（来源：invest wallstreet）

　　高盛预测2025至2030年超大规模云企业资本支出将达5.3万亿美元，摩根士丹利估算仅数据中心建设到2028年即需2.9万亿 ，其中大量依赖债务融资。企业端已开始踩刹车
，Uber、沃尔玛等纷纷限制AI使用量，计费模式从订阅制转向按词元收费 ，令成本压力骤然显现 。

　　一 、核心观点

　　高盛最新报告的核心判断是：AI基础设施投资已进入一个史无前例的资本开支超级周期
，但这一周期正逼近融资能力的物理上限——信贷市场饱和
。与此同时，企业端已开始主动踩刹车 ，供需两端同时释放出危险信号。

　　高盛将Meta
、微软、亚马逊和Alphabet四家科技巨头2025年至2030年的AI资本支出预测上调至5.3万亿美元，高于此前4.5万亿美元的预测 。仅2026年一年
，这四家企业的资本支出就将达到约7250亿美元
。这一数字是它们2025年3600亿美元支出的两倍多。

　　高盛分析师指出，AI资本支出正以快于实际数据中心建设的速度持续攀升 ，这意味着未来的瓶颈将从模型需求端转移至融资能力 、电力供应与项目执行层面 。

　　二
、逻辑的四个层次

　　1． 规模之巨：5.3万亿美元是什么概念？

　　高盛用了一个极具冲击力的对比：仅四家科技巨头的AI支出规模
，就超过了日本、英国 、印度和法国等200多个国家的GDP——如果把AI支出看作一个国家，它将成为世界第四大经济体。

　　更令人震撼的是 ，高盛分析师进一步估算
，未来五年整个行业在数据中心、电力和计算方面的总支出可能达到7.6万亿美元
。这一数字意味着AI基础设施投资已超越历史上任何单一行业的资本开支周期，堪与铁路
、电网等划时代的基建浪潮相提并论。

　　2． 融资结构之危：信贷驱动的脆弱性

　　摩根士丹利的测算提供了更具体的资金结构图景：

资金来源

金额（万亿美元）

占比

超大规模企业自有现金流

1.4

约48%

企业债

0.2

约7%

资产证券化信贷

0.15

约5%

私募信贷、资产抵押融资及合资债务

0.8

约28%

其他资本

0.35

约12%

　　到2028年全球数据中心建设总资本支出将接近2.9万亿美元 。其中 ，超过一半的资金依赖各类信贷工具
，这意味着AI基础设施投资在相当程度上是靠信贷驱动的
。

　　这一融资结构带来的核心风险在于：一旦市场出现系统性调整，损失将不再局限于股东 ，而可能通过信贷市场向整个社会扩散。数据中心的融资复杂性进一步加剧了这一问题——它并非单一资产
，而是集土地 、电力接入
、网络链路、建筑 、冷却系统与AI服务器于一体的复合体，融资需求自然溢出至基础设施基金
、房地产基金、私募信贷及企业债等多个市场 。一旦出现系统性调整 ，损失传导链条将远比互联网泡沫时期更为复杂
。

　　3． 发行人集中度风险：债券市场的隐忧

　　高盛报告还点出了一个被市场忽视的结构性问题：由于少数几家超大规模云企业无法无限制地向公开债券市场发债，投资者已开始担忧发行人集中度风险。

　　能够发行巨额公司债的云端业者就那么几家
，市场对过度集中的风险日益警惕 。高盛预计私募资本将在AI数据中心融资方面发挥更大作用，并明确表示“未来几年 ，私营基础设施和房地产将日益成为关键“
。

　　4． 需求端的反向信号：企业集体踩刹车

　　与资本市场的持续加码形成鲜明对比的是
，企业使用端已出现明显的降温和收紧信号。

Uber是最具代表性的案例：一个季度就花光了2026年全年AI预算 。4月预算告罄后，Uber宣布对员工使用单一AI工具的月度词元支出设置1500美元上限
。其总裁坦言：“如今越来越难以证明在AI词元上的支出是合理的 ，难以在支出数据与实际产品功能提升之间划出清晰的因果关系。 ”

沃尔玛同样对其内部AI助手的词元使用量设置了上限
，其全球首席技术官表示，旗下开发平台的使用量“急速飙升
” ，如今已是“退一步重新检视”的时刻 。

　　这场降温背后
，反映的是计费模式的根本性转变。随着Anthropic 、OpenAI等AI服务商将计费模式从订阅制切换为按Token（词元）收费，企业的AI使用成本骤然变得可量化且昂贵
。软件公司Workato的首席信息官在看到支出飙升7倍后感叹：“我们创造了一个怪物。“

　　三
、对投资者的启示与策略建议

　　1． 对AI主题投资的警示

　　高盛报告最直接的启示是：AI基础设施投资的高增长叙事 ，正在面临融资能力和投资回报的双重拷问 。

　　2026年四家超大规模云服务商的7250亿美元资本支出
，预计将消耗相当于其经营现金流100%的资金
。自由现金流正在被迅速消耗殆尽。当一家企业将全部经营现金流投入资本开支时，它实际上失去了应对任何意外的缓冲空间 。

　　纽约大学荣誉教授Gary Marcus的评论尤为尖锐：“超大规模云服务商不可能收回他们的5.3万亿美元投资 ，除非他们通过巨额政府补贴，从纳税人那里榨取回来
。“他甚至直言：“现在的問題已不是超大規模模式是否會崩潰
，而是屆時的‘附帶損害’會有多大。 ”

　　策略启示：

对AI基础设施相关的高估值标的保持警惕，尤其是那些依赖持续大规模融资的硬件、数据中心 、芯片企业

关注科技巨头自由现金流的变化趋势——一旦资本开支开始挤压回购和分红 ，市场情绪可能迅速逆转

AI应用端（软件
、服务）与基础设施端的分化可能加剧——当企业开始限制AI使用量时
，应用端的增长预期同样面临下调

　　2． 对信贷和固定收益市场的启示

　　高盛报告揭示了AI基建信贷市场的系统性风险 。数据中心融资已渗透至企业债、资产证券化 、私募信贷、基础设施基金
、房地产基金等多个市场
。一旦某个环节出现问题，传导链条将极为复杂。

　　策略启示：

关注与数据中心相关的信贷产品的信用风险 ，尤其是在私募信贷和资产抵押融资领域

警惕发行人集中度风险——少数几家科技巨头占据了债市的大量融资份额

如果信贷市场真的出现“饱和
”
，高收益债券和私募信贷市场可能首当其冲

　　3． 对整体资产配置的启示

　　结合野村和高盛两份报告，当前宏观环境呈现出罕见的双重风险叠加：

野村视角：AI驱动经济超预期→美联储被迫实质性紧缩→利率上行压制所有风险资产

高盛视角：AI投资依赖信贷扩张→融资能力触及上限→资本开支周期被迫逆转→AI繁荣终结

　　两条路径的终点高度一致：AI繁荣的可持续性正在被打破 ，只是触发机制不同 。

　　策略启示：

保持防御性配置：在当前这个关键的十字路口
，增加现金和短久期资产的配置比例

关注关键观测指标：7月2日美国就业数据（野村）、科技巨头融资计划和自由现金流变化（高盛） 、AI服务商计费模式变化对企业支出的影响

分散化配置：降低对AI主题的过度暴露，增加防御性板块和不同资产类别的配置

　　四
、总结

　　高盛这份报告的价值在于揭示了AI繁荣背后被忽视的融资天花板——5.3万亿美元的资本开支超级周期 ，其可持续性不仅取决于技术突破和市场需求
，更取决于全球信贷市场能否承受如此巨量的融资需求
。

　　报告描绘了一个极具警示意义的图景：资本端——数万亿美元的资本开支正逼近信贷市场的物理上限；需求端——企业已在主动限制AI使用量、收紧钱袋子。供需两端同时释放信号，指向同一个方向：AI投资盛宴可能正在进入最后的狂欢阶段 。

　　与野村报告一样 ，高盛这份报告本质上是一个关于“不可持续”的警告。野村关注的是利率如何终结AI繁荣，高盛关注的是信贷如何限制AI繁荣——两条逻辑链相互印证
，共同指向一个结论：当前市场对AI繁荣可持续性的定价可能过于乐观，而对尾部风险的定价严重不足
。

　　对于投资者而言 ，最大的风险不是AI投资本身
，而是对“AI将永远增长 ”这一假设的过度自信。在这个由5.3万亿美元资本开支堆砌起来的宏大叙事背后，融资能力 、投资回报和需求可持续性这三个问题 ，正在从“远虑”变成“近忧
” 。