01 触发事件

Bloomberg 10 月 11 日这段报道讲的是一件听着宏观、但和每个 AI builder 直接相关的事：hyperscaler、数据中心和芯片公司正在集体举债数百亿美元, 用于 AI 基建扩张, 这个趋势已经把 AI 变成 corporate credit 市场里最显眼的新增力量之一。

报道里那句 harder question 才是重点 — 不是说市场不愿意买, 而是开始问能吞下多少, 以及这种集中度加上和国债争夺资金, 会把其他借款人的融资成本推到哪里。

02 这事的真正含义

表面看是金融版的故事, 实际是 AI 资本支出 cycle 的资金结构问题。我把这件事拆成两层判断。

第一层, Nvidia 财报里讲的 AI capex 已经是公开的 — Meta、Google、Amazon、Microsoft 今年的 AI 相关资本支出指引合计早就过了千亿美元口径。但这些 capex 不全是账面现金, 很大一部分是发债、新发可转债、资产支持融资 (ABS)、甚至数据中心 REITs 化以后通过 mortgage 形式借出来。Bloomberg 这段把这个量级从 "分析师推测" 推到 "市场已经看见"。

第二层, 也是更关键的一层: 当 AI 债务在 corporate credit 里占比超过某个阈值, 它就开始对其他借款人产生 crowding-out 效应 — 非 AI 公司发债利率被迫上行, 投资人 risk premium 要求提高, 整个 spread 走宽。这事 2022 年也出现过一次, 只是那时候 AI capex 还在规划阶段。

Bloomberg 视频提到 hyperscaler、芯片公司和数据中心开发商集体发债, 投资者仍在买, 但 concentration、与政府债争夺资金、复杂融资结构正在堆风险。

所以这事的真正含义是: AI 不再只是一个被股票市场定价的故事, 它开始被债券市场定价, 而债市的纪律比股市残酷得多 — 现金流出问题, 不是 PE ratio 能解释的。

我对具体发行量数字没一手核对, Bloomberg 这段视频也没给完整 breakdown, 上面量级是综合各家 hyperscaler 财报披露 + 公开评级报告估的, 不是 Bloomberg 原话。

03 历史类比

这件事 1999-2000 的 telecom buildout 是最近的对照。

当年 Cisco、Juniper、Lucent 涨的时候, 真正的钱不是股权投资人出的, 是 AT&T、WorldCom、Global Crossing 这些 telecom carrier 通过高收益债 + 上市股权债混合融出来的。整个 1998-2000 年美国高收益债发行量翻倍, 一半以上和 fiber / telecom capex 有关。结果是 2001-2003 年大规模违约, 但 fiber 本身 — 就是那个物理资产 — 反而在泡沫破掉以后变成了公共基础设施, 价格暴跌到接近零, 才有了 2008 年以后的 cloud 起飞。

这对 AI 意味着什么? 我倾向认为这是最强的一根 anchor — AI capex 在结构上和当年 fiber capex 高度同构, 只是这次的 "fiber" 是 GPU cluster 和 data center shell, 物理折旧周期比 fiber 还短 (5-7 年 vs fiber 20+ 年), 风险其实是放大的。

但有一个关键差异值得标出来: 1999-2000 的 fiber 需求端是猜的 (谁会需要那么多带宽?), 而这次 AI capex 的需求端 — API 调用、企业 RAG 部署、Agent 工作流 — 已经在产生现金流。这点我可能误判, 因为现金流最终是不是真覆盖 capex, 没人看得清。

第二个相关 analogy 是 2014-2016 的 shale oil。债务驱动的 commodity capacity buildout → 供给过剩 → 价格崩盘 → 借款人出清。这次 AI 的 "commodity" 是 inference, 同样适用 — 如果 debt-financed 的 capacity 提前到位, 推理价格会再下沉一轮, 但这是以部分 infra 玩家爆雷为代价。

04 对 AI builder 意味着什么

把这个宏观故事翻译成这个月该做的几件具体事。

第一, 重新评估 inference 价格假设。如果你之前在做 model cost projection, 把未来 12 个月 batch API 和 cache hit 后的价格曲线画悲观一点 — 算力供给过剩的概率在 debt-financed capex 这件事上明显抬高了。Bloomberg 这个数据点让 "推理成本继续下降" 这个 baseline 不再是 safe assumption, 而是大概率但非必然。

第二, 注意 hyperscaler 的资产负债表。Anthropic 通过 AWS + Google Cloud dual-channel 拿容量, OpenAI 和 NVIDIA + Oracle + SoftBank 搅在一起做 Stargate, 这些交易的细节未来 6 个月会开始反映在 hyperscaler 的 leverage ratio 和 capex/depreciation 比上。对你选 model provider 的事来说, 这是以前不需要看、现在开始要看的指标。Provider 的资产负债表比 model 排行榜更重要。

第三, prompt cache 和 batch routing 的策略价值上升。当 underlying compute 是 debt-financed、需求曲线又是 uncertain 的, 卖方会有更强动机推 cache hit 折扣和 batch 折扣来填谷。我没在内部跑过这个假设, 但逻辑上, 未来 3-6 个月 Anthropic 和 OpenAI 的 prompt caching 价格弹性会大于之前。

第四, 避开 AI infra 单一供应商锁定。如果你正在设计一个 multi-region failover, 把 "对方破产后能不能拿到算力" 写进 continuity plan。这个概率虽然低, 但 non-zero, 而 1999-2000 那次 fiber bubble 里, 真正死掉的是已经付了 long-term contract 的下游。

05 反方观点

反对我自己刚才的判断。

最直接的反对: AI 需求不是猜的。Bloomberg 这段其实点了一个我前面不完全承认的事实 — hyperscaler 真的在产生 AI revenue, OpenAI 的 ARR 在 2025 年报告里已经跨过 100 亿美元口径, Anthropic 也接近, Google Cloud 的 AI 部分增长 90%+。换句话说, fiber analogy 的需求侧假设 — 谁会需要那么多带宽? — 在 AI 这边不成立。这点可能让我整个 fiber 类比失效。

第二个反对, 也是更要命的反对: hyperscaler 的 debt 不是高收益债, 大部分是 investment grade, 因为它们有 investment-grade 的现金流支撑。不是说等级高就不会出问题, 但 2008 那种 systemic credit event 在这种信用组合里出现的概率, 历史上看要远低于 fiber 时代的 telecom carrier。这跟当年 WorldCom 拿 BB 评级发 30 年债完全是两种资产。

第三个反对, 我最难反驳的那个: Bloomberg 视频本身就是个 trend piece, 不是定量研究。"Hundreds of billions" 这个量级听起来吓人, 但如果分摊到 5 年, 年化 500-700 亿美元 — 这其实和 corporate credit 市场年新发量 (大概 1.5 万亿美元) 比是 4-5%, 说 "crowding out" 在 credit market microstructure 这个层面可能被夸大了。Crowding out 真正会发生在 public 部门 — 当 Treasury issuance 同时放量, 加上 AI capex 承接方来抢资金, 那才是真问题, 但那已经在我们视野里 (美国赤字), 不算新闻。

所以最诚实的结论是: 这事是一个慢慢在变严重的 risk, 不是 immediate catalyst。我会重新校准我自己的判断, 把 fiber analogy 的强度从 "可能镜像" 调整到 "局部适用、需求侧差异显著"。如果你已经在做 AI infra 相关决策, 不必今晚就动, 但 Q1 财报季后值得重新看一遍。

至于 token 价格, 我的 baseline 没变 — 还在下行, 只是下行幅度可能比乐观情景更深, 出现的时间更早。