5000亿美元AI金融，表外负债也在增加

AI基础设施投资的资金来源正在从运营现金扩展到债券、租赁和私募资本。随着数据中心和图形处理单元（GPU）建设速度的加快，仅凭财务报表上的借款已难以真实反映实际负担。

英伟达（$NVDA）于10日宣布，将与阿波罗、黑岩、黑石、布鲁克菲尔德、KKR和高盛共同推进超过5000亿美元（约710万亿韩元）的AI计算基础设施金融平台。英伟达首席执行官黄仁勋在声明中表示：“在AI领域，计算就是收入。”这意味着将AI计算视为不仅仅是服务器购买，而是能够产生长期现金流的基础设施资产。

此次构想的核心是AI研究所和云服务提供商利用大规模计算设施，而金融机构则建立专用资本池。英伟达提供芯片和软件生态系统。我们之前曾报道过围绕英伟达在AI基础设施金融中的角色的争论。

AI工厂是指将GPU、网络、电力、冷却和软件结合在一起，提供大规模AI运算的数据中心型基础设施。该结构首先确保电力和土地，然后布置设备，最后通过客户使用量和长期合同回收收入。因此，初期投资规模较大，盈利时点往往推迟。

太平洋投资管理公司（PIMCO）在7月16日发布的播客中表示，2026年至2027年AI设备投资规模预计将超过1.6万亿美元（约227万亿韩元）。PIMCO指出，其中很大一部分可能通过债券市场筹集。另一份报告分析称，AI相关资本支出正在从依赖运营现金流的结构转向以债务为基础的投资周期。

财务报表外的负担也在增加。PIMCO表示，截至5月15日，主要超大规模数据中心的2026年设备投资估计为6900亿美元（约980万亿韩元），2027年将达到8700亿美元（约1235万亿韩元）。最近的10-Q公告指出，尚未在账面上确认的未来租赁协议已达到8220亿美元（约1167万亿韩元）。

租赁和购买协议虽然当下不计入借款，但未来可能转变为现金流出压力。《金融时报》报道，超大规模数据中心的购买协议和高盛掌握的租赁义务分别约为1.5万亿美元（约213万亿韩元）。然而，这些数字由于定义不同，难以以相同的风险程度进行简单比较。

市场结构也在变化。迄今为止，大型科技公司主要依靠自身的现金创造能力来承担数据中心投资。然而，AI模型竞争同时推高了电力、土地、服务器、内存和网络设备的需求，导致债券发行、长期租赁、特殊目的公司和私募贷款的使用方式不断扩大。

这一趋势与之前报道的，科技巨头的AI基础设施投资正在从自筹资金转向结合债务和私募资本、长期租赁的方向相吻合。谷歌和Meta等公司不仅通过直接拥有数据中心的方式，还通过担保、租赁和合作伙伴关系来分散基础设施负担。

与韩国的联系也不容小觑。英伟达与SK集团于7月24日宣布了一项超过5000亿美元（约710万亿韩元）的AI数据中心和内存合作计划。英伟达表示，SK电信计划建设最大规模为2GW的英伟达Verra Rubin DSX AI工厂，并计划于2027年启用首个AI工厂。

同日，Naver、英伟达和布鲁克菲尔德公布了将世宗数据中心的DSX AI工厂建设规模从55MW扩大到2028年的200MW的方案。国内内存供应链和数据中心投资与全球AI基础设施金融结构共同发展。

业界观点不一。一方面，有人认为将大规模电力、数据中心和GPU结合在一起的AI基础设施是能够吸引长期资本的新资产类别。另一方面，也有人对供应商提升客户购买能力的循环金融和供应商融资表示担忧。

PIMCO认为，AI基础设施投资周期比1990年代的通信网络投资更具纪律性和融资可能性，但实际盈利速度是关键。AIMA也承认杠杆是对冲基金的核心工具，但表示很难将其直接普遍化为系统风险。

杠杆风险首先在个别投资者的头寸中显现。路透社报道，AI中心的对冲基金Situational Awareness在科技股损失和保证金催缴压力之后，将大部分持有的上市股票转让给了Citadel。虽然这一案例不能直接将整个AI基础设施视为系统风险，但它显示出通过借贷扩大AI头寸可能在市场急剧下跌时转变为抛售压力。

AI基础设施金融的争议在于确认现金流的必要性大于需求的规模。数据中心和GPU首先建设，收入则在后期得到验证。这就是需要将账面负债、租赁协议、私募贷款和购买协议分开的原因。