AI 救助如何可能被嵌入 AI 泡沫之中

Google News 在 8 月呈现了一项严厉警告：AI 基础设施热潮正将金融风险扩散到硅谷之外。相关分析认为，救助可能在任何公司倒闭或国会批准紧急纾困之前就已开始。

问题不只是投资者高估了人工智能的价值。数据中心正日益依赖债务、租赁、担保、私募信贷、保险公司、银行、公用事业机构和公共激励措施。每一层联系都会让无序退场更难控制。

这种结构带来了核心反转。AI 公司将基础设施扩张描绘为对未来超常需求的一场私人押注，但越来越多的下行风险正转向管理家庭储蓄、提供保险、支撑电力系统并获得政府支持的机构。

OpenAI、Nvidia、Oracle、Meta、Microsoft、Amazon 和 Alphabet 在这条融资链中所处的位置各不相同。它们的资产负债表面临的脆弱程度并不相同。然而，它们的项目正日益将科技需求与建设贷款、电力合同、设备融资和长期租赁联系起来。

这并不证明崩盘或纳税人救助不可避免。当前银行逾期率仍然较低，最大的科技公司也依然创造可观现金流。证据所显示的，是 AI 低迷将如何在金融体系中传导。

这种区别至关重要。传统的风投泡沫可能毁掉股东财富，却未必威胁基本服务。基础设施泡沫则可能留下未完工的设施、受损贷款、搁浅的电力项目，以及阻止更广泛损失的政治压力。

为什么 Google News 的警告此刻重要

关于 AI 泡沫的讨论，已从股票估值转向为实体基础设施提供融资的底层机制。

通过 Google News 分发的这篇文章聚焦于支持数据中心扩张的私募股权、人寿保险公司和贷款。这一框架捕捉到了生成式 AI 首轮投资浪潮之后形成的一种变化。

早期投入主要来自现金储备雄厚的科技公司。Microsoft、Alphabet、Amazon 和 Meta 可以通过经营现金流为加速器、服务器和云容量融资。它们的股东直接承担了大部分风险。

这一模式正让位于更广泛的资本结构。国际清算银行发布的 AI 基础设施分析 记录显示，超大规模云服务商在 2025 年的债券发行额超过 1,000 亿美元。该分析还发现，它们更多地依赖于公司资产负债表之外的结构。

这些结构通常使用特殊目的实体，即为持有或融资特定项目而设立的独立法律实体。发起人提供股权，贷款方则提供以设施及其合同为担保的债务。

科技客户通常会签订长期租约，或承诺购买计算能力。它也可能提供担保，以增强项目的信用状况。这些承诺支持项目借款，而无需将所有相关债务都列在客户的传统资产负债表上。

国际清算银行将这些义务称为“影子借款”。这一说法并不意味着这些安排本身存在欺诈，或对所有披露都被隐瞒。它指的是，即便由另一实体正式承担借款，其经济效果仍类似于债务。

这一差异塑造了救助问题。超大规模云服务商可以降低其可见资本支出，同时承诺多年租赁付款。私募信贷基金可以为建设提供融资。保险公司可以购买由此产生的债务，因为长期资产与其长期负债相匹配。

银行随后可以向这些基金放贷，或向项目实体提供循环信贷额度。公用事业机构可基于预期的数据中心需求投资发电和输电。州和地方政府则可批准税收激励或基础设施支持。

每个参与者看到的都是一份合同，而非抽象的 AI 预测。数据中心业主看到的是资信良好的租户。贷款方看到的是租约支持的现金流。公用事业机构看到的是承诺持续用电需求的客户。

然而，所有这些合同最终都依赖于一个共同假设：AI 服务必须创造足够持久的需求，才能证明正在部署的海量计算能力是合理的。

建设速度也在加快。OpenAI 在 4 月表示，其 Stargate 项目已超过了到 2029 年锁定 10 吉瓦美国 AI 基础设施的原定目标。该公司称，其在 90 天内新增了超过 3 吉瓦的容量。

OpenAI 将算力描述为一个自我强化商业循环的核心。更多容量支持更好的模型，这些模型吸引使用，而收入则为更多基础设施提供资金。当需求、能力和变现同步上升时，这一逻辑是连贯的。

但当其中任何一环表现不及预期时，它就会变得脆弱。更高的模型效率可能降低特定任务所需的计算量。客户可能抗拒增加支出。竞争模型则可能在基础设施业主收回投资之前压低价格。

因此，Google News 所传递的不只是又一场关于昂贵科技股的争论。它凸显了一个问题：当长期实体承诺的存续时间超过乐观需求预测时，谁来承担损失。

债务正将 AI 调整转变为网络性问题

借款并不会制造 AI 泡沫，但它会将可能的调整与从未训练过模型的机构联系起来。

芝加哥联储在其 2026 年生成式 AI 尾部风险评估中研究了这一传导问题。尾部风险指发生概率较低、但可能造成异常严重损失的事件。

其研究人员估计，截至 2025 年末，大型银行对 AI 相关商业借款人的承诺信贷额度约为 4,500 亿美元，其中约 1,500 亿美元已实际使用。

这一差异很重要，因为在压力时期，承诺信贷可能转变为实际风险敞口。借款人往往会在违约前提取可用信贷。因此，银行可能恰恰在借款人财务状况恶化时面临余额上升。

直接风险敞口似乎仍在可控范围内。这份 银行风险评估 估计，已使用的 AI 相关风险敞口平均约占银行资产的 0.8%。逾期率与更广泛的投资组合大致相当。

这些令人安心的数据并未涵盖所有路径。银行也向非银金融机构放贷，其中包括私募信贷公司和投资工具。监管数据集对支撑这些贷款的资产提供的可见度较低。

这条链条可能形成循环。私募信贷基金为数据中心提供融资，因为一家科技公司已签署租约。银行则部分基于该项目表面上的稳定性向基金放贷。

保险公司可能持有项目债务，因为其可提供长期收益。科技公司依赖持续的客户需求来履行其容量承诺。芯片供应商则依赖科技公司继续扩张。

如果 AI 软件收入令人失望，基础设施支出可能下降。这会减少芯片和服务器订单。数据中心失去预期租户，或重新谈判容量协议。

能源供应商随后将面临低于预测的电力需求。项目实体面临再融资压力。私募信贷基金可能下调资产估值，而贷款方则会收紧对无关借款人的条款。

这就是为什么集中度比任何单笔贷款都更重要。芝加哥联储发现，大型银行对 AI 相关行业的商业信贷承诺，已从 2015 年约占总承诺的 9%，升至 2025 年末的 13%。

软件行业的信贷承诺从 2022 年初的 1,500 亿美元增至 2025 年末的 1,910 亿美元。其中约 26% 的承诺评级为 B 或更低，表明其信用质量具有投机性，并存在显著违约风险。

半导体和能源借款人的整体实力通常更强。不过，它们高度依赖于一小部分 AI 客户持续进行资本支出。Nvidia 和 Broadcom 都曾披露显著的客户集中度。

效率带来了另一层张力。更好的硬件和软件可通过降低成本推动 AI 采用。然而，快速提升的效率也可能削弱既有项目所假定的电力和设备需求。

数据中心并非灵活的软件订阅服务。它需要土地、建设、冷却、输电接入，以及可能迅速老化的设备。其融资通常假设未来多年都有现金流。

表外结构可以分散这种风险敞口，但分散并不会消除它。相反，在损失显现之前，它可能让最终风险承担者更难识别。

这种不透明性使当前热潮不同于一场关于 Nvidia 估值的简单争论。公开股票投资者知道，他们持有的是价格可能下跌的股票。保险客户很少审视有多少私营数据中心信贷在支撑他们的保单。

同样的问题也适用于退休储蓄者。养老金基金和退休账户通常通过中介机构持有信贷基金或基础设施资产。这些投资者可以从成功的建设热潮中获益，却未必了解自己对其假设的风险敞口。

这些都不能证明一场系统性危机即将来临。银行持有的资本比 2008 年金融危机前更多，当前 AI 相关逾期也依然有限。

但这确实构成了一个网络，失望情绪可通过该网络扩散。救助论点始于这一网络，而不是预测某家知名 AI 公司会突然倒闭。

私人风险正在悄然变成公共风险敞口

从经济意义上说，当公共机构降低私人下行风险时，救助就已经开始，即便没有人将该政策称为救助。

对救助最狭义的定义，是在公司资不抵债后提供紧急资金。这一定义忽略了预先设立的补贴、担保、税收优惠、公共土地、电力承诺和政府采购安排。

这些政策可能服务于正当的公共目标。政府经常支持基础设施、先进制造、能源安全和科学研究。公共参与本身并不能证明存在不当偏袒。

相关问题在于风险分配。如果公共政策吸收了建设、能源、信贷或需求风险，纳税人就在参与投资决策。他们应获得相应的透明度和可执行的公共利益。

这场争论在 2025 年 11 月变得明显，当时 OpenAI 首席财务官 Sarah Friar 谈及芯片相关投资可能需要政府支持机制。支持机制是指在私人偿还失败时限制贷款方损失的承诺。

随后，OpenAI 首席执行官 Sam Altman 表示，公司并不希望获得针对数据中心的政府担保。他将国内半导体制造与更广泛的基础设施建设区分开来。

这一澄清缩小了正式请求的范围。但它并未结束政策争论，因为半导体工厂、数据中心、能源项目和 AI 采购属于同一条投资链。

参议员 Elizabeth Warren 询问政府是否曾考虑为 OpenAI 和其他 AI 公司提供贷款担保、税收抵免或类似支持。她的政府援助信函还询问，官员们是否讨论过明确或隐含的兜底安排。

这封信代表的是一种关键的政治立场，并非认定已有救助计划存在。不过，它指出了核心的治理问题：在其经济效益尚未经独立检验之前，大规模私人承诺就可能对公共支持形成压力。

当官员将 AI 算力描述为国家安全所必需时，这种压力会进一步加剧。一旦基础设施在战略上不可或缺，允许重大项目或供应商失败在政治上就会变得更困难。

政府无需直接救助股东。它可以通过补贴性再融资、担保贷款、税收优惠、采购合同，或将项目移交给更健康的运营方来保住设施。

此类干预或许能够避免岗位流失，或保护电力投资；但也可能奖励那些获取了上行收益、却将损失转嫁给公众的高管和投资者。

AI Now Institute 的 Sarah Myers West 在 6 月对参议院银行委员会表示，政府支持已经在降低 AI 公司的风险。她的参议院证词提及公共融资、联邦场地和政府合作关系。

West 主张，国会应在危机发生前调查融资结构。她的立场将补贴和基础设施支持视为一种正在成形的救助机制，而非普通的产业政策。

建设扩张的支持者拒绝这种表述。他们认为，算力是一种战略基础设施，可与半导体制造、电信或能源系统相提并论。

OpenAI 表示，没有任何一家公司能够独自建设所需的网络。其合作伙伴包括云服务提供商、芯片制造商、能源公司、建筑企业、投资者、熟练技术工种、地方政府和公共部门机构。

该公司还认为，社区可以获得就业岗位、税收收入、教育资金和现代化基础设施。这些益处确有可能实现，不过其规模因项目和合同而异。

因此，分歧并不在于是否进行公共投资，而在于援助究竟是在为持久的公共能力提供资金，还是仅仅保护私人预测免受市场约束。

良好的产业政策会明确目标，将支持与可衡量的结果挂钩，并披露谁获得了收益。隐秘的兜底安排则不同：它只会在私人杠杆使失败在政治上代价高昂之后出现。

对于通过 Google News 看到这一说法的读者而言，这一区别值得关注。最有力的警示版本并非认为华盛顿已秘密批准一项单独的救助方案。

而是，众多较小的政策可能在从未形成一场可辨认的救助投票的情况下，将风险社会化。等到紧急情况来临，先前的承诺可能使干预看起来无法避免。

看涨观点有证据支持，但并未消除风险

强劲的 AI 需求可以与脆弱的融资并存，因此，仅凭使用量增长无法反驳救助担忧。

建设更多算力的理由十分充分。消费者使用生成式 AI 进行搜索、写作、编程、设计和分析。企业正将模型纳入软件开发、客户支持、研究和内部运营。

前沿模型开发商也报告称，训练和推理需求正在增加。推理是指训练完成的模型响应请求或完成任务时所执行的计算工作。

OpenAI 的算力扩张体现了这种信念。该公司称，额外的算力可提升模型性能、可靠性和服务可用性，同时随着时间推移降低交付成本。

Amazon、Microsoft 和 Alphabet 均运营着成熟的云业务，能够在客户之间重新配置部分基础设施。Meta 则可将 AI 部署于广告、推荐、消息传递和消费级产品中。

这些企业拥有真实收入、既有用户和盈利性运营。这使当前的大部分扩张有别于缺乏可行商业模式的互联网泡沫公司。

物理资源的稀缺性也支撑了投资。数据中心项目需要合适的土地、可用电力、输电能力、许可证、冷却系统和专业劳动力。及早 확보这些投入要素，能够形成真正的竞争优势。

长期合同可以使项目融资具备合理性。由信用可靠的租户支持的设施，并不等同于一座没有入驻者的投机性写字楼。

然而，看涨观点并未回答四个关键问题：市场究竟需要多少算力、由哪家运营商来填补、客户愿意支付多少，以及设备能够保持竞争力多久。

技术市场往往同时存在真实需求和过度投资。铁路、电信和互联网繁荣期都建设了有用的基础设施；但当供给超过可变现需求时，投资者仍然遭受损失。

AI 还面临额外的定价挑战。模型提供商在能力上竞争，同时迅速降低使用成本。开源模型和定制芯片也可能进一步压缩利润率。

客户可以在增加 AI 使用量的同时降低总账单。这种结果有利于普及，却可能削弱那些基于每单位算力收入持续稳定的预测。

金融结构同样会奖励乐观假设。长期租约可以支撑更大规模的贷款；担保能够降低借款成本；成本降低会让更多项目看起来可行。

更多可行项目会创造额外的芯片需求，从而增强供应商收入。供应商收入上升又会支撑市场对整体扩张的信心。在终端用户现金流跟上之前，这一循环就可能显得自我验证。

Nvidia 的角色说明了这种张力。当客户获得 GPU 基础设施融资时，该公司将受益。金融支持可以扩大获得算力的渠道，并帮助较小运营商与超大规模云服务商竞争。

但当供应商帮助资助其自身产品的采购时，也可能形成循环融资。这种安排并非天然不稳健，但会使需求的解读更为复杂。

怀疑论的观点也可能被夸大。担保并不意味着担保方一定会遭受损失。特殊目的载体在基础设施融资中很常见，长期租约也可以高效地分配风险。

同样，私募信贷并非天生鲁莽。基金可以设置契约条款、要求权益缓冲，并收取反映项目不确定性的利率。

尚未解决的问题是透明度。投资者和监管机构需要了解租赁义务、担保、再融资时间表、抵押品价值、租户集中度，以及贷款方之间的关联。

他们还需要纳入技术变化的情景分析。围绕当前加速器设计的设施，在硬件改进后仍可能保持实用性；但如果新系统每瓦能够提供显著更多算力，其经济性可能会减弱。

英格兰银行发布的金融稳定评估警告称，AI 融资正通过证券化资产、特殊目的载体和私募信贷扩散。

报告还指出，当储蓄未随需求增长而扩张时，规模庞大且持续的基础设施投资可能推高实际利率。更高的利率随后会增加整个经济体的偿债负担。

这一反馈循环使乐观叙事变得复杂。即使没有 AI 特定的恐慌，扩张也可能抬高融资成本。按更低成本假设规划的项目，可能变得更难再融资。

恰当的结论既不是必然崩溃，也不是需求无限。AI 基础设施可以创造巨大的经济价值，同时仍可能产生坏账、过度建设的场地，以及寻求公共干预的压力。

三个信号将显示救助是否正在变得不可避免

下一阶段将取决于信贷条件、已实现的 AI 收入，以及政府支持所附带的条件。

第一个信号是信贷的价格和可得性。投资者应关注数据中心载体的债券利差、私募贷款条款、建设融资和再融资活动。

信用违约互换提供了一种市场衡量指标。这些合约类似于针对借款人无法偿还债务的保险。价格上涨表明，这种保护变得更昂贵。

一次杂乱的波动并不能证明存在系统性压力。若超大规模云服务商、基础设施运营商、公用事业公司和私募信贷管理人之间的价格持续上升，其意义会更大。

应关注贷款方是否要求更多股权、更强担保、更短期限或更高利率。这些变化将表明，私人市场越来越怀疑支撑新设施的现金流。

资金构成同样重要。从无担保公司债转向有担保的项目载体，可能意味着风险迁移，而非真正降低。

如果项目能够在没有更广泛担保的情况下持续再融资，救助论点就会减弱。如果供应商、政府或高评级租户必须承担更大的剩余风险，这一论点就会增强。

第二个信号是 AI 收入与基础设施承诺之间的关系。公司应披露，客户使用量和经营利润率是否增长得足够快，以覆盖租约、电力合同和折旧。

仅有醒目的采用数据并不足够。一个模型可以吸引更多用户，却因免费使用、价格下降或高昂的推理成本消耗了经济收益，而产生很少的现金。

企业续约提供了更强的检验。客户在衡量生产率后扩大付费部署，比试点项目或高管热情提供了更有力的证据。

投资者还应比较各设施的利用率。一个已建成且获得合同收入的数据中心，与一个等待租户、电力或设备的投机场园，风险截然不同。

效率将影响这一指标。如果改进后的模型能够让每个处理器完成更多有用工作，需求可以增长而不必填满每一处计划中的设施。

这种结果会增强 AI 产品的经济性，却会削弱部分基础设施投资。读者不应将技术的成功与每一笔融资交易视为同一命题。

第三个信号是政府援助的语言和结构。贷款担保、采购合同、税收抵免、联邦土地和能源支持都值得分别评估。

当公共投资包含透明的资格规则、共享上行收益、劳工保护、环境保障和偿还条件时，其合理性更强。当它保护特定企业，却没有相应的公共回报时，就更像救助。

国会监督可以澄清，各机构是否曾与个别公司讨论过兜底安排。监管机构也可以改善对保险公司、银行和私募信贷机构在数据中心项目上风险敞口的披露。

压力测试应审视软件支出、芯片需求、电力使用和抵押品价值同时下滑的情景。为每个行业分别建立模型，可能会忽视令衰退变得危险的相关性。

因此，Google News 读者应关注合同，而不仅是演讲。决定性证据将出现在担保、租约条款、公共融资文件、信贷利差和实际客户收入中。

这份警告之所以重要，是因为它把注意力从“AI 泡沫何时破裂”这种戏剧化问题上移开了。判断市场顶部几乎不可能，而一项有用的技术也并不能阻止过度投资。

更实际的问题在于损失如何分配：如果需求超出预期，谁能获得利润；如果未能实现预期，又由谁承担债务？

开发者和企业采购方将在这个问题的答案中发挥作用。他们可以要求明确的定价，衡量实际生产率，避免无限期试点，并区分真正有用的工作负载与出于恐惧而购买的产能。

投资者可以追问，义务究竟落在何处，又有哪些假设支撑这些义务。政策制定者可以在公共承诺使救助在政治上变得不可避免之前，要求充分披露相关信息。

AI 基础设施建设不必失败，这些保障措施依然至关重要。更高的透明度能够降低正常的技术调整演变为金融紧急事件的可能性。

下一条 Google News 头条不该成为公众第一次得知风险流向何处的时刻。现在就关注信贷条款、收入转化以及政府附加条件。这三个信号将揭示，私人雄心究竟是在打造持久的基础设施，还是在为公共救助铺垫理由。