中金：AI 的金融時刻

核心觀點

2026-07-24 17:10:15

中金報告：AI基建未來五年外部融資需求達3.5萬億美元，需AI應用年收入達萬億美元方可支撐回報，風險取決於商業化進展。

AI資本開支正處於從內部現金流驅動轉向資產負債表擴張的轉折點，隨著投資規模超過內部現金流的承載能力，邊際資金將更多來自金融體系。本報告作為《AI融資追蹤》系列的第一篇，試圖回答三個問題：金融體系將如何承接3.5萬億美元的AI融資需求？AI投資能否滿足債務償付和股權回報？這輪AI融資週期將為金融機構帶來哪些機會，又會積累和傳導哪些風險？

Abstract

摘要

AI基建資本開支：從現金流到債務。 大型雲廠商資本開支占收入的比例由2023年的約12%升至2025年的約23%，根據市場一致預期2027年這一比例可能進一步升至40%以上，接近甚至超過互聯網和能源行業歷史資本開支週期的高點。在AI資本開支壓力下，雲廠商AI投資可能從經營性現金流轉向更多依賴外部融資。我們根據大型雲廠經營現金流和資本開支的市場一致預期基礎倒算，AI資本開支未來五年有望創造約3.5萬億美元的外部融資需求。

3.5萬億美元從哪裡來？ 基準情形下，我們預計AI資本開支中3.5萬億美元的外部融資將分別由公開市場股權（0.4萬億美元）、投資級債券（1.5萬億美元）、槓桿融資（0.3萬億美元）、資產證券化產品（0.3萬億美元）和私募資本（1.1萬億美元）承接。其中，投資級債券和私募資本是融資的壓艙石，前者依賴雲廠商的資產負債表擴張和現金流償債能力，後者則能夠滿足風險較高、規模較大的項目融資需求，還可以通過表外融資的結構設計降低雲廠商資金投入，更加靈活地補充融資缺口。

一個萬億美元的問題：AI債務如何償還？ 為滿足償債需求和股東回報，假設ROIC為10%，我們估算AI應用最終需要形成每年約1萬億美元的可持續收入。假設2030年前達到這一收入規模，意味著未來5年AI應用收入需要每年達到近翻倍的增長。比收入規模更重要的是利潤率和資產壽命：在約50%的成熟期EBITDA利潤率下，基礎設施折舊年限達到約5年，投資才有望獲得正回報；若利潤率低於20%，則即使資產壽命較長，也難以覆蓋資本成本。

再融資能替代現金流嗎？ 大型雲廠商發行的長期債券期限通常可達10-30年，基礎設施基金的投資期限也多在10年以上；數據中心投產後，還可以通過項目債券和證券化置換建設期融資。不過，再融資只能爭取時間，不能替代現金流：如果項目利用率、利潤率和資產壽命長期低於預期，持續滾動融資反而會推高槓桿和融資成本。我們測算27-32年大型雲廠商債券到期進入高峰期，每年到期規模約280億美元，相比24-26年上升60%，再融資壓力上升。

金融機構的機遇與風險。 銀行可以從股債承銷、交易、併購顧問和項目融資中獲得收入，私募資本和保險機構則獲得新的長期資產。2026年二季度，美國六大銀行非息收入同比增長32%；截至2026年6月，銀行對非銀金融機構貸款同比增長約25%，AI融資是其中的重要增量。銀行的收入往往在融資和建設階段確認，信用風險則要到項目投產和再融資階段才會顯現，呈現"收入前置、風險後置"的特徵。

AI是金融"泡沫"嗎？ 當前AI投資主體仍以現金流較強的大型雲廠商為主，股權及次級資本也能夠在銀行優先級貸款之前吸收損失。因此，即使部分項目回報不及預期，風險更可能首先表現為相關企業估值調整、資本開支放緩和局部信用損失，而不是立即轉化為金融體系危機。但另一方面，外部融資特別是私募資本和槓桿融資的快速增長也形成了金融外溢效應，如果商業化增長持續慢於資本開支，風險將由估值回調逐步轉向信用質量惡化，並通過循環融資、私募信貸和證券化等渠道在金融體系傳導。融資規模本身並非問題所在，真正的檢驗是能否在融資成本上升和資產貶值之前形成現金流的循環。

【圖表1】3.5萬億美元AI融資來自哪裡？

注：AI資本開支和OCF支持部分為市場一致預期；假設公開市場股權比例10%；投資級債券發行規模基於大型雲廠商債務評級、槓桿率和債券集中度約束測算；槓桿融資包括高回報債和槓桿貸款，證券化資產包括ABS和CMBS，考慮市場容量和接受程度估算；除以上融資形式外的缺口假設使用私募資本承接，包括基礎設施基金、私募股權基金、私募信貸、房地產基金等。演示性測算，不代表實際預測

資料來源：上市公司公告，Bloomberg，中金公司研究部

風險

AI商業化進展不及預期
AI資本開支及融資需求低於預期
資本市場融資條件收緊

AI基建資本開支：從現金流到債務

AI資本開支新週期創造融資需求

市場對未來5年AI資本開支的預測大多在4萬億-8萬億美元之間，測算口徑和邏輯存在較大差異，我們選取市場一致預期的約5.6萬億美元作為2026-2030年AI資本開支的假設，以為後續測算融資缺口提供基礎。具體而言，我們以五家大型雲廠商[1]2025年資本開支為基數[2]，並使用NVIDIA和AMD的AI相關收入的市場一致預期[3]作為代理指標，倒推AI產業鏈未來的投資增速。市場一致預期的NVIDIA和AMD的AI相關收入的5年複合增速約為44%，明顯高於2025年底市場對雲廠商經營現金流支持的資本開支約21%的增速一致預期。兩者的差異表明，單純依賴雲廠商的經營現金流可能難以支撐AI資本開支，未來需要更多外部融資支持。

【圖表2】晶片廠商AI相關收入預期增速高於雲廠商資本開支增速

注：2026-2030年數據為Bloomberg一致預期估算；演示性測算，不代表實際預測

資料來源：上市公司公告，Bloomberg，中金公司研究部

大型雲廠商：從現金流到債務

截至2025年末，微軟、亞馬遜、Alphabet、Meta和甲骨文合計資產約2.6萬億美元，資產負債率約45%，淨債務/EBITDA僅約0.3倍；五家公司每年合計產生約5800億美元經營現金流。但在AI資本開支壓力下，部分雲廠商槓桿率上升。五家公司資本開支占收入的比例由2023年的約12%升至2025年的約23%，根據市場一致預期2027年這一比例可能進一步升至40%以上，接近甚至超過互聯網和能源行業歷史資本開支週期的高點。市場預期大型雲廠商合計自由現金流可能由2025年的約2000億美元降至2027年的約240億美元，能夠用於股票回購、分紅和其他用途的資金相應減少。因此，大型雲廠商的AI投資可能從經營性現金流轉向更多依賴外部融資。

【圖表3】AI供應商受益於雲廠商資本開支，但雲廠商自由現金流下降導致股價承壓

注：2026-2027使用Bloomberg一致預期；AI供應商股價指數包括NVIDIA、AMD、Broadcom、SK海力士、三星電子、Micron Technology、ASML；AI雲廠商股價指數包括Meta、Amazon、Microsoft、Alphabet和甲骨文Oracle。

資料來源：Factset，Bloomberg，上市公司公告，中金公司研究部

【圖表4】雲廠商資本開支強度上升，有望超過互聯網泡沫和能源泡沫

注：2026-2028使用Bloomberg一致預期

資料來源：Factset，Bloomberg，上市公司公告，中金公司研究部

3.5萬億美元：AI資本開支的融資缺口

我們以2025年底市場對大型雲廠商的資本開支的一致預期作為經營現金流能夠支持的資本開支假設（約2.1萬億美元），此時雲廠商尚未開啟大規模外部融資，市場預期此時的經營現金流和資本開支能在有限外部融資的前提下滿足分紅、回購和必要流動性需求；將扣除這一部分的行業資本開支預期作為從外部融資的規模（約3.5萬億美元）。

【圖表5】AI資本開支帶來3.5萬億美元融資缺口

注：演示性測算，不代表實際預測。行業AI資本開支規模根據Nvidia和AMD的AI相關收入增速以及大型雲廠商2025年資本開支倒算；經營現金流支持的資本開支根據2025年底大型雲廠商內資本開支的Bloomberg一致預期估算，考慮經營現金流內保障分紅和回購等需求之外的資本開支空間。

資料來源：上市公司公告，Bloomberg，中金公司研究部

3.5萬億美元從哪裡來：AI的融資結構

投資級債券：AI融資的壓艙石

我們預計，2026-2030年投資級債券可為AI投資提供約1.5萬億美元資金，占外部融資需求的約42%，是最大的單一融資渠道。大型雲廠商擁有較強的經營現金流、較低初始槓桿和投資級信用評級，可以在全球債券市場獲得規模較大、期限較長且成本相對較低的資金。我們分別根據評級機構槓桿率約束、債券指數集中度以及目標債務/EBITDA測算其發債空間，得到約1.2萬億-2.3萬億美元的容量區間。

2026年初至今，五家大型雲廠商債券發行規模已達到約1900億美元，創歷史新高，發行幣種也由美元進一步擴展至歐元、英鎊和加元，債券融資的分散化能夠緩解發行壓力。投資級債券市場有能力承擔AI融資的主體部分，但持續的大規模、長久期債券供給也可能推高科技行業在信用指數中的集中度，帶來長端信用利差擴大、融資成本上升及評級約束增強等問題。

【圖表6】大型雲廠商債券發行規模創歷史新高，幣種分散化

注：截至2026年7月14日

資料來源：Bloomberg，中金公司研究部

【圖表7】雲廠商投資級債券發行上限測算

注：數據截至2026年7月14日。

資料來源：Bloomberg，S&P Global，中金公司研究部

【圖表8】AI超長債發行可能導致長端信用利差擴大

資料來源：Wind，中金公司研究部

槓桿融資：高成長企業的過渡資本

我們通過槓桿融資和投資級債券的市場容量比例（約20%）估算，高回報債券和槓桿貸款可為AI投資提供約0.3萬億美元資金，占外部融資需求的約8%。這一市場主要服務於尚未獲得投資級評級，但具有一定收入和資產基礎的Neocloud、HPC運營商及數據中心企業。

【圖表9】美國槓桿融資市場規模約3萬億美元

注：數據截至2026年7月14日

資料來源：Bloomberg，中金公司研究部

公开市场股权：从"去股权化"到"再股权化"

我們假設20%的項目股權比例（行業通常為10%-30%），其中50%由公開股權提供，估算2026-2030年公開市場股權可為AI投資提供約0.4萬億美元資金。股權資本不要求固定還本付息，能夠首先承擔技術迭代、商業化和資產殘值風險，因此更適合尚未形成穩定現金流的AI模型公司、Neocloud和數據中心運營商。

過去十多年中美股上市公司更傾向於回購股票、提高分紅，從而減少流通股本、提升每股收益，整體上削弱了股權市場作為融資渠道的功能，即"去股權化"。而"再股權化"則意味著這一趨勢出現逆轉，企業重新更多依賴新發行來籌集資金。股權融資高度依賴市場估值水平和發行窗口，一旦市場波動加大或估值回落，融資節奏可能明顯放慢。

【圖表10】今年美股TMT股權融資規模有望創歷史新高

注：包括美股IPO，定向增發，公開增發，配股等；數據截至2026年7月14日。

資料來源：Bloomberg，中金公司研究部

證券化產品：從企業信用轉向資產信用

我們假設26-30年證券化產品的AI融資規模相比25年水平翻倍，估算ABS、CMBS及其他資產支持融資可在2026-2030年提供約0.3萬億美元資金，占外部融資需求的約9%。證券化融資主要適用於已經投入運營、擁有長期租約或可識別設備現金流的數據中心和算力資產，可以將融資基礎由企業整體信用轉向特定資產、租約和現金流。

證券化有助於釋放建設期貸款和私募資本，並為保險、養老金和固定收益基金提供長久期資產，但其擴容仍取決於租約穩定性、租戶信用、資產殘值和標準化程度。尤其對於GPU等技術迭代較快的設備，折舊速度和二手市場價值可能成為評級和結構設計的重要約束。

【圖表11】2025年美國數據中心證券化產品融資約300億美元

注：數據截至2026年7月14日

資料來源：Bloomberg，中金公司研究部

私募資本：融資缺口的靈活補充

我們預計，私募資本（包括基礎設施基金、私募股權、私募信貸及房地產基金等）可承接約1.1萬億美元資金，占外部融資需求的約30%，僅次於投資級債券。私募資本的優勢在於結構靈活，可以組合運用股權、優先股、夾層融資和項目貸款，承擔公開市場較難定價的建設期和非標準化風險。私募基金還可以與雲廠商設立項目JV或SPV，在項目層面引入股權和債務資金；在滿足會計處理條件的情況下，這類安排能夠形成表外融資效果，降低雲廠商的前期資金投入和併表負擔，同時將風險分散給外部資本。

不過，私募資本供給存在一定負債端約束。根據Preqin和McKinsey數據，截至2025年6月的12個月，私募股權基金現金分配占AUM的比例約為6%，降至近年低點；2026年部分私募信貸半流動性產品贖回壓力也進一步上升。因此，私募資本有望成為AI融資的重要增量來源，但其實際承接能力仍取決於基金募資和產品流動性。

【圖表12】數據中心投資大幅上升

資料來源：Preqin，Bloomberg，中金公司研究部

【圖表13】私募資本募資規模下降，但基礎設施基金增長較快

資料來源：Preqin，McKinsey，中金公司研究部

【圖表14】私募股權基金的現金分配比例創近年新低

資料來源：Preqin，McKinsey，中金公司研究部

一個萬億美元的問題：AI債務如何償還？

1萬億美元：AI融資"回本"需要多少收入？

在基準情形下，我們測算，為滿足償債要求和股東回報，在10%的ROIC假設下，AI應用最終需要形成每年約1萬億美元（基準情形下9580億美元）的可持續商業化收入。測算綜合考慮槓桿率、基礎設施經濟壽命、成熟期利潤率等假設；我們假設約70%的經濟價值通過應用收入體現，其餘約30%來自企業成本節約和效率提升。

市場機構對AI長期所需收入的估算約為6000億-2萬億美元，測算假設、邏輯和口徑存在較大差異。我們的1萬億美元測算處於市場預測區間的中等位置，但仍意味著AI商業化需要在未來幾年實現數量級擴張：假設2030年前達到這一收入規模，意味著未來5年AI應用收入需要每年達到近翻倍的增長。

【圖表15】AI融資資本回報測算

注：僅作為演示測算，不代表實際預測；AI大模型行業收入假設為OpenAI, Anthropic, 智譜和Minimax合計的90%；假設項目資產負債率85%；ROIC為稅前資本回報率；利潤率已考慮維護性開支。

資料來源：上市公司公告，IMF，Counterpoint Research，中金公司研究部

每年1萬億美元規模相當於全球GDP的0.7%，或每台iPhone每個月46美元的支出，但AI商業化並不等同於個人付費，其收入可以來自企業支出、廣告、電商以及政府採購等多種渠道。根據Gartner，2025年全球SaaS終端用戶支出預計為3000億美元，全球公有雲服務支出為7000億美元。相比之下，1萬億美元AI年收入約相當於2025年全球SaaS市場的3.2倍和全球公有雲服務市場的1.4倍。因此，從行業規模來看，1萬億美元可能是一個具有挑戰性但並非脫離現實的收入目標，對AI融資的償債和股東回報並非不可實現。

關鍵假設的敏感性分析

以上測算中，利潤率和折舊期限的假設具有較大不確定性。我們基於基準情形假設AI業務成熟期的EBITDA利潤率約為50%，但這一水平能否實現，目前仍缺乏足夠的財務數據支持。主要大模型企業尚處於投入期，部分公司的調整後淨虧損率達到300%-500%。

另一個關鍵變量是基礎設施的折舊期限。數據中心建築和基礎設施通常可以使用十年以上，晶片和電子設備則面臨更快的技術迭代，舊設備可能面臨更快的折舊，導致數據中心整體折舊期限變短。

因此，我們對上述兩個變量作出敏感性分析，結果表明：

在折舊年限約7年的情形下，若EBITDA利潤率達到約30%，即可實現資本回報率接近盈虧平衡；若利潤率低於20%，則即使資產壽命較長，也難以覆蓋資本成本。
在EBITDA利潤率約50%的假設下，只要折舊年限達到約5年，即可實現正的投資回報；若資產壽命進一步延長，則回報率將顯著提升。

因此，判斷AI投資能否"回本"，不能只看收入規模，更重要的是利潤率和折舊等因素。利潤率低於預期或設備提前貶值，都会明顯抬高所需的收入門檻。

【圖表16】不同利潤率和基礎設施經濟壽命下，AI投資回報差異較大

注：以基準情形下的AI應用收入（每年約1萬億美元）計算。

資料來源：中金公司研究部

【圖表17】部分AI大模型企業仍處於高虧損階段

注：調整後淨虧損為公司披露的non-IFRS指標，主要剔除股份支付、上市前金融工具公允價值或帳面價值變動及上市費用。

資料來源：上市公司公告，Bloomberg，中金公司研究部

金融機構的機遇與風險

AI投資驅動銀行擴表

數據中心項目在建設期缺乏穩定現金流，通常需要銀行提供貸款；項目投產並形成租約後，再通過長期限的債券、私募信貸等產品置換。銀行因此更多承擔建設期和資本市場之間的橋樑作用。

對非銀金融機構的融資也在推動銀行信貸擴張。銀行可以通過基金申購融資、NAV貸款等形式向非銀機構提供槓桿。私募資本承擔底層項目的長期風險，銀行則提供期限相對較短、優先級更高的融資。截至2026年6月，美國銀行對非銀金融機構貸款同比增長約25%，明顯快於一般貸款。相關增長反映了私募資本的投資對銀行貸款的拉動作用，其中AI基礎設施領域是重要投向。

【圖表18】非銀貸款驅動美國信貸週期上行

注：非銀貸款、工商業貸款和消費貸款已去除統計口徑調整影響。

資料來源：美聯儲，Wind，中金公司研究部

AI融資帶來資本市場收入

AI融資對銀行更直接的影響體現在非息收入增長，2Q26美國六大銀行合計淨利潤同比增長40%，營業收入同比增長22%，其中非息收入同比增長32%。AI融資帶動的企業IPO、併購、債券發行增加是相關收入增長的重要驅動力。

大型綜合銀行擁有更強的資本市場服務能力，可以通過AI融資獲取費用收入，同時減少長期資產負債表佔用。相比之下，中小型銀行依靠項目貸款可以獲得更高利差，但承擔的資本壓力和信用風險也更高。

值得注意的是，銀行的收入往往在融資階段確認，信用風險則要到項目回款階段才會顯現，呈現"收入前置、風險後置"的特徵。

【圖表19】本輪美國銀行業績上行週期由資本市場相關的收入帶動

注：美國六大銀行包括：摩根大通（JPMorgan Chase）、美國銀行（Bank of America）、花旗集團（Citigroup）、富國銀行（Wells Fargo）、高盛集團（Goldman Sachs）和摩根士丹利（Morgan Stanley）。

資料來源：上市公司公告，Bloomberg，中金公司研究部

從AI風險到金融風險

再融資能替代現金流嗎？ 大型雲廠商發行的長期債券期限通常可達10-30年，基礎設施基金的投資期限也多在10年以上；數據中心投產後，還可以通過項目債券和證券化置換建設期融資。這些安排能夠降低短期償債壓力，為AI商業化留出時間。如果收入兌現慢於預期，企業也可以通過再融資延長債務期限。不過，再融資只能爭取時間，不能替代現金流：如果項目利用率、利潤率和資產壽命長期低於預期，持續滾動融資反而會推高槓桿和融資成本。我們測算27-32年大型雲廠商債券到期進入高峰期，每年到期規模約280億美元，相比24-26年上升60%，再融資壓力上升。

【圖表20】2027年起大型雲廠商債券到期進入高峰

資料來源：Bloomberg，中金公司研究部

雲廠商信用是核心風險錨。 大型雲廠商是AI資本開支的主要承擔者，也是債券發行人、數據中心租戶、Neocloud客戶和項目SPV的最終交易對手。其信用狀況決定了產業鏈的大部分現金流能否持續。雲廠商CDS利差可以作為信用風險的高頻觀測指標。自2025年末以來，主要雲廠商CDS利差普遍擴大，但不同主體之間已經出現明顯分化。截至2026年7月，微軟、亞馬遜、Alphabet和Meta的5年期CDS利差大致仍處於45-80個基點，Oracle和CoreWeave利差分別在180和600個基點以上，顯示市場正重點定價槓桿率較高、自由現金流較弱及再融資依賴度較大的主體風險。

【圖表21】AI雲廠商債務違約風險定價利差上升

資料來源：Bloomberg，中金公司研究部

金融風險傳導路徑。 如果AI商業化不及預期，風險將首先表現為數據中心利用率、收入和利潤率下降，並進一步壓低資產殘值。損失通常先由雲廠商、Neocloud和項目SPV的股東承擔，並通過市值重估反映在股票市場；若經營現金流繼續惡化並耗盡股權緩衝，風險才會進一步傳導至信用債、槓桿融資、證券化產品和私募信貸。銀行貸款通常具有較高優先級，因此一般處於損失吸收鏈條的後端。

AI是"泡沫"嗎？來自金融體系的視角

融資規模本身並不等於泡沫，關鍵在於新增資本能否形成足夠穩定的最終需求和現金流。資本市場可以解決"AI基礎設施能否建成"的問題，卻無法解決"投資能否收回"的問題。我們測算，相關投資最終需要支持每年約1萬億美元的AI應用收入，這一目標並非不可實現，但對產能利用率、利潤率和設備經濟壽命均提出了較高要求。如果商業化增長持續慢於資本開支，風險將由估值回調逐步轉向產能過剩、資產殘值下降和信用質量惡化，並通過循環融資、私募信貸和證券化等渠道在金融體系傳導。融資規模本身並非問題所在，真正的檢驗是能否在融資成本上升和資產貶值之前形成現金流的循環。

【圖表22】AI金融風險的傳導鏈條

資料來源：中金公司研究部

風險提示

AI商業化進展不及預期： 若企業和消費者付費意願、應用滲透率或AI服務價格低於預期，算力需求和數據中心利用率可能下降，AI基礎設施難以實現預期投資回報。
AI資本開支及融資需求低於預期： 若大型雲廠商因自由現金流壓力或需求變化而削減資本開支，實際融資規模可能低於本報告測算。
資本市場融資條件收緊： 利率上升、信用利差擴大或股票市場波動可能導致債券、股權和證券化發行放緩，提高Neocloud及項目SPV的再融資壓力。

[1] 大型雲廠商（Hyperscalers）包括微軟（Microsoft）、亞馬遜（Amazon）、谷歌（Google）、Meta、甲骨文（Oracle），下同。

[2] 假設其中70%為AI相關資本開支。

[3] 如未提及，本報告對上市公司預測數據均採用Bloomberg一致預期。