AI 基础设施扩张，正在制造新的“AI 因子”风险

因此，强劲的 AI 股市可以帮助企业以更低成本发行股权挂钩证券，进而为更多基础设施建设提供资金，并延续增长叙事。反过来，若 AI 股票出现剧烈抛售，可转债吸引力可能下降，对冲条件恶化，借款人就可能不得不更多依赖成本更高的普通债务或新股融资。

真正的共同风险，不是资产形式，而是 AI 需求

一只大型云服务商债券、一笔数据中心贷款、一项私募信贷安排、一笔电力项目贷款和一家供应商的应收账款，可能由不同的法律实体发行或持有。但它们仍可能依赖同一个经济前提：AI 客户会继续增加支出、租用算力，并创造足够收入来支撑整个基础设施链条。

这种共同依赖，可能让资产组合看起来比实际更加分散。一个同时持有债券、证券化产品和私募贷款的投资组合，可能在不同层面重复暴露于同一批云服务商、数据中心运营商或设备需求。一旦项目延期、算力利用率不足，损失可能通过不同金融工具同时出现，即便这些工具在法律上并没有得到同一家公司的直接担保。

当融资安排把风险从公司最显眼的资产负债表中转移出去，却没有消除发起人的商业义务时，问题会变得更加复杂。

表外融资，可能掩盖实际经济敞口

特殊目的载体、租赁和剩余价值担保，正成为数据中心扩张的重要融资工具。在一种常见结构中，外部载体负责筹集债务并持有设施，科技公司则租用建成后的数据中心。这样做可能使项目借款不出现在科技公司的已报告债务中，但公司仍可能承担租金、最低使用量，或与资产未来价值相关的担保责任。

Meta 提议中的 Hyperion 数据中心项目展示了这种结构。法律分析称，该项目通过一个规模 300 亿美元的特殊目的载体融资，其中约 270 亿美元来自贷款、30 亿美元来自股权，建成后的设施将出租给 Meta。 另有报道提到，Meta 提供了剩余价值担保：如果项目资产价值跌破约定门槛，公司可能需要向投资者补偿差额。

这并不意味着项目载体的债务与母公司发行的普通优先债务完全相同。但它说明，企业报表上的杠杆率，未必充分反映公司对建设成本、技术淘汰、设施利用率和资产价值的敏感度。

对投资者而言，真正的问题不只是“法律上是谁借了钱”，还包括：“如果预期中的 AI 经济效益没有实现，最终由谁承担损失？”

一次重新定价，可能如何扩散至实体经济

融资调整未必以违约开始，更可能始于市场假设的变化：

1. AI 收入增长或数据中心利用率低于预期；
2. 科技股估值下跌，投资者重新评估资本开支的回收周期；
3. 公司债利差扩大，可转债融资吸引力下降；
4. 项目载体、运营商和供应商面临更昂贵的再融资；
5. 大型云服务商推迟或削减芯片、服务器、建筑、电力和房地产订单；
6. 较弱的交易对手失去信贷渠道，而长期借款成本上升，进一步压制科技行业以外的投资。

这是一种潜在的反馈回路，而不是对未来的预测。拥有大量现金流的大型云服务商，可能比小型基础设施企业更能承受投资回报下降。但即使大型企业不发生大规模违约，项目延期和金融条件收紧也可能影响更广泛的投资周期。

目前证据能说明什么，不能说明什么

现有证据支持这样一个判断：集中度风险与相关性风险正在上升。AI 相关借款快速增长，可转债正被用于支持 AI 相关扩张，复杂的数据中心交易也在公开市场和私募市场之间分散了风险敞口。

但这些事实本身并不能证明金融体系即将爆发系统性危机。5700 亿美元是预测值，而不是已经实现的发行量；融资缺口或资本开支中债务融资占比，也取决于统计口径。租赁、担保、私募信贷、供应商融资和未来承诺是否计入“债务”，会得出截然不同的结果。

因此，对投资者而言，更有用的做法是绘制自己的风险敞口图谱，而不是只看发行人名称。需要进一步追问：投资组合中的多项资产，是否依赖同一个大型云服务商、同一个数据中心租户、同一种设备转售价值，或同一个 AI 商业化假设？

核心风险并不是所有 AI 相关资产都完全相同，而是许多资产可能同时暴露于同一次预期变化。