AI基建融资转向外部，巨头陷囚徒困境与反身性风险

上周，AI基础设施领域两条风险线索同时浮出水面：CoreWeave遭遇股债双杀、融资成本急升，暴露了高杠杆基建公司的融资脆弱性；Meta的巨额AI资本开支与自由现金流转负，则让市场重新审视科技巨头投入产出比。两件事指向同一个问题：当AI建设越来越依赖外部融资，这场军备竞赛还能持续多久？

据路透社分析LSEG共识预测数据，微软、Alphabet、亚马逊、Meta和甲骨文五家超大规模云厂商，预计到2027年资本开支总额将超过其自由现金流，每新增1美元运营现金流，对应约1.57美元的新增资本开支。这一剪刀差正将曾以轻资产著称的科技平台，推向高度依赖资本市场的新商业模式。

投资人Citrini在Monetary Matters播客中把这一转变的核心风险讲得很直接：AI交易前三年，情绪驱动的下跌都有底，因为大部分支出来自云厂商运营现金流；现在越来越多基础设施靠相当惊人的预期来融资。当融资来源从内部现金流转向股权发行和债务融资，市场情绪本身便获得了直接影响实体投资规模的能力。若情绪急转直下，增量资金就会枯竭——这不再是一家公司花自己的钱，而是由市场决定。这正是反身性风险：信心支撑融资，融资支撑投资；一旦信心转弱，资金收缩又反过来打击投资与增长预期，形成负向循环。

驱动这场竞赛的逻辑，或许已从投资推动增长滑向信心决定投资。Cornell Capital Group研究报告《AI囚徒困境》描述了博弈结构：任何一家巨头，若在AI上重注而对手没有，就能获得市场主导权；若自己不投而对手投了，则面临被淘汰风险。因此无论对手如何选择，激进投资都是每家公司的理性策略。

数字印证了烈度。2024年，亚马逊、Alphabet、微软、Meta和苹果五家公司合计资本开支约2270亿美元；2025年升至3910亿美元；管理层对2026年的指引显示总额可能突破6350亿美元。高盛预测，2025年至2027年间超大规模云厂商累计资本开支将达1.15万亿至1.4万亿美元，是2022年至2024年4770亿美元的逾两倍。具体到2026年指引：亚马逊目标支出2000亿美元，Alphabet指引1750亿至1850亿美元，其CEO Sundar Pichai甚至表示这个数字可能还不够，Meta指引最高1350亿美元。分析师Amin Mrini在《7000亿美元的囚徒困境》中指出，这五家公司合计承诺的2026年资本开支约为其合并自由现金流的3.8倍——历史上最能产生现金的企业，正走在每产生1美元自由现金流就要花掉近4美元的轨道上，靠创纪录的债务发行填补缺口。

困境的结构性根源在于基础设施的不可压缩性。数据中心、电力协议、专用芯片都需要多年提前采购和建设。等到需求在收入端清晰可见，响应窗口早已关闭。Mrini写道，正是这种滞后将预期变成了义务。

历史提供了警醒的参照。19世纪美国铁路热潮中，铁路股票和债券总额达106亿美元（约合今日4000亿美元），远超当时12亿美元的国债规模。铁路确实改变了美国，但1873年恐慌后的长期萧条中，九成铁路公司倒闭，1893年恐慌期间四分之一铁路里程进入破产接管；受益者是制造商、农业生产者和商人，而非铁路股东。商业航空过去80年累计净利润约860亿美元，而仅新冠疫情三年就抹去近1900亿美元。巴菲特曾总结，若一位有远见的资本家当年在小鹰镇在场，最好的选择是把奥维尔·莱特打下来，这样能为后来投资者省去无数麻烦；他本人最终在2020年以约50亿美元亏损清仓四家美国航空公司。1990年代末电信泡沫中，超过5000亿美元涌入光纤电缆和无线网络，大部分靠债务融资；到2002年，超过23家主要电信公司申请破产，约2万亿美元市值灰飞烟灭，不到5%的已铺设光纤被点亮使用。然而正是这些破产投资者留下的廉价带宽，孕育了Netflix、YouTube和整个云计算产业。Cornell Capital的结论一针见血：变革性技术的悖论在于，公司花得越多、竞争越激烈，技术商品化就越快；商品化对消费者是福音，对投资者的利润率却是腐蚀剂。

路透社对LSEG数据的分析提供了实证支撑。甲骨文压力最显著：资本开支占运营现金流比例从2022财年的47%飙升至2026财年（截至今年5月）的174%——当年资本开支557亿美元，运营现金流仅320亿美元，自由现金流已转负。该公司股价今年以来已下跌36%，并计划通过债务和股权融资筹集450亿至500亿美元用于云基础设施扩张。微软最近一个财季录得358亿美元运营现金流，同期资本开支（含融资租赁）达375亿美元。亚马逊过去12个月运营现金流同比增长30%至1485亿美元，但自由现金流已降至12亿美元。Futurum Equities首席市场策略师Shay Boloor表示，投资者低估了AI从根本上改变大型科技公司商业模式的程度：这些公司历史上被视为轻资产平台，因为收入增速可以远超资本需求，但AI正将它们推向混合模式，软件、广告和云计算的经济性越来越依赖庞大的实体基础设施支出。

Mrini的测算更严峻：按当前指引速度推算资本开支至2027年，再以15%的税前投资回报率为基准，AI计算收入需要在2030年达到约2.9万亿美元才能覆盖已部署资本的成本——这相当于当前整个云计算市场规模的三倍以上。从当前约2110亿美元的基数出发，这意味着需要连续五年维持约68%的年增长率，在基础设施市场中没有任何先例。

Citrini将AI投资融资结构变化分为两个阶段。第一阶段，云厂商用自身运营现金流支撑支出，无论市场情绪如何波动，只要持续投入，半导体等受益公司的基本面就有一个底。第二阶段即当下，情况已根本不同：AI领域每一笔增量支出几乎都来自股权融资——无论是风险投资还是公开市场——以及债务融资。这意味着AI可以变得更有用、使用量持续扩张，但你可能为供应它的算力付出了过高代价；或者情绪可以产生更显著冲击，因为不像以前有基本面托底，若市场情绪转向，增量资金就会枯竭。

这一机制的核心在于：融资来源变化使市场情绪从外生变量变成可直接影响投资规模的内生变量。Citrini称之为反身性——信心支撑融资，融资支撑投资，投资支撑收入预期，收入预期反过来支撑信心。一旦链条任何一环出现裂缝，整个正反馈就可能逆转。他给出一个具体触发情景：这个周期的转折会以一声叹息而非一声爆炸的方式到来，不会是某家公司违约引发崩盘，而是把实验室的合并ARR预测从4000亿美元下调到3600亿美元，然后因为这种增长已被充分定价，增量变化就会向外扩散，把整个体系拉低。

支撑AI基建投资的核心乐观假设是捷文斯悖论——算力成本下降会刺激需求爆发，从而吸收所有新增产能。Mrini承认这一逻辑存在，但指出其在AI语境下的局限：企业集成缓慢、监管约束真实存在，而效率提升主要发生在模型层，需求响应可能流向应用开发者和模型提供商，而非销售算力的基础设施层。他认为，捷文斯悖论可以在AI作为技术层面成立，同时在AI基础设施作为商业模式层面失效。Citrini援引Anthropic发布的经济指数数据：任务成本每降低10%，使用量仅增加约3%。他还指出，当前AI收入增速约为每年25%至30%，而资本开支增速接近60%至70%，两者缺口随每一轮指引周期而扩大。

市场已开始区分谁在卖算力、谁在用AI赚钱。Mrini观察到，Meta获得市场认可，是因为其AI投入已体现在广告定向和广告效果衡量的改善上，带来收入增长和利润率提升；算力嵌入了具有定价能力的业务，效率提升能直接降低服务成本。相比之下，Google和微软仍处于投入更清晰、应用层回报尚未完全反映在利润表中的阶段，两家都在将AI嵌入搜索、办公软件、Android、企业协作和智能代理工具，也都在争夺智能代理工作流的编排入口，但市场短期看到的首先仍是数据中心账单。亚马逊和甲骨文更接近基础设施提供者：亚马逊虽有Alexa+和自研Trainium等布局，但大部分投入仍指向按小时出售的AWS算力；甲骨文对云基础设施依赖更高，融资压力也更显著。差别在于，AI投入能否转化为具备定价权的产品收入，还是主要依赖出售标准化计算资源。

路透社援引Winthrop Capital Management高级交易员Freddy Lavric的话称，未来两到三年，公司需要证明AI正在带来增量收入、扩大利润率并改善现金流；如果这些财务收益没有显现，市场将开始质疑这一轮投资是否走得太远。

AI带来的技术进步并未消失，需求也没有凭空蒸发。云厂商继续扩大基础设施投入，恰恰说明它们相信AI将成为长期竞争力核心。问题在于，所有参与者都认为自己不能缺席，便可能共同制造超额供给；所有参与者都提高融资强度，市场情绪便可能从旁观者变成决定投资规模的变量。囚徒困境解释了巨头为何持续加码：谁都害怕落后。反身性则解释了市场为何变得脆弱：当内部现金流无法覆盖新增投入，股价、债券、融资意愿与资本开支会开始相互影响。乐观时，这套机制能放大扩张；一旦收入兑现速度低于预期，它同样会放大收缩。AI基础设施最终会成为高回报资产，还是一台昂贵的商品化跑步机，取决于一个朴素却极难回答的问题：需求增长能否跑赢算力价格下降，以及这种答案能否在今天投入的设备完成折旧之前得到证明。