AI 牛市的第二张账单来了

瑞银最新研究把 AI 资本开支推到了全球信用周期里。

过去两年，市场讨论 AI，主要看英伟达订单、云厂商资本开支、HBM 短缺、电力瓶颈和数据中心建设。逻辑很简单，谁能卖铲子，谁能拿订单，谁就能获得估值溢价。但现在，AI 基础设施的另一张账单开始浮出水面——债务。

瑞银首席全球策略师 Arend Kapteyn 测算，全球信贷脉冲已经升至 +1.3%。这个指标衡量的是过去 12 个月净新增信贷占 GDP 比例的变化，意味着过去一年，全球新增信用比上一年多出相当于 GDP 1.3% 的规模。推动这轮改善的核心变量，已经不是地产，也不是传统制造业，而是 AI 基础设施建设。

瑞银预计，超大规模云计算企业仅 2026 年一年的债务发行规模就将达到 6000 亿美元。摩根士丹利给出的外部口径也接近这一量级，预计 2026 年全球 AI 相关债务发行将超过 5700 亿美元。AI 正在从 “科技公司花钱扩产” 的行业故事，变成全球信用市场的新增供给。

Oracle 就是一个直观的案例。6 月，Oracle 因为高额 AI 资本开支、融资安排和自由现金流压力遭遇重挫。公司计划在 2026 财年投入约 700 亿美元净资本开支，并通过债务和股权融资筹集约 400 亿美元。直接把 AI 基建的核心矛盾摆到了台面上：订单可以很漂亮，故事可以很大，但资产负债表最终要接住这些资本开支。

AI 基础设施不再是轻资产科技故事

AI 最早的定价逻辑，是短缺。GPU 不够，HBM 不够，先进封装不够，数据中心电力不够。短缺带来涨价，涨价带来利润弹性，利润弹性推动估值切换。这套逻辑解释了英伟达、博通、美光、台积电、Vertiv、电力设备和部分光互连公司的上涨。

但信贷脉冲数据说明，AI 正在进入下一阶段，不再只是供应链利润表里的增量，而是资产负债表里的扩张。

瑞银数据显示，当前全球信贷脉冲为 +1.3%，改善完全来自发达市场，发达市场达到 +2.2%，新兴市场整体反而为-0.3%。美国贡献最大，对全球信贷脉冲的贡献约为 +2.6% 的 GDP，对应规模约 8000 亿美元。这个口径说明全球信用改善是发达市场内部少数资本开支部门在加杠杆。

美国的增量也不是单纯来自债券市场。瑞银提到，虽然超大规模云计算企业净新增投资级债券发行约 3000 亿美元，但在统计口径下，对信贷脉冲贡献并不直接。真正形成推动力的是银行贷款。美国信贷增量中，约 45% 来自家庭贷款增长，55% 来自企业贷款增长，而 AI 基础设施建设是企业贷款扩张的重要来源。

云厂商要扩建数据中心，需要土地、电力、服务器、网络、液冷、工程建设和长期采购合同。每一个环节都要占用资本。过去互联网公司的估值锚是用户和流量，现在 AI 巨头的估值锚变成了算力、融资成本和资本开支回报率。

科技公司正在从 “高毛利、轻资产、强现金流” 的平台叙事，转向 “高投入、强负债、长回收期” 的基础设施叙事。微软、亚马逊、谷歌和 Meta 仍然有强现金流，但 AI 建设强度已经超出传统云计算周期。Oracle 的情况更极端，既想追赶 AI 云基础设施，又没有微软和亚马逊那种同等级别的现金流缓冲，所以市场对 Oracle 的融资计划反应更敏感。

资本市场会重新给这类公司分层，现金流强、债务成本低、云业务能快速变现的公司，会被视为 AI 基础设施公用事业化的核心资产；订单多但融资压力大的公司，会被打上 “高增长、高杠杆、高波动” 的标签；供应链公司则继续享受订单红利，但估值会越来越依赖客户资本开支是否持续上修。

下一轮机会不只在 “卖铲人”

AI 基础设施建设仍然是中期主线。训练和推理需求继续扩大，企业 Agent、视频生成、自动驾驶、机器人、云服务和边缘 AI 都在消耗算力。供给端的瓶颈也没有真正解决，GPU、HBM、先进封装、电力、液冷、土地、并网和网络设备仍然紧张。

但我们不能再用 2023 年的框架看 2026 年的 AI。

2023 年看模型突破，2024 年看 GPU 供需，2025 年看云厂商资本开支，2026 年要看资本开支的融资质量和现金流兑现。谁能证明 AI 投入带来真实收入，谁才有资格继续享受估值溢价。

第一类机会仍然是确定性最高的卖铲人。英伟达、博通、美光、台积电、ASML、应用材料、Lam Research、KLA、Vertiv、Arista 这类公司，仍然卡在 AI 基础设施扩张的关键节点。增长靠订单兑现，利润弹性来自供需瓶颈。问题是，很多公司已经涨过一轮，估值里已经反映了不少一致预期。

第二类机会是 AI 资本开支外溢到物理世界后的基础设施资产。电力设备、配电系统、液冷、数据中心 REITs、工程建设、能源供应和并网服务，正在被市场重新理解。它们过去不是科技资产，现在却成了 AI 基础设施无法绕开的底座。这个方向的资本故事，不是高爆发，而是订单周期拉长、需求刚性增强、估值从传统工业切向 AI 基础设施。

第三类机会才是最难定价的：云厂商和 AI 应用公司。微软、亚马逊、谷歌、Meta 和 Oracle 的共同任务，是把巨额资本开支转化为可持续现金流。微软有 OpenAI 和企业客户，亚马逊有 AWS 和电商生态，谷歌有搜索、广告和 Gemini，Meta 有广告效率和 AI 社交入口，Oracle 有云基础设施订单。但资本市场会越来越细地比较它们的现金流质量、债务压力和 AI 收入能见度。

这里会出现明显分化，现金流越强的公司，越容易把 AI 建设讲成长期基础设施投资；融资压力越大的公司，越容易被市场质疑为追赶式资本开支。AI 基础设施不是谁花钱多谁赢，而是谁能用更低成本拿到资金，用更高效率转化为收入。

如果 AI 应用收入加速兑现，企业客户愿意为 Agent、云算力、智能办公、自动化软件和行业模型付费，当前资本开支就会被证明是提前布局。那时市场会继续给 AI 链条估值切换，甚至可能把部分云厂商重新定价为下一代基础设施平台。

结语

瑞银这份研究把 AI 风险从股价层面推到了信用周期层面。

过去看 AI，市场主要问英伟达还能不能超预期，博通 ASIC 订单能不能继续上修，美光 HBM 价格能不能继续涨。现在还要问，云厂商债务发行能不能被顺利吸收，银行贷款能不能维持扩张，表外融资有没有隐藏压力，资本开支带来的现金流什么时候出现。

AI 牛市没有结束，但它的难度在提高。

前半场，市场奖励谁讲得大、谁拿到订单、谁卡住瓶颈。下半场，市场会奖励谁的资产负债表更健康，谁的现金流更硬，谁的 AI 资本开支回报率更清楚。

真正的机会，还在 AI 链条里。

真正的风险，也开始从 AI 链条里长出来。