AI 牛市的第二張賬單來了

瑞銀最新研究把 AI 資本開支推到了全球信用週期裏。

過去兩年，市場討論 AI，主要看英偉達訂單、雲廠商資本開支、HBM 短缺、電力瓶頸和數據中心建設。邏輯很簡單，誰能賣鏟子，誰能拿訂單，誰就能獲得估值溢價。但現在，AI 基礎設施的另一張賬單開始浮出水面——債務。

瑞銀首席全球策略師 Arend Kapteyn 測算，全球信貸脈衝已經升至 +1.3%。這個指標衡量的是過去 12 個月淨新增信貸佔 GDP 比例的變化，意味着過去一年，全球新增信用比上一年多出相當於 GDP 1.3% 的規模。推動這輪改善的核心變量，已經不是地產，也不是傳統制造業，而是 AI 基礎設施建設。

瑞銀預計，超大規模雲計算企業僅 2026 年一年的債務發行規模就將達到 6000 億美元。摩根士丹利給出的外部口徑也接近這一量級，預計 2026 年全球 AI 相關債務發行將超過 5700 億美元。AI 正在從 “科技公司花錢擴產” 的行業故事，變成全球信用市場的新增供給。

Oracle 就是一個直觀的案例。6 月，Oracle 因為高額 AI 資本開支、融資安排和自由現金流壓力遭遇重挫。公司計劃在 2026 財年投入約 700 億美元淨資本開支，並通過債務和股權融資籌集約 400 億美元。直接把 AI 基建的核心矛盾擺到了枱面上：訂單可以很漂亮，故事可以很大，但資產負債表最終要接住這些資本開支。

AI 基礎設施不再是輕資產科技故事

AI 最早的定價邏輯，是短缺。GPU 不夠，HBM 不夠，先進封裝不夠，數據中心電力不夠。短缺帶來漲價，漲價帶來利潤彈性，利潤彈性推動估值切換。這套邏輯解釋了英偉達、博通、美光、台積電、Vertiv、電力設備和部分光互連公司的上漲。

但信貸脈衝數據説明，AI 正在進入下一階段，不再只是供應鏈利潤表裏的增量，而是資產負債表裏的擴張。

瑞銀數據顯示，當前全球信貸脈衝為 +1.3%，改善完全來自發達市場，發達市場達到 +2.2%，新興市場整體反而為-0.3%。美國貢獻最大，對全球信貸脈衝的貢獻約為 +2.6% 的 GDP，對應規模約 8000 億美元。這個口徑説明全球信用改善是發達市場內部少數資本開支部門在加槓桿。

美國的增量也不是單純來自債券市場。瑞銀提到，雖然超大規模雲計算企業淨新增投資級債券發行約 3000 億美元，但在統計口徑下，對信貸脈衝貢獻並不直接。真正形成推動力的是銀行貸款。美國信貸增量中，約 45% 來自家庭貸款增長，55% 來自企業貸款增長，而 AI 基礎設施建設是企業貸款擴張的重要來源。

雲廠商要擴建數據中心，需要土地、電力、服務器、網絡、液冷、工程建設和長期採購合同。每一個環節都要佔用資本。過去互聯網公司的估值錨是用户和流量，現在 AI 巨頭的估值錨變成了算力、融資成本和資本開支回報率。

科技公司正在從 “高毛利、輕資產、強現金流” 的平台敍事，轉向 “高投入、強負債、長回收期” 的基礎設施敍事。微軟、亞馬遜、谷歌和 Meta 仍然有強現金流，但 AI 建設強度已經超出傳統雲計算週期。Oracle 的情況更極端，既想追趕 AI 雲基礎設施，又沒有微軟和亞馬遜那種同等級別的現金流緩衝，所以市場對 Oracle 的融資計劃反應更敏感。

資本市場會重新給這類公司分層，現金流強、債務成本低、雲業務能快速變現的公司，會被視為 AI 基礎設施公用事業化的核心資產；訂單多但融資壓力大的公司，會被打上 “高增長、高槓杆、高波動” 的標籤；供應鏈公司則繼續享受訂單紅利，但估值會越來越依賴客户資本開支是否持續上修。

下一輪機會不只在 “賣鏟人”

AI 基礎設施建設仍然是中期主線。訓練和推理需求繼續擴大，企業 Agent、視頻生成、自動駕駛、機器人、雲服務和邊緣 AI 都在消耗算力。供給端的瓶頸也沒有真正解決，GPU、HBM、先進封裝、電力、液冷、土地、併網和網絡設備仍然緊張。

但我們不能再用 2023 年的框架看 2026 年的 AI。

2023 年看模型突破，2024 年看 GPU 供需，2025 年看雲廠商資本開支，2026 年要看資本開支的融資質量和現金流兑現。誰能證明 AI 投入帶來真實收入，誰才有資格繼續享受估值溢價。

第一類機會仍然是確定性最高的賣鏟人。英偉達、博通、美光、台積電、ASML、應用材料、Lam Research、KLA、Vertiv、Arista 這類公司，仍然卡在 AI 基礎設施擴張的關鍵節點。增長靠訂單兑現，利潤彈性來自供需瓶頸。問題是，很多公司已經漲過一輪，估值裏已經反映了不少一致預期。

第二類機會是 AI 資本開支外溢到物理世界後的基礎設施資產。電力設備、配電系統、液冷、數據中心 REITs、工程建設、能源供應和併網服務，正在被市場重新理解。它們過去不是科技資產，現在卻成了 AI 基礎設施無法繞開的底座。這個方向的資本故事，不是高爆發，而是訂單週期拉長、需求剛性增強、估值從傳統工業切向 AI 基礎設施。

第三類機會才是最難定價的：雲廠商和 AI 應用公司。微軟、亞馬遜、谷歌、Meta 和 Oracle 的共同任務，是把鉅額資本開支轉化為可持續現金流。微軟有 OpenAI 和企業客户，亞馬遜有 AWS 和電商生態，谷歌有搜索、廣告和 Gemini，Meta 有廣告效率和 AI 社交入口，Oracle 有云基礎設施訂單。但資本市場會越來越細地比較它們的現金流質量、債務壓力和 AI 收入能見度。

這裏會出現明顯分化，現金流越強的公司，越容易把 AI 建設講成長期基礎設施投資；融資壓力越大的公司，越容易被市場質疑為追趕式資本開支。AI 基礎設施不是誰花錢多誰贏，而是誰能用更低成本拿到資金，用更高效率轉化為收入。

如果 AI 應用收入加速兑現，企業客户願意為 Agent、雲算力、智能辦公、自動化軟件和行業模型付費，當前資本開支就會被證明是提前佈局。那時市場會繼續給 AI 鏈條估值切換，甚至可能把部分雲廠商重新定價為下一代基礎設施平台。

結語

瑞銀這份研究把 AI 風險從股價層面推到了信用週期層面。

過去看 AI，市場主要問英偉達還能不能超預期，博通 ASIC 訂單能不能繼續上修，美光 HBM 價格能不能繼續漲。現在還要問，雲廠商債務發行能不能被順利吸收，銀行貸款能不能維持擴張，表外融資有沒有隱藏壓力，資本開支帶來的現金流什麼時候出現。

AI 牛市沒有結束，但它的難度在提高。

前半場，市場獎勵誰講得大、誰拿到訂單、誰卡住瓶頸。下半場，市場會獎勵誰的資產負債表更健康，誰的現金流更硬，誰的 AI 資本開支回報率更清楚。

真正的機會，還在 AI 鏈條裏。

真正的風險，也開始從 AI 鏈條里長出來。