Related articles
文 | 字母 AI
AI 基础设施正在从科技公司的资本开支，变成资本市场争相布局的新资产。
8 月 10 日，英伟达宣布与 Apollo、黑石、贝莱德、Brookfield、高盛、KKR 等全球大型金融机构合作，建立 AI 计算基础设施融资平台，计划调动超过 5000 亿美元第三方资本，用于支持 AI 基础设施建设。
8 月 5 日，据 TechCrunch 援引彭博社报道，成立仅 7 个月的 AI 云基础设施初创公司 Volta Infrastructure 与 Anthropic 达成了一项为期 6 年、总价值约 100 亿美元的算力协议。
Volta 尚处于建设 AI 基础设施阶段，首个大型项目尚未上线，就已经提前锁定了长期的算力订单。
与此同时，CoreWeave 通过采购英伟达 GPU、建设 AI 数据中心，并利用长期算力合同获得融资；Google 也正在探索利用 Anthropic 未来的算力需求，推动 TPU 基础设施建设。
这些交易背后，一个新的趋势正在形成：
AI 产业正在把尚未被验证的未来需求，提前转化为今天可以融资的资产。
我们将这种变化称作 「算力金融化」，用来形容资本市场围绕 AI 未来需求建立的新的金融结构：GPU、长期算力合同、数据中心项目，甚至 AI 公司的估值，都正在成为资本投入的依据。
过去的基础设施建设有一条相对明确的路径，即先确认需求，再投入资本。
电厂、高速公路、通信网络之所以能够获得大规模融资，正是因为它们背后存在长期、稳定、可预测的需求。
而 AI 正在走向另一条路径。在需求仍处于高速变化、商业模式尚未完全成熟的阶段，资本已经开始提前押注支撑未来增长的基础设施。
从 GPU 采购，到数据中心建设，再到 AI 公司的估值，一场围绕未来算力需求的资本竞赛正在展开。
这种模式帮助 AI 产业以更快的速度扩张，但也带来了一个值得警惕的问题：
如果未来的 AI 需求没有达到预期，今天投入的数千亿美元资本，又该由谁来买单？
AI 产业正在把未来需求变成资产
资本开始围绕 AI 产业的未来需求提前布局。
GPU 首当其冲。GPU 曾经只是 AI 公司的采购成本，用于训练模型和提供算力服务；但随着 AI 算力需求增长，GPU 开始承担类似基础设施资产的作用：企业可以围绕 GPU 建设数据中心，通过出租算力获得收入，并利用这些预期现金流继续融资扩张。
CoreWeave 正是这一模式的代表。
这家公司大量采购英伟达 GPU，建设 AI 数据中心，并与微软等客户签订长期算力合同。依靠这些基础设施和客户合同，CoreWeave 不断扩大融资规模，推动算力扩张。
2026 年 3 月，CoreWeave 宣布完成一笔 85 亿美元融资，这笔贷款以高性能计算基础设施和相关客户合同作为支持，被公司称为首个获得投资级评级的 GPU 基础设施融资。
并且，资本市场对 AI 基础设施的下注，并不止于已经存在的资产。
今年 8 月，成立仅 7 个月的 AI 云基础设施公司 Volta Infrastructure，完成了一笔更具想象力的交易。据 TechCrunch 援引彭博社报道，Volta 与 Anthropic 达成了一项为期 6 年、总价值约 100 亿美元的算力协议。
这笔交易发生时，Volta 的数据中心仍处于建设阶段，就已经凭借 Anthropic 未来多年的算力需求，锁定了百亿美元级的订单。
类似的变化也正在大型科技公司中发生。据 《The Information》 报道，Google 正在利用自身信用能力、TPU 供应能力以及与 Anthropic 的长期合作关系，推动围绕 TPU 的数据中心融资。部分交易中，Google 会为数据中心项目提供信用支持，帮助开发商降低融资成本，并可能获得项目公司的认股权证。
在这一过程中，Anthropic 等客户未来对 TPU 算力的长期需求，成为了谷歌吸引外部资本进入的重要条件：私募信贷和基础设施投资者可以购买 TPU、建设数据中心，再通过向 AI 公司出租算力获得回报。
换句话说，未来的算力需求正在帮助谷歌把芯片销售和基础设施建设连接起来，并撬动更多资本进入 AI 算力扩张。
英伟达则进一步向融资链条上游渗透。
据 《华尔街日报》 报道，英伟达正在与 OpenAI 讨论，为其数据中心项目提供最高约 2500 亿美元的融资担保。如果最终达成，英伟达的角色将从 GPU 供应商进一步延伸至 AI 基础设施建设的担保方。报道还称，双方正在讨论一项芯片融资安排，但具体细节尚未确定。
从 GPU，到算力订单，再到大型科技公司的信用支持，AI 基础设施融资的范围正在不断扩大。最终连整个 AI 基础设施建设本身，也开始获得类似金融资产的属性。
8 月 10 日，英伟达宣布与 Apollo、黑石、贝莱德、Brookfield、高盛、KKR 等全球大型金融机构合作，建立 AI 计算基础设施融资平台，计划调动超过 5000 亿美元第三方资本，用于支持 AI 基础设施建设。
这些融资平台将围绕英伟达计算平台和完整 AI 基础设施展开，通过引入长期资本，为 AI 数据中心、计算资源扩张提供资金支持。英伟达表示，这一合作旨在让 AI 计算基础设施成为全球资本可以参与的新资产类别。
然而，消息公布后英伟达股价下跌约 2.86%，市场反应也显示，投资者开始关注大规模 AI 基础设施投入背后的回报问题。
传统基础设施融资通常建立在较为明确的需求和现金流预期之上，而现在，AI 产业正在尝试让未来几年可能产生的算力需求，提前进入资本循环。
AI 的未来，正在被提前支取。
谁在为 AI 的未来需求买单？
算力金融化的另一面，是资本参与者的变化。
AI 基础设施扩张需要巨额资金，过去，这些成本主要由科技公司自己承担：微软、谷歌、亚马逊等大型科技公司凭借庞大的现金流和资产负债表，是最早投入 AI 基础设施建设的企业。
但随着 AI 资本开支进入千亿美元规模，即使是这些巨头也开始面临压力。部分公司的自由现金流已经受到明显影响，市场也开始关注：如此大规模的投入，未来能否转化为足够的收入回报。
或许正因如此，科技公司正在寻找新的方式，把未来增长预期转化为今天可以使用的资本。
它们开始通过债务融资、长期合同、信用支持等方式，将 AI 未来需求连接到更广泛的金融市场。
银行、私募信贷、基础设施基金，甚至芯片供应商和股票投资者，都开始参与 AI 基础设施扩张。
这种将 AI 未来需求与外部资本连接的模式，在谷歌身上体现得尤为明显：通过引入私募信贷和基础设施投资者，谷歌可以减少自身需要投入的资金规模，同时利用 Anthropic 等客户的长期算力需求，推动其 TPU 生态建设。
对于谷歌而言，这种模式不仅降低了建设 AI 基础设施的现金流压力，也让更多外部资本和合作伙伴进入自己的 AI 基础设施体系——可以说是两全之策。
类似的逻辑甚至延伸到了 AI 公司的估值本身。
8 月 6 日，软银集团 （SoftBank） 公布财报时透露，公司已经获得一笔 100 亿美元贷款，而这笔贷款的抵押品，是其持有的 OpenAI 股份。
特殊之处在于，OpenAI 尚未上市，其股份并不存在公开交易价格。但资本市场给予 OpenAI 的估值，使这些私人公司股份获得了类似资产抵押物的功能。
对于软银而言，这意味着一笔原本只能停留在账面上的投资，开始具备融资能力。公司无需出售 OpenAI 股份，就可以通过抵押这部分资产获得资金，继续投入 AI 领域。
而对于 OpenAI 而言，投资者给予的估值也开始承担新的功能：它不仅代表未来可能获得的投资回报，也成为了股东进行资本运作的金融工具。
当然，这种融资方式也建立在一个前提之上，即市场对于 OpenAI 未来价值的判断能够持续成立。如果未来 OpenAI 的发展不及预期，那么以这些股份作为基础的融资安排也可能面临压力。
贷款方的钱毕竟也不是大风刮来的。事实上，SoftBank 在推进这笔贷款时，也需要向贷款方提供额外保障——贷款方要求 SoftBank 承担额外的还款责任，以对冲 OpenAI 股份价值波动的风险。
警惕算力金融化风险
算力金融化正在改变 AI 产业的发展速度。
通过引入债务市场、私募资本和产业伙伴，AI 公司和科技巨头能够以更快的速度建设数据中心、采购 GPU，并扩大算力规模。
这种变化正在资本市场留下越来越明显的痕迹：根据国际清算银行 （BIS） 统计，美国大型科技公司 2025 年债券发行规模超过 1000 亿美元，越来越多 AI 基础设施投资开始通过债务市场融资。与此同时，AI 相关私募信贷交易规模在 2025 年达到约 590 亿美元，相比 2024 年增长近 7 倍。
AI 产业正在尝试复制传统基础设施行业依靠长期资本建设规模化资产的路径。
但问题在于，传统基础设施融资通常建立在相对稳定、可预测的需求之上：电力行业建设新的发电设施，会参考区域人口增长、工业用电量、历史负荷变化等数据，判断未来几十年的电力需求；通信运营商建设网络，也会根据用户规模、数据流量增长和地区覆盖需求，规划未来的基础设施投入。
传统基础设施行业虽然同样需要提前建设产能，但投资者面对的是已经存在的需求趋势，而 AI 基础设施正在提前建设一个仍在形成中的需求市场。
今天投入的数千亿美元资本，依赖的是市场对于未来 AI 需求持续增长的判断，数据中心、GPU 集群、长期算力合同，甚至 AI 公司的估值，都开始承载对未来数年的预期。
资本因为预期而投入，而算力金融化又进一步加速了基础设施建设，推动整个 AI 产业继续扩大投入。
一个由未来需求预期驱动的资本-算力正反馈循环正在形成。
市场并不怀疑 AI 会产生算力需求，但这个循环的核心假设并非需求本身，而是未来需求增长的速度能够匹配当前资本投入的速度。
然而，任何基础设施投资，最终都需要被真实需求消化。
根据 UBS 预测，2026 年大型云厂商 （hyperscalers） 资本开支预计达到约 6730 亿美元，同比增长 76%；但该机构预计，资本开支增速将在 2027 年放缓至 25%，2028 年进一步下降至 6%。这意味着，市场预期 AI 基础设施投资仍将增长，但高速扩张阶段可能正在接近尾声。
与此同时，随着科技公司越来越依赖债务市场支持 AI 投资，资本市场也开始关注融资规模扩大后的回报压力。路透社报道，随着超大规模云厂商债券发行增加，投资者需求虽然仍然强劲，但认购倍数已经从 2 月接近 5 倍下降至 7 月不足 2 倍，债券市场开始对新增供应保持更加谨慎的态度。
这背后的核心问题在于，AI 基础设施建设是否会出现供过于求的情况。
在这场围绕未来需求的资本竞赛中，不同参与者承担的风险并不相同。
微软、谷歌、亚马逊等大型科技公司拥有庞大的业务基础，即使 AI 基础设施投资回报低于预期，也具备更强的风险承受能力。
但以 CoreWeave 为代表的算力基础设施公司，更依赖于 GPU 资产、数据中心利用率以及少数大型客户的长期订单。这些公司通过采购 GPU、建设数据中心，再向 AI 公司出租算力获得收入，本质上是在提前布局算力供给。
如果未来算力需求增长不及预期，或者主要客户减少采购，它们可能首先面临设备闲置、利用率下降，以及长期合同无法覆盖扩张成本的问题。
另一方面，当越来越多资本提前押注 AI 未来需求时，风险也正在从单个科技公司扩散到整个金融体系。
如果未来 AI 算力需求增长不及预期，或者 AI 应用创造的价值无法支撑当前规模的基础设施投入，那么今天提前投入的资本，最终将由整个体系共同承担。
