Citadel Securities称AI芯片将推动5000亿美元债务潮

Citadel Securities预计，到2028年，AI芯片采购和数据中心建设将带来超过5000亿美元的新增债务。36Kr于8月3日通过RSSHub发布的一则报道援引界面新闻的消息，重点提及了这一预测。

这一数字之所以重要，是因为这类融资并非只支持传统资产。越来越大的份额将流向处理器，而处理器的老化速度快于其周围的数据中心建筑和电力系统。

这种错配构成了核心矛盾。借款人需要巨额资本，但放款人必须在更新一代芯片削弱抵押品价值之前收回资金。

据报道，Citadel Securities估计，到2028年，新增债务供应将超过 Bloomberg US Corporate Bond Index 的5%。该机构还预计，许多以芯片为支撑的债务将在三到五年内到期。

这一预测尚未出现在可公开获取的Citadel Securities研究报告中。因此，其具体定义和计算方法仍难以独立审计。

不过，这一方向与市场中可观察到的变化相符。过去，超大规模云服务商大多依靠自身现金流为AI基础设施融资。如今，开发商、云服务商、芯片采购方和特殊目的实体越来越多地依赖公开债券和私募信贷。

这一转变令AI竞赛不再局限于科技股。芯片更新周期、数据中心租约、电力供应能力和模型收入，正进入债券基金、保险公司和私募放款机构的投资组合。

5000亿美元预测改变AI融资讨论

Citadel Securities描述的是一种转变：从企业支出转向专门为AI硬件融资的独立市场。

据报道，这项预测涵盖截至2028年用于采购芯片及建设相关数据中心设施的债务，包括来自公开债券市场和透明度较低的私募信贷渠道的融资。

这一区分至关重要。大型科技公司筹集的债务由整个企业的信用背书。项目债务则往往依赖于范围更窄的资产、租约、担保或客户合同。

这5000亿美元的估计似乎也指新增发行规模，而非AI建设的总成本。对整体基础设施投资的估计要大得多。

一项 Dallas Fed分析预计，未来三到五年内，AI数据中心投资将在3万亿至5万亿美元之间。该分析估计，自2023年以来，超大规模云服务商已通过内部资金支持约5000亿至6000亿美元的投资。

超大规模云服务商是指在全球范围运营计算基础设施的大型云服务和科技公司，其中包括Amazon、Microsoft、Google、Meta、Oracle及其他主要AI采购方。

这些公司仍可通过经营性现金为大规模投资提供资金。不过，其规划正越来越多地超出即便是大型资产负债表也难以在不作取舍的情况下承受的范围。

它们还与开发商、基础设施基金和云服务专业机构合作。这些合作伙伴通常缺乏可比的现金储备，使外部融资成为必要条件。

据报道，Citadel Securities预计，新增债务将相当于美国一项主要投资级债券基准的5%以上。即使最终金额有所不同，这一比较仍反映了潜在规模。

AI融资将不再处于信贷市场的边缘。它将大到足以影响投资组合构建、公司债供应、借贷利差和利率风险。

这种变化已经显现。Dallas Fed援引华尔街预测称，2026年与AI相关的投资级债券发行规模约为3000亿美元。

该机构计算，这类发行可能带来高达3600亿美元的十年期等效久期。久期衡量债券价值对利率变化的敏感程度。

这部分供应量将相当于当年美国国债发行所带来久期的约八分之一。因此，企业AI支出可能影响远超科技信贷领域的市场。

这5000亿美元的预测并不只是另一项资本支出估计。它表明，放款人正成为AI生产链的核心参与者。

投资者不再只为拥有广泛收入来源的公司提供资金。他们也在为单个园区、租赁算力和处理器融资，而这些资产的经济性取决于未来的AI需求。

这提出了一个比AI使用量是否增长更尖锐的问题。放款人必须判断，具体合同和资产能否在债务到期前产生足够现金。

为什么AI芯片债务需要更短的期限

AI处理器的有效使用寿命，使芯片融资与数据中心建筑融资在本质上截然不同。

数据中心外壳、电力系统或冷却设施可以跨越数代硬件持续运行。安装在其中的芯片则会更快失去经济价值。

据报道，Citadel Securities预计，许多新增债务的期限将为三至五年。这一时间框架反映了硬件改进和更换的速度。

Dallas Fed指出，大型科技公司通常按约五至六年对半导体进行折旧。建筑物和实体基础设施的会计使用年限通常为十至十五年或更长。

会计折旧并不能完美衡量市场价值，但它说明了放款人面临的错配。

一枚处理器在五年后仍可正常运行，却可能已失去竞争力。新芯片可以在单位电力、机房面积或运营成本下完成更多计算工作。

这种效率至关重要，因为电力和基础设施容量有限。即便旧集群仍能运行相同的软件，客户也可能更偏好新一代集群。

因此，为芯片融资的借款人必须迅速收回投资。他们需要高利用率、可靠的客户，以及能够经受硬件经济性变化的合同。

较短的贷款期限缩短了放款人面临技术过时风险的时间，但也会带来更频繁的再融资事件。

这种取舍只是转移风险，而非消除风险。无法用经营现金偿还本金的借款人，必须在贷款到期时重返市场融资。

再融资条件可能恰恰会在最不利的时点恶化。需求可能走弱，利率可能上升，或者新硬件可能降低抵押品的转售价值。

同样的问题也适用于残值。放款人通常假设，融资设备在违约后仍保留一定可回收价值。

对于专用AI加速器，这一假设更难成立。其转售前景取决于软件支持、互连兼容性、出口规则和可用电力基础设施。

芯片本身也几乎无法独立创造价值。它还需要服务器、网络、冷却系统、软件，以及具备可靠供电能力的场地。

从一个失败项目中拆出的设备，并不能保证另一家运营商可以经济地部署它。交易成本还可能进一步降低回收价值。

短期限能够让债务与硬件寿命相匹配，但会加大对收入的压力。客户必须在压缩的时间窗口内支付足够费用，以覆盖利息、本金和运营成本。

这可能导致更高的租赁费率或更严格的最低承诺，也可能促使借款人采用将更多风险转移给AI开发商和云客户的合同。

当算力已预先租给信用良好的租户时，这种模式最有效。长期承诺会将不确定的服务器集群转化为更接近合同化基础设施的资产。

不过，租户本身仍需具备可行的业务。只有担保方能够在贷款存续期内持续履行承诺，强有力的企业担保才有意义。

因此，硬件周期也成为融资周期。每一代新产品都可能触发新的借款，而旧贷款仍未偿还。

如果需求持续增长，这一周期可以支持快速扩张。若需求停滞，放款人可能会发现，多代设备正在争夺更少的工作负载。

私募信贷和Rule 144A将风险移出视野

AI基础设施正通过兼具速度和灵活性、但公开透明度较低的融资渠道增长。

据报道，Citadel Securities预计，部分即将出现的债务将通过Rule 144A发行触达投资者。Rule 144A允许合格机构买家交易某些私募证券。

这些证券不像普通公开发行那样注册。发行人可以快速行动，同时触达包括保险公司、养老基金和资产管理机构在内的大型机构投资者。

这种结构适合数据中心项目。每个园区都可以采用定制化的抵押品、租约条款、担保和还款安排。

一份 私募发行审查报告发现，自2025年11月以来，数据中心运营商新增的Rule 144A发行规模已超过400亿美元。

同一审查报告提到，一笔与Meta和Blue Owl Capital相关的273亿美元债券发行。这项融资支持位于路易斯安那州的一座两吉瓦数据中心园区。

这笔交易不同于Citadel Securities预测中期限较短的芯片债务。据报道，其债券于2049年到期，因为该结构为使用寿命长的园区和合同现金流融资。

这一对比说明，“AI债务”并非单一资产类别。由出租建筑物担保的债券，与针对处理器发放的贷款并不承担相同风险。

私募结构可以将两者结合。特殊目的实体，即SPV，是为持有资产和承担项目义务而设立的独立法律实体。

SPV可以购买芯片、将其出租给客户，并利用租赁付款偿还债务。发起方可以将这些义务置于其主要企业资产负债表之外。

这种隔离可以保护发起方免受直接杠杆影响，但也可能令债权人依赖于范围狭窄的一组合同和资产。

这种方法已经进入主要AI公司。Apollo和Blackstone宣布成立一个基础设施平台，初始贷款规模为350亿美元。

根据 算力融资细节，该平台旨在帮助Anthropic通过Fluidstack数据中心租用Google设计的芯片。Broadcom也参与了这一结构。

该平台的目标是到2028年实现超过20吉瓦的计算容量。其规模表明，私募资本能够将芯片供应商、数据中心运营商、AI开发商和放款人连接起来。

这一安排也说明，传统公司债统计数据只能呈现不完整的图景。硬件可能位于SPV中，而不是AI公司的资产负债表上。

这并不会让经济义务消失。项目仍依赖租赁付款、合同承诺以及客户创造收入的能力。

私募信贷具有吸引力，因为放款人可以协商标准债券中没有的保护条款。这些保护措施可包括抵押品控制、最低付款、准备金账户和对新增借款的限制。

借款人获得了速度和定制化，也避免完全依赖公开投资级市场的融资能力。

然而，不透明性使风险评估更加复杂。投资者难以判断有多少融资结构依赖于相同的客户、供应商或收入假设。

一名 AI 开发者可能在多家服务商的项目中承担承诺。一家芯片供应商也可能出现在多个抵押品池中。

这些项目按法律实体来看或许实现了分散化，但在经济层面仍然高度集中。一家大型客户的业务放缓，可能影响众多贷款方。

私募市场的估值调整频率也低于公开债券价格。这可能延后对抵押品走弱或需求下滑的明显确认。

结果是，一个能够快速扩张产能、却缓慢暴露压力的融资体系。信贷市场可能只有在再融资或合同纠纷迫使信息披露时，才会发现共同敞口。

真正的较量是合同现金流与快速淘汰之间的赛跑

核心考验在于：具有约束力的客户收入能否跑赢 AI 硬件经济价值的下降速度。

数据中心债务的支持者指出，这类融资背后有实体资产和长期租约。他们认为，已预租的设施更接近成熟基础设施，而非投机性的科技创业项目。

对于由高评级租户支持的建筑，这一论点最有说服力。即使短期需求波动，合同租金仍可持续流入。

评级机构已在多笔交易中接受了这一逻辑。一些证券化产品将多个设施、客户和租约组合起来，以降低对单一站点的依赖。

但当融资对象从建筑转向芯片时，这一逻辑便会减弱。硬件只有在客户积极使用或预留其计算能力时才能产生现金流。

三年的客户承诺可以支持一笔三年期贷款。但对未来模型需求的模糊预期，无法提供同等程度的保障。

问题不在于 AI 是否具有实际应用价值，而在于其使用量能否在融资文件假定的时间与规模上产生收入。

模型开发商面临激烈竞争。推理价格下降可以扩大采用规模，同时降低每单位计算工作的收入。

推理是指运行已训练模型以生成答案或预测的过程。它在日常 AI 计算需求中的占比正不断上升。

效率提升带来了另一重张力。更好的软件可以减少完成每项任务所需的硬件数量。

这对客户有利。但对于其还款模型建立在计算能力消费持续增长假设之上的项目而言，可能是不利因素。

新一代处理器也可能降低每次输出的成本。较旧的集群可能需要通过降价才能保持竞争力，从而降低其预计现金流。

因此，信贷质量取决于的不只是出租率。贷款方必须了解客户、工作负载、合同、硬件代际以及替换计划。

一座数据中心可能已全部出租，却仍存在隐蔽的集中度风险。多份租约最终可能都依赖于同一家 AI 实验室或同一个云平台。

担保可以降低这一风险，但前提是担保具有可执行性，并由强劲的资产负债表支持。并非每个项目都能获得完整的公司担保。

有些融资结构依赖有限担保、供应商支持或最低收入承诺。这些差异可能决定贷款方在出现问题后能否收回本金。

华尔街已开始更加密切地关注这一问题。Bloomberg 报道，在接受调查的全球基金经理中，34% 认为超大规模云服务商的资本支出最可能成为未来系统性信贷事件的来源。

据报道，这一比例较前一个月翻了一番。美国私募信贷仍是更大的担忧，有 42% 的受访者选择了这一项。

这些回应并不能证明 AI 信贷危机正在逼近。它们表明，投资者日益认识到集中度和融资风险。

最稳健的交易仍具备重要防线，包括长期合同、分散化租户、已落实的电力供应、成熟的发起方，以及保守的贷款价值比。

风险较高的交易则依赖乐观的利用率预期、不确定的电力交付、集中的客户，或对硬件转售价值的激进假设。

随着信息披露改善，市场可能会对这两类交易进行差异化定价。如果投资者能在压力到来前识别出这些差异，这一过程将是健康的。

Citadel Securities 的预测还提出了另一个供给问题。即便是资质稳健的借款人，当数千亿美元的新债券争夺投资者需求时，也可能需要支付更高成本。

公司债买家的风险预算有限。更多科技行业发债可能挤出其他公司，或需要以更高收益率吸引资金。

达拉斯联储认为，AI 融资还可能通过久期供给和利率互换影响美国国债收益率曲线。其影响可能扩散至原始借款人之外。

这意味着，即使 AI 项目成功，也可能推高整个经济体的融资成本。信贷压力并不需要大范围违约才会出现。

大规模发债可能扩大利差、提高期限溢价，并改变哪些借款人能够获得资本。较小的发行人很可能最先感受到这种压力。

大型超大规模云服务商仍拥有强劲现金流和广泛的融资渠道。独立云服务商和开发商则更依赖于开放的信贷市场。

它们还面临更高的客户集中度和再融资敞口。因此，贷款方风险偏好的小幅变化，就可能改变它们的扩张计划。

主要较量并非公开债务与私募债务之争。两类市场都可以为生产性资产提供融资，也都可能错误定价风险。

真正的较量是合同现金流与淘汰速度之间的赛跑。每一种融资结构都必须回答：谁来付费、付多久，以及在什么条件下付费。

三项信号将在 2028 年前检验这一预测

发债规模、合同质量和再融资表现，将决定预期中的债务浪潮是否仍具备可融资性。

第一个信号是实际与 AI 相关的债券和私募信贷发行量。Citadel Securities 给出了一个庞大的预测，但市场数据必须验证其推进速度。

投资者应将公司借款与项目级融资区分开来。他们还应区分建筑、电力设备、网络系统和芯片。

这些资产具有不同的使用寿命和回收价值。将它们合并为一个标题数字，可能掩盖市场的潜在风险。

达拉斯联储对 2026 年 3,000 亿美元投资级发债规模的估计提供了一个基准。如果发债持续接近这一水平，将支持更广泛的债务浪潮论点。

若出现明显放缓，则会讲述不同的故事。这可能反映项目延期、投资者抵触、需求疲软，或企业重新使用自有现金。

第二个信号是客户承诺的质量。已宣布的产能并不等同于已签约收入。

投资者应关注有多少新增产能已被预租，以及租户是否提供完整担保。最低付款额和终止条款也值得同样审视。

他们还应追踪项目之间的集中度。一名客户若支持多个 SPV，可能造成比任何单笔融资所披露更大的敞口。

随着项目竣工，已承诺需求与预期需求之间的差异将变得重要。没有具有约束力客户的产能将面临更大的再融资压力。

第三个信号是早期芯片担保贷款的表现。逾期只是其中一种衡量指标，而且往往较晚才会出现。

利用率、租赁定价、合同续约、抵押品估值和期限展期，可以更早揭示压力。贷款修订可能表明最初预测过于激进。

对于可交易证券而言，二级市场利差提供了另一项有用指标。利差扩大表明投资者希望获得更多信贷或流动性风险补偿。

再融资将提供最清晰的检验。一项项目若能在无需额外支持的情况下置换到期债务，就证明了贷款方持续的信心。

一项项目若需要发起方注资、更强担保或高成本展期，并不一定意味着失败。然而，其原始经济性值得重新评估。

硬件表现也必须与债务偿还时间表进行比较。一个集群可能运行可靠，却比贷款方预期更快失去商业相关性。

因此，市场应关注每单位已安装资本所产生的收入。原始计算能力对于项目能否偿还债务几乎没有说明力。

仍存在一条令人鼓舞的发展路径。AI 使用量可以充分增长，使新旧系统都能在不同价格区间保持繁忙。

新一代处理器可服务于要求更高的训练和推理工作负载。较旧硬件则可支持较小模型、批处理和对时效性要求较低的应用。

这种分层市场将延长使用寿命并改善抵押品回收价值。它将类似于其他技术市场：当高端需求继续向前推进后，旧设备仍然保有价值。

负面路径则始于效率提升超过工作负载增长的速度。服务商会在仍承担固定融资义务的同时，通过降价展开竞争。

短期限届时将迅速暴露薄弱项目。私募结构或许会延迟公开确认，但无法阻止经济损失。

因此，审慎解读比“泡沫”判断更有用。这一预测描述的是融资需求，而非有保证的发行总额或违约结果。

其重要性在于这一机制。AI 扩张正在将对未来软件收入的预期，转化为由当下实体资产担保的债务。

这种转化能够加快建设，因为贷款方会在所有需求实现前提供资本。它也将技术周期的一部分转移进信贷投资组合。

开发商和企业买家应密切关注其后果。融资条件能够影响哪些云区域得以开放、哪些芯片变得可用，以及服务商如何设计长期合同。

知识工作者将通过产品获取和使用限制间接受到影响。更高的基础设施成本可能影响订阅方案、模型选择和服务可靠性。

债券投资者面临最直接的敞口。他们需要资产层面的答案，而关于 AI 采用的宽泛说法无法提供这些答案。

Citadel Securities 为即将到来的市场给出了一个庞大的数字。下一项任务是确定其中有多少债务用于支持持久的现金流。

关注首轮再融资周期，而不只是最新的建设公告。它们将揭示 AI 芯片债务究竟会成为可靠的基础设施信贷，还是对明日需求的反复押注。