当AI开始与美国政府争夺资本

信源：《Treasury Bond Yields Break a 19-Year High》
最近长端美债收益率的变化，开始把另一个问题推到台前：这么庞大的AI基础设施，最终需要什么样的金融体系来支撑？
这可能比30年期美国国债收益率创出多年新高本身更值得关注。
节目讨论的一个关键现象是，美国长端利率整个夏天都在缓慢上行。市场却没有因此出现明显的风险资产抛售。主持人的解释很有代表性：同样的利率涨幅，如果集中在两周内完成，股票市场的反应可能完全不同；现在的问题在于，它用了几个月慢慢发生，企业盈利仍然足够强，股票市场因此获得了消化时间。
而且，30年期国债虽然最容易制造“19年新高”这样的标题，对资产定价更重要的仍然是10年期国债。节目指出，10年期收益率虽然已经接近区间上沿，但还没有脱离2023年以来的大致波动范围。如果未来10年期真正向5.5%这样的水平突破，风险资产面对的环境才会明显不同。
因此，目前长债收益率上升更像一个信号，而不是答案。
真正反常的地方在于，在部分经济数据走弱的背景下，长端收益率仍然向上。通常，经济走弱会带来降息预期，并压低长期利率。这一次，债券市场似乎在交易另外一组变量：财政赤字、长期通胀风险、国债供给，以及越来越庞大的企业融资需求。节目引用的分析认为，几项原本应该推动收益率下降的数据已经出现，但长端收益率仍在上涨。
这让AI资本开支第一次与一个更宏大的问题连接起来。
过去看微软、Alphabet、Meta或者亚马逊的AI投入，我们习惯从企业现金流的角度理解：云业务赚到钱，再把现金投入GPU、服务器和数据中心。只要经营现金流足够强，这就是一家公司的资本配置问题。
但当行业年度资本开支逐渐逼近万亿美元数量级，事情开始改变。如此规模的投资不可能永远只存在于几家科技公司的现金流量表里，它最终会进入债券市场、私人信贷、基础设施基金和各种项目融资结构。
节目提到，美国企业年内债券发行已经达到约1.7万亿美元，同比增加27%，并称其规模已经超过上一年全年。与此同时，美国政府自身也面临约2万亿美元的年度财政赤字以及不断增长的利息负担。
这里出现了一个过去AI投资讨论中很少被认真考虑的问题：
人工智能正在开始和政府争夺同一批长期资本。
对于固定收益投资者而言，美国国债并不是唯一选择。当Alphabet等信用质量很高的企业发行收益率更高的公司债时，资金可以在企业信用和主权信用之间重新分配。节目直接提出，如果投资者选择购买Alphabet的债券，那么理论上就少了一个购买Treasury的投资者。
单独看，这当然不足以解释美国长端收益率的全部变化。但它揭示了一种正在形成的资本结构：一边是持续高赤字的政府，另一边是历史上罕见的AI基础设施投资周期。两者同时需要巨额长期资金。
这意味着AI的约束条件可能继续迁移。最初稀缺的是GPU，随后是电力、土地、变电设备和数据中心建设能力。再往后，资本本身也可能成为需要定价的稀缺资源。
这种变化在表外融资上体现得更加明显。
节目以Meta的Hyperion数据中心为例解释了一种新的建设模式：数据中心并不一定直接由科技公司全额投资并计入自己的资产负债表，第三方机构可以建立项目实体，由Blue Owl等投资者提供资金，Meta则以长期租赁承诺为项目提供现金流基础。相关租赁义务可能在实际开始支付租金之前并不直接进入传统意义上的资产负债表。
这已经越来越不像过去的“科技公司买服务器”，而更接近传统基础设施融资。
对私人信贷投资者来说，如果一座价值数十亿美元的数据中心拥有Meta这样的长期租户，并签署多年付款承诺，那么这个项目的经济实质，在一定程度上类似一种以Meta信用为基础的固定收益资产。节目甚至把它形容成类似“Meta bond”的东西。
这可能是AI产业金融化的一个重要起点。
当基础设施规模继续扩大，企业完全可以把资本开支的一部分从传统CapEx，转换成长期租赁、项目融资、SPV、基础设施债务和私人信贷。这样做并不会消灭经济上的负债，只是改变负债出现的位置和形式。
于是，研究AI周期的方法也需要调整。
仅仅统计几家云厂商一年花掉多少资本开支，已经无法完整描述这个周期。更重要的问题开始变成：这些投资中有多少来自自由现金流，有多少来自公司债，有多少被转移到项目公司和长期租赁合同中，最终是谁在承担信用风险。
节目引用美国银行的数据称，美国Hyperscaler投资级债务可能从2025年底的2880亿美元增加到2027年底的6590亿美元。 规模扩大本身并不意味着风险。真正关键的是，每增加一美元债务，能否形成足够多的新AI收入和现金流。
这也是为什么同样参与AI基础设施建设，不同公司的信用定价可能截然不同。
节目特别讨论了Oracle，其信用违约掉期水平明显高于其他大型科技公司。主持人并没有把它简单解释成市场在预测公司违约，而认为CDS本身也可能成为投资者表达“做空AI交易”的一种高杠杆工具。
无论具体交易动机如何，信用市场已经开始提供一套股票之外的AI定价体系。
这是一个值得重视的变化。
过去判断AI景气度，市场最敏感的指标可能是GPU订单、服务器出货或者云厂商CapEx指引。未来，企业债利差、CDS、利息覆盖倍数、租赁承诺以及私人信贷成本，也可能逐渐成为领先指标。
因为AI资本开支最终必须满足一个很朴素的约束：投资产生的经济回报，需要长期高于资金成本。
目前这个循环还没有被破坏。节目之所以认为市场可以接受极高的AI资本开支，一个重要原因正是AI收入仍在迅速增长。主持人以Anthropic为例描述了一种循环：AI公司获得收入，又把收入交给云计算和数据中心，数据中心继续扩张算力，再支撑更多AI产品和收入。节目将当前状态形容为“The music is very much playing”。
真正需要观察的，因此不是某一年资本开支数字是否“太大”。
资本密集型产业在高速扩张阶段出现巨额投入，本身并不反常。危险出现在另一种组合中：资本开支仍在增长，融资规模继续扩大，但AI收入的增长速度开始明显下降。
一旦收入增速无法覆盖新增资本成本，信用市场通常不会等到数据中心真正空置之后才做出反应。债券利差会扩大，融资条件会收紧，企业会重新评估项目回报，随后才可能传导到设备订单和基础设施建设。
这也是这轮AI周期与过去单纯的半导体周期越来越不同的地方。
它正在获得传统大型基础设施周期的特征：建设时间长、资本投入巨大、资产寿命长，同时高度依赖长期融资。
当越来越多的数据中心、电力设施和计算资产通过债务与租赁结构被提前建设出来，AI产业最终形成的可能不仅是一条芯片供应链，也是一套庞大的信用体系。
这套体系目前能够运转，是因为AI收入增长、科技公司的资产负债表和资本市场风险偏好仍然同时提供支持。但信用周期天然具有反身性。经营前景良好时，融资便宜，公司能够建设更多基础设施；基础设施又支持收入扩张，进一步强化信用。反过来，一旦收入预期下降，资产价格、信用利差和融资条件也可能相互强化。
因此，30年美债收益率创多年高点本身也许并不是最重要的故事。
更值得观察的是，它发生在美国财政赤字扩张和AI资本需求快速增长的同一时期。一个历史上规模最大的科技基础设施投资周期，正在进入全球债券和信用市场。
未来判断AI资本开支是否可持续，也许需要同时观察三件事：10年期无风险利率是否发生结构性上移，AI相关企业的信用成本是否持续扩大，以及AI收入能否继续以足够快的速度增长。
只看GPU订单，看到的是产业需求。
把这几组变量放在一起，看到的才是一个越来越完整的AI资本周期。