AI 资本开支继续扩张,而且资金来源正在从科技公司的现金储备延伸到整个债券市场。Alphabet 一笔 250 亿美元债券发行据报道吸引了约 1,150 亿美元认购,足以说明投资人仍愿意把超大规模云厂商当作可靠借款人。Axios 今年早些时候统计,Amazon、Alphabet、Nvidia、Oracle、Meta 与 Microsoft 的合计净债务已从长期净现金状态转为正值,AI 建设开始改变一批最富有公司的资产负债表。
私人市场同样没有降温。Axios 本周列出的交易包括 Firmus 获得 20 亿美元融资、估值超过 105 亿美元,光学互连公司 Lumilens 融资超过 7 亿美元;彭博则称 DeepSeek 重启第二轮融资,目标接近 80 亿美元。融资清单横跨模型、数据中心和连接技术,资本开始沿着算力瓶颈的不同环节寻找收费入口。
这些数字很大,却不能直接回答回报率问题。模型训练、推理和数据中心都需要持续投入,收入兑现的节奏却各不相同。债券投资人主要判断大型发行人的偿付能力,股东还要关心新增资本开支能否产生高于资本成本的利润;同一笔 AI 投资,在两类市场里接受的是两套审问。
Google 的人才变动把这种关系讲得更具体。资深研究者 Jeff Dean 与数名核心成员离开后创办 Discovery Loop,首轮融资达到数亿美元。Alphabet 同时参与投资,并与新公司签订长期云和算力合作。研究团队获得了独立公司的股权和速度,原公司仍然掌握基础设施、客户关系与资本渠道。人才流出没有自动转化为平台失去控制。
杠杆则放大了另一面。Puck 报道称,Leopold Aschenbrenner 管理的基金在高峰期资产约 450 亿美元,杠杆约为 4:1;AI 持仓下跌后,基金据称将约 160 亿美元公开股票以折价出售给 Ken Griffin。这组数字目前主要来自 Puck 的单一来源报道,仍需等待基金文件或其他媒体确认。即便细节调整,风险结构已经很清楚:高集中度使判断错误变贵,高杠杆会让止损发生在管理人最不愿卖出的时刻。
政策讨论跟不上资本扩张的速度。Axios 对民主党内部的采访显示,党内对于模型审查、学校使用、就业冲击和政府是否应该持有企业股份尚未形成连贯立场。共和党的表达更集中在扩张速度、能源供给和对华竞争。两边都很少解释,当模型造成真实损害时,开发者、部署者与使用者应如何分担责任。
接下来可以把 AI 交易拆成三层来看。第一层是算力、电力、光互连等基础设施,收入通常更容易计量;第二层是模型平台,竞争取决于能力、成本和分发;第三层是行业应用,最终要靠客户留存和毛利来证明价值。资本仍然充裕,三个层次承受风险的方式已经开始分开。