上篇《AI 盛世下的暗雷，藏着下一个 " 次级债 " 危机》揭示了 AI 基建的一个深层风险：2000 年互联网泡沫主要靠股权融资，破裂是线性的股市危机；而当前 AI 基建靠债务驱动，一旦出问题将首先引爆债市，类似 2008 年次级债危机。

数据中心从拿地、举债建设、签订 " 照付不议 " 合同、抵押融资到发行 ABS，玩法与房地产开发无异。但 AI 基建叠加了 " 半导体快速折旧 " 的风险，比纯房地产更危险。

目前五大云厂商资本开支增速已超过现金流增速，谷歌、亚马逊自由现金流已转负。只要增速放缓，二阶导下降，就会走上依靠再融资续命的阶段。

文章还提到了表外的 " 影子贷款 "，把债务藏到表外，让负债水平看似安全，实际更加危险。上周就来了 " 新料 "，英伟达与 Apollo、BlackRock、Goldman Sachs、KKR 等机构合作，通过金融平台撬动超过 5000 亿美元的第三方资本，用于 AI 计算基础设施建设。

英伟达宣布融资支持 AI 基础设施，本来应该是利好，结果股价下跌约 3%，这个市场反应其实非常值得研究，市场是在思考前面说的那个问题：AI 资本开支的 " 金融杠杆 " 是不是加得太高了？

尤其 Apollo、Blackstone、KKR，是 2025 年出现重大危机事件的 " 私募信贷（private credit）"，它们放贷灵活，没有普通银行的条条框框，速度快，可以支持创新产业，但是透明度低，杠杆高，更没有银行必做的 " 压力测试 "，谁也不知道中间埋了多少雷。

之前的 " 影子借贷 " 都是五大云厂商，其他第三方云厂商没有能力入局，但现在英伟达攒局，虽然目的是卖自家的 GPU，但客观上，" 影子借贷 " 蔓延到了中小第三方云厂商。

算力金融化的趋势越来越明显，导致很多人在追问一个关键的问题：AI 增长的收入中，有多少是真实需求驱动，有多少是资本开支驱动？谁在给 AI 基建加杠杆？

谷歌、亚马逊的自由现金流已转负，是一个标志事件，以前 AI 基建主要靠主营业务的现金支撑，比如广告、云计算、软件收入、商品抽佣，但从今年开始，增长越来越靠融资驱动。

这不仅仅是杠杆风险的问题，还涉及收入的真实性，而这个问题又加剧了杠杆风险。

以 OpenAI 为例，如果只靠股权融资，恐怕连大模型训练费用都承受不了，事实上，O 记和 A 记根本不用给云厂商付现款，而是 " 记账 "，类似航空公司对波音空客的融资租赁，而还钱的方式多样化：

一部分是五大云厂商的部分投资款，说明投资也没有真的都给钱，而是把算力折成投资；

一部分是算力积分券，五大云厂商都是 AI 的使用大户，其中向大模型分成的那一部分钱，也没有真给钱，而是用 " 算力抵用券 " 对冲了；

剩下的就是 O 记和 A 记未来预期的收入增长，就是现在大家天天看的那个 ARR。

好比村口小卖部是你老丈人开的，结婚没要你彩礼钱，跟你借钱进货，你也只能从他那儿买东西 " 支持 " 他家生意，一开始是日用品也就算了，更糟心的是，你 " 买 " 了好多快过期的东西，这些都是 " 融资创造需求 "。

从外表看，微软增加资本开支，购买 GPU、建设数据中心，产生 AI 服务收入，AI 公司再购买云服务，形成新的收入，从大模型厂商到五大云厂商，从数据中心到第三方算力租赁，从英伟达三大存储巨头到上游供应链，订单看上去很繁荣。

实际上，相当一部分收入是你欠我的，我欠他的，他欠你的，不得不我用你的服务，你用他的服务，他用我的服务，导致AI 收入缺乏 " 独立性 "，并非完全自发产生。

投资 AI 产业链，不能只看订单，关键在于，AI 需求的源头有多少来自最终用户，有多少来自产业链内部的钱？后者虽然不算是 " 虚假需求 "，但至少是打折扣的需求。

真正的独立需求是指什么呢？我认为应该是剔除云厂商自建 AI、战略投资、算力预付款、云积分 " 算力抵用券 " 之后的纯现金流收入，这才是真正愿意长期支付 AI 费用的需求。

独立需求很难统计，但有一个代替的指标，就是上一篇说的 " 资本开支的二阶导数 "，这其实是绕开财务统计的数学思路。

资本开支的一阶导数是资本开支增长速度，二阶导数对应的是需求增长速度是否继续加快，资本开支转化为需求的效率再高，也只能推动一阶导数，二阶导数的持续向上，一定是有系统外的新需求，比如今年的 AI 编程和 Agent 的需求，就是上半年二阶导数持续向上的驱动力。

这也是上篇认为，只要二阶导下降，就代表新增收入不能对应新增资本开支，只能依赖再融资。

当 AI 逐渐变成一个信用周期，一件重要的事，就是要穿越 AI 产业链的债权债务关系。

如果把 AI 基础设施债务穿透到底层，最终承担者不是某一家 AI 公司，而是一条很长的金融链条中的不同深度的参与者：

债务的表面承担者是 AI 大模型公司和云厂商，都是巨无霸，这是很多人认为 AI 债务风险不大的原因。

它们之间有长期合同，承诺未来 10 年，每年采购多少 GPU 算力，从会计角度，这可能不会马上显示为债务，但实际上是用未来的现金流担保，对应 AI 云计算和大模型厂商的收入 ARR（注意两者有重叠的部分）。

可实际上，越来越多表外的借钱人是数据中心 SPV。

现在越来越多主体采用项目融资，成立一个特殊 SPV 公司，负责购买与建设 AI 资产，并承担债务，收入主要是 O 记和 A 记的长期租赁费。

这个结构，从法律上说债务在 SPV，五大云厂商和英伟达的账面上看不到，但实际上就是他们和 AI 大模型的债务，这是上一篇我认为 AI 基建已经房地产化的原因。

房地产到后面，实际运营的项目公司的资产负债，在上市公司的报表上也根本体现不出来。

AI 基建早期的债权属于银行，比如建数据中心的贷款，这是很多人从当前银行的财务状况认为 AI 融资没有大规模金融风险的原因。

实际上，银行通常不会长期持有全部风险。它们会打包变成 ABS 出售，就像 2008 年一样，传统银行的财务很安全，并不代表社会没有金融风险。

从上面的债务链看，真正的最终债权人是机构投资者。

ABS 卖给了养老金和保险公司，他们对这种长期现金流的投资级债券配置需求极高，AI 基础设施债券非常符合。

还有 SPV 背后的私募信贷基金，通过投资私人贷款，收益高于公开债券。

当然，最终实际承担者还是普通投资者。

理解了 AI 产业链的债权债务关系后，下一步就是寻找最脆弱的环节，这是债务风险观察点。

这个问题有两个分析角度，压力出现的时间和最终损失的惨烈度。

角度一，谁最容易先感受到现金流压力。

第一环，最先承压：AI 应用公司和小型 AI 创业公司

这是生态链最脆弱的一层，算力昂贵，竞争激烈，很多 AI 创业公司收入低于成本，只是增速比较快，但仍需要不断融资烧钱。一旦 AI 需求放缓，客户减少 AI 预算，或者 API 价格战，加上获客成本增加，这些公司会最快死亡。

第二环，危机放大器：数据中心运营商

数据中心的资产极重，负债率极高，而且目前还在融资扩张，收入依赖少数大客户，GPU 快速折旧，一旦大客户减少采购，空置率上升，无法获得新的融资，很快就会陷入债务危机，这是最接近房地产开发商的环节。

第三环，融资大本营：五大云厂商和英伟达

目前，它们还是主要债务人，所以是 AI 债务真正的 " 承重墙 "。

一般不担心他们，因为资产负债表强，客户多，AI 只是云业务的一部分，囤积的 GPU 就算 AI 需求下降，还可以用于普通云计算。

在未来的危机中，它们更可能经历 " 投资回报下降 "，而不是 " 债务危机 "，但对股东而言，估值杀个 50% 是大概率事件。

最后一环：OpenAI、Anthropic 等大模型厂商

虽然危机最初是他们的收入增速下降引发，但因为它们的融资主要是股权，没有刚性到期债务，如果没有上市，那反而是最安全的。

不过 OpenAI 与 Anthropic 之间的区别，可能比它们与其他环节的区别更大。

Anthropic 的收入大约有 80% 来自企业客户，这些客户粘性强、收入稳定。它的单位经济效益已经稳稳地脱离了亏损区，现金消耗率正在收敛至一个可控的水平。

相比之下，OpenAI 更脆弱、波动性更大。它的收入大约有 60% 来自毫无忠诚度的个人消费者，现金消耗率极高，在 2027 年之前都将维持在令人窒息的 57% 左右，目前看不到任何实现正向现金流的途径。

Anthropic 的大部分债务受到了保护，比如在阿波罗和黑石提供的约 350 亿美元的 TPU 算力融资项目中，Anthropic 的债券借用了其投资级支持者的信用评级。

而 OpenAI 并没有真正的联合签署人，微软在 2026 年 4 月撤掉了所有的结构性支撑。微软多年来从内部审视过 OpenAI 的账本，它或许已经意识到了其中的信用风险。

OpenAl 另一大支持者软银，曾以 OpenAI 股权为抵押，筹集了一笔 100 亿美元的保证金贷款。由于贷款方对抵押品感到犹豫，软银甚至不得不提供个人担保。

虽然 OpenAI 凭借独特的地位，自身债务风险不大，但却是整个 AI 生态系统中最可能引发危机的 " 雷 "。

角度二，危机如果发生，谁最惨？

这回倒过来分析，如果发生了最坏的情况，类似 2008 年席卷全球的债务危机，产业链最安全的是谁？

我认为答案是英伟达，当然这个 " 安全 " 是指没有债务问题，但股东手里的股票跌个 50% 是起步价。

其次是 OpenAI 与 Anthropic，原因前面分析过了。

再次是除甲骨文外的云巨头，原因一样，影响的是利润率，而不是债务危机。

这里把甲骨文单拎出来，它的还本付息率（债务本息现值 / 经营现金流）仅为 48%，如果风险等级提升，融资利率提高，很可能立刻陷入债务危机。

上面的环节主要还是股权减值风险，但以甲骨文公司为界，接下来就是有破产风险的环节了：

首先是依靠融资扩张的 AI 创业公司，融资一减速，立刻现金流枯竭，虽然金融影响有限，但数量巨大，对实体经济的影响不可小看。

其次是拥有大量融资项目的 AI 数据中心，无论是繁荣时的数据中心延期，还是衰退期的租赁价格下降，都足以形成危机。

当然，数据中心作为典型的重资产业务，它的风险早为人知，因此其融资的评估也比较严格，所以最危险的环节并不是它们，而是第三方 GPU 租赁和新型算力云公司。

虽然有着各种花哨的技术包装，但核心商业模式仍然是大量买 GPU 出租。它们现在赚的钱不但有 GPU 差价，而且还有算力通胀的溢价，由于杠杆率极高，一旦需求过剩，立刻资不抵债。

最典型的是CoreWeave，我称之为 "AI 云计算行业的恒大 "。

公司凭借其专为 AI 优化的技术栈和高效的资本运作模式，成为少数几家能够大规模、快速交付最新 AI 基础设施的专业云厂商，因此深度受益于结构性供需失衡。

但公司更创新的是融资结构，通过将客户的长期合同作为底层资产进行债务融资，以远低于自身主体的成本获取了大规模扩张所需的资金，形成了 " 订单 - 融资 - 扩张 - 再接单 " 的增长飞轮，本质上就是房地产快速扩张的模式。

公司极高的债务水平，债务股本比高达 13.8，持续的巨额资本开支，净利润持续为负，调整后经营利润率指引 8% 远低于其长期目标 25%～30%。短时间内交付数百亿乃至上千亿美元的订单，供应链极容易出问题。

由于它的合同已全部抵押出去，一旦收入增速低于预期或者低于 GPU 折旧，资产减值压力会很快把公司的资产负债表压垮。

以 CoreWeave 为代表的高杠杆、快速扩张的第三方算力租赁，是未来最有可能爆雷的环节。

盘点完各环节的风险，就可以看一看更实际的预测，如果危机升级，未来可能先后出现的几个风险事件。

第一件风险事件：OpenAI 的 IPO。

目前 O 记 A 记的付款主要不是靠收入，而是靠订单融资（就是赊账），所以融资能力不只是筹资能力的体现，还是运营成本的核心环节，这也是奥特曼最擅长的领域。

而优越的融资条件能够继续维持的前提是，每一轮新的融资估值，都必须高于上一轮。所以 OpenAI 的估值上涨的意义不只是资产增值，它的 IPO 定价至关重要，定价过低，或者上市后高开低走，都不利于下一步的融资能力。

另外，私募信贷的信息可以不公开，但 IPO 会准确无误地披露出每一个财务细节，所以足以构成一次风险事件，如果真的发生，就是今年年底到明年年初。

第二件风险事件：借款人为了保留现金，缩减对算力的承诺。

当大模型公司的 ARR 无法维持持续增长，就会发生订单义务的缩减，实际上就构成了合同违约，这会成为一个标志性的事件，类似房地产泡沫后出现第一批 " 烂尾楼 "，引发地方政府的警觉与账户冻结。

第三件风险事件：违约事件最先打击这两年风头无双的新型云计算公司，比如 CoreWeave、Lambda 和 Crusoe。

前面已经分析过相关公司的商业模式，当 GPU 购买和出租利差发生倒挂时，它们实际上就已经资不抵债了，而第一个倒下的公司可能会构成 " 恒大时刻 "，CoreWeave 的倒下类似碧桂园，被认为相对安全的甲骨文类似万科。关键在于，当一件事发生，其他事件就不可避免，剩下的只是时间问题。

第四件风险事件：整个 AI 体系的信贷将会冻结。

此时，剩余履约义务将被重新定价为交易对手风险，以 GPU 为担保的票据将无法展期，上游产业链（包括 A 股的算力链企业）企业大面积资产减值。

此时的债务风险已经充分暴露，并主要影响股市。股权价值将遭到毁灭性打击，在减值没有完成前，所有公司的估值都会被杀到历史最低水平，包括五大（也许只剩四大了）云厂商，然后进入漫长的 " 杀业绩 " 周期。

但 AI 与房地产最大的区别在于，技术仍然在进步，实际渗透率仍然在上升，需求仍然在高速增长，只是之前的基建太过超前。

所以到最后，那些资本最雄厚、在 AI 基建中投入最谨慎、风险敞口最小的参与者，将以极低的价格收购那些被搁置的数据中心项目，并为那些必须存续的租赁合同提供担保。

也许是苹果，也许是英伟达，也许是巴菲特。

此时，债务危机引发的经济衰退已经好几年，美联储一路把利率降到 3% 以内，卸掉杠杆负担的 AI 产业链，以较低的成本重新开始一轮大规模基建，才能进入下一个繁荣周期。