AI融资担忧的核心，是商业收入能否覆盖债务、利息与折旧的扩张。收入持续增长是维系投资融资循环的关键，交叉投资与信用担保也可能放大产业链收缩。

但收入降速不等于需求见顶，技术与应用的突破可能重新带来增量。

一、AI融资担忧再起，高杠杆云厂商信用重估

美国AI融资风险近期再次成为市场关注焦点。类似的担忧曾在去年10月至今年1月持续出现，当时市场主要质疑AI企业之间的循环融资、巨额资本开支以及未来回报能否覆盖投入。但到了今年2—3月，Coding能力出现明显提升，Agent应用快速扩张，市场看到AI可能带来更大收入以后，融资风险担忧逐渐下降。近期随着新应用亮点减少、融资规模继续上升，去年曾经讨论过的信用和资本回报问题又重新浮现。

CoreWeave作为代表性新型云计算企业，率先出现股债双重压力。其股价过去一个月下跌超过30%，公司当年4月发行的一笔债券收益率升至约15%，价格跌至面值的79.15%；五年期CDS利差超过1000个基点，市场定价隐含的五年累计违约概率已经超过60%。这属于较强的信用压力信号，也说明市场对部分高杠杆新云企业的偿债能力已经产生明显担忧。同期，甲骨文五年期CDS利差升至288个基点，其标普信用评级已于7月下调至BBB-，仅高于非投资级一档。上述变化反映出，市场正在根据现金流和资产负债表质量，对云计算企业重新进行信用分层。首先，去杠杆可能引发了跨市场的流动性紧张。

五大美国云厂商今年迄今为止的资本开支已超过8000亿美元。据彭博统计，截至10月28日，今年全球云计算巨头和数据中心开发商发行了近3680亿美元的债券，是去年同期的六倍多，已经达到美国当前赤字净融资需求的八分之一以上。而AI企业债融资以长期融资为主，比如2025年至2026年8月期间发行的AI投资级债券加权平均期限为16-17年（投资级企业债市场平均期限是10年），对美国国债需求形成了明显挤出，成为推动美债实际利率上升的重要力量。

此外，企业还通过表外融资载体筹集资金。根据穆迪和BIS统计，今年以来，与表外载体相关的债券和资产支持证券（ABS）发行规模已达750亿—1000亿美元。此外，截至2026年年中，主要Hyperscaler的数据中心租赁承诺总额达到1.2万亿美元，其中约8200亿美元对应尚未起租的租约。虽然不同统计口径下存在一定偏差和估计，但总体说明AI产业已经形成非常庞大的跨市场融资体系。

当前AI产业中对利率和信用条件最敏感的，主要是高杠杆新型云厂商和AI数据中心开发商。这些企业大量依靠债务和资产抵押进行融资，抵押资产不仅包括已经建成的数据中心、购买的GPU，还包括从模型厂商和下游客户获得的长期计算服务订单。企业可以依靠未来订单取得融资，再用融资购买GPU、建设机房和电力设施，形成持续扩张。

这一融资模式与过去房地产开发存在一定相似性。房地产企业可以通过土地、在建工程以及未来销售预期获得银行开发贷款，AI数据中心开发商则利用土地、机房、GPU和长期算力订单获得融资。AI项目还需要配套建设电厂、电网、冷却系统、建筑和各种设备，因此其中一部分项目开发环节确实具有较强的固定资产融资特征。开发商融资能力取决于订单、抵押资产和资本市场对未来项目收益的信心，类似房地产开发企业依赖土地价值、在建项目和销售预期获得融资。

但AI也不能简单类比房地产。房地产长期需求主要取决于人口、家庭形成和城市化率，这些都是变化较慢的变量，而AI模型训练与推理能力存在快速提升甚至跨越式突破的可能。一代新模型推出后，能力可能突然提高，迅速创造新的应用和收入，也可能在下一代模型出现之前经历较长时间的缓慢增长。

因此，AI的“分子”因此不是一个稳定、线性变化的变量，而是可能在一段时间停滞后突然实现跃升。融资风险的判断不能只看债务规模和融资成本，还需要观察模型能力和商业收入能否在较短时间内实现新的突破。

二、AI的收入，堪比“飞轮”的轴

AI的收入增速之所以重要，是因为当前的AI融资体系已经具有明显的飞轮特征——更大规模的模型训练和数据中心建设需要更多融资，融资需求提高又推动长期利率和企业融资成本上升，企业必须取得更快收入增长才能覆盖成本。要获得更高收入，就需要推出更强模型、扩大推理需求和应用范围，而前沿模型能力持续提升又通常需要增加训练投入。由于训练端的直接盈利能力弱于推理端，更多训练投入往往意味着进一步增加融资需求，使投资规模、利息支出和模型研发相互推动。融资需求越大、资金成本越高，对收入增速的要求也越高，整个体系越来越需要依靠模型能力和商业收入持续突破维持运转。

循环融资和信用担保又进一步提高了这一体系的复杂性、放大了波动。英伟达、芯片企业和云厂商向模型公司投资，模型公司随后又将部分融资用于购买这些企业提供的芯片和计算服务。如果从经济实质上看，一笔资金可能在产业链不同企业之间反复流转，并分别形成投资、收入和订单。云厂商再利用这些订单进行抵押融资，扩大GPU采购和数据中心建设，从而进一步放大信用创造。近期英伟达还开始通过信用担保等方式帮助部分新型云厂商获得融资，成为“算力央行”，相当于把自身较强的信用能力向下游算力企业延伸。新云企业获得融资后继续购买英伟达GPU，英伟达获得更多销售收入，但同时也承担部分下游信用风险。这与过去中国地方政府通过信用支持城投平台扩大融资的方式具有相似性。

与此同时，即使头部科技公司信用水平较强，也无法完全摆脱全球利率上升的影响。目前，微软、苹果等企业债券5年期CDS价格约40-60基点，谷歌、亚马逊约70-90基点，Meta、英伟达约100-120基点，明显低于高杠杆新型云厂商Coreweave等。但随着融资需求不断扩大，国债基准利率的上升也会提高企业的绝对融资成本。Meta近期CDS上升与其提出约8250亿美元的长期资本开支承诺有关。

AI模型公司收入增长如果低于预期，云厂商首先会受到影响。模型厂商减少新增订单、调整计算资源使用计划以后，云厂商产能利用率下降，已有GPU和数据中心面临闲置压力，资本开支也可能被迫压缩。云厂商减少GPU采购以后，上游芯片、服务器、光模块和电力设备订单也会受到影响；再向上游传导，则可能影响半导体设备、材料和关键零部件厂商。这一过程具有典型的“牛鞭效应”：下游需求下降一部分，上游为了防止库存积累可能减少更多采购，而此前根据高增长预期扩张产能的企业，还要承担新增固定资产和库存成本，因此上游利润和估值受到的压力甚至可能超过下游。

AI基础设施至少需要覆盖折旧、利息以及电力、人力和其他运营成本。建筑等长期资产可以按数十年折旧，服务器及网络设备的折旧年限则明显较短。建筑折旧年限可能达到20年，但GPU、服务器等设备更新较快，未来折旧压力会持续累积。中国数据中心建设较快，乌兰察布等地采用预制钢结构，部分项目约6个月就可以完成建设；美国则普遍需要一年多到两年，还受到土地审批、施工劳动力、电网接入以及部分地方要求数据中心自建电源等因素影响。建设时间越长，融资成本和项目投产时间错配的问题越突出。且随着融资规模持续扩大、国债利率和部分企业信用利差上升，利息成本还会逐年累积。即使电力和日常运营成本相对稳定，折旧与利息也足以对未来几年AI产业利润形成越来越大的要求，这就要求AI赚钱的速度必须跟上融资和折旧增长的速度。

因此，硬件产业的估值支撑最终需要软件和应用落地。GPU、HBM、光模块等硬件价格上涨既具有周期性，也可能反过来提高模型训练和Token使用成本。如果硬件价格持续上升，模型调用成本过高，应用扩张会受到抑制；应用使用量不足，又会导致云厂商数据中心利用率下降和后续采购订单减少。当前市场对部分硬件公司即使继续交出超预期财报也没有过去那么积极，真正需要的是模型公司、软件公司和AI应用拿出更强的收入增长证明。硬件产业能否维持之前定价的盈利增长，最终仍然取决于下游商业化能否持续扩张。

三、OpenAI与Anthropic的近况

AI收入端的核心变量来自两家前沿模型公司——OpenAI和Anthropic的ARR增速。OpenAI在9月底披露的年化经常性收入（ARR）约500亿美元，低于此前市场普遍预期的约700亿美元。不过，500亿与700亿之间存在统计口径差异，主要取决于是否计入云厂商和投资合作方渠道产生、需要分成的收入。如果采用更广口径，OpenAI年底ARR仍然存在接近700亿美元的可能。近期GPT-6、Astra等模型能力提升，加上产品降价，OpenAI部分周度Token使用量重新超过竞争对手，也说明其收入和使用需求仍在扩张。但收入规模越大，资本市场对后续持续增长的要求也就越高。

Anthropic收入放缓还与其反蒸馏和安全叙事联系在一起。该公司此前多次强调中国开源模型通过蒸馏获取美国前沿模型能力，并通过提高反蒸馏技术限制相关调用。在解释收入变化时，反蒸馏措施也可能减少部分模型调用量。与此同时，前沿实验室持续强调递归自我改进、生物安全和模型失控风险，客观上能够凸显自身技术领先程度，也可能为收入增速变化提供额外解释。安全确实是需要长期重视的问题，但当企业一边呼吁加强监管、一边继续加大算力投入时，市场也需要区分真实的安全治理和商业竞争策略。

Anthropic已于10月26日向SEC提交了S-1（招股说明书）文件，显示公司现金储备仍较为充裕。截至6月底，现金及现金等价物与短期投资合计约1317亿美元，上半年经营现金流已转正，扣除固定资产购置支出后的自由现金流约34亿美元。据媒体对公司投资者会的报道，三季度自由现金流也保持为正，一定程度上缓解了市场对其短期资金状况的担忧，招股书披露后，AI相关股票出现反弹。但现金流改善尚不能证明长期盈利模式已经稳固，未来算力投入仍将带来较大的资金需求。在竞争加剧、模型调用价格下降的背景下，公司能否将需求扩张持续转化为收入和利润增长，并支撑其高估值，仍有待观察。

收入增长的持续性，也是Anthropic未来估值的关键。目前市场对于该公司潜在的估值区间为1.5万亿—2万亿美元，部分投资者预计公司年底年化收入可能达到1000亿美元。若以年底900亿—1000亿美元年化收入作为测算情景，2万亿美元估值对应约20—22倍年化收入，1.5万亿美元则对应约15—17倍。因此，估值能否获得支撑，既取决于年底收入规模能否兑现，也取决于2027年能否维持较快增长。模型降价、客户用量和季节性变化，都可能影响公司的实际收入。随着上市披露推进，市场将更加关注较高利率环境下的收入增长，以及能否转化为持续利润和现金流的能力。

从大模型的用户整体看，当前模型使用量仍在增加，但人均支出增速已有所放缓。普通用户每月支出达到一定水平后，追加Token消费的意愿有限；企业也逐渐从鼓励多用Token的“Token Maximization”，转向考核投资回报率（ROI）。员工根据任务难度选择模型——简单的工作使用低成本开源模型，复杂的任务再调用前沿闭源模型。多数日常工作中，模型的能力差异未必足以抵偿价格差距，因此能力提升并不必然带来前沿模型收入的同步扩张。

但收入增长放缓不意味着AI应用需求接近终点。Coding、AI for Science和AI短剧等场景仍有较大的Token需求。以中国AI短剧为例，小团队借助生成式AI即可快速完成编剧、导演和制作，每月产出数十部作品，单部爆款的收入可能覆盖多部作品的成本。这说明，AI仍可通过提高生产效率拓展商业化空间，但具体收入仍需以实际经营数据确认。

四、近期聚焦美股三季报、中期选举与美债走势

眼下仍是美国科技企业的密集财报窗口。云厂商需要向市场证明资本开支仍然具有合理回报，尤其是云业务毛利率、数据中心产能利用率、已签订单兑现和未来资本开支纪律。谷歌与微软最新财报后的股价分化，正体现了这一变化。

谷歌第三季度云业务收入同比增长103%，达到307亿美元，但强劲的云增长未能抵消广告业务不及预期与现金流恶化的影响。公司当季自由现金流约为-91亿美元，且预计2027年资本开支仍将显著增加。但谷歌股价盘后一度下跌约10%，市场担忧的不只是投入规模，还包括AI搜索对传统广告变现的影响：用户使用量增长，能否同步转化为更高收入与现金回报。

相比之下，微软Azure同期收入同比增长48%，自由现金流达到186亿美元，明显高于预期，并预计下一季度Azure收入按固定汇率增长49%—50%，股价盘后上涨逾3%。两家公司都实现了较快的云增长，但微软提供了更有力的现金回报与后续增长证据。

由此看，即使GPU、光模块等硬件企业财报继续超预期，若软件和应用端缺乏新的商业化进展，仍难以单独支撑产业链此前较高的估值。市场需要看到订单持续兑现、盈利能力改善，以及扣除大规模投入后仍能形成的现金回报。

近期避险资产的表现也值得区分。美国长期国债收益率重新回落至5%以下，而黄金没有同步出现明显上涨，说明投资者当前可能更担忧AI相关股票估值和融资条件，尚未全面转向对AI产业长期前景的否定。美国国债可以直接受益于风险资产回调和资本开支预期降温，黄金则同时受到高油价、通胀与加息预期等因素约束。AI产业需求真正转弱时，实际利率回落和美元信用叙事可能进一步支持黄金，但目前市场更多是在调整此前过高、过快上涨的科技股估值。因此，当前对股票估值的担忧可能明显高于对AI产业技术发展前景本身的担忧.

11月3日美国中期选举也是重要时间节点。选举结束以后，美伊冲突可能出现不同路径：如果此前围绕油价和国内政治形成的压力下降，霍尔木兹和曼德海峡局势存在进一步缓和的空间；但美国也可能在政治约束减弱以后采取新的军事行动，短期重新推高油价和地缘风险。两种情景都需要观察，不能简单假设中期选举结束就意味着能源风险下降。货币政策方面，10月美联储继续加息更多是一种“纠偏”举措，市场也把更多注意力转向12月议息会议。因此，接下来美国市场需要同时消化科技企业三季报、AI融资信用变化、中期选举以及中东局势。

风险提示