重點摘要
- AI正推動一輪新的、以債務驅動的投資週期：儘管超大型雲端服務業者目前仍具備穩健的資產負債表，但資本支出持續攀升與自由現金流下滑，顯示其正逐步轉向更高槓桿的融資模式。
- 關鍵問題仍未明朗：由於需求、價值創造以及AI產業鏈整體報酬仍具高度不確定性，投資人面臨各種潛在結果和風險交織的環境，使得標的選擇與交易結構變得格外關鍵。
- 歷史提供了重要的警示參考（儘管並非完全對照）：過往從鐵路到電信的基礎建設投資熱潮顯示，即便技術具備顛覆性，也可能伴隨過度投資與報酬分化的結果。
自疫情後復甦以來，美國非金融企業整體維持偏審慎的資本管理，信用品質指標大致穩定，並在多數情況下持續改善。這種紀律並非完全自發性，而是因為聯準會於2022至2023年升息週期導致融資成本急速增加，提高了邊際新增借款的門檻，並促使企業管理層更克制地管理資產負債表。
然而，過去18個月內，美國企業的一個特定領域已明顯偏離此一趨勢。AI相關資本支出日益轉向透過債務市場融資，不僅發生於投資等級的超大型雲端服務業者之中，亦擴展至非投資等級市場中的新型雲端服務商（neocloud）。
數據本身已清楚反映此一趨勢。如圖1所示，設備與軟體投資占美國GDP比重，正逐步逼近，甚至有望超越1990年代末的高點。同時，市場普遍預期五大超大型雲端服務業者的資本支出規模，已由今年初約4,800億美元，大幅上修至2026年的接近6,900億美元，以及2027年的8,700億美元（見圖2）。
圖1：設備與軟體投資占GDP比重有望超越1990年代高峰
圖2：市場普遍預期之主要AI超大型雲端服務業者資本支出
圖3：AI超大型雲端服務業者資本支出預計將占用未來兩年約94%的營運現金流
這一趨勢已明確反映於初級信用市場中。今年以來，超大型雲端服務業者的指數可納入新債發行規模已達約1,360億美元，已超越2025年全年水準。此外，資料中心相關發行於投資等級與非投資等級市場亦合計達580億美元。
未來租賃義務則為供給面再添一層壓力。最新10-Q申報顯示，未折現的未來租賃承諾合計達8,220億美元（高於2026年2月的6,750億美元），且多數尚未反映於超大型雲端服務業者的資產負債表中。
近期的大規模發債已開始測試市場對AI相關信用之存續期間風險的承受度。然而，交易結構始終扮演關鍵角色，未來仍會是如此。嵌入於合約條款、到期結構及債權順位中的保護機制，其重要性不亞於表面利差，使得結構性保障不僅是法律層面考量，更是投資決策的頭號要素。具擔保融資以及對實體資產具索償權的交易，為投資基礎設施提供了一種在技術快速演進下控制風險的途徑。
隨著AI資本支出週期逐步成熟，市場將面臨一系列在個體與總體層面交互影響的關鍵問題。個體角度來看，持續擴張的信用是否將實質侵蝕AI相關發行人的資產負債表品質？超大型雲端服務業者於指數中的權重不斷提升，是否可能對整體投資級與非投資等級市場的基本面產生外溢影響？從總體層面來看，當前資本支出週期是否正逐步累積類似1990年代末電信產業所經歷的過度投資風險？一旦出現修正，是否可能對當前經濟週期的延續性帶來衝擊？
歷史經驗顯示，風險應在資產負債表仍強健時加以審視，而非於其惡化之後。
強勁的資產負債表，不確定的假設
投資人所面對的潛在結果分布異常廣泛，且風險呈現多層次交織。在我們看來，以下三點尤為關鍵。
首先，AI的採用路徑遠非可預測。AI資本支出的走勢取決於效率提升的速度，而其投資含義具有雙向性。若效率提升快於預期，運算需求可能呈現非線性擴張，進而支持更大規模的產能擴張與更高的槓桿水準；反之，若進展不如預期，所需的資本基礎可能顯著縮減，導致為一個未必實現的需求情境所建置的資產閒置。無論哪一種情境，都將重塑投資邏輯，且兩者皆難以準確預測。進一步來看，不少樂觀情境往往建立在尚未於大規模環境中被驗證的使用率假設之上。
其次，價值在整個產業鏈中的分配仍具高度不確定性。更根本的問題在於：最終經濟價值將落在哪一個AI供應鏈環節？最底層為半導體，具備強勁的定價能力，但仍與資本支出週期的延續性緊密相連。其上為基礎設施與雲端層，超大型雲端業者預計投入數兆美元於資料中心建設，然而隨晶片與架構快速迭代，AI硬體的實際使用年限正持續縮短。再往上為模型層，其訓練成本居高不下、差異化維持時間有限，開發者亦處於一場成本高昂且定價能力不明的競賽之中。最上層則為企業與應用層作為最終需求來源，負責驗證整體價值鏈，其導入仍處於早期階段，付費意願亦仍在測試中。在當前資本支出節奏下，市場不僅要求AI帶來具轉變性的生產力提升，更要求該等價值能夠實際回流至承擔槓桿的特定產業環節。然而，截至目前，市場仍無法確定哪些環節將真正取得主要價值，亦無法確定當前的基礎設施建設是否最終能夠獲得足夠需求支撐。
最後，循環性融資並不等同於未來需求的保障。供應商與大型客戶愈加仰賴預付款、採購承諾（買方承諾購買尚未生產之商品或服務），以及融資支持與契約支持的借款結構來支撐需求。雖然這些機制可加速基礎設施建設，但同時帶來一定程度的循環性：同一批受益於AI基礎建設支出的企業，可能直接或間接參與相關需求的融資。這類由生態體系自身所支撐的誘發性需求，與由企業廣泛採用、實質生產力提升及終端用戶付費意願所驅動的自然需求，本質上並不相同。前者或可在短期維持動能，唯有後者才能真正驗證其可持續性。若由前者轉向後者的過程比供給端預期得更久，可能大幅壓縮報酬曲線，進一步加重既有融資結構下的債務償付壓力。
一股不容忽視的再槓桿化動能
圖4：A級以上超大型雲端服務業者仍具充足舉債能力
圖5：科技業仍為美國投資級市場中槓桿程度最低的產業
圖6：龐大資本支出顯著壓抑自由現金流
圖7：AI超大型雲端服務業者利差表現落後整體美國投資級公司債指數
圖8：超大型雲端服務業者10年期對30年期利差曲線陡峭化
股市所傳遞的訊號則更為細緻。整體而言，投資人傾向青睞那些AI資本支出變現路徑清晰的企業，並對報酬前景不明朗（投資報酬率不確定性較高）的公司予以折價。
從總體AI產業鏈角度來看，半導體類股明顯表現較佳，其中韓國與台灣股市受惠於其在AI晶片供應鏈中的高度集中曝險，表現尤為突出。整體而言，市場訊號已相當明確：投資人不再僅憑信念為這波建設潮提供資金支持。
借鏡1990年代電信業歷史：具參考價值，但並不完整
市場在面對不確定的技術轉型時，往往會借鏡歷史。在當前AI基礎設施投資脈絡下，最常被引用的兩個類比為19世紀的鐵路建設，以及1990年代末期的電信光纖投資熱潮。兩者皆具參考價值，但理由各異。
鐵路建設的類比，捕捉了通用型基礎設施投資熱潮的核心特徵：在需求尚未實現之前，便進行規模龐大且不可逆的資本投入，最終促成遠超投資人當初預期的廣泛經濟轉型。然而，這個類比同時也帶來一項重要警示。即便技術本身具顛覆性，鐵路投資人仍蒙受損失。其核心教訓在於：即使對技術發展方向的判斷正確，但掌握的時間點錯誤，便難以實現具吸引力的投資報酬。
這一經驗在某種程度上適用於AI，但該類比亦存在限制。鐵路屬於不可移動且具零和特性的實體資產，其營收模式相對單一，且折舊週期長達數十年。相較之下，AI基礎設施的特性截然不同：其使用價值並不受限於特定地理位置，資產生命週期明顯較短，具備非零和的經濟特性，並處於一條競爭激烈、價值分配尚未明確的產業鏈之中。這使得其投資報酬率的估算更為困難。
電信的經驗類比則更具參考意義。21世紀初的光纖泡沫並非因需求未成長，而是供給的建置進度遠超實際需求。「不能落後」的競爭邏輯，驅動企業提前投入資本，最終導致產能過剩。
供應商融資則進一步放大了該週期。設備供應商向客戶提供融資，使後者能購買更多設備，從而實現提前銷售；同時，將信用風險延後並轉移至產業鏈更深層。這種循環結構使需求出現看似比實際更為穩固的錯覺。
該段歷史的核心經驗在於：即便投資方向本身正確，但若供給擴張遠遠跑在需求之前，仍可能導致資本損失。
當前AI資本支出週期與上述歷史案例之間確實存在相似之處。資本支出無論在絕對金額或相對比例上均快速上升。以總資產為基準的資本支出成長率，預期將超越1990年代電信產業水準，惟其占營運現金流的比例仍較低（見圖9與圖10）。這些動態自然引發市場對於過度投資及後續修正風險的聯想。然而，儘管超大型雲端服務業者的發債正逐步重塑信用市場結構，其對整體市場的影響規模，目前仍明顯低於當年電信產業的擴張幅度。
圖9：AI超大型雲端服務業者資本支出占資產比重，預計將超越1990年代電信水準
圖10：儘管近期自由現金流受到侵蝕，AI企業表現仍優於1990年代電信產業
圖11：相較1990年代，當前股票投資人紀律性顯著提升
圖12：相較AI企業，電信產業於資本支出週期中槓桿顯著上升
圖13：電信產業獲利能力顯著惡化，AI企業則相對穩健
需要強調的是，如前所述，儘管自由現金流已有所侵蝕，且整體趨勢對信用品質而言已不若過往友善，但在相似的資本支出週期階段下，當前高品質超大型雲端服務業者的基本面仍明顯優於當年的電信產業。
換言之，AI正處於一輪資本支出擴張階段，並伴隨真實存在的風險：變現能力的不確定性、潛在的過度建設、資產壽命縮短，以及對債務依賴程度的上升。然而，就目前而言，此一週期在紀律性與融資可行性方面，仍明顯優於1990年代末的電信投資熱潮。
