摘要：随着AI算力投资持续扩张，美国大型科技企业正由“轻资产、高现金流”模式逐步转向“重资产、高资本开支”模式，债券融资规模快速增长，引发市场对AI债务可持续性的关注。为评估风险，本文引入明斯基金融不稳定假说作为分析框架。明斯基将企业融资模式划分为对冲融资、投机融资与庞氏融资三类，从还本付息压力角度，判断债务周期所处的阶段及潜在风险。研究发现，虽然AI基建主体——五大云计算厂商——发债速度加快，但从偿债能力来看，其经营现金流均能够较好覆盖债务本金与利息，还本付息压力并不大。其中，微软、谷歌、Meta和亚马逊的经营现金流保障倍数仍处于全市场领先水平，甲骨文则明显偏弱。不过，在扣除资本开支后，亚马逊和甲骨文自由现金流已转为负值，谷歌季度自由现金流也首次降至负值，表明随着AI资本开支扩张，部分企业对外部融资的依赖正在上升。进一步来看，五大云厂商整体债务结构较为稳健。一方面，其债务期限普遍较长，债券平均剩余久期约为9.3年，明显高于美国企业债约5年的平均水平；短期债务占总债务的比重平均仅为7.2%，远低于标普500上市公司27.4%的平均水平，短期再融资压力相对有限。另一方面，短期来看，五家云厂商的债务平均有效利率低于当前市场利率，对利率上升的敏感性较低。此外，除甲骨文和亚马逊外，其余三家企业均持有规模可观的现金储备，具备较强的流动性缓冲能力。整体来看，当前AI债务风险更多体现为融资结构的变化（从内部转向外部），而非债务规模过大，或短期偿债能力恶化。基于明斯基框架，微软和Meta仍属于典型的对冲融资；谷歌和亚马逊开始呈现由对冲融资向投机融资演化的迹象，但仍属于早期阶段；甲骨文则由于自由现金流持续承压，净现金储备为负，财务脆弱性相对更高。从宏观层面看，美国家庭和企业部门杠杆率、还本付息率均处于历史较低水平，银行体系资本充足，金融机构杠杆率维持低位。此外，本轮AI投资更多依赖债券市场融资，而非银行信贷扩张，风险主要由资本市场承担，对银行体系的外溢影响相对有限。由此，当前AI债务风险仍处于可控范围，离真正意义上的“明斯基时刻”有较大距离。我们认为，近期AI资产的调整更像是多重因素作用下的逻辑重估与板块轮动。AI浪潮或未结束，但投资逻辑正从第一阶段的“拼规模”转向第二阶段的“拼效率、拼回报”：云厂商需要证明资本开支能够带来可持续的回报，芯片和存储企业面临超额利润回归正常化，软件、大模型和AI应用企业则将更多比拼成本控制、产品效率和商业化能力。长期来看，这将推动AI投资周期进入更加成熟的阶段，有助于AI技术的可持续发展。
正文
AI融资与明斯基假说
在AI资本开支持续扩张背景下，科技企业债务问题正日益受到市场关注。过去，美国大型科技公司以“轻资产、高现金流”为主要特征，资本开支有限，投资主要依靠内部经营现金流支持。随着AI基础设施建设加速，科技企业正逐步向“重资产”模式转型，资本开支快速攀升，对外融资需求显著增加。目前，五大云计算厂商资本开支已相当于经营现金流的97.4%；2026年上半年合计发行债券约1700亿美元，已达到2025年全年发行规模的1.5倍。
AI债务风险有多大？为回答这一问题，我们引入明斯基的金融不稳定假说作为分析框架。明斯基认为，“稳定本身会孕育不稳定”。当经济长期繁荣、融资环境宽松时，市场往往会对未来形成过度乐观预期，风险偏好不断上升，融资结构逐渐由稳健转向高杠杆、更依赖再融资的模式。一旦未来预期落空、融资成本上升，债务违约、去杠杆和资产抛售可能相互强化，最终触发“明斯基时刻”。根据企业偿债能力，明斯基将融资模式划分为三类：第一类是对冲融资，即企业经营现金流足以覆盖债务本金和利息，债务偿还不依赖外部再融资。第二类是投机融资，即现金流只能支付利息，无法偿还本金，企业必须持续通过借新还旧维持债务滚动。第三类是庞氏融资，即经营现金流不足以覆盖利息支出，其偿还完全依赖资产价格升值，甚至需要通过变卖资产还债。这一框架同样适用于AI投资。那么，目前相关融资发展到了哪个阶段？是否会带来系统性金融风险？对我们判断未来AI浪潮的可持续性有何启示？
大型云计算厂商的偿债压力
基于明斯基的框架，我们选取两个指标衡量科技企业的债务偿付能力。一是现金流利息保障倍数，用于判断企业现金流能否覆盖利息支出。二是还本付息率，用于衡量经营现金流对债务本息的整体覆盖能力。理论上讲，若现金流利息保障倍数低于1，意味着企业的现金流连当年的利息都无法偿还，属于庞氏融资；若现金流利息保障倍数高于1，但还本付息率大于1，则经营现金流能够支付利息，却无法覆盖到期本金，需要持续依赖再融资，对应投机融资；若现金流利息保障倍数高于1，且还本付息率低于1，则经营现金流足以覆盖全部债务本息，属于对冲融资。
从现金流利息保障倍数来看，最新数据显示，五大云计算厂商均高于1。其中，甲骨文约为7倍，为五家公司中最低；其次的亚马逊约为48倍，最高的谷歌约为82倍。从还本付息率来看，五家公司也都低于1。其中，甲骨文约为48%，亚马逊约为12%，谷歌仅约为6%。整体来看，五大云厂商仍能够依靠搜索、广告、云服务和SaaS软件等主营业务持续创造稳定的经营现金流，对当前债务本息形成覆盖能力。尽管近两年债券发行规模显著增长，其整体偿债能力仍处于较为稳健的区间。
不过，仅考察绝对指标并不足以判断风险，还需要进行横向比较。若将五大云厂商与标普500各行业上市公司进行比较，可以发现，微软、谷歌、Meta和亚马逊的经营现金流保障倍数仍处于领先于市场的水平，甲骨文则明显偏弱。甲骨文虽属于科技行业，但其现金流利息保障倍数已低于科技行业平均水平，更接近公用事业、房地产等典型重资产行业。这些行业通常具有资本开支高、债务需要依赖滚动融资等特点，因此整体债务风险也相对更高。
如果进一步采用自由现金流（经营现金流扣除资本开支）这一更严格的指标进行压力测试，则结果有所分化。以过去12个月的总和看，微软、谷歌和Meta依然保持较好的自由现金流创造能力，而亚马逊和甲骨文的自由现金流已转为负值。需要注意的是，亚马逊在GICS分类中属于非必需消费品行业，其资本开支不仅包括AWS数据中心投资，还包含物流网络和仓储设施建设。因此，其自由现金流和资本开支指标天然高于其他以软件和互联网服务为主的云计算厂商，在横向比较时也需要考虑业务结构的差异。此外，谷歌最新公布的2026年第二季度财报显示，公司季度自由现金流首次降至负59亿美元，为上市以来首次出现季度负值，反映出AI资本开支增速已阶段性超过主营业务的现金流增长速度。这意味着，如果未来主营业务收入增速不能显著提升，企业将更加依赖外部融资。当然，自由现金流转负并不必然意味着债务风险失控。AI基础设施投资本身具有较强的周期性，随着数据中心建设逐步完成，资本开支增速未来回落，自由现金流也可能重新改善。历史经验同样表明，许多科技企业在高速扩张阶段都曾经历自由现金流为负的时期，考虑到AI是一轮新的技术革命，在技术发展初期需要大量投入，短期现金流承压也是正常现象。
债务结构与宏观环境
在明斯基框架下，判断企业融资状态的另一维度是，债务是否依赖持续再融资维持滚动，以及偿债是否需要依赖资产价格上涨或出售资产。对此，我们进一步选取两个指标进行分析：一是短期债务占总债务的比例，用于衡量债务滚动压力；二是现金及短期有价证券规模，用于衡量企业是否具备依靠自身流动性偿还债务的能力，而非依赖资产升值或变卖资产。
首先，从债务期限结构来看，五大云厂商的短期债务占比较低，均明显低于标普500成分股27.4%的平均水平。其中，微软最高，约为14.7%；Meta最低，仅约2.2%。与此同时，五大云厂商的债券期限普遍较长，最低的亚马逊约为8年，最高的微软约为11.8年，均高于美国企业债5年的平均久期。长期限融资不仅降低了短期再融资压力，也使债务期限与数据中心等AI基础设施投资周期更好匹配，从而减少期限错配带来的融资风险。进一步来看，五大云厂商债务的实际融资成本也相对较低。尽管2022年以来美国无风险利率大幅上升，但云厂商的有效债务利率并未同步明显抬升，目前只有约2%，低于4.4%的10年期美债收益率。一个原因是这些企业在低利率环境下提前锁定了债务。这也说明债务期限较长，有利于降低未来融资成本快速上升带来的风险。另一个原因是，它们也通过其它利率较低的非美货币进行融资，帮助降低了整体融资成本。不过，若未来信用风险显著恶化，其融资成本也会相应上升。
其次，从现金储备来看，谷歌、微软和Meta均持有规模可观的现金、现金等价物及短期有价证券，扣除有息债务后仍保持净现金状态。这意味着，即使不依赖新增融资，这些企业也具备较强的债务偿付能力，其偿债并不依赖资产价格上涨或出售资产。亚马逊的净现金储备于2026年第二季度转为负值，但规模有限。相比之下，甲骨文的净现金缺口更为明显，对外部融资的依赖程度更高，其财务脆弱性也相对更高。
不过，一个值得关注的风险是表外借贷。国际清算银行报告指出，大型云厂商利用“影子借贷”为AI数据中心融资的规模正在迅速增加。“影子借贷”通常以私募信贷的形式发生，一种常见的结构是设立特殊目的实体或合资企业，用于收购或筹建数据中心资产。该实体的资本通常来自多家财团，大型云厂商持有少数股权。大型云厂商承诺签订长期经营租赁协议或算力购买协议，并提供信用担保，债务由租赁现金流偿还。这部分债务的潜在风险在于，如果未来数据中心建成后，AI算力需求不足以覆盖长期租赁成本，则将形成新的负债，从而进一步加大企业的财务压力。根据部分机构测算，这部分隐性债务规模约为1.65万亿美元。不过，从目前情况看，微软、谷歌和亚马逊披露的云服务积压订单仍然充足，合计约1.45万亿美元。如果这些订单能够按计划兑现，基本能够覆盖相关租赁产生的负债。
综合来看，我们认为，五大云厂商整体处于AI债务周期的早期至中期阶段，尚未出现典型的融资失衡。当前AI债务风险并非“债务规模过大”，而是“融资结构正在发生变化”——随着AI资本开支持续扩张，融资模式正逐步由内部融资转向外部融资，从对冲融资转向投机融资。某种程度上讲，明斯基意义上的“融资迁移”已经开始，并非明斯基时刻已经到来。
美国宏观杠杆水平整体较低
除了AI企业自身的融资状况外，宏观杠杆水平同样决定着债务风险是否可能演化为系统性金融风险。从整体来看，美国私人部门杠杆率仍处于相对温和水平，还本付息压力也维持在历史低位，表明当前宏观债务风险整体仍然可控。家庭部门方面，截至2026年一季度，美国家庭债务占GDP的比重约为66%，较2008年次贷危机前接近100%的峰值明显下降。与此同时，家庭部门还本付息率约为8%，基本保持稳定，也显著低于次贷危机前约12%的高点。这意味着，美国家庭部门资产负债表经历长期修复后，整体偿债能力已明显改善。
企业部门方面，当前美国非金融企业债务占GDP的比重约为70%，低于过去十年的平均水平；企业部门还本付息率约为37%，也处于历史最低水平附近。整体来看，虽然AI投资推动大型科技企业债务规模有所扩张，但从宏观层面看，美国企业部门并未出现广泛的高杠杆现象，整体债务负担并不高。美国私人部门债务负担较低的一个原因，在于杠杆从私人部门转向了政府部门。疫情以来，美国政府实施了大规模财政扩张，财政赤字显著增加。政府赤字相当于私人部门的净资产，赤字越高，净资产越多。这相当于政府部门承担了更多加杠杆压力，私人部门的资产负债表则得到了改善。
与此同时，金融体系的稳健同样降低了发生系统性风险的可能性。2008年之后，由于采取了较为严格的金融监管，美国银行体系资本充足率持续处于较高水平，无论是系统重要性银行还是其他商业银行，一级核心资本充足率均处于历史较高区间，表明银行具备较强的风险吸收能力。此外，金融经纪商资产权益比率也保持在低于次贷危机时期的水平，表明金融体系内部加杠杆的情况并不严重。此外，当前AI资本开支更多通过债券市场融资完成，这与房地产泡沫时期主要依赖银行信贷扩张也有所不同。债券融资本质上属于存量资金在投资者之间的重新配置，不直接创造货币，也不存在银行体系的信用乘数效应；债务风险主要由债券投资者承担，而非集中于银行资产负债表。因此，AI债务风险更多体现为资本市场的信用风险，而非银行体系资产质量恶化。从这一意义上讲，本轮AI投资对银行体系的整体外溢性或相对有限。因此，无论从企业微观融资结构，还是从宏观杠杆、金融体系的稳健性以及融资方式来看，当前美国AI投资更像是一轮高资本开支周期。债务问题值得重视，但暂未构成系统性风险，真正需要关注的是未来AI投资回报能否持续支撑经营现金流增长。当然，如果资本开支长期超过现金流创造能力，融资结构则可能由对冲融资演化为投机、甚至庞氏融资，并最终触发明斯基意义上的金融不稳定。
对近期AI资产调整的一些思考
我们上面的分析对于思考近期美国市场的表现具有启示。7月以来，AI资产持续调整，引发投资者对于“AI泡沫是否结束”的讨论。我们认为，这轮调整更像是多重因素共同作用下的逻辑重估与板块轮动。
首先，市场自身存在技术性调整的需求。过去一年，AI成为全球资金最集中的交易方向，尤其在刚刚过去的第二季度，以芯片、存储为代表的AI产业链上游股票大幅上涨，吸引杠杆资金和趋势资金不断涌入，交易拥挤度明显提高。当市场开始出现新的宏观变量时，如美联储加息预期抬升，中东地缘风险加剧，这类资产容易面临较大的获利回吐压力。
其次，AI产业链利润分配的不平衡引发资本博弈。当前AI算力浪潮下，芯片、存储等上游环节，依托供给紧张，获取了超额利润。下游的大型云厂商、企业客户与消费者则承担了主要成本。长期来看，这种利益分配格局难以持续。随着AI基建投资进入深水区，市场开始更加关注资本回报，而非单纯的资本投入规模。近期谷歌财报便是典型案例。尽管公司营收和盈利均超出市场预期，但由于管理层进一步上调未来资本开支指引，股价反而出现回调。这意味着投资者开始重视投资效率，而非一味奖励无限扩张。
第三，美国经济基本面改善，促进了资金轮动和行情扩散。今年以来，美国固定资产投资与消费增长稳健，劳动力市场出现回暖迹象，制造业PMI持续改善。市场开始计入美联储重新加息的可能性，推动美债名义和实际收益率持续走高。与此同时，新任美联储主席沃什强调改革，暗示将加强对资产负债表的管控，加大了市场对于未来流动性状况的担忧。在利率重新定价过程中，科技股往往面临估值压力，而金融、能源、公用事业等价值与防御板块则获得资金青睐。因此，近期美国市场的表现更像是一次典型的板块轮动，而非风险偏好的全面收缩。
我们认为，AI浪潮或未结束，但AI投资的逻辑正在发生改变——市场正从第一阶段的“拼规模”，迈向第二阶段的“拼效率、拼回报”。对于云厂商而言，未来需要接受更严格的资本纪律，证明AI投资能够创造可持续回报；对于芯片和存储企业，超额利润具有周期性，随着未来产能扩张，盈利能力也将趋于正常化；对于软件、大模型及AI应用企业，则将面临更加激烈的竞争，未来胜出的关键将不再是模型规模，而是成本控制、产品效率和商业化能力。总体来看，AI产业链正在经历从资本驱动向效率驱动的重估。这一过程虽然伴随着估值调整和利润再分配，却标志着AI投资周期正迈向更加成熟的发展阶段。长期来看，更严格的资本约束、更健康的盈利模式和更充分的市场竞争，不仅不会削弱AI的发展前景，反而有助于提升资源配置效率，推动AI产业实现更加可持续的增长。