AI 的高收益债问题浮出水面

Google News 推送了 Barron's 发出的一项尖锐警告：尽管信贷投资者并不直接享有科技行业上涨带来的收益，AI 焦虑已蔓延至高收益债市场。

担忧并不只是企业正大举借债建设数据中心。AI 也威胁着曾让许多高杠杆企业成为受欢迎借款人的经常性软件收入。这令信贷市场的两端都承受压力。

基础设施企业需要巨额资金来满足不断增长的算力需求。与此同时，软件发行人必须抵御 AI 原生竞争对手和能力日益增强的自动化工具对其产品的冲击。如果这两类投资逻辑中任一项失效，债券持有人都将承担损失，但其收益仍仅限于约定的利息和本金。

这种不对称性将信贷投资者与股东区分开来。若成功的 AI 战略最终能使公司价值成倍增长，股票投资者可以容忍多年的投入。债券投资者却无法获得可比的意外收益。核心问题在于，借款人能否按时产生足够的现金来偿还债务。

市场尚未发出全面 AI 信贷危机的信号。它正开始区分那些提供稀缺基础设施的公司，与那些产品可能被 AI 复制、压缩或取代的公司。这一区别已体现在信贷利差、融资结构和投资者需求中。

Google News 揭示的信贷转向

AI 已从遥远的商业风险，变成信贷投资者正在积极定价的因素。

通过 Google News 传播的 Barron's 标题捕捉到了市场行为的更大转变。早先有关 AI 的讨论聚焦于股票估值、芯片需求以及科技支出的可持续性。如今，信贷市场也面临着自身版本的这场辩论。

信贷利差是投资者相对于可比政府债券要求获得的额外收益率。它用于补偿违约、流动性和不确定性风险。利差走阔通常意味着投资者认为风险更高，或要求更好的补偿。

这些利差并未同步变动。MSCI research 发现，其美国高收益指数中的信息技术和通信服务债券利差在 2026 年大幅走阔。截至 3 月 31 日，这两个行业的期权调整利差均接近 400 个基点。

一个基点等于一个百分点的百分之一。期权调整利差用于估算在考虑可能改变债券预期存续期的特征后，投资者获得的额外收益。

标题之下的走势比行业平均值更重要。MSCI 表示，IT 咨询利差走阔幅度最大，其后是互动媒体和应用软件。硬件、互联网服务和半导体利差则保持稳定或收窄。

这种分化提供了市场对 AI 判断的早期地图。投资者正以不同方式看待赋能 AI 的企业，以及看似容易受到 AI 替代威胁的企业。

劳动密集型咨询业务面临压力，因为智能体可以自动化研究、分析、编程和常规实施任务。互动媒体公司面临更低成本的内容生成，以及竞争性内容可能大量涌现的局面。单一产品软件供应商则面临能够复现狭义工作流程的工具。

硬件公司处于不同的位置。AI 服务仍需要芯片、网络设备、存储和电力。即使个别应用失去相关性，对这些实体投入品的需求仍可能保持强劲。

这并不意味着每一只硬件债券都安全，也不意味着每一只软件债券都已受损。它意味着市场已开始审视每个借款人的盈利方式，而不再将科技信贷视为同一类别。

这与此前的软件放贷模式形成了显著偏离。投资者曾青睐订阅收入，因为续约看似可预测，客户转换成本也似乎很高。私募股权发起人在收购软件公司时，可以依据这些预期现金流举债。

生成式 AI 对这两项假设都提出挑战。客户可能将多个产品整合为一个 AI 辅助工作流程。竞争对手可能迅速复现常见功能。老牌供应商也可能需要增加研发支出，以维持自身地位。

这些结果没有任何一种必然导致违约。但它们仍可能削弱对放贷人重要的指标，包括利息覆盖率、自由现金流，以及相对于盈利的杠杆水平。

因此，这一标题所描述的不只是紧张情绪。它表明市场正在重新评估科技债务背后现金流的持久性。

软件借款人面临首个直接考验

眼下的高收益风险来自软件经济性走弱，而非 AI 需求突然崩塌。

高收益债券由评级低于投资级门槛的公司发行。这些借款人通常要支付更高利息，因为其杠杆、业务地位或财务灵活性带来了额外风险。

软件在公开高收益债市场中的占比有限，但在杠杆贷款和私人信贷中的权重更高。这种集中度可能会将压力传导至贷款机构、业务发展公司和私募股权投资组合。

J.P. Morgan Asset Management 估计，软件敞口约占公开高收益债的 4% 和广泛银团贷款的 15%。业务发展公司的投资组合中，该敞口约为 20%。

业务发展公司，即 BDC，投资于由较小型或高杠杆企业发行的贷款和股权。许多公开交易的 BDC 让个人投资者能够接触原本在私人市场交易的资产。

软件之所以受到放贷人欢迎，是因为经常性订阅收入看似能带来可靠的现金流。一家公司在年初时，其大部分预期收入可能已签约确定。这种可见性支持了更大规模的贷款和高杠杆收购。

AI 为这一模式的弱化带来了多种路径。

首先，自动化编程降低了构建基础应用的成本。新公司无需复刻成熟平台的每项功能。它可以结合语言模型、现有云服务和聚焦的界面。

其次，智能体可以跨产品运行。如果智能体能够检索数据、更新记录、起草沟通内容并发起审批，客户可能需要更少的专门界面。

第三，成熟平台正在加入相互重叠的 AI 功能。客户可能从自己已在使用的供应商那里获得摘要、搜索、分析和工作流自动化能力。

第四，AI 支出可能在成为收入来源之前就构成额外成本。软件供应商必须为模型访问、算力、安全控制、评估系统和产品开发付费。

这些压力并不对每家公司产生同等影响。拥有专有数据、复杂合规要求或深度集成的关键任务软件，仍可能难以替代。电子设计自动化和专业风险系统便是常见例子。

通用型产品的处境则不那么舒适。它们的功能更容易复现，数据可能具备可迁移性，客户也可以在不替换整个操作系统的情况下进行试验。

J.P. Morgan 将这一信贷调整描述为选择性的，而非广泛恶化的迹象。其分析师观察到，在一个交易日内，利差初步变动为 10 至 35 个基点，部分周度变动达到 20 至 50 个基点。

这一表述值得强调。利差走阔衡量的是市场修正后的评估，而不是已经出现的一波未偿付款。信贷投资者正在损害完全反映在已披露收入之前，为长期威胁定价。

他们必须这样做，因为债券的上行空间有限。如果一家软件公司成功利用 AI，其债券到期时仍只按合同价值偿付。如果 AI 削弱续约和现金生成能力，这些债券可能大幅下跌。

因此，放贷人对不确定性的反应会早于股东。即使收入承压幅度不大，在公司利息义务沉重、现金有限且有再融资需求时，也可能具有重要影响。

同一家公司对股票投资者而言可能很有吸引力，却对债券持有人构成危险。股票回报于大幅复苏的可能性。信贷关注的是公司能否在不重组债务的情况下撑过这一过程。

这解释了为何 Google News 的标题会在一篇 Barron's 报道之外引发共鸣。债券市场正在检验软件过去关于可预测收入的承诺，与 AI 如今关于更低成本替代的承诺之间的较量。

AI 交易存在两种相反的债务风险

信贷市场必须评估既受 AI 威胁、又为建设 AI 而激进借款的公司。

第一种风险关乎替代。随着 AI 自动化其产品的部分功能，软件、咨询和媒体企业可能失去定价权。

第二种风险关乎融资。云公司、数据中心运营商、公用事业公司和科技平台需要在相关 AI 收入得到充分验证之前投入资本。

这两种风险在运营方向上相反。一类公司可能投资不足并变得过时。另一类公司则可能在需求、电力供应或客户付款尚不足以支撑支出前投入过多。

基础设施相关的数字规模可观。Vanguard analysis 援引估计称，2026 年将有约 4,000 亿美元的公开交易债券为 AI 基础设施提供融资。这将占预期企业发债量的 10% 至 15%。

Vanguard 还表示，截至 2025 年底，科技行业仅占高收益债市场的 8.3%。这种有限的集中度降低了仅由软件行业压垮整个指数的可能性。

不过，融资浪潮仍可能影响无关的借款人。投资者的资本有限，可选投资很多。大量新增科技债券供应可能迫使其他发行人提供更高收益率以吸引买家。

大多数超大规模云服务商拥有强劲的信用评级和庞大的现金创造业务。Alphabet、Amazon、Meta、Microsoft 和 Oracle 能够以小型借款人无法获得的条件进入投资级市场。

但它们的规模会产生替代效应。面对现金充裕的科技公司不断增加的债券供应，投资组合经理可能会要求持有一家高杠杆软件发行人的债券时获得更高补偿。

即使超大规模云服务商并未陷入困境，这种压力也可能蔓延至高收益债市场。更安全的债券会争夺同一批投资者的注意力和资产负债表容量。

基础设施债务也不仅限于超大规模云服务商。数据中心开发商、专业云服务商、公用事业公司、光纤运营商和设备供应商，都在根据预期需求筹集资金。

Bank of England 估计，2026 年至 2028 年期间，数据中心外部融资需求中超过一半可能通过债务融资。该行还指出，AI 投资已占私人信贷和高收益债发行的重要份额。

债务融资本身并非警示信号。数据中心等寿命较长的资产，通常会通过多年期融资来建设。已签约客户的付款承诺可以支持建设和设备采购。

风险出现在债务期限超过设备的经济价值存续期，或超过客户合同的可靠期限时。

随着新一代硬件提供更高性能或更低能耗，AI 芯片的竞争力可能下降。数据中心可能仍保有价值，但其收入取决于升级能力、可用电力以及客户集中度。

国际货币基金组织在其稳定性报告中研究了这种错配。该机构估计，到 2029 年，AI 相关资本支出将达到 3.4 万亿美元，并指出自 2025 年 1 月以来，超大规模云服务商已通过债券融资筹集超过 1000 亿美元。

IMF 还模拟了资产使用寿命缩短对报告盈利能力的影响。在一项假设性情景中，若使用寿命从七年缩短至三年，整体盈利利润率将下降超过九个百分点。

这一情景并非对实际结果的预测。它说明，当企业购买更新换代周期很快的硬件时，折旧假设为何至关重要。

如果一家企业按更长的期限对设备计提折旧，便可报告更强劲的短期利润。若设备更早在经济层面过时，其实际成本到来的速度会快于会计处理所显示的节奏。

这是核心的信贷权衡。AI 建设者需要为处于快速技术变革环境中的资产获得长期资本。受 AI 冲击的企业则需要保留足够灵活性，以便在收入下滑前重建产品。

债券投资者夹在这些压力之间。他们必须识别哪些借款人拥有可持续的现金流、可执行的合同、可管理的到期债务，以及能够保值的资产。

为什么这轮抛售尚未构成 AI 信贷危机

现有证据支持选择性重定价，但不足以将每一家科技借款人都视为未来违约者。

市场恐慌往往比经营结果变化得更快。投资者可能因预期基本面恶化而抛售债券，也可能因为其他资产更具吸引力，或因投资组合限额而被迫减持。

这些原因会造成相似的价格波动，但含义不同。由现金流走弱引发的利差扩大，比由暂时性抛售压力导致的利差扩大更严重。

MSCI 的子行业数据表明，投资者正在作出区分。应用软件和咨询服务的利差扩大，而半导体和科技硬件表现更为坚挺。这与对科技信贷进行无差别撤离并不一致。

Vanguard 得出了类似结论。它否定了债券市场中软件即服务行业将全面崩溃的观点，但预计赢家与输家之间的差异会进一步扩大。

这一立场反映出成熟软件企业具备的几项防御优势。

现有供应商拥有客户关系、分销渠道、历史数据和集成经验。企业买家还重视安全性、可审计性、支持服务和法律责任。快速开发的 AI 工具可能难以满足这些要求。

软件产品往往嵌入计费、合规、工程或客户服务流程。替换它们带来的成本，可能超过订阅费用节省的金额。

AI 也可能改善供应商的利润率。自动化可以降低支持成本、加快开发，并通过现有界面提升交付价值。

更棘手的问题在于，谁能获得这部分价值。供应商可能节省成本，却面临客户要求降价；也可能增加提升使用量的 AI 功能，同时承担可观的推理成本。

信贷分析必须追随现金流，而不是产品演示。投资者需要证据证明，在计算成本之后，AI 功能确实改善了留存、收入或利润率。

他们还需要区分功能风险与平台风险。围绕单一任务构建的狭窄应用，若更大平台纳入同一任务，便可能受到冲击。深度集成的系统记录平台则仍然更难被取代。

看空观点仍然值得重视。技术替代不必彻底消灭一款产品，也能损害其债券表现。增长放缓可能压低估值、限制再融资，并促使企业采取防御性收购。

高杠杆借款人可能通过削减成本应对。这可以保护短期利息保障倍数，却可能削弱产品开发。企业也可能为旨在恢复增长的收购举债，从而增加另一层执行风险。

私募市场让情况变得不那么透明。公开债券交易频繁，并通过价格揭示投资者预期的变化。私募贷款可能维持账面价值，直到贷款人确认特定减值。

这种滞后并不证明私募信贷掩盖了不可避免的损失。它意味着观察者获得的连续信号更少。

更广泛的担忧在于再融资。许多高杠杆企业依赖资本市场来置换到期债务。它们不必在经营上失败，再融资也可能变得痛苦。

如果投资者要求更高票息、更多抵押品或更严格的契约，自由现金流就可能收缩。一家过去能够轻松偿债的企业，可能需要出售资产或接受发起人的支持。

契约是合同性保护条款，会限制新增债务、转移资产或进行某些付款等行为。更强的契约可以降低贷款人风险，但也会限制借款人的灵活性。

因此，现有证据支持的是挑选债券的市场，而不是对 AI 相关信贷的一概否定。分析必须逐个发行人进行。

投资者应当询问，企业是否拥有稀缺数据、控制关键工作流程，或受益于可量化的转换成本。他们还应审视客户集中度、利息保障倍数、到期债务安排及必要的 AI 支出。

对于基础设施借款人，问题则有所不同。投资者需要考察电力合同、建设风险、租户信用质量、设备寿命，以及对进一步借款的限制。

核心不确定性在于时机。市场正在为软件经济模式的潜在变化定价，而这些变化尚未演变为普遍违约。市场也正在为基础设施提供融资，而每个项目最终回报是否可观仍未明朗。

这一时间差可能使早期信号充满噪声，也可能令等到明显恶化后再行动的代价高昂。

债券投资者接下来应关注的三个信号

下一阶段将由软件续约、债务市场条款，以及 AI 资产能否获得足够回报的证据决定。

第一个信号是软件客户留存。信贷投资者应关注续约率、净收入留存率、合同期限，以及管理层对席位削减的评论。

净收入留存率衡量现有客户群的收入在扩张、缩减和取消后如何变化。若该指标在多个报告期内走弱，将支持替代风险的观点。

单个季度增长放缓并不能解决这个问题。企业可能经历与 AI 无关的预算周期、汇率变化或销售执行问题。

更有力的警告信号是：留存率下降，同时出现折扣加大、客户数量减少和产品开发支出增加。这种模式将表明，AI 正在削弱收入，同时提高企业的防御成本。

投资者还应比较通用软件与专业系统。如果最疲弱的业绩仍集中在狭窄应用领域，市场的选择性定价就显得合理。

如果关键任务平台也显示出类似恶化，风险将显得比当前信贷利差所反映的更为广泛。

第二个信号是新债的价格和结构。表面的发行总额揭示企业筹集了多少资本，但条款揭示投资者愿意容忍多大的杠杆。

当新债在无需提供异常高收益率或限制性保护条款的情况下吸引大量认购时，需求最为强劲。需求疲弱可能表现为更大的发行让利、更小的交易规模、额外抵押品或更严格的契约。

再融资交易值得特别关注。即使新利率更高，一家公司置换短期债务也能改善其即时流动性。

然而，反复以显著更高的票息再融资，可能侵蚀现金流。当借款人还需要持续投入 AI 时，这一负担会更加严重。

基础设施交易需要单独审视。项目层面的债务可以将风险与母公司隔离，但复杂结构也可能掩盖最终由谁承担损失。

投资者应跟踪主要租户的信用质量及其承诺期限。如果客户可在宽泛条件下取消合同，或设施交付延迟，那么长期合同的价值也有限。

第三个信号是 AI 资本支出的回报。仅凭收入增长，无法说明数据中心或 AI 服务是否获得了足以证明其成本合理的回报。

有用的指标包括经营现金流、资本密集度、已签约订单储备的转化、利用率和折旧假设。投资者需要了解新设施填满的速度，以及设备需要更换的频率。

最强劲的结果将是持续需求、高利用率、稳定的客户付款和不断改善的现金生成能力相结合。即使建设支出仍然高企，这也将支持长期债务。

较弱的结果则是资本支出上升，同时项目延期、客户集中度高且自由现金流有限。届时，债券持有人将要求为再融资和资产过时风险获得更高补偿。

这三个信号对应同一信贷方程式的不同部分。

软件留存检验 AI 是否正在摧毁既有现金流。融资条款显示市场是否仍愿意为当前支出搭桥。基础设施回报则决定借入资本能否创造足够的未来现金来偿还贷款人。

通过 Google News 关注这一事件的读者，应超越引人注目的 AI 演示和每日股价波动。债券市场对义务作出反应，而非对兴奋情绪作出反应。

对于知识工作者和企业买家而言，这一信贷转变也会影响产品决策。财务状况走弱的供应商可能削减支持、放缓开发，或寻求出售。当关键工作跨越多个服务时，团队应保留可迁移的记录，并维护清晰的个人知识库。

Barron's 的警告之所以重要，恰恰因为它并非对立即崩溃的预测。它表明，负责保护本金的投资者，正同时质疑 AI 的潜在受害者及其最激进的建设者。

Google News 将这种不安浓缩进了一个简洁标题。下一批证据将来自续约披露、债券文件和现金流量表。请关注这些数字，因为它们将揭示当下的担忧究竟是有纪律的重定价，还是更深层信贷压力的第一阶段。