WuBlockchain 转发的中金公司研究部文章称，在 AI 算力投资持续扩张背景下，美国大型科技企业正从过去的“轻资产、高现金流”模式，转向“重资产、高资本开支”模式，债券融资规模也在同步上升。报告用明斯基金融不稳定假说评估相关风险后给出的结论是：当前 AI 债务风险仍处在可控范围，距离真正意义上的“明斯基时刻”还有较大距离。
文章认为，市场当前更需要关注的，并不是债务规模本身是否已经失控，而是融资结构正在发生变化。随着资本开支持续上升，部分企业对外部融资的依赖正在增强，融资模式也开始从对冲融资向投机融资迁移。
AI 资本开支抬升，云厂商债券融资明显增加
中金指出，过去美国大型科技公司资本开支有限，投资主要依靠内部经营现金流支持。随着 AI 基础设施建设提速，科技企业逐步转向重资产模式，资本开支快速攀升，对外融资需求也随之增加。
按文中数据，五大云计算厂商的资本开支已相当于经营现金流的 97.4%。与此同时，2026 年上半年这五家公司合计发行债券约 1700 亿美元，已经达到 2025 年全年发行规模的 1.5 倍。
报告将这一变化放入明斯基框架下观察。按照该框架，长期稳定和宽松融资环境可能推高风险偏好，企业融资结构会由稳健模式逐步转向更依赖杠杆和再融资的模式。一旦未来预期落空、融资成本抬升，债务违约、去杠杆和资产抛售可能相互强化，并触发“明斯基时刻”。
明斯基框架下的三类融资模式
中金在文中沿用明斯基对企业融资模式的划分，将其分为三类：
- 对冲融资（hedge finance）：企业经营现金流足以覆盖债务本金和利息，偿债不依赖外部再融资。
- 投机融资（speculative finance）：企业现金流只能支付利息，无法偿还本金，需要持续借新还旧维持债务滚动。
- 庞氏融资（Ponzi finance）：企业经营现金流不足以覆盖利息支出，偿还依赖资产价格上涨，甚至需要出售资产还债。
文章认为，这一框架同样适用于分析 AI 投资。关键问题在于：相关融资目前发展到哪个阶段，是否会演化为系统性金融风险，以及这对未来 AI 浪潮的可持续性意味着什么。
五大云厂商当前仍具备覆盖债务本息的能力
为衡量科技企业的偿债能力，中金选取了两个指标。其一是现金流利息保障倍数，即经营现金流与利息支出的比值，用来判断企业现金流能否覆盖利息。其二是还本付息率，即债务本息现值与经营现金流之比，用于衡量经营现金流对全部债务本息的整体覆盖能力。
按照文中的理论划分，如果现金流利息保障倍数低于 1，说明企业连当年利息都难以支付，属于庞氏融资；如果该倍数高于 1，但还本付息率大于 1，说明企业能够支付利息，却无法覆盖到期本金，需要依赖再融资，对应投机融资；如果现金流利息保障倍数高于 1，且还本付息率低于 1，则说明经营现金流足以覆盖全部债务本息，属于对冲融资。
从最新数据看，五大云计算厂商的现金流利息保障倍数全部高于 1。甲骨文约为 7 倍，是五家公司中最低；亚马逊约为 48 倍；谷歌最高，约为 82 倍。
还本付息率方面，五家公司也都低于 1。甲骨文约为 48%，亚马逊约为 12%，谷歌约为 6%。中金据此判断，五大云厂商当前仍能够依靠搜索、广告、云服务和 SaaS 软件等主营业务持续创造稳定经营现金流，对现有债务本息形成覆盖。即便过去两年债券发行规模明显增长，整体偿债能力仍处于相对稳健区间。
横向比较显示：微软、谷歌、Meta 和亚马逊领先，甲骨文偏弱
报告强调，仅看绝对指标并不足以判断风险，还需要做横向比较。若将五大云厂商与标普 500 各行业上市公司放在一起观察，微软、谷歌、Meta 和亚马逊的经营现金流保障倍数仍处在领先市场的水平，甲骨文则明显偏弱。
文中称，甲骨文虽然属于科技行业，但其现金流利息保障倍数已经低于科技行业平均水平，更接近公用事业、房地产等典型重资产行业。中金认为，这些行业通常资本开支较高，债务也更依赖滚动融资，因此整体债务风险相对更高。
自由现金流压力开始显现，亚马逊、甲骨文已转负，谷歌季度首次为负
如果把口径收紧到自由现金流，即经营现金流扣除资本开支后的指标，五大云厂商之间的分化会更明显。按过去 12 个月口径，微软、谷歌和 Meta 仍保持较好的自由现金流创造能力，但亚马逊和甲骨文的自由现金流已经转为负值。
中金特别提示，亚马逊在 GICS 分类中属于非必需消费品行业，其资本开支不仅包含 AWS 数据中心投资，也包括物流网络和仓储设施建设。因此，亚马逊的自由现金流和资本开支指标天然高于其他以软件和互联网服务为主的云厂商，横向比较时需要考虑业务结构差异。
谷歌方面，文章援引其最新公布的 2026 年第二季度财报称，公司季度自由现金流首次降至负 59 亿美元，为上市以来首次出现季度负值。这反映出 AI 资本开支增速在阶段性上已经超过主营业务现金流的增长速度。若未来主营业务收入增速不能明显提高，企业对外部融资的依赖将继续上升。
不过，中金也表示，自由现金流转负并不必然意味着债务风险失控。AI 基础设施投资本身具有较强周期性，随着数据中心建设逐步完成，资本开支增速未来可能回落，自由现金流也可能重新改善。报告还提到，许多科技企业在高速扩张阶段都经历过自由现金流为负的时期，考虑到 AI 属于新一轮技术革命，技术发展初期需要大量投入，短期现金流承压并不反常。
债务期限结构整体稳健，短债占比低于标普 500 均值
在明斯基框架中，判断企业融资状态还有另一个维度，即债务是否依赖持续再融资维持滚动，以及偿债是否需要依赖资产价格上涨或出售资产。围绕这一点，中金又选取了两个指标：短期债务占总债务比例，以及现金和短期有价证券规模。
从期限结构看，五大云厂商的短期债务占比整体较低，均明显低于标普 500 成分股 27.4% 的平均水平。微软在五家公司中最高，约为 14.7%；Meta 最低，约为 2.2%。
与之对应，五大云厂商的债券期限普遍较长。亚马逊约为 8 年，微软约为 11.8 年，均高于美国企业债约 5 年的平均久期。文中认为，长期限融资不仅降低了短期再融资压力，也使债务期限与数据中心等 AI 基础设施投资周期更匹配，从而减少期限错配带来的融资风险。
有效利率约 2%，低于 10 年期美债收益率 4.4%
中金同时指出，五大云厂商债务的实际融资成本目前仍然较低。虽然 2022 年以来美国无风险利率大幅上升，但这些公司的有效债务利率并未同步明显抬升，当前大致只有约 2%，低于 4.4% 的 10 年期美债收益率。
文章给出的原因有两个。其一，这些企业在低利率环境中提前“锁定”了债务。其二，部分公司也通过利率较低的非美元货币进行融资，例如瑞士法郎，从而拉低整体融资成本。中金认为，这也说明较长债务期限有利于降低未来融资成本快速上升带来的风险。当然，如果未来信用风险明显恶化，融资成本仍会随之上升。
现金储备分化明显，甲骨文和亚马逊外部融资依赖更高
从流动性缓冲看，谷歌、微软和 Meta 均持有规模可观的现金、现金等价物及短期有价证券，扣除有息债务后仍保持净现金状态。中金据此认为，即便不依赖新增融资，这三家公司也具备较强的债务偿付能力，偿债并不依赖资产价格上涨或出售资产。
亚马逊的净现金储备则在 2026 年第二季度转为负值，但文中称其规模有限。中金再次提醒，亚马逊属于非必需消费品行业，财务指标存在一定特殊性。
相比之下，甲骨文的净现金缺口更加明显，对外部融资的依赖程度更高，财务脆弱性也相对更高。
表外借贷是一个需要跟踪的风险点
除了表内债务，中金还提到一个值得关注的风险，即表外借贷。文章援引国际清算银行（BIS）的报告称，大型云厂商利用“影子借贷”为 AI 数据中心融资的规模正在迅速增加。
报告介绍，这类“影子借贷”通常以私募信贷形式出现。常见结构是设立特殊目的实体（SPV）或合资企业，用于收购或建设数据中心资产。该实体的资本一般来自多家财团，大型云厂商只持有少数股权，但会承诺签订长期经营租赁协议或算力购买协议，并提供信用担保，债务则由租赁现金流偿还。
文中称，这部分债务的潜在风险在于，如果未来数据中心建成后，AI 算力需求不足以覆盖长期租赁成本，就可能形成新的负债，从而进一步增加企业财务压力。按照部分机构测算，这部分隐性债务规模约为 1.65 万亿美元。
不过，中金也给出了对冲这一风险的现有依据。按文章数据，微软、谷歌和亚马逊披露的云服务积压订单仍然充足，合计约 1.45 万亿美元。若这些订单能够按计划兑现，基本能够覆盖相关租赁所产生的负债。
五大云厂商仍处在 AI 债务周期早中期
基于上述微观数据，中金的总体判断是，五大云厂商整体仍处于 AI 债务周期的早期至中期阶段，尚未出现典型融资失衡。当前 AI 债务风险的核心，不是“债务规模过大”，而是“融资结构正在发生变化”。
文章写道，随着 AI 资本开支持续扩张，融资模式正由内部融资逐步转向外部融资，也就是从对冲融资向投机融资迁移。从明斯基的意义上说，融资迁移已经开始，但这并不等于“明斯基时刻”已经到来。
分公司来看，微软和 Meta 仍属于典型的对冲融资；谷歌和亚马逊开始呈现从对冲融资向投机融资演化的迹象，但仍处于早期阶段；甲骨文由于自由现金流持续承压，净现金储备为负，财务脆弱性相对更高。
美国家庭和企业部门杠杆率仍处低位
中金进一步把观察范围从企业个体扩展到宏观层面。文章认为，AI 企业自身融资状况只是风险的一部分，美国整体杠杆水平决定了相关债务问题是否可能演化为系统性金融风险。
家庭部门方面，截至 2026 年一季度，美国家庭债务占 GDP 比重约为 66%，较 2008 年次贷危机前接近 100% 的峰值明显下降。同期家庭部门还本付息率约为 8%，基本保持稳定，也显著低于次贷危机前约 12% 的高点。中金据此认为，美国家庭部门资产负债表经过长期修复后，整体偿债能力已明显改善。
企业部门方面，当前美国非金融企业债务占 GDP 比重约为 70%，低于过去十年的平均水平；企业部门还本付息率约为 37%，也处在历史最低水平附近。文章称，虽然 AI 投资推动大型科技企业债务规模有所扩张，但从宏观口径看，美国企业部门并未出现广泛高杠杆现象，整体债务负担并不高。
私人部门债务负担较低，与政府部门加杠杆有关
中金认为，美国私人部门债务负担偏低的一个原因，是杠杆从私人部门转向了政府部门。疫情以来，美国政府实施了大规模财政扩张，财政赤字明显增加。
文中指出，政府赤字相当于私人部门的净资产，赤字越高，私人部门净资产越多。这意味着，政府部门承担了更多加杠杆压力，私人部门资产负债表则获得改善。
银行体系资本充足，经纪商杠杆仍低于次贷危机时期
文章还从金融体系稳定性角度说明当前风险为何尚未演化为系统性问题。中金称，2008 年之后，在较严格金融监管下，美国银行体系资本充足率持续处于较高水平。无论是全球系统重要性银行（G-SIBs）还是其他商业银行，一级核心资本（CET1）充足率都处于历史较高区间，显示银行具备较强风险吸收能力。
此外，金融经纪商（broker-dealer）资产权益比率仍低于次贷危机时期水平，说明金融体系内部加杠杆并不严重。
本轮 AI 投资更多依赖债券市场，而非银行信贷扩张
在中金看来，本轮 AI 资本开支的融资方式，也与房地产泡沫时期存在明显差异。当前 AI 资本开支更多通过债券市场融资完成，而房地产泡沫时期主要依赖银行信贷扩张。
文章称，债券融资本质上属于存量资金在投资者之间重新配置，不直接创造货币，也不存在银行体系的信用乘数效应。因此，相关债务风险主要由债券投资者承担，而不是集中沉淀在银行资产负债表中。由此看，AI 债务风险更多体现为资本市场信用风险，而非银行体系资产质量恶化，对银行体系的整体外溢影响相对有限。
中金据此总结，无论从企业微观融资结构，还是从宏观杠杆、金融体系稳健性以及融资方式看，当前美国 AI 投资更像是一轮高资本开支周期。债务问题值得重视，但暂未构成系统性风险。真正需要跟踪的，是未来 AI 投资回报能否持续支撑经营现金流增长。如果资本开支长期超过现金流创造能力，融资结构才可能由对冲融资进一步演化为投机融资，甚至庞氏融资，进而触发明斯基意义上的金融不稳定。
7 月以来 AI 资产调整，中金称更像逻辑重估与板块轮动
除了债务分析，中金还把这一框架用于解释近期美国市场表现。文章称，7 月以来 AI 资产持续调整，引发“AI 泡沫是否结束”的讨论，但其判断是，这一轮调整更像多重因素共同作用下的逻辑重估与板块轮动。
首先，市场自身存在技术性调整需求。过去一年，AI 成为全球资金最集中的交易方向，尤其在刚刚过去的第二季度，以芯片、存储为代表的 AI 产业链上游股票大幅上涨，吸引杠杆资金和趋势资金持续涌入，交易拥挤度明显提高。中金称，当市场开始出现新的宏观变量，例如美联储加息预期抬升、中东地缘风险加剧，这类资产就更容易面临较大获利回吐压力。
利润分配不平衡，市场开始重视资本回报而非单纯扩张
第二个原因，是 AI 产业链利润分配不平衡引发资本博弈。文章指出，当前 AI 算力浪潮下，芯片、存储等上游环节依托供给紧张获取了超额利润，而下游的大型云厂商、企业客户与消费者承担了主要成本。中金认为，这种利益分配格局长期难以持续。
随着 AI 基建投资进入更深阶段，市场关注点开始从资本投入规模转向资本回报。文中把谷歌最新财报视作典型案例：尽管公司营收和盈利均超出市场预期，但由于管理层进一步上调未来资本开支指引，股价仍出现回调。这被中金解读为，投资者已开始重视投资效率，而不再单纯奖励无限扩张。
美国基本面改善带来资金轮动，价值与防御板块获青睐
第三个因素，是美国经济基本面改善促进了资金轮动和行情扩散。中金称，今年以来，美国固定资产投资与消费增长稳健，劳动力市场出现回暖迹象，制造业 PMI 持续改善。市场开始计入美联储重新加息的可能性，推动美债名义和实际收益率持续上行。
与此同时，文章提到，新任美联储主席沃什强调改革，并暗示将加强对资产负债表的管控，这增加了市场对未来流动性状况的担忧。中金认为，在利率重新定价过程中，科技股往往面临估值压力，而金融、能源、公用事业等价值与防御板块则更容易获得资金青睐。因此，近期美国市场表现更像是一次典型的板块轮动，而非风险偏好的全面收缩。
AI 投资逻辑正从“拼规模”转向“拼效率、拼回报”
对未来 AI 投资逻辑的判断，是这篇文章最后一部分的重点。中金称，AI 浪潮或未结束，但投资逻辑已经发生变化，市场正从第一阶段的“拼规模”，迈向第二阶段的“拼效率、拼回报”。
对云厂商而言，未来需要接受更严格的资本纪律，证明 AI 投资能够创造可持续回报。对芯片和存储企业而言，当前超额利润具有周期性，随着未来产能扩张，盈利能力将趋于正常化。对软件、大模型和 AI 应用企业而言，竞争会更加激烈，未来胜出的关键将不再是模型规模，而是成本控制、产品效率和商业化能力。
中金最后表示，AI 产业链正在经历从资本驱动向效率驱动的重估。这个过程会伴随估值调整和利润再分配，但也意味着 AI 投资周期正走向更成熟阶段。按文中表述，更严格的资本约束、更健康的盈利模式和更充分的市场竞争，不会削弱 AI 的发展前景，反而有助于提升资源配置效率，并推动 AI 产业实现更可持续的增长。