财通策略 | AI的资本接力赛：谁在出资，谁在担险——科技“欣”视角系列一

重要提示

本微信号推送的内容仅面向财通证券客户中符合《证券期货投资者适当性管理办法》规定的专业投资者。本微信号建设受限于难以设置访问权限，为避免不当使用所载内容可能带来的风险，若您并非专业投资者，请勿订阅、转载或使用本微信号的信息。

核心观点

核心观点：

全球AI融资规模变化：规模占比上升，私人主导。（1）全球AI企业投资规模持续扩张，并呈现阶段性调整后的加速增长。（2）AI全社会融资来看，当前私人部门的投入占比相对更高，头部集中趋势显著。首先，造成这种差异的原因是产业初期往往由企业主导商业化和应用扩散，而公共部门更多承担互补投入。其次，边际变化上，这一差距可能在逐步缩小。最后，Stanford研究显示私募投资在企业级AI投资中占比最高，2025年占比约为59%，且有向头部集中的趋势。

国别竞争：美国暂领先，中国加大投入。（1）政府投资：不同国家参与形式分化，主权基金为主要投资形式。资本输出国与产业政策国并存的双轨格局，资金体量和作用机制不同。（2）私人投资：美、中投资金额领先。

钱从哪里来：内源资金、外部融资和融资支持安排。（1）AI资金筹措可分为内源资金、外部融资和融资支持安排，企业的盈利能力、资产结构与发展阶段决定其融资选择。（2）表内AI融资基于资金来源与资本性质可构建二维矩阵。（3）AI相关表外融资主要依托非并表项目载体，并结合产业链资本投入及合同支持，满足数据中心建设、设备采购和算力扩张需求。

钱流向哪里：模型和基建。（1）全球：2025年模型和基建AI融资规模断档领先。Stanford数据显示，TOP3融资规模方向分别为模型及基础设施综合类（143.22，单位十亿美元，下同）、数据管理与处理（31.58）、物联网（14.63）。（2）国内：上半年AI融资能力最强的赛道是大模型、AIGC。一是上半年IT橘子估算的融资总额来看，AI大模型居各个赛道之首，其次为AI+具身智能，AI基础层如算力/芯片/基座框架等融资规模约为726亿元；二是单起平均融资额来看，TOP3的行业分别是AIGC、大模型、AI基础层。

AI融资风险传导机制复杂，关注Neocloud、数据中心运营等环节。（1）AI产业链融资结构正呈现融资主体多元化、现金流安排长期化与信用支持机制复杂化的特征。（2）AI融资风险集中在外部融资依赖较高、资产投入前置、客户集中且现金流兑现不确定的环节，可具体分层为Hyperscaler、Neocloud、SPV/JV、私人信贷和银行、AI供应链企业。（3）AI融资风险的核心在于需求或投资回报低于预期、项目交付延期以及融资环境收紧，通过企业现金偿债与项目风险回流两条路径传导，并在信用与产业链层面相互强化。（4）AI融资脆弱环节：关注Neocloud、数据中心运营等。

风险提示：全球地缘风险、全球经济衰退风险、科技领域投融资不及预期、海外金融风险超预期、历史经验失效。

正文：

1 全球AI融资规模变化：规模占比上升，私人主导

1.1 AI企业级投资规模大幅上升

全球AI企业投资规模持续扩张，并呈现阶段性调整后的加速增长。根据Stanford研究来看，全球AI投资合计规模（包括并购、股权、私募和公开发行四种类型）在2013年仅为145.7亿美元，2021年达到3607.3亿美元，随后连续两年回落，2024年恢复增长，2025年达到5816.9亿美元（同比增长约130%），约为2013年的40倍，AI相关资本活动再次显著升温。

图1：近年企业级AI投资规模大幅上升

数据来源：Stanford HAI AI Index，财通证券研究所

1.2 私人融资是主要渠道

AI全社会投入来看，当前私人部门的投入占比相对更高，头部集中趋势显著。

OECD估算EU27在2023年的广义AI投入显示私人部门约占73%、公共部门约占27%，并且跨国比较来看，私人部门也多占据主导地位，欧盟27国和日本私人部门的AI投入占比分别高达84%、89%。造成这种差异的原因是产业初期往往由企业主导商业化和应用扩散，而公共部门更多承担互补投入。数据上：软件与数据库的私人部门投入贡献22.99个百分点，公共部门3.09个百分点，研发分别为10.89与2.11个百分点；但在技能项目中，ICT专业人员薪酬分别为私人20.56、公共18.86个百分点，差距远小于软件数据库，企业优势主要集中在可商业化资产和研发。

图2：多地区AI投入以私人为主

数据来源：OECD，财通证券研究所

图3：私人部门AI投入集中在可商业化资产和研发

数据来源：OECD，财通证券研究所

边际变化上，这一差距可能在逐步缩小：Value Add VC称，自2025年以来，主权财富基金（一种由政府支持的工具，直接投资于人工智能基础设施、前沿实验室和国内初创企业，而非被动地向指数基金配置）已承诺向人工智能基础设施投入超过3500亿美元，而Stanford研究指出的2025年有5817亿美元左右的企业级AI投资。

进一步来看，私募投资是企业级AI投资中的核心贡献项，2025年占比约为59%，同时私募AI投资规模增速也高达127.5%；结构上，虽然私募投资市场的覆盖范围正在扩大，但集中度提升得更为显著，2025年人工智能私募投资单笔平均金额同比增长46%，融资额超过10亿美元的交易达28笔，（包括OpenAI的400亿美元融资以及Anysphere以293亿美元估值完成的23亿美元融资），凸显了融资格局向头部集中的趋势。

图4：2025年AI私募投资向头部集中

数据来源：Quid，Stanford HAI AI Index，财通证券研究所

图5：全球AI私募投资平均规模持续上升

数据来源：Quid，Stanford HAI AI Index，财通证券研究所

2 国别竞争：美国暂时领先，中国加大投入

2.1 政府投资：不同国家参与形式分化，主权基金为主要投资形式

“资本输出国”与“产业政策国”并存的双轨格局，两者的资金体量和作用机制截然不同。

“资本输出国”（尤其是海湾国家）以主权财富基金的形式，成为全球AI资产的最大资本供给方。首先，根据西班牙IE大学与ICEX-Invest in Spain联合发布的《2026年主权财富基金报告》，2024年7月至2025年12月的18个月内，全球主权财富基金共完成391笔直接投资交易，投资总额达到4040亿美元，较上一统计期增长91%，人工智能相关投资约占总投资额的三成，而美国是最大的资金目的地（约2204亿美元）。其次，具体来看：阿联酋方面，阿布扎比支持的MGX于2026年7月宣布，首期基金完成490亿美元承诺募资，资金来自海湾及欧美亚的机构和私人投资者，主权支持平台汇集全球资本的能力凸显；沙特方面，PIF旗下HUMAIN于2026年2月宣布向美国xAI投资30亿美元，并将股权投资与在沙特建设算力基础设施、部署模型的合作结合起来；卡塔尔方面，QIA旗下Qai与Brookfield宣布设立200亿美元AI基础设施合资平台，重点覆盖卡塔尔及部分国际市场。最后，从经济机制看，这一布局可理解为海湾长期资本与美国技术、项目供给的互补：海湾国家希望将能源财富转化为非油收入和长期资产，主权资本也较适合承担AI基础设施的大额、长周期投入；美国则拥有领先芯片、模型和云平台，为大规模资金提供投资标的；美阿技术合作框架及HUMAIN与英伟达的沙特算力建设计划，均体现了这一双向关系。

表1: 2026年主权人工智能基金分国别投入

数据来源：Value Add VC，CNBC, Forbes, The National, Arab News, GOV.UK, Titan Investors Insights，财通证券研究所

“产业政策国”（美、欧、中、日、韩、印为主）则主要将财政与政策资源投向本国AI生态的构建。首先，以美国为例，美国的联邦AI合同的义务化资金在2026年达到72亿美元，这笔支出高度集中于国防部，反映出美国联邦AI投入的军事与安全导向远强于民用产业政策导向。其次，我国政府投入以国家级基金为核心杠杆，其中600.6亿元的国家人工智能产业投资基金已围绕全产业链展开直投，覆盖算力、算法、数据和赋能应用，并已参与DeepSeek首轮融资等头部项目，另外更具规模的是国家创业投资引导基金，以1000亿元财政资金为锚，目标撬动万亿级社会资本，聚焦AI、量子、集成电路等硬科技早期投资；整体来看，我国的追赶路径不仅依赖融资金额，还包括政策资本、企业基础设施投入和开源扩散。

表2：产业政策国AI投入项目概览

数据来源：OECD，中国政府网，新华社等，财通证券研究所整理（注：部分数据为计划或承诺金额；日本1.23万亿日元为经济产业省AI与半导体合并预算）

2.2 私募投资：美国、中国投资金额领先

美国2025年AI私募投资规模、生成式AI私募投资占比最高。Stanford统计数据来看，2025年美国AI私募投资金额高达2859亿美元，占统计的15个国家的整体超80%；第二名为中国，投资金额约为124亿美元。此外，生成式AI私募投资占比也以美国为最高（57.2%），其次为欧洲占比15.3%，中国为11.9%。

图6：2025年美国AI私募投资遥遥领先于其他国家

数据来源：Stanford HAI AI Index，财通证券研究所

图7：2025年美国生成式AI私募投资占比最高

数据来源：Stanford HAI AI Index，财通证券研究所

3 钱从哪里来：内源资金、外部融资和融资支持安排

3.1 AI融资类型全景概览

AI资金筹措可分为内源资金、外部融资和融资支持安排，企业的盈利能力、资产结构与发展阶段决定其融资选择。

一是内源资金，包括经营现金流和现金储备，主要适用于已有稳定盈利的云平台、互联网平台及成熟应用企业。这类公司依靠既有业务支持AI投入，可减少融资成本和股权稀释，保留投资自主权，但资本开支持续快于现金创造也会压缩资金余量。

二是外部融资，主要包括股权、债务及租赁。首先，模型公司、初创应用和高速扩张企业通常采用VC/PE、战略入股、IPO或增发，以股权承担技术不确定性和前期亏损，并获取算力、渠道等资源，例如OpenAI于2026年3月完成一轮1220亿美元承诺资本融资。其次，信用较强的平台企业更多采用公司债、银行及银团贷款，以长期资金匹配多年建设，同时避免股权稀释，如Meta在2025年发行的300亿美元公司债。此外，算力运营商和数据中心项目则更多使用资产抵押、项目贷款、私募信贷及租赁，以设备和客户合同支持融资：CoreWeave2026年8月披露DDTL5.5授信26亿美元、已提款12亿美元，其风险更依赖设备残值、客户信用和再融资条件。最后，大型平台还可与基础设施投资者设立JV（Joint Venture）/SPV（Special Purpose Vehicle），引入项目股权和债务，再通过租赁或承购取得使用权：Meta持有Hyperion合资项目20%股权，项目开发成本预算约270亿美元。

三是融资支持安排，包括采购或容量承诺、担保，以及政府补助等政策支持，分别通过提供订单可见性、信用增级或财政资金，帮助高投入、高不确定性项目落地。

图8：AI融资渠道总览

数据来源：BIS，财通证券研究所

3.2 表内AI融资资金来源与资本性质拆分

我们基于资金来源与资本性质，构建了一个表内AI融资的二维矩阵。

在“内源-权益”象限，主要体现为成熟云平台和头部科技企业依靠自身经营现金流与现金储备支持AI投入。这属于既有权益的积累转化，不产生新增外部债务，也不属于新增股权融资，其核心优势在于无还本付息压力且不稀释股权，构成了当前AI资本开支的坚实底盘。

而“内源-债务”象限在逻辑上是不适用的，因为企业使用自有资金或集团内部调拨（合并报表抵销）不会形成外部债务。

在“外源-权益”象限，主要包含私募新股、战略入股与IPO，资金主要流向承担高不确定性的模型初创与扩张期企业，值得注意的是老股转让虽推高估值但并不补充公司现金，且该环节高度依赖VC、主权基金及产业资本（CVC），资金带有强烈的战略采购绑定意图。

“外源-债务”则涵盖了公司债、项目贷款及债务型ABS等，主要适用于信用较强的平台方或基于抵押资产/合同现金流的算力基建运营商，是支撑重资产、长周期算力建设的核心杠杆工具。

表9：表内AI产业资金来源与资本性质二维矩阵

数据来源：BIS，财通证券研究所

3.3 表外AI融资参与方式与安排路径拆分

当前AI融资市场的核心潜在风险，主要集中于为了规避资本开支压力而产生的表外及准债务结构。整体上，AI相关表外融资主要依托非并表项目载体，并结合产业链资本投入及合同支持，满足数据中心建设、设备采购和算力扩张需求。具体来看：

一是股权出资，为项目或企业提供资本金。科技企业可与机构投资者共同设立非并表JV/SPV，也可由芯片供应商、云平台战略入股模型公司或算力运营商。前者适合建设投入较大的数据中心项目，便于引入外部资本共同承担建设投入；后者适合资金需求较大的模型研发和算力扩张环节，有助于加强产业协作。例如，2025年Meta与Blue Owl Capital共同设立合资企业，开发总投资约270亿美元的Hyperion数据中心园区，其中Blue Owl管理的基金持股80%，Meta持股20%，通过引入外部股权资本共同承担大型AI基础设施建设投入。

二是项目层借款，由项目载体承接外部债务。非并表JV/SPV可通过银行贷款、私募信贷、债券及资产支持融资筹集资金，依靠项目资产和合同收入支持还本付息。这类方式更适合资产较重、客户合同较明确的数据中心及算力基础设施环节，例如以机房、设备及长期算力合同现金流支持项目贷款。例如，2025年美国得克萨斯州Stargate Abilene数据中心项目通过项目融资安排，为第二期建设取得约71亿美元建设贷款，由摩根大通牵头贷款机构提供资金，支持新增六栋数据中心建筑。

三是长期租赁与算力承购，以客户合同支持融资。云平台、模型公司等算力使用方承诺租用机房、采购算力或保留容量，为项目提供较稳定的收入预期，帮助运营商取得建设资金。例如，2025年CoreWeave与OpenAI签署最高约119亿美元的长期算力供应协议，由OpenAI承诺采购专用云计算容量，CoreWeave则通过持有相关基础设施的SPV安排债务融资，以长期客户合同支持算力扩张。

四是融资担保与残值支持，以产业链信用增强融资能力。供应商或大型客户可为项目借款提供担保，或按合同对设备、项目资产的未来价值提供支持，适用于需要外部资金建设、同时与核心供应商或客户联系紧密的项目。例如，Meta在Hyperion数据中心项目中，为合资企业提供覆盖运营初期16年的有条件残值担保，在租约不续签或终止且满足约定条件时，按园区届时价值承担有上限的现金支付义务，以降低项目资产残值风险并增强融资吸引力。

图10：表外AI融资形式流程图

数据来源：Meta，CoreWeave，BIS，FASB，财通证券研究所

进一步以Meta的Hyperion数据中心案例分析来看：

一是股权出资，明确项目所有权与资本投入。Meta与Blue Owl旗下基金共同投资项目合资公司，分别持有20%和80%的权益。Meta投入土地及在建资产，Blue Owl侧引入外部资本，由项目体系持有并开发数据中心设施。这使Meta能够与外部投资者共同推进建设，而不必独自承担全部前期投入。

二是外部载体举债，扩大项目资金来源。Blue Owl侧融资载体Beignet Investor LLC发行约273亿美元高级担保债务，向PIMCO等机构投资者筹集资金，支持其对项目的投资。

三是租赁合同，将Meta的设施使用需求转化为项目收入。Meta与项目体系签订设施租赁协议，建成后租用相关设施，初始租期四年，并附续租选择权。租赁付款为项目提供收入支撑，项目按合同形成并分配现金，融资载体再以收到的分配偿还债券本金和利息。

四是残值担保，为融资结构提供补充支持。Meta在约定条件下，对设施未来价值提供设有上限的残值担保。若租约不续签或终止，且满足其他合同条件，Meta可能需要按约支付款项。

图11：Hyperion案例分析流程图

数据来源：Meta；BIS融资研究；Columbia Business School，Stijn Van Nieuwerburgh，《Financing the AI Buildout》（2026-03-19）；财通证券研究所

4 钱流向哪里：模型和基建

4.1 全球：2025年模型和基建AI融资规模断档领先

全球视角来看，2025年AI融资大部分集中于模型及基建、数据管理与处理等方向。Stanford研究显示，TOP3融资规模方向分别为模型及基础设施综合类（143.22，单位十亿美元，下同）、数据管理与处理（31.58）、物联网（14.63），整体来看综合基础层融资显著领先。此外，Gartner数据也显示，预计2027年AI基建将成为全球AI支出最高的分项，金额近2万亿美元，增速约为33%。

图12：2025年AI融资大部分集中于模型及基建、数据管理与处理等方向

数据来源：Stanford HAI AI Index，财通证券研究所

图13：预计2027年全球将在AI基建上支出更多

数据来源：Gartner，财通证券研究所

4.2 国内：上半年AI融资能力最强的赛道是大模型、AIGC

国内上半年AI融资数据来看，AI大模型融资规模大，AIGC单起平均融资额较多。据IT橘子数据：一是上半年估算的融资总额来看，AI大模型以近1600亿元的规模位居各个赛道之首，其次为AI+具身智能（906亿元），AI基础层如算力/芯片/基座框架等融资规模约为726亿元；二是单起平均融资额来看，TOP3的行业分别是AIGC、大模型、AI基础层，分别为7.1、7.0、5.0亿元每起。

图14：2026H1中国AI融资总金额最多的赛道是大模型

数据来源：IT橘子，财通证券研究所（注：同一家公司可能归属于多个细分赛道，以上赛道计数有重叠；数据截至2026.6.30）

图15：2026H1单起平均融资金额TOP3赛道

数据来源：IT橘子，财通证券研究所（注：同一家公司可能归属于多个细分赛道，以上赛道计数有重叠；数据截至2026.6.30）

5 当前表外融资是否有风险？

5.1 表外AI融资穿透模型

AI产业链融资结构正呈现融资主体多元化、现金流安排长期化与信用支持机制复杂化的特征。从芯片及服务器供应商、数据中心运营商、云服务商到大型科技企业，AI资本开支涉及多层主体。基于此，我们构建了“融资与责任穿透”与“会计呈现穿透”的双维分析框架，以项目融资载体、现金流合同及信用支持三个层次为切入点，识别资金来源、法律债务主体、偿债现金流来源、损失承担机制及相关会计边界。

一是项目融资载体层通过SPV/JV实现融资主体与资产持有主体的分离，但项目债务的经济偿付能力仍可能依赖产业链核心企业。 AI数据中心等重资产项目可通过SPV/JV引入银行、私募信贷及基础设施投资者，由项目公司直接承担融资债务，并依靠长期租金、算力承购款及其他经营收入偿债。会计层面，SPV是否纳入发起方合并报表取决于控制权及相关合并准则，而非单纯取决于股权比例。非并表安排虽可能使项目债务不直接体现于发起方合并资产负债表，但股权投资、合同支持及追加出资承诺仍可能构成相关风险。

二是现金流合同层通过租赁及长期承购安排连接资产融资与终端算力需求，核心在于识别付款义务与融资债务的对应关系。 数据中心出租方、设备投资者及供应商可承担资产投资和融资义务，科技企业则通过租赁或长期采购合同提供项目收入。会计层面，符合租赁定义且已开始的租赁通常确认使用权资产及租赁负债；普通服务采购合同的未来付款承诺通常不因合同签署而整体确认为负债。尚未开始租赁及尚未履行的采购承诺，相关付款承诺虽未计入当期负债，但仍可能带来未来现金流压力。

三是信用支持层通过担保、完工支持及残值保障等安排重新分配项目融资风险，需区分直接偿债义务与条件性支持责任。 一般来说项目借款人承担还本付息义务；当债务违约、项目建设失败或资产残值不足等约定条件触发时，担保方可能承担补足责任。会计层面，部分担保需在设立时确认负债，其他信用支持则可能仅需披露，并在满足条件时确认相关负债。

图16：AI表外融资与责任、会计穿透模型

数据来源：BIS，CoreWeave，财通证券研究所

5.2 风险敞口分层

AI融资风险并非均匀分布，而是集中在外部融资依赖较高、资产投入前置、客户集中且现金流兑现存在不确定性的环节。相比具有较强经营现金流和融资能力的Hyperscaler，部分Neocloud及项目融资载体可能对需求变化、资产残值和再融资条件更为敏感。但长期租约、信用支持和股权缓冲能够显著改变不同项目的实际脆弱性。

图17: AI融资风险敞口整体概览

数据来源：BIS、FSB、相关公司财报，财通证券研究所整理

Hyperscaler作为AI基础设施投资的核心需求方和主要资金提供者，其风险敞口主要集中于大规模资本开支、长期租赁及采购承诺，以及部分项目融资支持责任。

一方面，资本开支扩张正持续压缩Hyperscaler的内部现金流覆盖余量。以Alphabet、Microsoft、Amazon和Meta为代表，2025年一季度末至2026年三季度末，四家公司过去12个月经营现金流对资本开支的覆盖率分别由2.30倍、2.13倍、1.22倍和2.19倍下降至1.12倍、1.44倍、0.78倍和1.27倍。其中，Amazon的覆盖率已降至1倍以下，Alphabet也接近完全覆盖的临界水平，表明部分企业的资本开支已接近或超过同期经营现金流创造能力。持续下降的覆盖率反映出AI基础设施投资正在占用更多内部资金，削弱企业在维持既定投资规模后可用于其他资本配置活动的现金流余量。

另一方面，长期租赁及采购承诺进一步提高了未来现金支出的刚性。截至2026年6月末，Microsoft、Alphabet、Amazon和Meta披露的尚未开始租赁未来付款承诺分别约为3291亿美元、852亿美元、1372亿美元和2790亿美元，四家公司合计约8305亿美元。此外，企业还通过设备采购、数据中心建设、长期能源供应协议及项目融资支持安排，承担不同形式的未来合同义务。上述承诺跨越多个年度，其规模反映出部分未来基础设施支出已通过合同提前锁定。在需求放缓的情景下，已承诺的付款义务可能难以随新增投资计划同步削减，从而降低企业调整资本开支的灵活性。

在风险触发方面，AI需求增长或商业化回报不及预期，可能使上述脆弱性进一步显现。若AI相关收入及经营现金流增长未能匹配资本投入，而长期租赁、采购和项目支持义务仍需持续履行，Hyperscaler的自由现金流可能进一步承压，并提高其对现金储备、外部融资及资本配置调整的依赖。不过，成熟业务现金流、现金及短期投资储备、较强的资本市场融资能力，以及对尚未承诺投资和股东回报的调整空间，仍为其提供了重要缓冲。

总体而言，Hyperscaler层级的核心风险并非当前普遍存在的短期偿债压力，而是大规模AI投资与长期付款承诺共同作用下的财务灵活性下降。在悲观情景下，Hyperscaler更可能首先通过放缓新增资本开支、推迟数据中心建设或调整外部算力采购来应对压力。但虽然该环节风险可能有较强的缓冲，但投资与采购决策的变化可能沿AI基础设施融资链条向Neocloud、数据中心SPV及相关债权人传导，使Hyperscaler成为潜在风险传导的重要起点。

图18：Hyperscaler经营现金流开支覆盖率有所下降

数据来源：Wind，财通证券研究所

图19：Hyperscaler未来付款承诺规模较大

数据来源：SEC，Microsoft，财通证券研究所

Neocloud行业的核心脆弱性在于融资需求与现金流兑现节奏之间的潜在错配。我们以CoreWeave和Nebius作为典型案例分析：

第一，资本开支前置，行业扩张对外部融资具有较高依赖。 Neocloud需要在客户算力需求完全兑现之前，投入大量资金采购GPU、建设数据中心并配置相关基础设施。2026年上半年两家公司校正后的EBITDA均为正，但现金资本开支分别达到141.2亿美元和81.3亿美元，显著超过同期经营现金流，表明在高速扩张阶段，即使经营业务具备一定盈利能力，企业仍可能需要持续依赖债务、股权、客户预付款或资产支持融资来满足资本需求。

第二，收入集中与长期合同并存，未来现金流的可见度较低。 Neocloud通常通过与大型科技企业签订中长期算力服务合同，为基础设施投资提供收入保障，并以相关合同现金流支持融资。然而，较高的客户集中度也意味着收入兑现依赖少数大型客户的采购计划和履约能力。2026年第二季度，CoreWeave和Nebius前两大客户的收入占比分别达到62%和45%。因此，行业风险不仅取决于订单或RPO规模，更取决于合同可执行性、交付进度、客户信用质量及收入转化为可用于偿债现金流的能力。

第三，长期租赁及采购承诺提高了成本刚性，可能放大需求下行冲击。 Neocloud在扩张过程中签订大量数据中心租赁、电力供应及设备采购合同，形成跨越多个年度的付款义务。CoreWeave披露的已开始经营租赁未来未折现付款及尚未开始租赁承诺分别约为291亿美元和355亿美元；Nebius相应金额约为22亿美元和121亿美元，另有约53亿美元能源、电力及相关最低合同承诺。数据反映了行业在快速扩张过程中可能提前锁定大量长期成本，使企业在算力需求低于预期时难以同步调整现金支出。

第四，资产抵押融资将企业融资能力与GPU资产价值及合同现金流进一步绑定。 部分Neocloud通过GPU设备及客户合同支持的融资安排获取扩张资金。这类结构能够提高资本可得性，但也使融资条件受到抵押资产估值、客户履约、贷款契约及再融资市场环境的共同影响。当GPU技术迭代导致资产残值下降，或合同现金流低于预期时，企业可能面临新增融资能力下降、融资成本上升或抵押品补足要求。

图20：Neocloud案例公司债务规模及其到期年份

数据来源：SEC，财通证券研究所（注：CoreWeave2031-2033年债务规模为均值，其仅披露2023年后到期总量）

图21：Neocloud案例公司部分关键指标对比

数据来源：SEC，财通证券研究所

数据中心SPV/JV是AI基础设施建设中承接外部资本的重要融资载体，其核心风险敞口主要包括项目债务、前期建设资金投入及长期租赁现金流。

首先，高额前期建设投入与相对集中的租金收入，使项目融资对交付进度和现金流稳定性较为敏感。以Meta参与的Hyperion和El Paso项目为例，两者披露的开发建设资金规模分别约为288亿美元和140亿美元，相关债券融资规模分别约为273亿美元和125亿至126亿美元。项目在建设阶段需要持续投入资金，但主要租金收入通常要在设施交付并满足合同约定条件后形成，因而存在前期资金支出与运营现金流回收之间的时间差。若建设进度、电力接入或成本控制不及预期，可能增加项目资金需求并影响债务偿付安排。

其次，项目债务偿付依赖长期租赁现金流，部分融资结构的独立偿债覆盖余量相对有限。Hyperion项目发行的273亿美元债券最终于2049年5月到期，S&P初始评级分析预计其债务偿付覆盖率（DSCR）约为1.12倍，说明在评级机构预测情景下，项目可用于偿债的现金流能够覆盖本息支出，但覆盖余量并不宽裕。所以由此可见，租金支付的稳定性、核心租户信用质量及相关合同保障机制，是影响项目债务信用风险的重要因素。

最后，租赁期限与长期融资安排之间的差异，使资产残值及信用支持机制成为风险分配的关键。Hyperion和El Paso项目均采用4年初始租赁安排，并通过续租机制及残值担保支持更长期限的基础设施融资。其中，El Paso项目披露的残值担保门槛初始约为130亿美元，实际担保责任取决于特定触发条件及届时资产公允价值。此类安排有助于降低项目债权人面临的租约终止和资产残值风险，但同时也意味着部分经济风险通过合同支持机制转移至Hyperscaler租户。

总体而言，数据中心SPV/JV层级的核心脆弱性在于高额前期投入、项目现金流集中以及长期债务偿付对租约和信用支持安排的依赖。 在建设延期、租户需求下降或资产残值低于预期的情景下，项目可能面临现金流覆盖不足、资金缺口扩大或担保机制触发等压力。不过，长期租赁合同、优质租户信用、债务摊销、股权资本及偿债储备等安排仍构成重要缓冲。从AI融资链条的风险传导角度看，SPV/JV既是外部资本进入AI基础设施的重要渠道，也是项目建设风险、租户信用风险与资本市场信用敞口相互连接的节点。

图22：Meta参与的数据中心项目建设规模及债券融资

数据来源：SEC，META，财通证券研究所整理

私人信贷机构与银行是AI基础设施融资链条的重要债权资金提供者，其核心风险敞口主要包括对Neocloud、数据中心SPV/JV及其他AI相关企业的直接贷款，以及通过私人信贷基金、结构化融资和信贷承诺形成的间接信用敞口。与前述融资主体主要面临资本开支和现金流匹配压力不同，债权人层级的风险主要表现为底层借款人偿债能力恶化、抵押资产价值下降，以及融资机构之间的风险传导。

首先，AI基础设施融资规模较大、部分借款人杠杆较高，使债权人面临集中信用风险。以CoreWeave为例，截至2026年6月末，公司总债务约356亿美元，部分延迟提款定期贷款的实际有效利率达到9%–15%。2026年上半年，公司经营活动现金净流入约36.6亿美元，但投资活动现金净流出约148.7亿美元，融资活动现金净流入约139.9亿美元，反映其大规模基础设施扩张仍需要持续获得外部融资支持。对于相关贷款人而言，若未来算力需求、客户付款或资本市场融资条件不及预期，借款人可能面临偿债覆盖能力下降及再融资压力，进而影响债权资产质量。

其次，GPU及数据中心等抵押资产的估值不确定性，可能放大底层信用风险。AI基础设施融资通常以设备、项目资产、合同现金流或其他信用支持作为保障，但不同资产的风险特征存在显著差异。GPU设备面临技术迭代、折旧及二手市场流动性风险，数据中心资产则受到电力接入、租户稳定性及资产专用性影响。因此，在不利情景下，借款人经营现金流恶化可能与抵押资产价值下降同时发生，使贷款实际抵押覆盖程度弱于初始融资安排。对于缺乏活跃交易市场的私人信贷资产，估值更新相对滞后还可能增加风险识别和损失确认的不确定性。

最后，私人信贷与银行之间不断深化的融资联系，为底层信用风险提供了进一步传导渠道。根据金融稳定理事会（FSB）2026年5月发布的报告，2024年美国银行对私人信贷基金的已提款融资和未提款承诺分别约为520亿美元和380亿美元，合计约900亿美元。上述数据反映的是私人信贷行业整体融资联系，而非AI专项融资，但说明银行可能通过向私人信贷机构提供融资，间接承担部分底层信用风险。如果AI相关借款人发生集中信用恶化，相关压力可能通过贷款减值、抵押品价值调整、融资条件收紧及授信提款等机制进一步影响银行。

但当前AI融资并未对银行体系形成普遍性资本压力。芝加哥联储2026年的研究显示，银行对AI相关行业的直接贷款余额平均约占银行总资产的0.8%，整体仍相对有限。同时，私人信贷基金通常拥有一定长期资本支持，银行也可以通过贷款抵押、授信限额、资本及拨备安排吸收部分损失。

图23：2024年银行与私人信贷之间的融资联系较强

数据来源：FSB，财通证券研究所（注：统计为银行对私人信贷基金的整体融资，并非AI专项融资）

图24：CoreWeave债务结构及本金规模

数据来源：SEC，财通证券研究所（注：数据截至2026年6月末）

AI供应链企业是AI基础设施投资向实体制造环节传导的重要载体，其主要风险并非来自普遍性的高杠杆融资压力，而是下游需求集中与上游投资前置之间的潜在错配。供应链企业主要通过芯片、存储器、服务器及配套设备的生产销售参与AI投资周期，其财务风险更多体现为下游需求变化对订单、营运资本及产能利用率的影响。

首先，AI基础设施需求集中于少数大型采购主体，使部分供应链企业面临较高的订单集中风险。以NVIDIA为例，FY2026前两大直接客户收入占比合计达到36%，FY2027上半年前三大直接客户收入占比合计达到44%，说明AI芯片供应链收入对大型客户采购计划具有较高敏感性。若Hyperscaler放缓资本开支、Neocloud调整扩张计划或终端算力部署进度不及预期，需求变化可能通过设备制造商和系统集成商逐级向上游传导。

其次，高速业务扩张可能伴随存货及应收账款更快增长，从而提高营运资本占用和现金流波动风险。以服务器制造商Super Micro Computer为例，FY2026营业收入同比增长约77.8%，但期末存货和应收账款分别由46.8亿美元和22.0亿美元上升至129.0亿美元和61.3亿美元，增幅均超过175%，明显高于同期收入增速。上述变化表明，业务规模快速扩张需要更多营运资本支持。若下游订单推迟、客户付款放缓或产品价格下降，企业可能面临库存周转放缓、存货减值及应收账款回收压力，进而削弱经营现金流。

最后，上游制造环节的高额前置投资及固定成本，使部分供应链企业面临更强的产能周期风险。以Micron为例，公司披露FY2027上半年预计净资本开支约250亿美元，截至FY2026年末仍有约41.8亿美元固定资产采购义务，基本预计于一年内支付。此类投资主要用于制造设施、设备及技术升级，需要在未来需求完全兑现之前完成资金投入。若AI相关需求增长不及预期，新增产能可能面临利用率不足、产品价格下跌及折旧负担上升等压力，导致投资回收周期延长。与能够较快调整采购规模的下游客户相比，重资产制造企业已投入的固定资产及部分合同承诺通常缺乏同等程度的调整弹性。

不过，供应链企业的风险承受能力存在明显差异。具备技术领先优势、较强定价能力和多元化客户基础的企业，通常能够通过产品竞争力、经营现金流和现金储备缓冲需求波动；拥有长期供货协议、客户预付款或订单保障的企业，也能够在一定程度上降低库存及投资回收的不确定性。相较之下，客户集中度较高、利润率较低、营运资本占用较大或前期扩产投入较重的企业，对下游资本开支变化可能更加敏感。

图25：英伟达客户集中度较高

数据来源：SEC，财通证券研究所

图26: MCI存货应收账款增速较营收扩张更迅速

数据来源：SEC，财通证券研究所（注：存货及应收账款为期末存量，营业收入为全年流量；时间截至各财年6/30）

5.3 AI融资风险传导路径

整体来看，AI融资风险的核心在于需求或投资回报低于预期、项目交付延期以及融资环境收紧，可能通过企业现金偿债与项目风险回流两条路径传导，并在信用与产业链层面相互强化。一是算力运营商的融资接续能力，是识别早期风险的首要环节：经营回款放缓时，维护性投入、在建项目付款与到期本息未必同步下降，但若债务滚续或授信提款同时受限，经营压力将转化为流动性缺口。二是项目载体的股权缓冲与合同增信，决定损失如何跨主体分配：在资产回收分析中，价值下降通常先侵蚀股权，再形成债权缺口。三是融资收缩与资本开支调整，是风险向权益市场扩散的关键连接：融资缺口可能推动项目延期、设备采购缩减及付款节奏调整，进而影响产业链订单、盈利与回款。

图27：AI融资风险传导路径及脆弱环节

数据来源：BIS、Meta、财通证券研究所

5.4 AI融资脆弱环节：关注Neocloud、数据中心运营

基于IMF对八类产业环节的财务分档，我们从杠杆、流动性、盈利能力和资本开支强度四个维度构建信用脆弱性指标，并将估值单独观察，以区分融资断裂风险与股价调整风险。一是，专业GPU云及数据中心运营环节更值重点关注：将强、中、弱分别赋值0、50、100并等权计算（统一排除估值，避免亏损企业PE缺失被当作低风险），GPU/Neocloud和数据中心运营得分分别为88分、80分，高于大型云平台的30分及芯片开发环节的20分。二是，最脆弱的环节不等于最大的风险传导中心：例如IMF样本中，GPU/Neocloud债务份额约为2%，更需关注客户回款与再融资连续性；大型云平台则达到47%，虽具备较强现金流缓冲，但其采购调整和合同支持可能影响更广泛的项目及供应链。三是，现金流验证来看：CoreWeave在2026年上半年的经营现金流仅覆盖约26%的现金资本开支；而Meta在2026年前三季度覆盖率约为117%，体现了专业算力运营商与成熟平台在自融资能力上的差异。

图28：AI融资脆弱环节模型结果

数据来源：IMF TNM、财通证券研究所

图29: AI融资脆弱环节模型评分

数据来源：IMF TNM、财通证券研究所（注：数值是映射的研究指数，非违约率）

风险提示

全球地缘风险；全球经济衰退风险；科技领域投融资不及预期；海外金融风险超预期；历史经验失效。

风险提示：

全球地缘风险：美伊冲突存在延续风险，进而影响全球油价和供应链等。

全球经济衰退风险：高油价压制全球景气，硬着陆衰退的风险增加，进而影响中国景气。

科技领域投融资不及预期：若关键技术突破及商业化进程不及预期，叠加资本市场风险偏好下降，可能导致科技领域融资环境趋紧、投资活跃度下降，进而影响科技产业发展。

海外金融风险超预期：美国潜在的二次通胀风险可能导致降息幅度低于预期（或加息幅度超预期），同时叠加美股相对高位，存在美国股市等金融市场波动加大的风险。

历史经验失效：本文结合历史政策效果、经济周期、股市行情等经验对当下进行分析，存在历史经验失效的可能。

注：文中报告节选自财通证券研究所已公开发布研究报告，具体报告内容及相关风险提示等详见完整版报告。

证券研究报告：《AI的资本接力赛：谁在出资，谁在担险？——科技“欣”视角系列一》

对外发布时间：2026年11月12日

报告发布机构：财通证券股份有限公司（已获中国证监会许可的证券投资咨询业务资格）

本报告分析师 ：

分析师：徐近峰 SAC：S0160523030003

分析师：张欣诺  SAC：S0160526080007