AI 基础设施扩建可能需要更多股权融资，债务集中风险升高

目录

• 你可能想知道
• 主要议题
• 重点摘要表
• 后续展望……

你可能想知道

• 为什么人工智能基础设施快速扩张，可能使股权融资比债务融资更为重要？
• 预期 AI 支出的规模，可能如何影响贷款机构、投资者，以及建设基础设施的公司？

主要议题

建设支持人工智能（AI）的基础设施，需要投入极为庞大的资金。数据中心、计算设备、电力连接及相关设施，都需要大量投资。随着融资需求增加，Blackstone 总裁 Jon Gray 主张，这个领域将需要更多股权融资，尤其是贷款机构对推动基础设施建设的公司承担的风险越来越高。

Gray 周二在香港金融管理局举办的全球金融领袖投资峰会上发表上述看法。他表示，AI 所需资金的规模，正为债务投资者带来集中风险。这类风险可能遍及整个行业，也可能出现在贷款机构对单一公司敞口过高的情况。如果许多借款人的业务都依赖相似的经营环境或少数主要客户，经济低迷的影响就可能集中在特定对象，而非广泛分散。

股权与债务的差异，有助于说明 Gray 的顾虑。如果公司价值提升，股东可能受益，因为他们的潜在回报与公司的成功息息相关。相比之下，贷款机构通常收取利息并收回本金，因此即使借款公司的业务快速增长，其潜在收益仍较有限。当融资需求极为庞大时，过度依赖债务，可能让贷款机构承担重大风险，却无法按比例分享收益。

Pimco 首席执行官 Emmanuel Roman 在同一场座谈中提出相关顾虑。他警告，与 AI 相关的融资规模，最终可能超出市场的承受能力。他并非表示这项技术的投资必然会停止，而是指出所需资金可能考验投资者与融资市场的承载能力。

Roman 引述 General Atlantic 首席执行官 Bill Ford 的估计指出，未来五年 AI 相关资本支出可能达到约 $10 trillion。他也表示，今年截至目前为止，各类形式的 AI 债务发行金额约为 $550 billion。这些数字显示，未来投资可能达到的规模，以及目前已进行的融资活动。如果公司持续扩大基础设施计划，也会让人关注债务发行可能如何发展。

Roman 表示，即使公司采用股权与债务并行的融资方式，所需资金总额仍会“极其庞大”。他将其与规模约 $20 trillion 的全球公司债市场相比，以此凸显潜在资金需求相对于成熟融资来源的规模。他说：“总有一天，这会超出市场所能承受的程度。”这项比较并不代表每个 AI 项目都会通过公司债融资，而是说明整体融资挑战为何受到投资者与金融机构关注。

其他估算也凸显了基础设施建设的规模。Goldman Sachs 周一在报告中指出，全球数据中心需求在未来五年将需要约 $8.5 trillion 的资本支出。数据中心是 AI 扩张的核心，因为它们提供计算设备的空间，以及开发和运行数字服务所需的容量。满足预期需求，不只是购买科技设备；开发商也需要合适的地点、审批许可、稳定电力，以及融资渠道。

Gray 表示，这需要广泛多元的融资组合。公开市场、银行与私人资本都可能出力，而公司也可能越来越常采用结构化交易，以管理自身承担的债务规模。他指出，结构化安排有助以不同方式分配资金与风险，但无法消除基础设施建设所需的根本融资需求。他也表示，超大规模云服务商所产生的现金，可能支应部分支出。

多元的资金来源反映了这项工作的规模。股权融资可为公司提供资金，且不会像借款一样产生相同的固定还款义务，但发行股权可能影响现有股东的持股比例。债务融资可能让企业在保留所有权结构的同时筹措资金，但也会产生偿还本金与利息的义务。实践中，公司与投资者必须衡量各种方式的成本、风险与可获得性，而不能假设单一资金来源就能满足所有需求。

Gray 表示：“由于所需资金规模庞大，因此需要发挥创意。”他的说法点出了这个领域面临的实际挑战：随着项目规模扩大、时程各异，且不同企业承担的风险有所差异，融资架构可能需要随之调整。举例来说，数据中心项目涉及长期资产，并依赖电力及其他重要投入资源。因此，筹资能力也与项目能否取得所需场址、设备及运营资源息息相关。

尽管存在融资方面的疑虑，Gray 对 AI 基础设施的前景仍持正面看法。他表示，计算能力的需求“远远超过供给”。这种供需失衡意味着，即使资金筹措越来越困难，公司与投资者仍可能有充分理由持续建设。然而，强劲需求并不会消除执行风险。项目仍须先完成建设并备妥资源，产能才能投入使用。

企业对 AI 工具的支出，也显示出业界的兴趣。Gray 表示，Blackstone 投资组合公司在 AI 模型上的支出，在过去一年增加了 20-fold。企业发现，AI 应用于编程、客户互动及内容创作等方面能带来财务效益。这些例子说明公司可能愿意投资 AI 的原因：相关工具可支持组织内不同职能，而不只限于狭义的技术用途。

与此同时，AI 的使用增加，也带动支持 AI 运行的基础设施需求。公司需要计算能力来开发模型及运行应用程序，而服务提供商则需要充足的数据中心资源，以满足客户需求。这种联动有助于解释投资计划为何可能快速扩大：企业采用 AI，可能转化为对计算、存储及电力的更高需求。然而，应用带来的效益与基础设施的可用性，未必会同步发展。

Gray 表示，由于获取场址、许可、芯片、电力与资金越来越困难，满足需求仍是一大挑战。每项限制都可能拖慢项目，或影响其成本与时程。场址可能难以获取；必要许可可能需要时间；芯片与电力必须到位；融资也必须以合适条件筹措。这些因素彼此牵连，因此即使解决一项瓶颈，只要其他问题仍未排除，也不代表项目就能顺利推进。

Gray 与 Roman 的发言，因而指出同一个市场的两个方面。一方面，AI 计算需求持续增加，企业也报告了 AI 模型的实际用途。另一方面，融资与建设需要的资源规模庞大，可能使贷款机构面临集中风险，并考验资本市场的承载能力。核心问题不只是投资者是否感兴趣，而是如何让不同资金来源共同承担所需投资，并使资金安排与个别项目的风险相匹配。

随着公司与金融业者寻求避免过度依赖债务，股权融资的重要性可能日益提升。均衡的做法可能包括公开市场股权融资、借款、私人投资、结构化交易，以及运营现金流。合适的组合将取决于公司、项目与市场环境。没有任何单一融资方式能消除不确定性，但将资金需求分散至多种来源，或许有助于应对过度依赖单一渠道所带来的限制与风险。

重点摘要表

后续展望……

AI 基础设施发展的下一阶段，不仅取决于投资者能提供多少资金，也取决于能否有效地将资金投入可实际执行的项目。投资者、公司与政策制定者需要了解预期需求、实际使用情况、建设时程，以及重要投入资源供应之间的关系。若能更充分掌握这些因素，市场或许就能更清楚地区分可行的计划与面临重大执行挑战的计划。

进一步研究融资架构也将十分重要。探讨股权融资、银行贷款、私人资本与结构化交易如何分配风险，有助于厘清哪些方式适用于不同类型的项目。提高债务敞口与融资承诺的透明度，也可能帮助投资者评估集中风险；审慎分析则可显示个别项目与公司是否有能力履行还款义务。

基础设施规划应同等重视电力、许可、土地及科技供应。能源系统、计算效率与数据中心设计的进展，可能有助于缓解部分限制，但无法取代务实的项目规划。AI 基础设施若要持续稳健发展，除了金融创新，还需要可靠的实体基础设施与明确的风险评估。随着 AI 采用范围扩大，持续研究其经济效益、资本需求及资源需求，有助于确保投资决策兼顾机遇与实际承载能力。