01 触发事件

2026年9月30日, KKR co-head of credit and markets Christopher Sheldon 在 Bloomberg Open Interest 上讨论公司最新发布的 AI capex 报告。核心数字: 全球 AI buildout 需要约 $8 万亿资本开支, 这一规模 "far more than traditional public equity and debt markets can supply on their own"。Sheldon 没有在节目里拆训练 vs 推理 vs 电力 vs 数据中心的具体口径, 给出的是单一总数字 — 但对 LP 来说, 这个 total 本身就是锚点。

02 这事的真正含义

表面是 capex 预测, 真正在讲的是融资结构的拐点。

过去三年, AI capex 的融资故事一直是 hyperscaler 自己消化。Microsoft / Google / Meta / Amazon 用 operating cash flow 撑 GPU 订单, 靠的是全球最强的几份资产负债表。这个故事能持续的前提是: capex 是公司层面的、可预测的、与收入挂钩的。

KKR 在讲的是下一阶段。当总需求到达 $8T 量级, hyperscaler 自己的 OCF 就不够了 — 不是融不到钱, 而是单一资金来源 vs 行业总需求出现了数量级错配。所以必然引入新来源: 私募信贷、基础设施基金、保险资金 balance sheet、主权财富基金。这些钱的特点是久期长 (10-15 年)、回报预期更宽容 (IRR 5-8%)、但对底层资产现金流稳定性要求更严。

Sheldon 那句 "on their own" 才是重点 — 不是"传统市场不能", 是"不能 alone"。意思是 KKR 这类机构要做 take-private + 资产证券化 + 长期 hold 的活。这跟 2008 之前 CDO 把次贷打包卖给 pension fund 是同构的, 只是底层资产从房贷换成了 GPU 集群和电力 PPA。

03 历史类比

两个先例值得对照。

1870s-1890s 美国铁路。 当时单一铁路公司的股票 + 债券市场无法支撑横跨大陆的网络建设, 催生了 J.P. Morgan 时代的工业重组和现代投行雏形。1893 年恐慌里, 过度建设的铁路公司批量倒闭, 但物理基础设施 (铁轨) 留下来, 被新资本以更低成本重新激活。AI 这次的可能剧本: 如果 capex 出现过度建设, 物理层 (数据中心、土地、电力容量) 不会消失, 会被新资本接盘, 应用层反而受益。

1999-2001 光纤泡沫。 Global Crossing / WorldCom / Level 3 烧掉几千亿修 dark fiber, 应用层 (dot-com) 先死, 基础设施 (光纤) 后来被 Netflix / cloud 重新激活。但代价是 2002-2007 整个 telecom capex 几乎归零。AI 的不同点: hyperscaler 现金流足够强, 短期不会重演 2002 那种硬着陆。但 $8T 量级意味着 — 即便不硬着陆, 整个 2030 年代 AI infra 回报周期会和公共市场估值高度耦合。

第三个不那么显眼的类比: 2010 年代 shale oil 革命。私募信贷大规模进入油气开采, 拉长了油气行业的资本周期。AI infra 走这条路的概率很高 — KKR 们不是在赌 AI 一定成功, 而是在赌 capex 周期足够长, 久期匹配就能赚到 carry。

我对 1870s 铁路的具体 capex 数字没有第一手资料, 上面是凭常识写的历史框架, 不是引证。

04 对 AI builder 意味着什么

这周不必动。三个月内盯三件事。

第一, 模型 API 定价的资本成本传导。 如果 hyperscaler 的 capex 开始用私募信贷替代 OCF, 它们的实际 WACC 上升, 模型 API "地板价"会比想象的高。这削弱了"推理成本无限趋近于零"的预期。对依赖低价模型做应用的 builder, prompt caching / batch API / 区域 routing 这些降本手段的相对价值上升 — 因为模型侧的降价空间被 capex 融资成本锁死了。

第二, neocloud 估值会被推高。 CoreWeave / Nebius / Lambda / Crusoe 是私募信贷最直接受益者 — 它们的资产 (GPU 集群 + 长期电力合同) 正好是 KKR 想 hold 的标的。这类公司的 moat 不是技术, 而是"已经被 KKR 锁定 10 年的资本"。对应用层 builder 来说, 未来三年在这些 neocloud 上跑推理, 价格谈判力会下降。

第三, 应用层融资挤压。 LP 资金被吸到 AI infra (规模大、回报稳定), application layer VC 实际可投金额被挤压。我预期 2027 年会出现 application layer startup 的 "估值悬崖" — 同样的 ARR, 2025 年能融到的数字 2027 年融不到。这不是 AI 是不是好投资的问题, 是 capital allocation 的零和博弈。

我对 LP allocation 的判断是结构性推测, 没有 LP-level 一手数据。

05 反方观点 / 风险

我可能高估了"私募信贷接管 AI"的紧迫性。

理由一: KKR 是 private credit 最大受益者之一, $8T 是 sell-side narrative。 卖方天然有动机让 LP 相信"这是未来十年最大 alpha 来源"。我没办法验证 Sheldon 具体的 capex 拆解逻辑 (训练 vs 推理 vs 电力 vs 数据中心), 只能看到总数字。如果拆开看, 训练侧 capex 很可能在 2027-2028 见顶 (frontier lab 数量收敛 + MoE/SSM 降低单次训练算力), $8T 会被显著高估。

理由二: 我那条"WACC 上升 → API 地板价上升"的传导链, 假设了 hyperscaler 真的会大规模用私募信贷替代 OCF。 现实是, MSFT / GOOG / META 当前 OCF 体量足够 cover 绝大部分 capex, 它们没有动机放弃低成本 OCF 去拿昂贵的私募信贷。除非出现 OCF 萎缩 (广告 / cloud 增长大幅放缓), 否则这条链不会启动。我没看到 OCF 萎缩的早期信号, 这点必须 hedge。

理由三: 历史类比的失效风险。 铁路 / 光纤 / shale 三个类比都有"实体资产 + 长期现金流"的特征, AI infra 也有, 但 AI 有一个独特维度 — 模型权重本身是 soft asset, 不像光纤或铁轨那样有物理残值。如果一家 frontier lab 倒闭, 它的 GPU 可以复用, 但模型权重 + 数据资产的价值会快速归零。这是 AI infra capex 独有的 soft asset 风险, KKR 的报告里很可能没充分定价。

最后一点我也拿不准: 如果 $8T 是 2026-2040 累计, 年化约 $570B, 其实和当前 hyperscaler 年 capex ($300-400B) + 配套电力/数据中心 ($150-200B) 的规模相符, 不算激进。我倾向认为 KKR 的 total 数字本身可能合理, 但 "传统市场不能 alone supply" 这个结构性判断才是真正的拐点信号 — 这也是 builder 真正该盯的事。