AI表外債務1.65兆美元！5大巨頭資本泡沫風險

Q: AI 巨頭的表外債務,為什麼比帳面上的還多?

因為它們大量透過特別目的事業(SPV)、合資公司與長期租賃、take-or-pay 契約來融資,這些負債在法律與會計架構下不必全部併入母公司資產負債表。Nikkei Asia 估算,五大巨頭的表外 AI 債務已暴增約 8 倍至 1.65 兆美元。

Q: 「菊鏈」式的資金網絡,對一般投資人有什麼影響?

它代表風險彼此循環、互相放大。一旦某個環節出問題,壓力會沿著融資契約傳導到私募信貸、保險與供應鏈融資,最後反映為延後拉貨、庫存上升與產能閒置,投資人必須把表外負債與供應鏈健康度一併納入評估。

Q: 輝達深度參與客戶融資,是利多還是風險?

這是雙面刃。支持者認為能確保資金流向真正需要算力的專案並提前鎖定需求,反對者警告輝達同時是供應商、金主兼股東,與客戶深度綁定,一旦需求放緩,衝擊擴散的速度與廣度都會更快更廣。

AI表外債務是這篇文章討論的核心

AI 功臣還是下一顆泡沫?藏在資產負債表外的 1.65 兆美元「隱形債務」,正把整個科技圈綁成一條菊鏈

一座座資料中心背後,是透過特別目的事業(SPV)、長期租約與最低採購承諾堆疊起來的巨大表外債務(圖 / Pexels)

💡 快速精華 Key Takeaways

💡核心結論｜Alphabet、微軟、亞馬遜、Meta、甲骨文五大巨頭的表外AI債務粗估達 1.65 兆美元,已超過帳面直接揭露的 1.35 兆美元,形成「看不見比看得見還多」的資金結構。這些債務被藏在 SPV、合資公司與 take-or-pay 契約裡,猶如 1980 年代美國儲貸危機的「菊鏈」式互相牽連。

📊關鍵數據(2027 與未來量級)｜全球 AI 支出經 Gartner 預估 2026 年達 2.59 兆美元(年增 47%);輝達推估到 2027 年的 AI 晶片銷售機會上看 1 兆美元;業界更預測 AI 基礎設施資本支出將在 2027 年突破 1.1 兆美元,2030 年全球 AI 市場規模上看 1.8 兆至 3 兆美元量級。

🛠️行動指南｜投資人應把「資產負債表外負債」、資料中心租約承諾與供應鏈融資納入盡職調查;企業 IT 決策者需重新評估單一雲端供應商與單一晶片生態系的集中度風險;監管者該把表外融資與私募信貸納入壓力測試。

⚠️風險預警｜一旦需求放緩,壓力可能從AI巨頭傳導至私募信貸、保險、供應鏈融資,再擴散為延後拉貨、庫存堆高與產能閒置。甲骨文已被 S&P 降至 BBB-,距垃圾級僅一步之遙,而 OpenAI 佔其高達 6,380 億美元剩餘履約義務的一半。

引言:親眼見證資金遊戲的觀察筆記

這幾年我頻繁往返於資料中心供應鏈與新創募資的第一線,早就嗅到一股不太對勁的味道。表面上是晶片、算力與資料中心的軍備競賽如火如荼,但真正讓我脊背發涼的,不是那台轟鳴的 GPU 機櫃,而是背後那條錯綜複雜、彼此打氣的「資金菊鏈」。

幾個月前,當 Nikkei Asia 的調查把數字攤開來,我的猜測果然被證實:五大美國雲端巨頭透過 SPV 與其他表外架構背負的債務粗估高達 1.65 兆美元,足足比帳面直接揭露的 1.35 兆美元還多出 3,000 億。這就像一個表面光鮮、體檢報告卻藏著心臟畸形的病人——你看到的門診數據,遠比真相樂觀得多。

這篇文章,我想把這條從晶片商、雲端業者到 AI 新創互相出資、互買產能的資金鏈,拆開揉碎講給你聽。你需要的不是再一場造神運動,而是一副能看穿資產負債表陰影的顯微鏡。

1.65 兆美元的「隱形債務」到底藏在哪裡?

先講結論:這些錢不是不存在的債務,而是「看不見的債務」。根據 Nikkei Asia 與多家分析機構的追蹤,Alphabet、微軟、亞馬遜、Meta 與甲骨文五家公司的表外 AI 債務自 2022 年以來暴增約 8 倍,如今粗估達 1.65 兆美元——已經完全超過這五家公司帳面上合計約 1.35 兆美元的官方債務。

這些承諾之所以能「藏」起來,靠的是三大手法:

特別目的事業(SPV):成立一個獨立於母公司資產負債表的殼公司去舉債蓋資料中心,母公司再簽長期租約來「保證」收入。責與債就此被切成兩半。
take-or-pay 最低採購契約:簽下不管用不用都得付錢的 GPU 供應與算力合約,把未來現金流提前鎖死。
合資公司與專案融資:幾家業者合資成立的基礎設施公司,借的錢通常不以比例併入任何一方的表。

⚡ Pro Tip 專家見解:傳統的淨負債／EBITDA 倍數在 AI 時代已經失真。我建議任何盡職調查都把「不可取消的營運租賃現值」「最低採購量合約」與「合資公司按持股比例應分擔的或有負債」加回去重算。你會發現多數雲端巨頭的隱藏槓桿比表面上高出一大截,眼前飄逸的估值瞬間變得沈重。

為什麼這條資金鏈被喻為 1980 年代儲貸危機的菊鏈?

先別急著嘲笑這比喻老套。「菊鏈」(Daisy Chain)一詞最傳神的出處,正是 1980 年代美國儲貸機構(savings & loans)危機——一群機構互相買賣彼此的房地產開發案與貸款,把資產價格越炒越高,表面上每個人帳面都賺錢,實則風險在同一個圈子裡循環打轉,面面相覷、互為接盤俠,最後紙包不住火集體崩盤。

如今的 AI 融資網絡,情節幾乎是復刻:一方出資、另一方再把資金拿去買同一生態系內的晶片、算力與資料中心服務。輝達賣晶片給雲端業者,雲端業者把算力租給 AI 新創,新創又回過頭向輝達下單——錢在同一個循環裡轉了三圈,創造了三倍帳面需求,但真實的終端付費客戶究竟有多少?這正是市場最忌憚的「虛增需求」。

這種做法的確能加速 AI 基礎設施建置,這是它「天使的一面」;但它同時會掩蓋真實風險:一旦某個環節的終端需求來不及跟上,這個互相打氣的循環就會立刻反轉成互相踩踏。批評者的核心憂慮,正是這種「正回饋」在景氣轉向時會放大損失。

風險如何從 AI 巨頭一路外溢到私募信貸與供應鏈?

真正讓華爾街夜不能寐的,不只是這幾家公司本身,而是風險擴散的「傳導路徑」。多份分析指出,AI 基建依然卡在電力併網時程、變壓器交期、供應鏈交期、地方反對聲浪與監管進度等一長串不確定因素上。

問題來了:如果資料中心的商業化速度不如預期,接下來會發生什麼?壓力會像水漬一樣沿著融資契約滲透——

第一站是私募信貸。過去兩三年,大量「直接借錢給資料中心開發商」的私募信貸基金正要從市場募集高達數千億美元的資金(外界估算僅五大巨頭背後的表外融資需求就可能再推升 8,000 億美元的進帳)。這些基金大多由保險公司與退休基金注資,一旦底層資產無法產生穩定現金流,最脆弱的正是這批號稱「yield 又穩又高」的機構。

第二站是供應鏈。從伺服器代工、記憶體、變壓器到被動元件,整條供應鏈都被 AI 訂單餵得飽飽的。萬一雲端業者砍單,第一個受創的就是延後拉貨、庫存堆高與產能閒置——這正是半導體產業最熟悉的死亡循環。

第三站是保險與金融衍生鏈。扮演資金方與擔保方的保險公司、供應鏈融資業者,一旦踩到連環違約,衝擊會比傳統供應商與客戶關係擴大得更快、更廣。

⚡ Pro Tip 專家見解:別只看「晶片出貨量有多漂亮」,要盯緊兩個前瞻指標:一是資料中心的電力利用與實際商用上線率,二是私募信貸基金的融資成本與違約率。當「融資成本上升」與「終端利用率停滯」這兩條曲線反向交叉時,就是菊鏈鬆動的明確訊號——那往往比任何財報警訊都來得早。

輝達深陷融資泥沼:這是助力還是下一個爆點?

這齣大戲裡最微妙的角色,非輝達(NVIDIA)莫屬。市場愈來愈注意到,輝達這個「賣鏟子的人」,正透過股權投資、算力抵銷合約等各種方式,愈來愈深地參與客戶的融資與風險分攤。

支持者認為,這種做法像「風險分擔的潤滑劑」,能把手上的資金精準導向真正需要算力的專案,也讓輝達得以在出貨前就鎖定需求——這正是它敢喊出到 2027 年 AI 晶片銷售機會上看 1 兆美元 的底氣。但反對者的警告同樣犀利:一旦這條資金鏈的任何一環出現壓力,由於輝達既是供應商又是金主兼股東,角色的高度重疊,讓衝擊可能以比傳統供應商與客戶關係「更快、更廣」的規模擴散。

換句話說,當市場以為輝達只是「賣鏟子的人」時,它早已不知不覺成了「拿鏟子一起挖金礦,還順便出資買了礦區股份的人」。風險隔離的防火牆,正在被一磚一磚地拆掉。

2027 與十年後:這座 AI 巨塔會不會倒塌?

正面臨「一瞬間天堂、一瞬間地獄」考量的,絕對不只輝達。看數據——甲骨文(Oracle)就是眼前最血淋淋的案例:S&P Global 在 2026 年 7 月把它長期信用評等從 BBB 砍到 BBB-,距離俗稱「垃圾級」僅一步之遙,理由是 AI 資料中心資本支出導致的現金流缺口高達 420 億美元。而 OpenAI 竟佔了甲骨文高達 6,380 億美元 剩餘履約義務(RPO)的約莫一半——一旦 OpenAI 抽腿,甲骨文手上那排蓋到一半的資料中心,會瞬間從「金山」變成「燙手山芋」。

把鏡頭拉遠再看 2027 與十年的量級。Gartner 預估全球 AI 支出將在 2026 年達 2.59 兆美元、年增 47%;更長遠來看,光是裝滿電力與變壓器就夠燒的 AI 基礎設施資本支出,據估算將在 2027 年突破 1.1 兆美元,全球 AI 市場規模更可能於 2030 年前後攀上 1.8 兆到 3 兆美元之間。數字大到令人暈眩,同時也是投資者最該提高警覺的時刻——因為史上的每一場泡沫,都發生在「人人都認定某個趨勢永遠不會回頭」的當下。

我傾向於認為,這座巨塔不會在短期內「轟然倒塌」,更可能的劇本是「溫水煮青蛙」:某個區域性、某家公司的資料中心專案先爆,接著是私募信貸基金的贖回與違約,再來是供應鏈的庫存修正,最後才是資本支出的大幅下修。真正的危機,往往是以「單點滲漏」的形式開始的。

⚡ Pro Tip 專家見解:把「AI 軍備競賽」當成周期而非趨勢來看。聰明的資產配置者,此時該做的是「反脆弱」——提高對表外負債與供應鏈集中度的敏感度,分散雲端與晶片供應商,並在財務規劃中預留「需求下修的應變腳本」。泡沫未必戳破,但懂得在樂觀時保留退路的人,才有資格活到下一輪繁榮。

常見問題 FAQ

Q1: AI 巨頭的表外債務,為什麼比帳面上的還多?

因為它們大量透過特別目的事業(SPV)、合資公司與長期租賃、take-or-pay 契約來融資。這些負債在法律與會計架構下不必全部併入母公司資產負債表,因此「看得見的帳面數字」反而低估了真實的財務槓桿。Nikkei Asia 估算,五年間五大巨頭的表外 AI 債務已暴增約 8 倍至 1.65 兆美元。