与资本支出之间的关系。投资者需要看到，云服务需求、模型使用量和已签约产能正在带来足够的回报。

经营现金流应与资本支出同步增长，而不是持续落后于后者。若折旧、利息支出或电力成本上升，却没有相应的收入增长，资产负债表将承受更大压力。

细节比 AI 收入这一表面数字更重要。读者应比较利用率、合同期限、客户集中度和定价。由长期承诺支撑的设施，与主要围绕预期需求建设的设施并不相同。

企业还应明确资产使用寿命。投资者需要了解运营商预计多快更换加速器，以及现有的供电和冷却系统能否容纳未来的芯片。

第三个信号是全经济范围内长期融资成本的变化。美国国债期限溢价、实际收益率、抵押贷款利率和公司债利差，将揭示压力是否仍局限于科技债务。

期限溢价是指投资者持有长期债券，而非反复购买短期证券时所要求的额外回报。当不确定性或久期供给增加时，它可能上升。

如果科技债利差扩大，而美国国债相关指标保持稳定，问题主要是特定信用风险。如果公司债利差和长期美国国债实际收益率同时上升，金融影响就会更加广泛。

这种更广泛的结果将对住房、商业建设、小型企业和公共基础设施构成压力。它也可能令美联储决策更加复杂，因为更高的市场收益率会在不提高政策利率的情况下收紧金融条件。

关键不在于 AI 是否继续增长，而在于融资体系能否支撑这种增长，同时不显著提高其他领域的资本成本。

Google News 读者应将债券市场报道视为产品报道的实用补充。这场 AI building boom 如今已具备足够规模，能够影响远超芯片和云平台范围的决策。

关注下一批大型债券交易，然后将其与现金流披露和长期美国国债走势进行比较。如果需求在资本支出上升的同时持续减弱，AI 的下一个约束将不是模型能力，而是资本的价格和可得性。