過去兩年，市場習慣用一個簡單敘事理解AI基建：科技巨頭財大氣粗，用自己的現金把數據中心一座座堆起來。
這個敘事正在經受質疑。公開資訊顯示，AI資本開支正在從巨頭用自有現金擴張，切到靠債務、擔保、特殊目的載體（SPV）和產業鏈融資擴張。
$輝達 (NVDA.US)$ 五年期CDS單日飆升，市場擔憂的絕非輝達短期違約風險，而是其商業模式正在從單純晶片銷售，轉向為下游大模型企業、數據中心承接大額信用與融資兜底責任。
站在投資者視角，這套高速運轉的槓桿飛輪短期仍具備擴張空間，但長期可持續性存在巨大考驗：
決定周期走向的核心變量，從來不是資本市場還能投放多少增量資金，而是AI商業化創造的持續性現金流，能否足額覆蓋硬體折舊、持續設備更新、債務利息以及股東合理回報？
一、範式轉變：AI擴張的錢，正從自有資金變為舉債融資
2024年之前， $微軟 (MSFT.US)$ 、 $亞馬遜 (AMZN.US)$ 、 $Google-A (GOOGL.US)$ 、 $Meta Platforms (META.US)$ 、 $甲骨文 (ORCL.US)$ 五大超大規模雲廠商的AI基礎設施投入，核心依靠自身經營現金流支撐。
但生成式AI帶來的算力需求爆發徹底打破平衡，2025年五大雲廠商資本開支營收佔比飆升至23%，機構預期2027年該比例或將突破40%，逼近全球能源、重化工歷史資本開支周期峰值，自有現金流已完全無法匹配擴張速度。
當前，AI資本開支的融資結構已出現改變，越來越多的新增算力項目，不再依靠科技巨頭的自有現金滾動，而是通過債務融資、政府擔保、特殊目的載體（SPV）以及產業鏈層面的分期付款、帳期延長等方式來調配資金。
這套更複雜的融資結構，本質上是在將AI基礎設施的資本消耗，從科技公司的資產負債表上，部分轉移至債權人、政策資金與供應鏈上下游。
這就是本輪擴張的底層變化，擴張速度已開始跑在經營現金流前面。高盛最新研報指出，截至7月18日，全球投資級債券、高收益債券及槓桿貸款市場的AI相關債務發行規模已達4890億美元，超過2025年全年3220億美元。
二、輝達CDS利差急升：市場懷疑的不是輝達要違約
近期， $輝達 (NVDA.US)$ 信用違約互換（CDS）利差出現明顯走闊，引發市場關注。ICE數據顯示輝達五年期CDS單日大漲14bp至82bp，創下該合約2025年11月上市以來最大單日漲幅，輝達當日股價大跌近5%。
輝達的基本面並未出現實質性惡化，其財務狀況依然強健，CDS急升並不指向違約風險的真實抬升。市場真正在擔心的，是一個更為深層的問題——輝達是否正在從單純的「晶片出貨方」，演變為同時扮演「客戶融資提供方」和「信用風險承擔方」的角色？
據報導，輝達擬為OpenAI提供高達2500億美元融資擔保，專項支援軟銀在俄亥俄州開發的10吉瓦超級數據中心。晶片採購融資另議，規模或至約3500億美元。
這套交易模式拆解後是典型循環槓桿：輝達出具擔保函，OpenAI依託擔保向銀行、私募機構舉債，貸款資金全部用於採購輝達硬體，建成數據中心後對外租賃產生現金流償還貸款。一旦下游大模型企業商業化不及預期、算力出租率下滑，償債壓力將向上傳導至擔保方輝達，使其從單純硬體銷售商，轉變為整條融資鏈條的最終風險兜底人。
CDS利差走闊，折射的正是市場對這一角色轉變的重新定價，不是輝達自身的償債危機，而是其商業模式正在隱性吸收更多系統性風險。
三、融資飛輪還能轉多久？
理解當前AI融資體系，需要短期視角和長期視角：
短期視角：多重資金管道托底，融資飛輪仍具備持續運轉空間
站在當下1-2年短期維度，這套依靠槓桿搭建的AI資本開支飛輪，暫時不存在資金斷裂風險。主權財富基金、基礎設施投資機構、債券市場以及政策性資金的持續入場，為AI算力擴張提供了充足的外部流動性。
美國《晶片法案》框架下的政府擔保，進一步降低了部分項目的融資門檻。產業鏈上，服務器廠商與ODM廠商的帳期安排，也在客觀上發揮了類融資的緩衝作用。這套多層次的融資網絡，維持了飛輪的高速旋轉。
長期核心考驗：飛輪能否自洽，取決於AI現金流能否覆蓋全周期剛性成本
本輪AI槓桿擴張周期的終極命題，不在於市場能持續投放多少債務資金，而在於AI產業創造的持續性外部經營性現金流，能否完整覆蓋四大剛性長期支出：
硬體年度折舊——GPU與機房設備更新極快；
GPU迭代更新資本投入——下一代晶片與電力、冷卻改造是滾動成本，不是一次性開支；
利息——債務與租賃成本會隨規模上升；
股權回報——股東最終要的是可持續自由現金流，不是持續的資本開支。
若商業化現金流無法覆蓋上述成本，融資飛輪終將進入借新還舊循環，一旦信貸市場風險偏好收縮，周期拐點即刻到來。這才是核心矛盾所在，也是目前尚無明確答案的地方。
中金在2026年7月24日行業深度報告《AI的金融時刻》中測算：在10%稅前投入資本回報率（ROIC）基準假設下，全球AI應用賽道需要形成每年近1兆美元可持續穩定商業化收入，才能足額覆蓋折舊、利息、設備更新與股東回報；若至2030年達標，未來五年AI商業化收入需保持年均近乎翻倍增長。
中金指出這一目標並非不可實現，但對產能利用率、利潤率和設備經濟壽命均提出了較高要求。如果商業化增長持續慢於資本開支，風險將由估值回調逐步轉向產能過剩、資產殘值下降和信用質量惡化，並通過循環融資、私募信貸和證券化等管道在金融體系傳導。
四、總結
本輪AI資本開支已經完成歷史性切換，從巨頭自有現金擴張，轉向債務、擔保、SPV、產業鏈循環融資搭建的槓桿飛輪。輝達CDS利差上行，是信貸市場敏銳捕捉到晶片廠商新增信用風險，為整個行業槓桿化擴張敲響警鐘。
短期內，只要市場對AI前景的樂觀預期維持不變，新的融資能夠覆蓋存量債務的滾動與新增資本開支，飛輪便可持續運轉。
但飛輪的長期可持續性，取決於AI業務創造的外部現金流，能否真正覆蓋折舊周期、設備更新投入、融資成本與股權回報預期的總和。
對市場投資者而言，後續跟蹤重心需要完成切換，不再單一跟蹤GPU出貨、資本開支指引、融資落地規模，而持續觀測三大核心指標：
一是AI終端商業化年化收入增速，距離兆穩態收入門檻的兌現進度；
二是算力項目經營現金流對摺舊+利息的全覆蓋比例；
三是上游晶片廠商、雲廠商新增擔保、表外SPV隱性負債規模。(牛牛課堂)