思宇时评‖金思宇

(中国智库高级研究员、国际问题观察家、经济学家)

一、引言:风险榜首,半年换了一次主人

2026年11月13日,美联储发布下半年《金融稳定报告》。里面那份市场调查的结果有点扎眼:87%的受访者把人工智能相关风险列为未来12至18个月的突出金融稳定风险。今年5月那一次,这个比例是50%。排第二的是风险资产大幅回调,52%;长端利率上行48%;网络攻击和财政债务可持续性各43%。

这个榜首位置近三年换过三次主人:2024年11月是财政债务可持续性,2026年5月是地缘政治风险,这一次轮到了AI。

榜首换人,说明市场担心的东西在变——从“政府还不起钱”,到“打仗”,再到“AI这个产业本身”。更要紧的是时间差。这份调查在9月至10月完成,早于黄仁勋11月12日辞职,也早于美国中期选举。受访者表达担忧的时候,后面这两记重拳还没落下。等调查结果落地,事情已经往更复杂的方向走了。

一句话概括本文判断:AI已经从“增长故事”变成了“资产负债表问题”,而全球监管正在为它补一堂课——课名叫做“杠杆、担保与透明度”。

说人话就是:过去两年大家问的是“AI能不能改变世界”,现在市场问的是“建这些数据中心的钱,到底是谁出的,什么时候要还,如果收入没来,谁兜底”。

二、三组数字:把“担心”翻译成“账本”

情绪不算数,数字才算数。

第一组:6800亿美元,和它的五倍关系。 截至2026年10月,与先进计算相关的债务发行规模已超过6800亿美元,约为2023年全年1300亿美元的五倍;这类借款现在占非金融企业投资级债券发行的近三分之一,三年前还不到6%。融资结构也在变:从以公司债为主,转向公开债券、私人信贷、结构化信贷与项目融资并存。私人信贷对AI相关企业的贷款,2025年一年就超过400亿美元,五年翻了五倍,而私人信贷市场的披露透明度远低于公开债市。

第二组:约3万亿美元的“影子承诺”。 美联储估算,当前用于数据中心建设的远期租赁与兜底担保规模已达约3万亿美元,涵盖债务、担保和尚未起租的租约。机制并不复杂:大型云厂商与第三方开发商签长期租约,开发商拿租约去融资;GPU厂商为作为抵押品的显卡提供残值担保,还顺手做股权投资——形成报告所说的“循环融资”。美联储的措辞很克制:这类安排可能让最大型企业吸收损失、减轻对金融体系的冲击,却也意味着它们对下行风险的敞口“远大于”表内负债所显示的水平。翻译一下:有些账单没写在财报的负债栏里,但需要的时候,它一定会出现。

第三组:杠杆处在十三年高位。 对冲基金、尤其是最大规模对冲基金的杠杆水平,仍处于美联储自2013年开始收集数据以来的最高点。报告还把本轮投资周期与上世纪90年代末的宽带电信投资潮作比较,并提示当前扩张速度可能很快超过那个年代。BIS把历史坐标拉得更长:1830年代的运河、1840年代的英国铁路、1920年代的电气化、1990年代的互联网,都曾以“新技术必然带来新回报”开场,以投资反转收尾。历史不会重复,但融资结构会押韵。

国际清算银行的数据把“循环”量化了:2021至2025年间,AI企业获得的投资中55.2%来自其他AI企业,其中近半数交易双方同时存在上下游买卖关系。

这三组数字连起来读,意思很清楚:钱是真的投进去了,但钱的来源和钱的去向,越来越多地绕在同一圈人身上。 圈内人互相签合同、互相担保、互相下单,资产规模在报表上越滚越大,但真实的最终需求——有多少企业愿意为AI服务持续付费——还没有经过完整周期的检验。

三、案例:一张五千亿美元的网,和一个突然踩刹车的人

抽象的“循环融资”,落到具体公司上更好懂。

英伟达2026年7月26日截止财季的10-Q文件显示,公司或有负债与承诺总规模已达5305亿美元,而上一季度还是1840亿美元,一个季度跳了近两倍。拆开看:最大的一块是供应和产能承诺,约2790亿美元,其中96%在2029财年前到期;其次是担保,最大总敞口1085亿美元,核心是一笔上限1050亿美元、期限20年的租赁担保,覆盖SB Energy在俄亥俄州的园区,而园区租给的是OpenAI的关联方;另有360亿美元的AI云“照付不议”协议,合作伙伴包括Firmus、SharonAI、GMI等新兴算力商。

“照付不议”四个字值得多说一句:不管用不用,钱都得付。这跟普通人租房签了长约、无论住不住都要交租金,是一个道理。当这类合同大量集中在少数买方和少数卖方之间,任何一方的现金流打个喷嚏,整张网都会感冒。

问题在于,这张网的“信用中枢”高度集中。据《华尔街日报》报道,正是首席财务官科莱特·克雷斯把俄亥俄项目最初的2500亿美元兜底谈判压缩到1050亿美元,并持续追问担保如何定价、回报如何测算;8月下旬英伟达还暂停了部分收入分成式信贷支持交易,要求新交易须经高管团队和董事会审查。而据彭博社报道,那个5000亿美元融资平台迄今尚未落地任何一笔交易,六家机构签的仍是初步意向备忘录。

黄仁勋离任后,市场追问的正是这件事:下一个签字的人,还会不会签同样的字。瑞银分析师蒂姆·阿库里估计,如果相关融资承诺被撤回,可能至少从AI生态系统中抽走500亿美元。摩根大通信贷分析师埃丽卡·斯皮尔则指出,随着黄仁勋离任,向英伟达合作伙伴放贷的机构也开始更关注交易风险。

最新进展更有戏剧性:11月16日前后,外媒报道黄仁勋正考虑重返CEO一职,部分股东与硅谷高管公开呼吁董事会“保留所有选项”;同时英伟达表示正在遴选猎头公司、尚未与任何候选人正式接触。美东时间11月17日盘后,公司将发布黄仁勋离任后的首份财报,市场预期营收约1090亿美元、同比增长约九成,焦点在四季度指引、Vera Rubin交付节奏,以及临时管理层如何推进算力融资项目。

一个人的去留能牵动一张数千亿美元的信用网络,这本身就说明:AI产业和金融体系已经缠成了一体。 信用中枢的稳定性,不再只是公司治理问题,而是金融稳定问题。

四、全球监管的“合围”:共识清单已经形成

把近半年的官方表态摆在一起,方向高度一致。

IMF在10月《全球金融稳定报告》中把AI投资回调、主权债务风险、网络安全列为三大突出风险,并特别指出“杠杆上升、风险敞口集中以及循环融资安排会进一步放大这种调整”。11月16日,IMF总裁格奥尔基耶娃在东盟峰会期间把话说得更形象:“全球经济现在像是单腿站立,而这条腿就是AI。如果这条腿摇晃,就可能引发金融稳定问题。”她透露,IMF估算AI企业间循环融资规模已略高于1万亿美元,其中约三分之二由债务支撑,“规模还不算特别庞大,但增长速度非常快”。IMF的最悲观情景是:若AI未能兑现市场预期,美国股市2026年可能下跌20%,到2028年全球经济产出比基准预测低1.1%,美国产出低1.8%。不过她也把近期波动称为“有序调整”,认为不太可能演变成系统性风险。

英国央行同样在持续加码警告。行长贝利11月10日明确表示,AI资产价格泡沫构成明显的金融稳定风险,市场可能高估回报、或回报兑现慢于预期。负责金融稳定的副行长布里登则把界限划得很清:近期AI股抛售“看起来是有序的”,央行更担心的是“价格调整引发金融市场行为、进而放大冲击”。首席银行监管官员布拉迪克透露,英国一些银行已开始主动削减AI相关风险敞口。

FSB主席贝利在致G20财长与央行行长的信中,把“前沿AI演进”“高估值”“高杠杆与高集中度”三件事并列,警告无秩序修正的风险。

BIS则从更长的历史维度给出了一个冷静的判断:AI的最终经济后果高度不确定,现阶段提出具体的加息或监管建议“并不明智”,但央行必须保持货币政策纪律,确保通胀预期不脱锚。换句话说,监管者承认自己不知道AI泡沫什么时候破、以什么方式破,但他们知道一件事:在泡沫积累的过程中,不能让杠杆和通胀同时失控。

中国学界也在做同样的功课。国研网宏观经济研究部11月初的报告提出一个到位的判断:判断本轮热潮是否泡沫化,“关键不在技术前景,而在投资节奏与回报兑现之间的裂口”,并识别出投融资期限错配、算力设施重复建设、跨境传染缓冲不足、监测预警缺位四类结构性问题。

这说明AI的金融稳定风险,已经从个别监管者的直觉,变成了国际组织的共识清单。共识清单的意义在于:它决定未来几年监管资源往哪儿投、规则往哪儿立、资本成本往哪儿加。

五、被忽略的变量:AI政治学,和“电费账单”

这次市场重估还有一个不太被讨论的推手——政治。

美国中期选举后,民主党重掌国会两院控制权,新一届国会将于2027年1月就职。NBC出口民调显示,56%的选民认为AI和数据中心是他们投国会议员时的关键或主要因素。更具体的冲击发生在州一级:在36场州长选举中,已有20场出现数据中心暂停或禁令提案,覆盖得克萨斯、佐治亚、俄亥俄等关键负荷增长州。得州候任州长希诺霍萨明确表示,在州议会通过保护居民的法律之前,将推动暂停数据中心审批。州层面的数据中心相关法案从2024年的边缘议题,升至2026年约80项已生效或仍在审议;地方层面的暂停令、分区限制和条例扩大到250项以上。

于是出现了一个新现象:“电费账单”进入了AI资产的定价模型。 申万宏源的测算显示,若电费新规落地,基准情景下新增电力成本占四大科技巨头营业利润的0.3%—0.7%,但对高杠杆的新兴云厂商影响明显更大,CoreWeave可达6%、严格情景升至14%。野村则认为,美国监管收紧拖慢数据中心扩张,反而可能通过芯片价格回落缓解中国企业的获取压力。

这里面的逻辑并不复杂。过去数据中心的外部性——电网扩容成本、居民电费上涨、水资源消耗——很大一部分由当地居民和公共电网兜着。现在政治力量要求把这笔账算到项目头上。当外部性被内部化,项目的内部收益率就要重算。这是比利率更慢、但更持久的压力:利率可以降回去,但一旦居民发现自己的电费在为数据中心的算力买单,政治上的反弹就不会轻易消失。

六、中国坐标:暴露有,制度准备也有,短板在“台账”

有人觉得这是华尔街的事。我不这么看。

先看暴露。2026年二季度,阿里、腾讯、百度资本开支合计约1318亿元,约为去年同期的2.14倍,三家公司自由现金流合计净流出约664亿元;荣鼎集团统计,2026年上半年三家合计资本开支2080亿元,同期合计自由现金流为负160亿元。腾讯二季度自由现金流-138亿元,为2005年以来首次转负,若剔除约510亿元AI相关预付款的影响,当季经营现金流本身并不难看,但预付款这种“先付钱、后拿货”的模式,本身就说明算力采购正在占用越来越多的营运资金。字节把2026年资本开支规划上调至2000亿元。

自由现金流转负不等于亏损,更不等于危机——阿里二季度末现金及其他流动投资仍有4745亿元,资金储备充足。但它确实说明一件事:AI投入已经从“利润可以覆盖的研发项目”,变成需要经营现金流、账面资金与资本市场共同承担的长期工程。 投资速度和收入兑现速度之间的差距,正在成为财务报表上最值得盯住的那条线。

国内还有一处需要正视的结构性问题:算力“冰火两重天”。国家数据局披露,截至2026年7月底全国智算总规模达245万PFLOPS(FP16);但行业调研显示,部分智算中心国产算力利用率不足20%,通用算力中心利用率仅10%—15%。有业内人士直言,问题不是“过剩”而是“错配”——抢跑囤卡、代际落后、跨区域调度成本高、运营能力不足叠加在一起。这恰恰是国研网报告点出的“重复建设”与“期限错配”的现实版本。算力只有被用起来才是资产,闲置着就是折旧。 美国的风险在“表外担保和循环融资”,中国的风险更多在“资产建成后的利用率”——形态不同,本质都是投资回报兑现的问题。

再看制度准备,中国的动作并不落后。人民银行行长潘功胜10月19日在金融街论坛年会上专门讲“人工智能影响和金融政策响应”,指出“人工智能热潮已成为全球股市上涨的主要动力之一,全球金融市场呈现高关联性和高波动性”,并提出三方面工作:密切跟踪研判宏观影响、做好金融支持产业、稳妥推进AI在金融领域应用。同一次论坛上,他还宣布将会同金融监管总局、证监会设立应对非银机构大额赎回的流动性支持工具。证监会主席吴清宣布发布实施人工智能在证券期货业安全合规应用的意见。金融监管总局6月18日印发金发〔2026〕8号《关于银行业保险业人工智能安全开发应用的指导意见》,提出32项意见,确立“谁使用谁负责、自主可控、务实高效、安全发展”四项原则,首次在监管文件中提出“金融智能体”概念,并要求高风险应用关键环节建立人工监督和干预机制。

我的判断是:中国在“AI+金融”的规则供给上不落后,短板在“AI产业自身金融暴露的监测”。 债务、租赁、担保、循环交易这些科目,在美联储和IMF的报告里被点名量化;在我们这边,还缺一张公开、定期更新的台账。看不见,就管不住。不过也要看到,中国AI产业的融资结构与美国有实质差异:循环融资和表外担保的复杂程度远低于美国,主要压力体现在经营现金流对资本开支的覆盖能力上。因此,中国的监测重点不应简单照搬美联储的“表外承诺”科目,而应放在资本开支与自由现金流的缺口、算力利用率、以及债务期限结构这三个更贴近本土实际的指标上。

七、我的四点判断

第一,这是“脆弱性识别”,不是“泡沫定性”。 美联储没有说泡沫要破,它说的是脆弱性在积累:定价偏高、杠杆偏高、融资结构偏复杂。把“风险榜首”读成崩盘预告是误读,读成“没事”更是误读。87%这个数字的真正含义是:市场已经不再把AI当成一个科技板块来定价,而是当成一个系统性变量来定价。

第二,风险的核心不在技术,在融资结构。 AI技术本身不会引发金融危机,“用短期资金赌长期回报、用表外承诺撑表内扩张、用循环交易做大规模”才会。IMF、英国央行、FSB、BIS不约而同指向同一处,不是巧合。BIS的历史类比说明,运河、铁路、电气化、互联网都曾被视为“改变一切”的技术,也都曾因为融资结构断裂而引发调整。技术成功了,不代表为技术融资的合约结构一定撑得住。

第三,真正的考验是“收入兑现速度”,不是“投资规模大小”。 有测算指出,要让当前算力投入获得合理回报,2030年全球AI行业年收入需跃升至2.5万亿至3万亿美元量级。这个门槛能不能迈过去,决定了这轮资本开支是“基础设施”还是“沉没成本”。格奥尔基耶娃说得直白:投资者对AI的狂热,反映出市场预期已经跑在这项技术实际应用成果的前面。

第四,不必恐慌,但必须留好“退路”。 英国央行区分得很清楚:资产重新定价本身不是金融稳定问题,“价格调整引发金融市场行为放大冲击”才是。这个区分,对中国的监管者、企业和投资者同样适用。真正的危险不是价格下跌,而是价格下跌触发抵押品贬值、追加保证金、强制平仓、信贷收缩的连锁反应。留退路的意思是:在链条最紧的地方提前松开一扣。

八、五条建议:把风险从“感觉”变成“台账”

第一,给AI产业金融暴露建一张公开台账。 建议由央行、金融监管部门牵头,按季度统计AI相关债务发行、长期租赁承诺、供应商担保、循环交易规模,并纳入金融稳定评估。美国的风险集中在表外承诺和循环融资,中国的风险更多体现在资本开支对现金流的挤压和算力利用率不足,台账的科目设计应当有所区分,但“有账可查”这个原则是共通的。这是最基础、也最容易被跳过的一步。

第二,对“循环融资”做穿透式披露。 要求相关主体在财报中单独列示:来自客户或供应商的股权投资、为客户融资提供的担保、未起租长期租赁承诺、以未来订单为抵押的借款。关联交易的本质,不该藏在附注的角落里。英伟达的案例说明,一家公司的“或有负债”可以在一个季度内从1840亿跳到5300亿美元,而市场直到10-Q发布才看清全貌——披露的时效性和颗粒度,本身就是金融稳定的基础设施。

第三,把“国产可用”和“国产好用”分开考核,优先在推理侧完成替代闭环。 国内算力闲置与短缺并存,说明瓶颈已从“有没有卡”转向“用不用得起来”。政策考核应从“建成多少P算力”转向“支撑了多少真实业务、带动多少产业增加值”。闲置的算力在会计上是资产,在经济上是折旧,在金融稳定上是潜在的不良。

第四,金融机构用AI要“分级授权”,智能体必须守住人工闸门。 金发〔2026〕8号已经给出原则,关键在落地:信贷审批、核保理赔、交易执行这类有实质法律后果的场景,必须坚持“人在回路”,不能把智能体当成可以随便放权的“数字员工”。

第五,宏观审慎要提前备好“AI调整”情景工具。 IMF的情景测算不应只停留在报告里,应进入压力测试与应急预案——包括对高杠杆非银机构、对集中度极高的科技股权敞口、对跨境财富效应传导的应对。潘功胜宣布的流动性支持工具,方向是对的,接下来要把触发条件和演练做实。工具的意义不在于一定会用,而在于市场知道它在。

九、结语:警惕的不是AI,是“用杠杆赌未来”的旧习惯

87%这个数字,我不把它读成“AI要出事”,我把它读成一句话:市场已经不再把AI当成一个科技板块,而是当成一个系统性变量。

这是好事。风险被正式登记在册,才有规则、才有监测、才有对冲。真正危险的时刻,是所有人都觉得没问题的时候——2026年5月,只有50%的人把AI列为突出风险,而那时债务已经在以五倍于2023年的速度发行,表外承诺已经在以千亿美元为单位堆积。风险从来不是在成为头条的那一天才出现的,它只是在成为头条的那一天才被看见。

对中国而言,结论也很清楚:AI要发展,金融要稳,两件事不能靠运气协调。 发展靠投入,稳定靠台账;投入可以快,台账必须准;技术可以追,杠杆不能赌。美国的教训不在于“市场太乐观”,而在于乐观的时候,没有人把那些没写进负债栏的承诺一笔一笔算清楚。我们要做的,是在潮水还在的时候,就把账本摊开。

潮水退去时,站得住的从来不是喊得最响的,而是账算得最清的。

(完)

资料来源说明:本文事实与数据来自公开渠道,主要包括:美联储2026年11月13日《金融稳定报告》及其中半年度市场调查(路透社、澎湃新闻、中新经纬、和讯网、汇通财经等转述);IMF 2026年10月《全球金融稳定报告》及总裁格奥尔基耶娃2026年11月16日在东盟峰会期间的表态;英国央行金融稳定评估及行长贝利、副行长布里登、首席银行监管官员布拉迪克的公开表态;FSB主席致G20信函;国际清算银行第137期公报及2026年6月年度经济报告;英伟达2026年7月26日截止财季10-Q文件及《华尔街日报》、彭博社、SemiAnalysis等媒体报道与分析;美国中期选举后AI监管与数据中心政策的相关报道与研究(《华尔街见闻》《联合早报》《财经》、申万宏源、野村证券、美银等);2026金融街论坛年会潘功胜、吴清等发言;国家金融监督管理总局金发〔2026〕8号文件;国家数据局、工业和信息化部公开信息;荣鼎集团、国研网宏观经济研究部等机构报告。文中涉及的美方监管判断、机构观点及人物主张均属其自身立场,本文仅作分析引用,不构成任何投资建议或法律意见。