AI產業的【循環融資】是否釀成【AI版量化緊縮】?

AI產業的【循環融資】是否釀成【AI版量化緊縮】?

2home.co  楊惟雯

 

  • 川普期中選舉大敗,民主黨挾AI產業以令諸候?

 

2026年期中選舉結果,民主黨大勝,贏得了參眾兩院的控制權。未來AI產業監管環境可能趨嚴、資料中心建設受阻!

 

尤其,德州與喬治亞州合計占全美AI資料中心投資約三分之一,地方政權的紅翻藍更替,可能使租稅優惠調整、地方反對更激烈,可能延後資本支出和AI投資效益的實現時間。對AI產業最直接的衝擊點:資料中心建設“減速、增本”。

但是,由於川普否決權的存在,這平添AI產業發展的不確定因素!

 

  • 黃仁勳打烊,AI產業將地動天搖?

 

「深層政府」(deep state)」的對中鷹派抬頭,加上輝達執行長黃仁勳捲入婚外情風暴,並延燒至美國對中國的先進晶片出口政策趨嚴,可能使輝達痛失全球2成市場。

 

另外,輝達以往在黃仁勳的領導下,曾被稱為「AI的中央銀行」,透過對整個產業生態系中投資入股及提供融資擔保,催生產業發展信心。

但在黃仁勳下臺後,輝達推動的「循環融資」,亦即指AI雲端業者通常借款購買輝達繪圖處理器 (GPU),再將資料中心的運算資源出租給客戶;而輝達則透過承諾採購這些業者的雲端算力服務,協助它們取得融資,也為自家晶片創造需求。

此模式形成魚幫水、水幫魚效應;只是,一旦此融資環境收緊或市場信心轉弱,原本的正向循環也可能迅速反轉。

 

輝達透過採購雲端服務、擔保與信貸支持客戶擴建資料中心,據哥倫比亞商學院金融學教授 Stijn Van Nieuwerburgh 估計,輝達各類財務承諾合計約 4,000 億美元。一旦雲端業者縮減支出,租金收入可能走弱,GPU轉售價值也可能下滑。借款人屆時既少了可用來還債的現金,債權人也更難靠處分設備收回貸款。若輝達減少對雲端業者取得融資的採購承諾,AI產業發展的動能將必須重新評估。

 

若黃仁勳從此打烊,將衝擊AI【循環融資】,可能引爆【AI版量化緊縮】!

若黃仁勳可以回鍋,AI【循環融資】暫獲喘息,但AI產業爆發力也已【覆水難收、破鏡難圓】了,因為AI敘事涼了、人心也變了!

 

  • 「AI敘事」開始動搖,市場耐心退潮,被忽視的「債務風險」將浮上檯面!

 

Citadel Securities在最新報告中警告,當市場開始質疑AI能否兌現成長承諾,過去被樂觀預期掩蓋的融資、監管與總體經濟風險,也正同步浮現,市場能承受失誤的空間已相當有限。

 

未束,投資人對AI投資回報將更嚴格,從客戶能否提高生產效率、模型開發商能否維持定價能力,到基礎建設收益能否涵蓋融資成本與折舊,都需要更明確的答案?

 

尤其,隨著利率維持高檔,債務陸續再融資,將傳導至更高投入成本,可能壓縮利潤與不確定性;市場對AI基礎建設的龐大支出,將開始檢驗企業的現金流與獲利能力;若要繼續加碼,融資能力、建設進度與最終收益將面臨更嚴格檢驗。

 

這些風險並非突然出現,而是長期被強勁成長與AI敘事遮蔽。當經濟與股市都深度押注AI,市場信心一旦動搖,原本被忽略的壓力便更難消化,留給失誤的空間也隨之縮小。

 

  • AI資本支出,回收卻緩不濟急,舉債「以短支長」埋下隱患?

 

根據Alphabet、Meta、微軟、亞馬遜、甲骨文等企業,揭露的未來資本支出承諾達3.3兆美元,其中Alphabet最大為1.06兆美元。

而Alphabet自由現金流連2季轉負,2026年股權與債權融資已逾1,600億美元,仍難支應龐大AI資本支出。換句話說,Alphabet明後年的現金壓力更大,後續的籌資需求也將更大?

 

AI變現的潛在危機,本質上是整個AI財務鏈條的“最後一環”失靈:上游的資本開支、債務和折舊壓力層層傳導至此,卻發現終端收入遠不足以承接。

AI產業的【自由現金流為負】、【循環融資】和【表外融資】,都建立在“未來變現能覆蓋一切”的假設上;而變現環節的危機,正是對這個假設最直接的檢驗,這場AI軍備競賽,最終是否會釀成【債務危機】?

 

  • AI產業的【循環融資】一旦斷鏈,可能釀成【AI版量化緊縮】效應!

 

輝達推動【循環融資】目的,在創造【自家晶片需求】,以擴展市佔率。

但【循環融資】能載舟,亦能覆舟!

 

隨著黃仁勳打烊,投資人開始擔心輝達陷入領導真空,而黃仁勳主導高達5000億美元的「AI 循環融資」與信用擔保,若輝達緊縮AI企業金援,將牽動AI資金鏈「斷鏈」的不確定性?

同時,還需留意,將有 AI 獨角獸Anthropic 也正掛牌搶錢。

 

 

一、AI產業的【折舊提列年限】,是否帶來【利潤虛增】?

 

這個問題,從會計處理角度來看:科技巨頭(例如英偉達、微軟、穀歌等)的折舊年限調整、GPU實際使用壽命與會計假設的差距、折舊方法變更(如從加速折舊改為直線法)皆會對利潤產生影響,進而存在通過延長【折舊提列年限】來虛增利潤的爭議。

 

(一)核心爭議點在於:

 

科技巨頭是否通過延長AI設備(如GPU、伺服器)的折舊年限來減少當期折舊費用,從而“虛增”帳面利潤?

例如Michael Burry即指控,認為這是一種“現代常見的欺詐”,並估計2026-2028年間可能低估1760億美元的折舊。

 

同時,超大規模雲廠商的折舊年限確實從3-4年延長到了5-6年,例如,Meta因折舊年限調整在2025年前九個月減少了23億美元的費用,穀歌在2023年因延長折舊年限使淨利潤增加了30億美元。

 

此外,英偉達CEO黃仁勳則主張GPU折舊週期實際更長,他認為GPU的實際經濟壽命可達8年。

 

結論:從會計機制上看,延長AI設備的折舊年限確實會在當期“製造”出更高的帳面利潤,但這是否構成惡意的“利潤虛增”,取決於一個核心爭議:

當前的折舊假設,是否已經偏離了AI硬體真實的經濟壽命。這本質上是一場關於“會計估計”是否合理的辯論。

 

(二)機制:折舊年限如何“變出”利潤?

 

折舊是將已經花掉的現金成本,分攤到資產的使用年限裡。

若延長年限,每年分攤的費用就變少,帳面利潤自然就變高了,但公司的現金流不會因此發生任何改變。這在會計上被稱為“會計估計變更”。

 

  • 具體的影響案例:

1、Meta將伺服器折舊年限調高至5.5年,在2025年前九個月減少了23億美元費用,相當於憑空多出了這筆利潤。

2、穀歌在2023年將伺服器壽命從4年延至6年,當年淨利潤增加了30億美元。

3、亞馬遜和微軟也分別有過類似操作,各為其年度利潤帶來了約28億至30億美元的增厚。

 

(三) “虛增”指控:當會計假設脫離商業現實

 

  • 以Michael Burry為代表的批評者認為,這已經構成了利潤虛增。

他的核心邏輯是:AI晶片的反覆運算速度在加快,而不是變慢。

英偉達GPU的反覆運算週期已從18-24個月縮短到12個月,舊晶片會因無法滿足新模型需求而迅速被替代。

 

有分析師判斷,GPU真正的經濟壽命更接近一到兩年。Burry據此估算,2026至2028年間,行業整體折舊低估總額可能高達1760億美元,並點名甲骨文和Meta的利潤可能被高估約27%和21%。

 

  • 這種擔憂並非沒有現實依據。使用三年的二手H100售價,據追蹤資料已跌至新款價格的45%;黃仁勳本人也曾調侃,新一代Blackwell量產後,上一代Hopper可能“送都送不出去”。

 

(四)反方邏輯:硬體可能確實“更耐用”了

 

支援現有折舊假設的一方,也有其商業邏輯,並非純粹的財務粉飾:

  • 物理壽命與經濟壽命的區分:

GPU物理上“不壞”,不代表它在經濟上還有價值。但反過來說,舊晶片可以被梯次利用於要求較低的推理、內部測試或存儲任務,從而拉長其整體服務週期。

 

  • 供應商的背書:

黃仁勳公開主張,Blackwell等新架構GPU的有效壽命可達8年,是市場傳統四年認知的兩倍。英偉達甚至開始在部分融資專案中為晶片的轉售殘值提供擔保,試圖從資產端支撐“更長壽命”的敘事。

 

(五)核心分歧與深層風險

 

  • 這裡的核心矛盾在於:折舊年限由公司自行估計,而審計師很難在事前證偽一個關於“未來能用多久”的判斷。會計準則賦予了企業相當大的自由裁量權。

 

  • 真正的風險,不在於折舊本身,而在於它與之前討論的自由現金流問題形成了閉環:

當資本開支吞噬了經營現金流,利潤表就成了維持市場信心的關鍵防線。

延長折舊年限,恰好能以“非現金”的方式修飾這道防線,讓利潤在帳面上看起來尚可維持,從而掩蓋了現金流層面的真實壓力。

 

因此,折舊提列本身是中性的會計動作,但當其假設與硬體反覆運算的商業現實出現系統性偏離時,它就從一項技術性估計,變成了一種對當期盈利的會計性“注水”。它無法改變AI產業真實的現金消耗和償債壓力,只是將利潤的檢驗時點向後推延——而推延本身,正是在積累未來某一刻集中修正的風險。

 

 

二、AI產業的【自由現金流為負】會帶來何種危機?

 

AI軍備環境之下,2026年開始AI巨頭現金流量壓力浮現,2027年-2028年達到高峰。四大科技巨頭亞馬遜、Alphabet、Meta三家現金流轉負,數萬億投資還能撐多久?

 

AI產業自由現金流為負,與【循環融資】和【表外融資】在危機性質上有一個關鍵區別:它是一種高度可見的、已經被市場定價中的“公開傷口”。

 

【循環融資】扭曲的是需求信號,【表外融資】隱藏的是償付義務,而【自由現金流為負】,則直接暴露了一個更根本的矛盾——AI的資本開支速度,已經超過了人類歷史上盈利能力最強的公司群體,用經營現金流為其“輸血”的極限。

 

(一)危機一:從“印鈔機”到“碎鈔機”的財務反轉

 

最直接的衝擊,是科技巨頭財務邏輯的根本性逆轉。

  • 科技巨頭集體“失血”:

2026年第三季度,亞馬遜、Alphabet、Meta的自由現金流分別約為-335億、-91億、-21億美元,僅微軟保持約186億美元的正值。四大巨頭單季自由現金流合計從上年同期的+620億美元,急轉為-260億美元,一年惡化約880億美元。

 

  • 資本開支吞噬經營現金:

Meta當季經營現金流328億,資本開支卻達339億;Alphabet經營現金流423億,資本開支514億。更極端的亞馬遜,過去12個月自由現金流從+148億美元轉為-423.57億美元。四大巨頭的資本支出占經營現金流比重,已從2023年的約40%,飆升至接近95%,甚至超過100%。這意味著,巨頭們賺來的錢已經不夠花了,必須開始消耗存量現金或轉向外部融資。

 

(二)危機二:融資結構被迫切換,信用風險開始“分層”

 

當內部現金流無法覆蓋開支時,融資方式被迫從“自我供血”轉向“外部輸血”,而這正是風險開始定價的地方。

  • 巨頭融資潮爆發:

2026年以來,穀歌、微軟、Meta等發行的債券已接近2200億美元,是2025年全年的兩倍多。

Alphabet甚至發行了百年債券,並通過股權融資籌集超800億美元。

Meta結束了長期的“零債務”姿態,發債249億美元,並設立C類股為後續股權融資鋪路。

 

  • “AI次貸”的裂縫:

風險並非均勻分佈。以CoreWeave為代表的Neocloud企業,自由現金流長期為負,淨債務/EBITDA高達約7.5倍(大型科技企業僅約0.1倍)。其債券收益率已升至15% 左右,CDS利差突破1100bp,隱含五年違約概率約60%。

 

  • 融資缺口剛性存在:

摩根士丹利測算,到2028年全球AI資料中心和晶片總支出將達2.9兆美元,其中約1.5兆美元需由外部資本填補。

穆迪已警告,2027至2029年將迎來AI相關債務的到期高峰,屆時市場將強制檢驗投資回報能否覆蓋償債。

 

(三)危機三:市場耐心耗盡,估值邏輯從“敘事”切換到“現金流”

 

自由現金流轉負,正在觸發資本市場對AI板塊的定價範式遷移。亦即業績再好,但現金流為負就拋售:

Alphabet雲收入同比增長103%,但因自由現金流為負,財報後單日暴跌12.6%,市值蒸發約5000億美元。

亞馬遜AWS增速創近五年新高,自由現金流披露後盤後仍跌約7%。

 

  • 從“軍備競賽”到“回報檢驗”

目前問題已不再是“AI需求強不強”,而是華爾街越來越要求看到大量投資能轉化為持久利潤和現金流的證據。

高德納預測,到2030年AI資料中心需累計創造8.5兆美元收入才能覆蓋資本開支,但同期收入預計不超過3.6兆美元——缺口超過一倍。

 

(四)危機四:與前兩重風險的疊加傳導

 

自由現金流為負並非孤立風險,它會與【循環融資】和【表外融資】形成疊加放大效應:

  • 削弱“自我約束”機制:

當巨頭尚有正自由現金流時,市場能通過“不獎勵過度開支”來形成軟約束。

現金流轉負後,巨頭反而更需要依賴外部融資和供應商融資來維持開支節奏,客觀上加深了對【循環融資】和【表外融資】的依賴。

 

  • 信用惡化向【表外融資】傳導:

母公司信用惡化會推高新項目貸款的融資條件,而表外SPV的債務償還在很大程度上依賴母公司的隱性信用支撐。自由現金流持續為負,正是母公司信用惡化的最直接信號。

 

  • 經濟增長的集中度風險:

美國經濟增長在相當程度上由AI投資驅動,一旦現金流壓力迫使巨頭放緩資本開支,衝擊將不局限於科技板塊,而會向更廣泛的實體經濟傳導。

 

(五)總結

 

自由現金流為負的危機,本質是AI產業的資本開支強度,已經超越了其當前商業模式產生現金的能力邊界。它不像【循環融資】那樣製造“虛假需求”,也不像【表外融資】那樣隱藏債務,而是把一個真實的、可量化的財務缺口擺在了檯面上。

市場正在對這個缺口重新定價:從願意為“AI敘事”支付溢價,轉向要求看到每一美元資本開支對應的現金流回報。

當數兆美元的剛性資本承諾,遇上正在收縮的自由現金流和日益收緊的外部融資條件,AI產業正從“增長故事”階段,進入“償債能力檢驗”階段。

 

 

三、AI產業的【循環融資】會帶來何種危機?

 

AI迴圈融資的危機,本質是用金融工程掩蓋了商業現實。

它讓行業在短期內呈現出繁榮假像,卻將真實的償付壓力後置。

當技術進步的敘事無法再支撐財務上的剛性兌付時,今天看似高效的“飛輪”,明天就可能變成連環債務違約的“絞索”。

 

(一)危機一:【需求】信號失真與估值泡沫

 

  • 【循環融資】最直接的危害,是扭曲了市場對AI真實需求的判斷。

人為製造“虛假需求”:

供應商(如英偉達)通過投資或擔保,讓客戶(如OpenAI)有錢購買自己的晶片。這本質是供應商融資,用賣方的錢幫買方“買得起”,模糊了終端客戶用自身經營現金流產生的真實需求。

 

  • 吹大估值泡沫:

這種“左手倒右手”的交易,人為推高了銷售額和估值,讓市場誤以為AI需求無限,從而將泡沫越吹越大。

 

(二)危機二:財務風險與債務傳染

 

【循環融資】將風險從股權層面悄然轉移至更具剛性的債務層面,形成了巨大的隱性槓桿。

  • 三重嵌套槓桿:

IMF研究揭示,AI領域已形成“股權投資→未來營收承諾→債務融資”的嵌套機制,涉及高達3000億美元股權投資、1.4兆美元未來營收承諾,以及6500億美元的隱性債務。

 

  • 剛性的“照付不議”合約:

許多算力合同是“照付不議”的,意味著無論實際使用多少,企業都必須按期支付最低金額,這構成了具有法律約束力的剛性債務,在經濟下行時極為致命。

 

  • 跨市場傳染:

一旦AI公司收入不及預期,違約風險會迅速從股票市場向信貸市場和債券市場蔓延。金融機構壞賬激增,將收緊整個行業的信貸,加速脆弱企業的死亡。

 

(三)危機三:系統性風險與歷史重演

 

當所有主要玩家深度綁定,個體的失敗會迅速演變為系統性衝擊。

  • “供應商—客戶—股東”利益捆綁:

巨頭身兼投資者、擔保人、供應商和股東多重角色。一旦終端收入無法覆蓋剛性成本,整個生態面臨類似2008年金融危機的連鎖崩潰風險。

例如,博通為Anthropic提供“殘值支援”,實質是將融資風險從買方轉回了賣方自身。

 

  • 歷史韻腳:

重演“供應商融資”悲劇:當前結構與2000年互聯網泡沫破裂前的“供應商融資”高度相似。歷史上,電信設備商的此類融資在信貸收緊後迅速瓦解,加速了行業崩潰。

 

(四)黃仁勳離辭,牽動AI資金鏈「斷鏈」的不確定性?

 

黃仁勳近年主導的AI股權投資、採購承諾、租賃合約與財務擔保規模,至今已逾5,000億美元,這反映出輝達近年在AI產業中的定位,已不只是晶片供應商,更成為支撐新創企業與基礎設施建設的重要資金來源。

由於部分獲得輝達投資的企業,後續也成為輝達晶片的採購客戶,使公司同時扮演資金提供者與晶片供應商的角色,因此被外界稱為「AI央行」。

 

例如2025年,雲端運算業者CoreWeave(CRWV-US) 上市計畫遭遇挫折時,黃仁勳帶領輝達提供關鍵採購訂單,協助公司度過難關;OpenAI計畫在美國俄亥俄州興建大型資料中心園區時,輝達也承諾提供最高1,050億美元的租賃及電力費用擔保。此外,黃仁勳還與華爾街金融機構合作,規劃運用輝達資產負債表,為晶片融資籌集超過5,000億美元的外部資金。輝達也計畫在Anthropic上市前,透過私募方式投資100億美元。

 

根據PitchBook資料,輝達及旗下創投部門2026年以來已進行超過120筆投資,平均約每兩天半就投資一家企業。截至7月底,包含已承諾但尚未完成的投資在內,輝達股權投資規模已達1,240億美元。

 

投資追蹤平臺Dealroom的資料則顯示,輝達的相關佈局包括總額達350億美元的計畫收購與人才延攬,例如Hugging Face及Groq;持有英特爾(INTC-US) 、諾基亞(NOK-US) 等上市公司合計230億美元股權;另向200多家新創企業投入超過600億美元,投資對象包括OpenAI、Anthropic及馬斯克旗下的xAI。

 

輝達扶植的對象中,新興AI雲端服務商(Neocloud)尤其受惠。這類業者專門出租AI運算資源,除了大量採購輝達晶片,也讓AI企業有機會降低對大型雲端服務商的依賴。大型雲端業者近年則愈來愈積極自行設計處理器。

PitchBook資料顯示,輝達2026年至少與新雲業者及其他AI基礎設施公司達成15筆交易,相關融資輪總額達240億美元。不過,

除了直接投資股權,截至7月底,輝達已承諾向AI雲端業者採購價值360億美元的運算能力,若相關業者無法找到其他客戶,輝達將承接這些算力。這類合約也能作為業者向金融機構貸款、購買輝達晶片的擔保基礎。

輝達提供的擔保之所以重要,在於部分借款企業本身信用條件不佳。對於持續燒錢的AI研究機構及規模較小的雲端服務商而言,若只憑自身信用,往往難以取得低成本融資;有了輝達這家大型企業提供擔保,放款機構才更願意以較低利率提供資金。

 

但隨著黃仁勳離開,這套彼此深度綁定的資金佈局能否延續,成為AI產業的新變數?

 

 

四、AI產業的【表外融資】會帶來何種危機?

 

目前七大科技公司的【表外融資】承諾已達4.11兆美元,是表內負債的4倍多;英偉達一家的表外擔保就達5300億美元。

主要運用金融工程工具是SPV、殘值擔保(RVG)和長期租賃承諾。

 

在風險方面,需要特別強調【表外融資】的核心危機在於“透明度喪失”和“風險後置”,它用會計手段掩蓋了真實的槓桿水準,並將風險從科技巨頭轉移給了更廣泛的金融體系。

 

與【循環融資】扭曲需求信號不同,AI產業的【表外融資】,核心危機在於系統性透明度喪失。它利用會計規則,將真實的槓桿和償付義務從公眾視野中移走,把風險從科技巨頭的資產負債表,悄然轉移給了更廣泛的金融體系。

 

(一)【表外融資】目前規模有多大:表外承諾已是表內負債的數倍

 

【表外融資】目前的體量已大到無法被忽視。

截至2026年三季度,Alphabet、Meta、微軟、亞馬遜、英偉達等七大科技公司的表外承諾總額高達4.11兆美元,而它們帳面上的實際債務和租賃負債合計僅約1兆美元。這意味著,每1美元的表內負債背後,對應著超過4美元未在資產負債表上顯示的承諾。

例如僅英偉達一家,其表外擔保就從上一季度的1840億美元飆升至5300億美元。Alphabet則成為首家單一公司表外承諾突破1兆美元的企業。

 

(二)如何運作:SPV與“殘值擔保”的會計隱身術

 

最主要的載體是特殊目的載體(SPV)。科技巨頭不直接借錢建資料中心,而是設立一個獨立的SPV,由SPV去向銀行或私募信貸機構借款,然後用借來的錢建設設施,再租給巨頭使用。由於債務在法律上屬於SPV,母公司的資產負債表上只體現一筆“租金費用”,巨額債務被成功隱身。以Meta在路易斯安那州的Hyperion資料中心為例,其相關債務由SPV Beignet Investor LLC持有,規模達270億美元,完全不列在Meta的賬上。

 

讓這套結構更具隱蔽性的,是“殘值擔保”(RVG)。科技巨頭向SPV的貸款方承諾:如果未來AI晶片或資料中心貶值、出售所得低於某個最低值,差額由巨頭補足。這在實質上構成了一種信用兜底,但因為它被設計成“或有負債”,便無需在帳面上確認為債務。僅過去12個月,大型科技公司提供的此類擔保金額就高達3000億美元。

 

(三)核心危機:不透明、評級失效與風險轉嫁

 

  1. 投資者與評級機構被“致盲”

表外承諾的真實細節,往往只隱藏在財報附注的角落。Anthropic在IPO檔中披露了近9000億美元的表外承諾,規模遠超資產負債表上可見的負債,投資者必須深挖附注才能窺見一二。更關鍵的是,評級機構對此的處理口徑並不統一:標普會對表外租賃進行杠杆調整,而穆迪和惠譽則未做相應處理。這意味著,依賴評級來判斷風險的投資者,看到的可能是一個經過“美化”的信用狀況。

 

  1. 巨頭得以維持“乾淨”的評級,但風險並未消失

表外融資的核心動機之一,就是保護信用評級。如果Meta將數千億美元的資料中心債務並表,其負債率會在幾個季度內急劇飆升,極大概率觸發降級。通過將債務移至表外,巨頭們得以用極低的成本繼續發債。例如,有擔保的SPV項目融資成本,僅比擔保方自身發債高出100-150個基點。但這並沒有消除風險,只是把風險從“科技公司的信用風險”,轉化為了“專案融資的結構性風險”,並轉移給了持有這些SPV債務的私募信貸基金、養老金和保險公司。

 

  1. 與“迴圈融資”疊加,形成風險閉環

表外融資與迴圈融資相互嵌套,使風險更加難以追蹤。例如,博通為Anthropic的晶片採購提供290億美元的殘值擔保,幫助其獲得融資來購買自己的晶片;英偉達則為購買其晶片的客戶提供最高25%的殘值支援。供應商的信用、客戶的債務、SPV的融資,三者被捆綁在一起,卻在各自的帳本上分散呈現,外部幾乎無法看清這個閉環中真實的杠杆全貌。

 

“大空頭”原型人物史蒂夫•艾斯曼已將此模式直接類比于安然事件的會計手法,認為其本質是通過複雜實體隱藏債務、維持表面光鮮。與2008年次貸危機不同的是,風險的主要承擔者不是儲戶和銀行,而是養老金和保險資金——這意味著,一旦AI的商業化回報無法支撐這些剛性承諾,受損的將是更廣泛的長期社會儲蓄。

 

(四)表外融資的危機,不在於它“非法”,而在於它讓真實的償付壓力變得不可見。當數萬億美元的承諾潛伏在報表之外,市場便失去了對AI產業真實杠杆水準的判斷能力。它與迴圈融資疊加,一個扭曲需求信號,一個隱藏償付義務,共同構成了一個風險高度集中卻又極不透明的系統。

 

 

五、AI產業的【變現】存在何種潛在危機?

 

AI變現危機的多個層面:規模不經濟、付費率低、收入缺口巨大、上游利潤集中、開源模型對定價權的侵蝕、企業ROI低下等。用戶的問題聚焦於“變現”環節的潛在危機。

 

我需要組織一個結構化的回答,將變現危機分解為幾個核心維度,並引用搜索到的資料來支撐論點。

 

回答可以圍繞以下幾個危機來展開:規模不經濟與成本失控、收入缺口與資產減值、付費意願與單位元元元經濟模型失效、價值鏈利潤錯配與開源侵蝕、企業端ROI缺失與“驗證稅”。

 

AI變現的潛在危機,本質上是整個AI財務鏈條的“最後一環”失靈:上游的資本開支、債務和折舊壓力層層傳導至此,卻發現終端收入遠不足以承接。前面討論的【自由現金流為負】、【循環融資】和【表外融資】,都建立在“未來變現能覆蓋一切”的假設上;而變現環節的危機,正是對這個假設最直接的檢驗。

 

(一)危機一:“規模不經濟”——使用者越多,虧損越大

傳統互聯網“免費換規模、規模換利潤”的邏輯,在AI時代徹底失效了。AI的推理成本隨每次用戶調用持續發生,邊際成本並不趨近於零。

 

  • 成本結構反轉:有具身智慧獨角獸創始人透露,演算法工程師一下午就要“燒”掉300至500美元,比工資還高。一款售價約500元的AI教育硬體,使用者超25萬,卻因每次識別都消耗Token而無法盈利——用戶越多、使用越長,成本越高且越不可控。

 

  • 毛利被算力吞噬:上游算力端幾乎吃掉了模型廠商和應用端的所有利潤,離用戶越近的環節反而越難賺錢。高速增長的AI應用毛利率常只有25%–40%,遠低於傳統SaaS的80%。Cursor年化收入達20億美元時,毛利率一度為-23%。

 

(二)危機二:收入缺口是結構性的,且以萬億計

 

變現危機的規模,已大到無法用“增長中”來安慰。Gartner測算,AI資料中心運營商到2030年的收入預期是8.5萬億美元,但面向企業和消費者的AI應用收入屆時可能僅3.6萬億美元,缺口近5萬億美元。若投資趨勢不變,到2032年前可能有超4萬億美元的AI資產面臨減值,行業甚至難以實現12% 的目標投入資本回報率。Gartner預計,到2030年超過80%的新興雲服務商將難以獨立經營。

 

(三)危機三:付費轉化率觸頂,單位元元元經濟模型持續失血

 

AI的變現能力在用戶端遭遇了硬約束:

 

  • 全球付費轉化率僅約5%,遠低於損益平衡所需規模;全球AI產業每年需創造約6000億美元營收才能抵消硬體與電力成本,但95% 的導入企業尚未實現實質獲利。

 

  • 連頭部公司也難以倖免:馬斯克公開承認,xAI的Grok Bot“服務成本相對於收入不可持續”,因而限制了用量。高使用量的Agent模式每次會話消耗的GPU週期是標準文本生成的數倍,在現有定價下本質上不盈利。Gartner分析師直言,基礎設施提供商需要讓每個Token賺取超過100%的利潤率才能回本。

 

  • 企業端的ROI焦慮同樣尖銳:麥肯錫2026年調查顯示,僅6% 的受訪企業將至少5%的營業利潤歸因於AI。MIT研究則表明,95% 的企業AI試點在六個月內未能實現正回報。還存在一筆隱性成本——“AI驗證稅”:員工需要額外花時間核查AI生成內容,這部分時間成本常常被“節省人力”的敘事所掩蓋。

 

(四)危機四:價值鏈利潤錯配,開源進一步侵蝕定價權

 

變現危機在產業鏈內部呈現高度不均勻的分佈,並因商業模式選擇而加劇:

 

  • 利潤高度集中於上游:如果應用層無法構建可行商業模式,利潤集中於硬體層就不具備持續性。下游應用和端側沒有收入釋放,整個鏈條就無法良性迴圈。

 

  • 開源策略反噬API定價權:智譜GLM 5.3 Flash開放權重後,數小時內協力廠商即開始提供服務,競爭者迅速增至26家,其中8家報價低於智譜自身。其在OpenRouter上的Token份額20天內從88%驟降至22%,而模型整體使用量同期反而增長17%——需求存在,但價值被協力廠商託管平臺瓜分。DeepSeek模型的客戶總消費中,僅約8% 流向DeepSeek本身。

 

(五)總結

 

變現危機的本質,是AI的“成本曲線”與“收入曲線”在可見的將來無法自然交匯。成本端是剛性的算力消耗、折舊和債務償付;收入端卻面臨低付費率、低毛利、開源侵蝕和企業ROI缺失的多重擠壓。它與之前討論的所有風險構成一個閉環:迴圈融資和表外結構把供給端撐到了萬億級,折舊延長和現金流為負則在利潤表上爭取時間,而變現環節的缺口意味著,這個時間視窗可能永遠不會等到收入端追上來的一天。 Gartner所警示的數萬億美元減值和新興雲廠商的大面積出清,正是這個閉環最終收斂時的現實形態。

 

 

六、跋尾—-從【循環融資】到【信貸危機】,只是一念之間!

 

輝達提供晶片與資金支援,協助建立大規模GPU算力叢集,業者再向輝達採購硬體並提供AI算力租賃服務。深度綁定的模式稱為【循環融資】。

 

AI產業的【循環融資】並非簡單的金融工程,它正在將整個AI生態編織成一張風險高度集中、相互捆綁的網路,如同雷曼兄弟的【連動債】風險。

這種【循環融資】模式的核心危機在於:它用供應商的信用和資金,人為製造並放大了【需求】,使行業的繁榮建立在脆弱的“自我實現”預期之上。

 

亦即,當AI需求高成長時,此模式會形成互相加速的正向循環,業者快速擴張,輝達也能鎖定訂單,但只要任何一個環節鬆動,高槓桿加上循環結構就會放大下行風險。一旦真實的【終端需求】跟不上,債務風險便會沿資金鏈反向傳染,可能引發從【估值崩塌】到【信貸危機】的連鎖反應。

 

■若輝達緊縮AI企業金援,資金寒冬將來襲!

 

過去一年裡,輝達瘋狂的動用自身的資產負債表,為資料中心專案的債務融資提供支援,甚至充當自家晶片的「最後買家」。輝達甚至同意向部分客戶租用其晶片,以此向貸款方釋出訊號,證明這些客戶手中握有穩固合約。

 

輝達推動【循環融資】目的,在創造【自家晶片需求】,以擴展市佔率。

但【循環融資】能載舟,亦能覆舟!

如今黃仁勳離辭,若輝達緊縮AI企業金援,牽動AI資金鏈「斷鏈」的不確定性?

 

■若美國AI基建急踩煞車,將衝擊亞洲AI供應鏈!

 

由於美國商務部工業暨安全局(BIS)收緊AI晶片及海外算力管制,牽動AI供應鏈佈局。美國BIS於2026年11月16日發佈的臨時最終規則,標誌著對華AI晶片管制邏輯的一次關鍵轉向:從“攔截晶片實體”升級為“鎖死算力訪問”。其核心不再是晶片最終運往哪裡,而是誰在控制和使用算力。

 

新規是對輝達、AMD中國業務通道的又一次系統性收窄。此前,輝達2025年首季已因禁令損失55億美元營收;更關鍵的結構性變化在於,其在華競爭地位正在被管制本身侵蝕——當合規供應變得高度不確定,中國客戶轉向國產方案就不再只是“備選”,而成為生存策略!

未來台灣半導體及AI伺服器業者若涉及受管制的出口,須由美系客戶向BIS申請許可;東南亞出貨將更集中於美系雲服務商,非美系客戶訂單需預留許可審查時間,部分訂單可能因此遞延甚至縮減,此將衝擊亞洲AI供應鏈!

另外,若美國市場的資料中心建設擴張也減速,同樣將衝擊亞洲AI供應鏈!

 

研究機構SemiAnalysis將2028年全球AI加速運算晶片採購支出預測,由1兆540億美元降至7,580億美元,下修28%、減少2,960億美元。

凱投宏觀則預估,全球AI資本支出2027年成長放緩,2028年可能年減約10%,投資回收成為焦點。

 

■若黃仁勳無法回鍋,將衝擊AI【循環融資】,可能引爆【AI版量化緊縮】!

 

過去三年,輝達透過股權投資、信用擔保及回購協議,為AI實驗室、新興雲端服務商(neocloud)與供應鏈業者提供資金支援,逐漸形成一套規模龐大的循環融資體系。

黃仁勳在AI產業的資金佈局,規模遠超一般投資人認知。截至7/26持有990億美元股權投資、1,085億美元擔保與560億美元回購/租約,承諾金額合計達5,305億美元。

 

但黃仁勳突然離場後,令市場質疑其主導的AI【循環融資】網絡能否延續?

高盛、瑞銀等示警若融資收縮,AI生態系恐現「量化緊縮」,新興雲端服務商與下游信用利差將先受衝擊。

 

這套AI【循環融資】模式的核心,是輝達先透過股權或其他資金安排支持客戶及合作夥伴,再由對方承諾採購輝達硬體,讓資金以GPU訂單形式回流。

高盛分析師James Schneider指出,輝達已經做出的承諾仍會履行,真正的問題在於下一輪投資與融資交易能否繼續推進。少了黃仁勳的個人願景、人脈及整合各方的能力,輝達要再推動新的多方生態系投資,難度可能提高。一旦輝達融資停止,AI基礎設施的成長可能迅速放緩。

 

瑞銀分析師Tim Arcuri則估計,輝達每季約有500億至600億美元自由現金流,其中相當大一部分會透過不同形式回流客戶、供應商及新興雲端服務商。即使只是暫時停止這類資金支持,也可能在關鍵時刻讓AI生態系統失去超過500億美元資金,形同由一種「AI版量化緊縮」。

 

輝達的信用擔保之所以重要,在於能協助信用評級較低的借款人,以投資級債務發行人的條件取得融資。但隨著輝達管理層更替,投資人可能要求更高的不確定性溢價,進而推升整個輝達融資網絡下游的信用利差。尤其對新興雲端服務商,債務負擔可能率先承受壓力。

 

總之—-
若黃仁勳從此打烊,將衝擊AI【循環融資】,可能引爆【AI版量化緊縮】!

若黃仁勳可以回鍋,AI【循環融資】暫獲喘息,但AI產業爆發力也已【覆水難收、破鏡難圓】了,因為AI敘事涼了、人心也變了!

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *