新闻详情

新闻详情

首页 / 资讯中心 / 详情

注意:算力基建投资超十万亿,这里拆解科技巨头的表外负债

发布时间:2026/11/15 22:23:31来源:尧图网络
注意:算力基建投资超十万亿,这里拆解科技巨头的表外负债
注意算力基建投资超十万亿这里拆解科技巨头的表外负债你见过买东西还要反过来分走卖家股份的生意吗2026年9月24日明星人工智能公司Anthropic找老牌网络服务商Akamai签了一份长达七年的租约一口气砸出116亿美元采购中央处理器算力未来甚至还能扩至约200亿美元。然而最让华尔街瞠目结舌的是附加条款Akamai反手送出了最多约5%的公司股份认股权证。也就是说买家还没把租金完全付清就已经按每股111.33美元的约定价格拿到了随时成为卖家大股东的特权。为了伺候好这位大客户Akamai自己还得勒紧裤腰带砸下约55亿美元配套资本这相当于它2025年全年资本支出的六倍还多仅2026年就要多花17亿美元去抢购紧俏的内存等供应链部件。更让人心里打鼓的是这种操作在Anthropic身上根本不是孤例它刚刚在8月同Volta签下100亿美元协议9月又被曝出是Rum Group那笔137亿美元大单背后的金主。这种「你买我服务我送你股票大家一起把账面做大」的循环交易在当下的算力圈子早已见怪不怪。一、比修铁路和通电加起来还要贵这笔账到底怎么算出来的如果你觉得几百亿美元已经是个天文数字那布鲁金斯学会刚端出的一本总账足以让所有人的下巴掉在地上。2026年9月23日哥伦比亚大学金融与房地产教授斯泰因·范尼乌沃伯格在布鲁金斯学会刊出一篇重磅研究。经过详尽测算他给出了一个令人眩晕的数字从2025年到2032年美国在数据中心建筑、电力系统、网络设施以及专用芯片等设备上的总投资将达到整整10.3万亿美元。10.3万亿美元是个什么体感平均摊到这七年里它每年要吃掉美国国内生产总值的3.63%。我们不妨翻开历史账本做个横向对比19世纪末席卷全美的铁路建设热潮被视为此前历史上最烧钱的通用技术普及其年均消耗的经济产出份额也不过是2.2%到了20世纪中叶连接全美命脉的州际高速公路系统建设年均占比只有约1%90年代中期的电信网络扩张同样只占约1%。算下来这场为了让人工智能跑起来而发起的基础设施大拆大建烧钱速度是高速公路系统的三倍多更是20世纪初全美电气化改造的六倍。眼下全美数据中心装机容量大约只有57吉瓦。如果要按照行业野心在2032年前硬生生拔高出183吉瓦的新增容量就必须填进这10.3万亿美元。哪怕按照最保守的模型拆解建一座200兆瓦的中型训练园区造价就要82亿美元其中三分之二要拿去买昂贵的设备剩下三分之一用来抢地和硬啃电力设施若是建一座1吉瓦的超级算力园区账单更是直接飙到410亿美元。二、连家底最厚的科技巨头怎么也开始借钱找替身了面对深不见底的资金黑洞连平日里财大气粗的科技巨头们也撑不住了。曾几何时微软、Alphabet、亚马逊、Meta这些超大规模云厂商全凭账面上趴着的巨额真金白银现金流在买单。但水库里的水已经快跟不上抽水机的马力了。2020年时五大巨头的资本支出加起来才970亿美元到了2025年这个数字窜到了4000多亿美元而预计到2026年五大家一年的资本开支将突破8000亿美元彻底超过它们全年的经营性现金流总和。再往后看截至2029年的短短四年里五大厂商的资本支出预计将堆出4.2万亿美元的天文巨塔。自己手头的现钱不够花巨头们试出的办法不是收缩战线而是玩起了复杂的金融腾挪把沉重的债务剥离出母公司资产负债表藏进不透明的特殊目的实体与合资企业里。范尼乌沃伯格在论文里拿Meta代号为Hyperion的项目做了一个教科书式的解剖。这是一个投资额高达300亿美元、规划2.0吉瓦的庞然大物。Meta一开始全资揣在怀里随后手腕一转把80%的股权作价约25亿美元卖给了投资机构Blue Owl成立了一家名为Beignet的合资公司。紧接着这个合资实体在2025年10月面向外部融了整整270亿美元债务一举创下美国历史上规模最大的单笔投资级公司债发行纪录。这套把戏的精妙之处在于Meta把风险和债务统统装进了壳公司。项目层面的债务资产比高达恐怖的90%偿债覆盖率被压榨到了薄如刀片的1.12倍。为了让借钱的机构放心双方设计了一个极其精巧的锁链从2029年开始连续签下五份四年期租约一直绑到2049年债券到期。Meta拥有在节点退租跑路的灵活性但代价是要签署残值担保如果退租后资产变卖亏了钱Meta必须掏腰包补齐差价。摩根士丹利的测算同样揭开了这层盖子2025年到2028年超大规模云厂商带来的2.9万亿美元算力增量需求中有一大半要靠外部杠杆输血。在那部分债务融资里约8000亿美元来自私人信贷公司债占了约2000亿美元结构化融资占了约1500亿美元。原本清清楚楚的账目被切碎分装进了层层叠叠的金融工具箱。三、当七年后需要3.7万亿年收入谁来咽下最后一口气范尼乌沃伯格在记者吹风会上忍不住扔出一句大白话这些在科技公司、云服务商、银行、私人信贷机构和地产商之间盘根错节的安排简直复杂得离谱。复杂往往意味着遮蔽。作者直言不讳地警告眼下这些特殊目的实体的不透明程度让人不可避免地联想到当年次贷危机前夕的阴影。虽然目前为数据中心热潮承销的债务承诺至少在1.3万亿美元比起次贷危机时约3万亿美元的总量还不到一半尚不能断言系统性金融危机近在眼前但因为几乎每家主流金融机构都深度卷入、对人工智能抱有极高的集中敞口风险其实已经在暗处结网。更加残酷的是数学逻辑的拷问。范尼乌沃伯格算了一笔账按照资本市场最低10%的回报率底线倒推为了支撑起这具庞大的机器到2032年整个人工智能行业每年至少需要产生约3.7万亿美元的营业收入。可现实是什么光景即便把风头最劲的OpenAI和Anthropic两家全年的收入加在一起现在满打满算也才只有区区1000亿美元左右。要想从1000亿跨越到3.7万亿意味着在接下来的时间里整个行业的营业收入必须年年保持约80%的高速狂飙。硅谷竭力向世界证明人工智能是一项能点石成金的奇迹但只要现实中的技术迭代稍有迟滞、硬件设备加速折旧过时或者电力采购卡脖子导致工期延误这套由极高杠杆、极端乐观预期与单一租户信用堆砌起来的多米诺骨牌就会迎来最脆弱的时刻。眼下各地的阻力已经开始浮出水面。虽然地方政府曾靠着免征设备销售税等补贴拼命招商但不少社区已经开始强烈反弹抗议巨型园区抢占当地紧绷的水电资源美联储官员也正紧盯这轮疯狂的基建潮评估它究竟会在多大程度上推高全社会的通胀压力。规划管道里的算力数字已经吹到了509吉瓦但在作者看来其中至少有227吉瓦可能永远无法落地还有117吉瓦会被迫拖到2032年以后。就如同每一次狂热的房地产周期一样当信贷的阀门彻底松开投机性的边缘算力被源源不断地塞进管道一旦终端的实际买单需求无法兑现随之而来的便是供过于求和价格崩塌。正如学者在报告里留下的那句冰冷提醒我不认为这次会有什么不同。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉