芯耀
1326
在AI时代，算力被视为人工智能发展的 “动力引擎”，其重要性不言而喻。从AI的基础原理来看，无论是机器学习中对海量数据的分析处理，还是深度学习里复杂模型的训练优化，都离不开强大算力的支持。然而，支撑这一“动力引擎”的数据中心建设，却需要天文数字般的资金投入。
算力基石：数据中心的巨额成本
在寸土寸金的大城市周边获取合适土地建设数据中心，本身就是一场资本的较量。以全球最大数据中心市场之一的北弗吉尼亚州为例，建造一个700，000平方英尺、60兆瓦的数据中心，仅土地和建筑外壳成本就可能占到总成本的15%-20%。整个设施建设成本高达4.2亿至7.7亿美元，足以让多数企业望而却步。
根据美国银行全球研究（BofA Global Research）部门最新发布的研究报告显示，随着人工智能、云端服务与大数据分析需求激增，数据中心已经成为新时代的基础设施，到2025年，全球数据中心每兆瓦的建设成本已经达到了3,900万美元， 资金分配涵盖服务器、网络设备、冷却系统、电力基础设施及建筑工程等众多方面。
万亿资金缺口：AI发展的阿喀琉斯之踵
摩根士丹利量化策略全球主管Vishwanath Tirupattur指出，AI浪潮的变革潜力取决于大规模的资本支出，而数据中心是其核心。根据摩根士丹利的预测，到2028年，全球数据中心支出将达到约2.9万亿美元。
这一巨额资金中，1.6万亿美元将用于硬件（芯片/服务器），1.3万亿美元用于建设数据中心基础设施，包括房产、建设成本和维护费用。
按年度计算，2028年的投资需求将超过9000亿美元，这一规模与2024年标普500指数所有公司的总资本支出总和（约9500亿美元）相当，可见其惊人程度。
超大规模云厂商在AI领域的投入已从两年前的约1250亿美元增加到2024年的约2000亿美元，市场普遍预期2025年将超过3000亿美元。然而，尽管这些企业的现金流仍是资助数据中心相关支出的关键资本来源，但在考虑了现金积累和股东资本回报后，单靠这些将不再足够。
摩根士丹利分析师预测，超大规模企业接下来可能有1.4万亿美元的资本支出由其现金流自筹，但这将留下高达1.5万亿美元的融资缺口。如此庞大的资金缺口，对AI产业的持续发展构成了巨大挑战。
补足缺口：四大融资渠道崛起
面对这一巨额融资缺口，多种融资渠道应运而生，形成了一场资金的接力赛。
私人信贷市场在AI融资中扮演着重要角色，预计将提供约8000亿美元的资金，主要由资产抵押融资（ABF）驱动。典型案例是Meta Platforms在路易斯安那州的大型数据中心获得了由太平洋投资管理公司（PIMCO）和Blue Owl Capital牵头的290亿美元融资方案。
投资级债券也是重要的融资渠道之一，约有2000亿美元将通过大型科技公司发行投资级债券来筹集。这些大型科技公司凭借自身的信用和市场地位，能够吸引投资者购买其债券，为AI项目筹集资金。
证券化信贷，如ABS（资产支持证券）和CMBS（商业地产抵押贷款支持证券），预计可提供约1500亿美元。通过将数据中心资产进行证券化，将未来的现金流转化为当前的资金，为AI基础设施建设提供资金支持。
其他资金来源，包括主权基金（SWF）、私募（PE）、风投（VC）等，总计约3500亿美元。一个引人注目的例子是，微软、贝莱德以及阿联酋的MGX投资工具正在联合筹集300亿美元私募股权资金，并计划杠杆化至1000亿美元，英伟达和xAI也参与其中，这些资金将用于一系列数据仓库和能源基础设施建设。
潜在风险：融资盛宴下的隐忧
然而，这场融资盛宴背后也潜藏着不容忽视的风险。
宏观风险在于，若经济放缓、利率大幅下行，信贷市场的投资热情可能减弱，影响资金持续流入。
微观风险则是，如果AI商业化速度放缓，资本支出下降，融资压力将进一步转向私人信贷领域，可能导致融资渠道失衡。
结语：科技与资本的共生新关系
AI时代的基础设施建设，不只是科技故事，更是一场信贷市场的接力赛。摩根士丹利认为，这场1.5万亿美元的融资挑战，将重新定义科技行业与资本市场的关系。
算力作为AI发展的“动力引擎”，其背后是一场关乎资金、技术和市场的复杂博弈。如何在填补资金缺口的同时管控风险，如何在追求算力增长的同时确保商业可持续，将成为决定AI革命能走多远的关键因素。
声明：文章整理自网络公开资料，不对所包含内容的准确性、可靠性或完善性提供任何明示或暗示的保证，仅供读者参考。如有侵权请联系我们，24小时内删除。
