人工智能看上去是一场发生在“云端”的软件革命，但它在现实世界留下的，却是发电站、变电站、冷却管道、服务器机架，以及越来越复杂的债务合同。

最近，哥伦比亚商学院金融与房地产教授Stijn Van Nieuwerburgh在一篇题为《Financing the AI Buildout》的研究中，提出了一个值得金融市场认真对待的观察：理解这一轮人工智能浪潮，不能只看模型能力和芯片销量，也不能只看微软、亚马逊、谷歌和Meta公布了多少资本开支，而要沿着数据中心的“资本栈”继续追问：资产归谁所有，债务由谁提供，收入依赖谁，以及风险最终落在谁的资产负债表上。

AI首先是一轮物理资本投资潮

人们习惯把人工智能视为无形技术：算法、数据、参数和软件。但训练和运行大模型需要非常有形的投入。

传统企业服务器机架的耗电量大约为5至10千瓦，而安装高端AI加速器的机架可能消耗80至120千瓦，甚至更高。传统风冷因此逐渐不够用，数据中心需要液冷系统、更高容量的电力设施和专门设计的建筑。

Stijn估算，一个200兆瓦的现代AI训练园区，仅数据中心建筑就可能耗资约22亿美元，电网接入、变电站等电力基础设施约4亿美元，内部GPU、网络和存储设备则可能达到56亿美元，总投资约82亿美元。

这意味着，AI目前不仅是软件行业的技术升级，也是一轮规模接近铁路、电气化和通信网络建设的基础设施投资周期。

在这轮建设中，真正稀缺的投入往往已经不是土地，而是能够持续、稳定供应的电力。大型模型训练对延迟并不敏感，数据中心可以建在远离人口中心的地方；但它们必须靠近可以迅速增加发电和输电能力的地区。“位置、位置、位置”的传统房地产逻辑，正在被“电力、电力、电力”取代。

科技巨头为什么越来越倾向于租赁？

过去，大型云服务企业通常自己建设并持有数据中心。但随着AI资本开支迅速增加，这种模式正在发生变化。

原因并不是科技巨头没有现金，而是把所有数据中心和设备都放在自己的资产负债表上，会使企业越来越像一家资本密集型基础设施公司，而不再像一家轻资产、高增长的软件公司。

大量自建资产会压低资本回报率，提高账面杠杆，并可能影响信用评级和股票估值。与此同时，GPU和计算架构的更新速度很快，企业也不愿意为二十年后的计算需求作出完全不可撤销的承诺。

因此，越来越多的数据中心通过租赁、合资企业、项目融资和特殊目的载体建设。科技巨头使用计算能力，但房地产基金、基础设施基金和开发商持有建筑；银行、私募信贷基金、保险公司和债券投资者则提供债务资本。

租赁还保留了技术选择权：如果未来的芯片能效大幅提高，或者新的模型不再需要如此庞大的集中式算力，租户可以缩减或更换设施。代价是，这些项目必须设计出足够复杂的合同，才能让债权人愿意提供几十年期限的融资。

风险并没有消失，只是换了一个口袋

Stijn特别分析了Meta在美国路易斯安那州建设的Hyperion数据中心。

Meta最初计划独立持有该项目，后来将80%的股权出售给Blue Owl，并通过一家名为Beignet的合资载体发行了约273亿美元债务。按照项目资产价值计算，其杠杆率接近90%，远高于Meta自身资产负债表上的杠杆水平。

Meta作为唯一租户，与项目签订了五段连续的四年期租约。四年大致对应一轮信息技术设备周期，使Meta可以定期决定是否续租。但如果Meta不续租，数据中心将被出售，Meta还需要通过“剩余价值担保”补足出售价格与最低担保价值之间的差额。

这一安排同时满足了两种相互冲突的需求：Meta获得了退出和缩减规模的选择权，债权人则获得了接近长期租约的信用保护。

问题在于，根据Stijn的分析，未来租约和剩余价值担保都可能因为尚未达到会计意义上的确认概率，而暂时不进入Meta的资产负债表。虽然从经济上看，Meta未来要么继续支付租金，要么履行担保，但这两项承诺在当前报表中都可能没有得到完整体现。

Stijn将这种现象形容为一个“概率真空”：两个结果至少有一个必然发生，但在它真正发生以前，两者都可能不被计入债务。

这就是理解AI融资最重要的一点。科技巨头账面上的杠杆可能仍然很低，但项目层面的杠杆并不低；风险也没有因为成立SPV而消失，而是从科技公司的公开资产负债表，转移到了私募信贷基金、保险公司、养老金、资产支持证券和债券基金之中。

接下来应该观察什么？

判断这一轮投资最终是生产率革命还是金融风险，至少需要观察四件事。

第一是AI收入能否足够快地增长。目前许多AI产品仍然以免费或补贴价格提供服务。数据中心和GPU已经开始折旧，但用户在高于计算边际成本的价格下究竟愿意购买多少服务，仍未完全得到验证。

第二是技术淘汰速度。建筑和电力设施可以使用数十年，但GPU的经济寿命可能只有数年。未来更高效的芯片、模型或者计算方法，可能使今天最先进的设备迅速贬值。

第三是租户集中度。许多大型数据中心只有一个主要租户。只要租户信用稳固，现金流看起来非常安全；一旦某家AI模型公司、云计算企业或“新云”运营商出现问题，项目便很难依靠分散租户吸收冲击。

第四是金融风险的循环。AI公司购买云服务，云服务企业承诺租赁数据中心，数据中心以租约为基础借款，信贷基金又通过保险资金、养老金和证券化产品募集资本。表面上风险由许多投资者共同承担，但这些现金流最终可能依赖同一个前提：AI收入持续高速增长。

因此，关于AI有没有泡沫，或许并不是最准确的问题。

即使AI最终成为真正的通用技术，某些数据中心、GPU投资者和债权人仍然可能亏损。铁路改变了美国经济，并不意味着每一家铁路公司的股东都获得了回报；互联网成为经济基础设施，也没有挽救电信泡沫时期所有的光纤投资。

更值得追问的是：AI产生的现金流，能否在设备淘汰和债务到期之前及时出现？一旦收入低于预期，谁拥有调整投资的选择权，谁又必须承担剩余损失？

要回答这些问题，不能只盯着芯片和模型，还必须顺着资金流向，读懂AI时代的数据中心、租赁合同和资本栈。

引用说明：本文介绍并评论Stijn Van Nieuwerburgh于2026年发布的演讲及工作论文《Financing the AI Buildout》，文中估算及案例主要来自该研究。