財報首頁沒寫全的AI賬單：科技巨頭還有3萬億美元表外承諾
市場每個季度都在追蹤科技巨頭的AI資本開支，但公開的Capex只是已經開工或完成採購的部分。九家大型科技公司還揹負着約3萬億美元的長期租賃、芯片採購和基礎設施承諾，AI競爭已經從“誰更敢花錢”，進入“誰能把未來現金流提前鎖定”的階段。
01｜3萬億美元從哪裏冒出來的？
根據《華爾街日報》對九家科技公司財報附註的統計，這些企業最近12個月披露的資本開支合計約爲6000億美元。
但如果把尚未開始的數據中心租賃，以及已經簽訂、暫未交付的芯片和設備採購合同計算在內，未來支出承諾接近3萬億美元，大約是表面Capex的五倍。
其中大致包括：
-
約1.2萬億美元尚未開始執行的數據中心租賃；
-
約1.9萬億美元不可隨意取消的芯片、存儲、電力和基礎設施採購合同。
這3萬億美元不能直接理解成“隱藏債務”，也不代表科技公司已經花掉了這些錢。它更接近一份提前鎖定的未來賬單。
相關承諾通常會披露在財報附註中，只是不會全部出現在投資者最常看的資產負債表、現金流量表和當期Capex數據裏。
02｜爲什麼這些錢暫時不在資產負債表上？
舉一個簡單的例子。
如果Microsoft今天支付100億美元建設一座數據中心，這筆錢會進入資本開支。
如果Microsoft和一家數據中心開發商簽訂20年租約，但數據中心要到2028年才投入使用，這項租賃承諾暫時不會完整確認爲資產負債表上的租賃負債。
芯片採購也是類似邏輯。
爲了確保未來拿到足夠的GPU、存儲、網絡設備和電力，科技公司可能提前簽訂多年採購合同。產品尚未交付、付款尚未發生時，合同金額通常先出現在財報附註裏。
市場因此容易低估三個數字：
-
未來固定支出；
-
長期租賃付款；
-
AI建設對現金流的持續佔用。
Capex反映了當期已經落地的投入，表外承諾則告訴我們，未來幾年還有多少項目很難輕易停下來。
03｜AI數據中心正在使用一種新的融資結構
國際清算銀行對AI基建融資的研究顯示，越來越多科技公司通過合資公司或特殊目的實體建設數據中心。
常見結構是：
-
科技公司與私募信貸或基礎設施基金共同設立項目公司；
-
項目公司負責購買土地、建設數據中心並舉債；
-
科技公司只持有少數股權；
-
同時簽訂長期租約、算力採購協議或電力保底合同；
-
項目公司的債務主要依靠科技公司的租金償還。
這樣可以把一次性資本開支，轉化爲未來十年甚至二十年的租賃費用。
貸款留在項目公司層面，科技巨頭自己的資產負債表看起來相對輕一些，但長期付款義務依然存在。BIS將這類安排稱爲具有“影子借款”特徵的融資結構。
過去一年，超大規模雲廠商也開始更頻繁地進入債券市場。Amazon、Alphabet、Microsoft、Meta和Oracle的債券發行規模預計將在2026年翻倍至2500億美元，2027年可能接近再次翻倍。
04｜Nvidia爲OpenAI提供1050億美元擔保，就是最新案例
本週剛剛公佈的Nvidia與OpenAI數據中心合作，幾乎把這種融資模式完整展示了出來。
OpenAI計劃租用SoftBank旗下SB Energy在俄亥俄州建設的數據中心，租期長達20年，最終容量最高可達8吉瓦，第一批800兆瓦預計在2028年上線。
Nvidia將在其中扮演三個角色：
-
向SB Energy投資15億美元；
-
成爲該數據中心的獨家芯片供應商；
-
提供最高1050億美元的擔保。
這項擔保並不覆蓋項目的全部建設成本，也不等於Nvidia直接拿出1050億美元。其主要覆蓋部分租賃、電力付款以及數據中心的最低剩餘價值。
如果OpenAI無法繼續履約，Nvidia需要承擔項目轉售或重新出租後仍然存在的部分價值缺口。
Nvidia通過擔保幫助項目獲得股權和債務融資，同時提前鎖定未來GPU訂單。OpenAI不用立即支付全部建設費用，卻獲得了長期算力容量。
黃仁勳強調這不屬於循環融資。但從投資者角度看，Nvidia既是供應商，又參與投資並提供信用支持，確實讓AI產業鏈之間的資金關係變得更加複雜。
05｜爲什麼科技巨頭願意提前簽下這麼大的賬單？
AI基礎設施有三個稀缺環節：
第一，芯片產能
先進GPU、HBM、高速網絡設備和企業級存儲供應仍然有限。提前簽約可以避免未來拿不到貨。
第二，土地和電力
一座大型AI數據中心需要穩定的電力、冷卻系統、變電設施和高速網絡。真正適合建設的地點並沒有想象中那麼多。
第三，建設週期
數據中心從規劃、融資、建設到開始產生收入，通常需要12至18個月，超大型項目可能更久。
如果雲廠商等到客戶需求完全確定後再建設，算力上線時可能已經丟掉市場份額。因此，它們選擇先鎖定未來幾年容量，再依靠Azure、AWS、Google Cloud、Meta廣告系統和Oracle雲服務逐步消化。
這也解釋了爲什麼AI硬件鏈的訂單依然強勁：很多需求已經通過長期合同鎖定，不會因爲一個季度的市場波動立刻消失。
06｜這對美股標的意味着什麼？
|
產業環節 |
相關標的 |
在利好 |
主要風險 |
|
雲計算與平臺 |
AMZN、MSFT、GOOGL、META、ORCL |
提前鎖定算力和客戶 |
自由現金流下降、債務與租賃支出增加 |
|
GPU與定製芯片 |
NVDA、AMD、AVGO |
長期訂單提高收入可見度 |
客戶削減Capex、融資關係過度循環 |
|
存儲與內存 |
MU、SNDK、WDC、STX |
數據中心容量持續擴張 |
擴產後供需重新轉弱 |
|
網絡與電力設備 |
MRVL、VRT、ETN、GEV |
每座數據中心都需要配套設備 |
項目延期或電網建設受阻 |
|
新型雲服務 |
CRWV、NBIS |
稀缺算力帶來較高租賃價格 |
槓桿較高、未來算力價格正常化 |
短期來看，硬件和設備公司依然佔據更有利的位置。
它們在數據中心開工、設備交付時就能確認收入。雲廠商則需要等待客戶使用AI服務，才能逐步收回投資。
這也是爲什麼半導體指數今年一度明顯跑贏幾家最大AI資本開支企業：賣芯片的人已經看到收入，購買芯片的人還在等待回報。
07｜真正需要觀察的不是Capex，而是回報速度
Reuters估計，超大規模雲廠商2027年經營現金流可能比2025年增加約3400億美元，但同期資本開支預計增加約5340億美元。
這意味着，僅靠現有業務增長，未必足以完全覆蓋AI投資擴張。
目前企業對於AI收入的披露也相當有限。Goldman Sachs對標普500公司的財報和電話會統計發現：
-
只有11%的公司量化了具體AI應用；
-
只有2%的公司量化了AI對利潤的影響；
-
只有7%的公司討論了AI相關費用。
投資者接下來需要追蹤四項指標：
-
AI相關收入增速能否超過新增資本開支；
-
經營現金流能否覆蓋Capex、租賃和利息；
-
數據中心利用率是否持續提升；
-
雲計算價格能否在新產能上線後保持穩定。
08｜小虎雷達怎麼看？
3萬億美元表外承諾說明，AI基礎設施需求擁有很強的中期可見度。
數據中心不會因爲市場短期回調就停止建設，已經簽訂的芯片、存儲、網絡和電力合同也很難隨意取消。對NVDA、MU、SNDK、WDC、VRT等供應鏈公司而言，這仍然是明確的訂單支撐。
風險會在更晚的階段出現。
當數據中心集中上線後，如果AI應用收入增長跟不上折舊、租金、利息和電力成本，雲廠商會率先感受到自由現金流壓力。屆時下一輪Capex增速可能下降，壓力再向芯片、存儲和設備公司傳導。
所以，現階段的核心問題可以拆成兩部分：
-
未來一至兩年，誰能從已經鎖定的AI建設中獲得訂單；
-
兩三年後，誰能證明這些投入帶來了足夠收入和利潤。
前一個問題偏向NVDA、MU、SNDK、WDC、VRT等硬件供應鏈；後一個問題最終還是要由AMZN、MSFT、GOOGL、META和ORCL回答。
今日投票
你認爲AI資本開支最大的風險是什麼？
A. AI應用收入兌現太慢
B. 數據中心供給最終過剩
C. 債務、租賃和利息成本上升
D. 芯片更新太快，設備折舊速度被低估
E. 當前需求足夠強，暫時無需擔心
免責聲明：本文僅用於市場信息整理與投資研究交流，不構成任何投資建議。文中表外承諾爲未來合同義務及融資安排，不能直接等同於企業當期債務或實際現金支出。
Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.
很多人看到AI资本开支暴涨，第一反应是：“万一AI需求不够怎么办？”但我觉得，短期真正值得警惕的反而不是需求突然消失，而是科技巨头已经把未来几年大量现金流提前锁定了。
现在的AI军备竞赛，已经不只是“今年花多少钱”的问题，而是“未来十年要承担多少钱”。WSJ最新统计显示，九家大型科技公司相关的长期租赁、芯片采购和基础设施承诺接近3万亿美元，而公开Capex约6000亿美元。这个数字不能简单理解成隐藏债务，但它意味着未来现金流有大量刚性支出。
更有意思的是，BIS已经提醒，AI数据中心越来越多采用项目公司、合资企业、长期租赁和私募信贷等结构，把原本一次性的Capex转换成未来多年的租金、采购和担保义务。经济本质上仍然是融资，只是债务不一定直接躺在科技巨头自己的资产负债表上。
所以我最担心的不是“AI没人用”，而是AI用得很多，却赚不到足够的钱覆盖越来越庞大的基础设施账单。
这也是为什么接下来不能只看NVDA、MU、VRT这些供应商订单有多旺，更要看MSFT、AMZN、GOOGL、META、ORCL的自由现金流，以及AI收入能不能跑赢折旧、租赁、电力和利息成本。
现在卖铲子的人确实很舒服：GPU、HBM、服务器、电力设备先确认收入；但买铲子的人，要等几年后才能证明这笔投资值不值。p
甚至连Nvidia如今也开始参与AI基础设施融资。其支持OpenAI俄亥俄州数据中心的安排，包括约15亿美元投资以及超过1000亿美元规模的信用支持，说明AI产业链正在从“芯片交易”逐渐变成“芯片+融资+长期订单”的复杂体系。
所以我的判断很简单：AI泡沫真正的压力测试，不是GPU卖不卖得出去，而是这些GPU最终能不能产生足够的现金流。
如果AI收入持续爆发，3万亿美元承诺可能是巨头抢占未来的护城河；但如果需求增速放缓，高利率环境下，这些长期租赁、采购合同和项目债务就会从“增长杠杆”，变成“现金流枷锁”。
这也是我认为未来两三年美股AI行情最值得盯的变量：不是Capex还能涨多少，而是每投入1美元AI资本，最终能够产生多少美元自由现金流。
@小虎热点雷达 [正经]
因为AI现在最大的风险，可能已经不是“有没有需求”，而是需求能不能快到足以覆盖提前锁定的巨额成本。WSJ最新统计显示，九家大型科技公司的AI相关未来承诺规模接近3万亿美元，其中包括尚未开始执行的数据中心租赁，以及芯片、存储、电力等长期采购合同。这个数字真正可怕的地方，不是3万亿美元马上要付，而是其中相当一部分已经很难随意取消。
换句话说，AI军备竞赛正在从“资本开支竞争”变成现金流耐力赛。
更值得注意的是融资方式正在发生变化。英国央行已经警告，AI基础设施越来越依赖债券、私人信贷、特殊目的实体和资产支持融资；一些长期租约、担保和容量采购协议，在经济意义上与借债非常接近，却未必完整反映在传统资产负债表上。
Nvidia和OpenAI最新的俄亥俄州数据中心合作，就是一个很典型的案例。Nvidia不仅投资SB Energy，还将提供最高1050亿美元的担保，OpenAI则计划签下20年租约，项目最终规模最高达到8GW。
这并不意味着AI泡沫已经破裂，反而说明产业需求依然非常强。但问题在于：如果未来AI收入增长只有30%，而基础设施成本、折旧、租金、电费和利息以更快速度增长，会发生什么？
答案可能是，最先受压的不是卖GPU的人，而是买GPU的人。
所以我现在看AI投资，不会只盯着NVDA、AMD订单增长，也不会只看微软、亚马逊、谷歌的Capex，而会开始盯一个更重要的指标：
每新增1美元AI资本开支，到底能创造多少新增自由现金流？
如果这个数字不断改善，3万亿美元是“提前下注”；如果这个数字持续恶化，3万亿美元就可能变成“提前锁死的成本”。
因此，短期我依然偏向AI硬件和基础设施供应链；但真正决定这一轮AI行情能不能走到最后的，最终还是AI应用收入能否跑赢融资成本和基础设施成本。
AI最危险的时刻，不是大家还在疯狂花钱，而是**大家突然发现，花出去的钱必须开始产生现金了。**
@小虎热点雷达 [摊手]
我觉得目前最大的风险并不是AI资本开支太高，而是资本开支增长的速度，是否远远超过AI商业化和现金流回报的速度。现在NVDA、MU、SNDK、WDC、VRT等“卖铲子”的公司已经可以从数据中心建设中获得订单，但微软、亚马逊、谷歌、Meta、Oracle等真正承担巨额Capex的公司，还需要通过云服务、AI订阅、广告效率和企业应用，把这些投资慢慢变成收入和利润。
短期来看，我并不太担心，因为大量芯片、存储、电力和数据中心合同已经提前锁定，未来一两年的硬件需求能见度依然很高。但真正的考验会出现在数据中心大规模上线之后：如果AI应用收入增长不及预期，而折旧、租金、电力、利息等固定成本持续增加，云厂商的自由现金流和资本回报率就会受到挤压。一旦巨头开始放缓Capex，压力最终也会向整个AI硬件供应链传导。
所以我认为现在市场真正要观察的，不是“AI公司还会不会继续花钱”，而是 “这些钱最终能不能赚回来”。只要AI收入增速能够持续跑赢新增资本开支，我依然看好这轮AI基础设施周期；但如果出现Capex继续狂飙、AI收入却增长乏力的情况，那才是AI牛市真正需要警惕的信号。因此我的答案是A，短期看订单，长期看现金流和ROI。
@小虎热点雷达 @TigerStars @Tiger_comments @TigerClub @小虎福利站
3万亿美元长期承诺本身并不可怕，真正危险的是投入已经锁定，但收入和现金流没有按同样速度增长。只要数据中心利用率持续提升、云端AI收入加速，租赁、利息和折旧都还能被消化。
反过来，如果AI应用商业化慢于预期，先承压的会是云厂商自由现金流，随后才会传导到NVDA、MU、VRT等硬件供应链。
所以我现在最关注的不是Capex有多大，而是AI收入增速、经营现金流和数据中心利用率。
一句话：订单决定未来两年的景气，现金流决定这轮AI基建最终是不是一笔好生意。
财报里的Capex是明牌，3万亿美元的表外承诺才是隐形的压力。数据中心租赁、芯片采购、长期融资，这些负债在利率高位时的利息成本会直接侵蚀自由现金流，而且不会在当期财报里直接体现出来，会在未来几个季度逐步释放。AI应用收入兑现太慢是慢变量，债务成本上升是快变量。一旦高利率环境持续时间超出预期，这些表外承诺的利息成本会开始挤压利润空间。
3万亿美元不能简单当成“隐藏债务”，真正的问题是：
很多AI基础设施的合同期限可能长达10—20年，但GPU的经济寿命和技术领先周期可能只有几年。
这就形成了一个很特殊的期限错配。
今天一座数据中心用最新GPU，算力稀缺、租金高、利用率也高，所以20年租约和长期采购合同看起来完全合理。
但如果三年后新一代芯片把单位Token成本再打下来一半，旧GPU虽然还能工作，却可能已经无法维持今天的租赁价格。
到那时最危险的不是设备“不能用”，而是：
资产还在折旧，租金还要付，债务还没到期，但这批算力已经不值原来的价格了。
所以我觉得AI资本开支最终要验证的不是“需求有没有”，而是AI收入增长速度能不能长期跑赢算力的贬值速度。
这也是为什么我对NVDA这类卖铲子的公司和Neocloud会区别看待。
芯片厂在设备交付时就拿到了收入；而CRWV、NBIS这类算力运营商，需要未来很多年维持较高利用率和租赁价格，才能把今天锁下来的资本成本赚回来。
当然，短期我并不悲观。已经签署的大量合同意味着未来一两年的AI硬件订单可见度依然很高。
真正的大考可能出现在2028年前后：
当今天建设的数据中心集中上线，新GPU同时快速迭代，市场第一次发现“算力不再稀缺”时，谁还能维持回报率？
所以我不认为3万亿美元本身是雷。
我认为最大的雷是：20年的账单，押在一个可能每两三年就重新洗牌的技术上。
This is a ticking financial time bomb keeping Wall Street awake at night. Big Tech hyperscalers are extending their depreciation schedule from 3 to 5 years to artificially boost their paper profits today.
However the reality of the hardware lifecycle completely shatters this accounting magic.
In standard accounting like basic AWS or Azure web hosting, 5 year old servers work perfectly fine. But in the frontier AI arms race, a GPU from 3 years ago like NVIDIA A100 is already obsolete for training top models.
Tech Giants must generate enough cash to pay for the next generation of hardware before the current ones are even recovered. This creates a wealth depletion capital treadmill.
I would continue to DCA into index ETF like $Vanguard S&P 500 ETF(VOO)$ to safeguard this pitfall.
@Tiger_comments @TigerStars