在美国田纳西州孟菲斯市，有一座属于马斯克旗下 xAI 的超算集群 Colossus。

这座规划容量 "10 万卡 " 超算中心初期用电负荷便高达 150 兆瓦，远期规划总容量更是突破 1.2 吉瓦——接近孟菲斯市峰值用电需求的四成。

对硅谷而言，这是一座 " 未来工厂 "，而对当地居民来说，它更像一个吞噬电力，制造噪音、热浪的 " 赛博怪兽 "。

类似 Colossus 这样的数据中心遍布世界各地，OpenAI、Meta 都在通过举债的形式加码建设，尤其是 OpenAI，规划算力总价值达到 1.4 万亿美元。

可有一个终极问题：喂养这些 " 吞金兽 "，钱从哪里来？

01 数据中心 = 金融产品

Colossus 作为 AI 基础设施：规模空前、技术密集、能源需求巨大。

建设阶段，孟菲斯经历了一段短暂 " 繁荣 "：数千建筑岗位被创造，地方政府税收增加，" 科技投资落地 " 的叙事铺开。然而混凝土浇筑完毕、服务器上线后，这种兴奋很快被更具体、持久的变化取代。

第一个变化：电价开始上涨。

根据美国能源信息管理局的数据，2025 年，田纳西州居民平均一度电 13.88 美分（约合人民币 0.96 元），较上一年涨约 12%；在数据中心密集区域，批发电价更是出现数倍波动。

与此同时，冷却系统持续抽取地下水，部分社区自来水变浑浊、呈锈色，水压下降；备用天然气涡轮机昼夜运转，噪音、热污染与氮氧化物排放也明显增加。

这些变化没有出现在项目的财务模型里，却真实影响居民生活。

把视角从机架移开，你会发现它像一件金融产品——科技公司通过设立特殊目的实体（SPV），将数据中心装入其中，再由外部资本完成融资，并通过长期租赁或算力合同 " 卖回 " 给母公司使用。

这些资金主要来源于私人信贷市场，背后是养老金、保险公司和年金基金。它们寻求安全、长期、稳定回报，而 AI 数据中心恰好提供了 " 长期合同、可预测现金流、投资级评级 " 的条件。

一条隐形链条就这样形成：养老金→保险资金→私人信贷基金→数据中心→科技公司。风险在账面上被切割、包装、转移，投资者看起来仍然安全，实际承压的却是那些原本希望养老金账户稳健增长的普通大众。

02 1200 亿美元流入数据中心 SPV

硅谷的 AI 基础设施建设 " 逻辑 "，核心是表外融资和私人信贷市场。

科技公司通过 SPV 既获得所需算力，又能将巨额支出移出资产负债表——保护了信用评级、美化了财务指标，还能获取远超其他行业的资本，同时将风险转移至表外实体。

截至目前，Meta、xAI、甲骨文和新兴云厂 CoreWeave 已通过复杂融资交易筹集超过 1200 亿美元数据中心资金。

一位业内人士直言："18 个月前，这种规模的交易还不可想象。现在，它已成常态。"

需要注意，SPV 的机制保证贷款人在出现违约时只能对数据中心及其资产追索，而非母公司。

融资还催生了更复杂的结构，如资产支持证券（ABS），将债务风险分散给广泛投资者，包括养老基金和资产管理机构。尽管许多投资者认为超大科技公司的资产负债表强劲，SPV 仍会增加未偿负债，使整体信用风险超过传统模型。

目前，谷歌、微软、亚马逊这样的传统 " 超大规模云服务商 "，主要使用现金或公开债券融资，部分公司也开始探索 SPV 模式，为未来 AI 数据中心扩张保留灵活性。

追求稳健回报的养老金产品，成为了支撑这些超级计算机网络的隐形资本，而普通大众很难直接察觉其中的风险与关联。

截至 2025 年底，科技公司从私人基金借款约 4500 亿美元，同比增长约 1000 亿美元。其中约 1250 亿美元流入长期项目融资交易，如 Meta 与 Blue Owl 的 Hyperion SPV。投资银行摩根士丹利估计，为实现当前 AI 计划，科技公司需要约 15 万亿美元外部融资。

03 表外融资的历史回声

表外融资并非新发明，其目的从未改变——不是让项目更安全，而是让风险看起来不存在。

90 年代的安然事件为这种风险结构写下注脚。这家公司的能源业务并未完全崩塌，核心操作是将最重、最不稳定的资产长期 " 藏 " 在表外——通过设立特殊目的实体，安然成功营造出低负债、高信用的表面形象，真实风险则被拆分、包装后转移至各类资金池。直到风险集中爆发，投资者才惊觉公司账面数据与实际经营状况之间存在巨大鸿沟。

2000 年互联网泡沫展示了相似逻辑。

纳斯达克指数从 1995 年的约 750 点飙升至 2000 年的约 5000 点，市值膨胀近 6 倍。众多互联网公司通过期权激励、未来收益预期和各种创收模型，让市场相信高速增长是可持续的。不过，泡沫破裂时，超过 5 万亿美元市值蒸发。

资金流向表象增长、风险被包装、最终损失则由社会大众承担，这是互联网泡沫留下的经典教训。

可以说，互联网泡沫和 AI 数据中心融资在机制上几乎平行，两者都通过包装表象增长，让资金不断涌入，而真正承担风险的，永远不是技术创造者，而是大众。

需要注意：当技术扩张建立在 " 看不见的债务 " 和 " 被假定的长期需求 " 上，问题不在于会不会出事，而是谁来承担后果。

04 为 AI 让路的小城镇

AI 数据中心几乎不建在硅谷，而更多落在电价低、土地充裕、财政依赖外来投资的小城镇。对科技公司而言，这是理性选择；但对当地社区来说，却是一笔长期、复杂、难以回避的账单。

在孟菲斯，电网为了保障供电提前升级，大型工业用户被置于优先位置，居民电价随之上涨，批发电价波动加剧。冷却系统抽取地下水，水质下降；天然气涡轮机昼夜运转，噪音、热污染、氮氧化物排放增加，当地哮喘急诊病例随之上升。

税收优惠和土地供应换来项目落地，但社区必须承担电力、水资源和环境压力。站在这个视角上，AI 不再是抽象概念，而是一种重新分配资源与风险的力量。

链条最终落地的，不在会议室里，也不在财报上，而是在孟菲斯这样的城镇：电价上涨、水资源紧张、环境负荷加大。当地居民，同时也是养老金持有人、保单缴费者，既是资金来源，也是承压者。

链条上没有明显的单点错误，但当所有决策叠加在一起，风险偏好极低的养老金，出现在了可能面临剧烈波动的资金池。当 AI 数据中心通过表外结构接入这些资金时，变化几乎无法立即察觉。账单上没有 " 算力 "，报表里没有 " 数据中心 "，一切看似平常。