每日金融 2026-06-09
每日金融 2026-06-09
最近硅谷科技巨头频繁传出重磅融资消息。
谷歌母公司Alphabet计划通过股权融资筹集约800亿美元，其中包括伯克希尔·哈撒韦的100亿美元私募投资，成为全球资本市场有史以来规模最大的单笔股权再融资（Follow-on Offering）案。值得注意的是，谷歌自2015年起，每年都从公开市场砸下数百亿美元回购自己的股票，此次却一反常态，向市场“伸手要钱”增发新股，这在Alphabet的上市历史上还是首次。
AI独角兽也开始转向公开资本市场募集资金。据路透社报道，Anthropic日前已经正式向美国证券交易委员会提交S-1注册声明，早OpenAI一步启动IPO流程，后者的上市之路也在紧锣密鼓筹备当中。SpaceX近期则完成了与马斯克旗下xAI的深度整合，目标打造太空AI算力中心，计划冲击750亿美元IPO，并以接近1.75万亿美元的估值冲击全球最大规模上市之一。
回顾过去几年，AI投资还是以风险投资为主，直到去年科技界还在谈论保持公司私有化的种种优势，但现在看来，叙事发生180度大转弯，AI 巨头们正式大举进军二级市场，瞄准普通散户的钱包。这也标志着，AI融资正式进入了以全社会资本公募化、资产证券化、衍生金融工具化为特征的“全面金融化”时代。
是什么让美国科技公司完成了这一转变？最表面的原因是，AI的“吞金”能力已经超越了传统风险投资（VC）以及科技巨头的资产负债表极限，科技公司不得不向公开市场寻求融资。更深层次来看，是AI资本支出已经全面转向重资产化、基础设施化和能源化。
当前，科技企业围绕算力的竞争已经进入更高强度的阶段。这主要是因为AI演进范式发生了深刻的结构性变化：大模型已从“文本预训练”’转向“慢思考推理”，并且出现了高频自我纠错、高并发工具调用的AI智能体。这种技术路线的跨越，叠加多模态数据运用与合成数据自循环，将算力短缺推向了长期的物理与能源刚性挤兑周期。行业数据显示，大模型一次深度的“思考型推理”所消耗的算力，最高可达传统一问一答式简单查询的100倍，而后训练所消耗的计算资源往往能达到初始预训练的30倍之巨。
在这种情形下，即使计算芯片和内存芯片价格水涨船高，仍旧严重供不应求。英伟达最顶级的Blackwell以及即将于2026年秋季出货的Vera Rubin平台，必须依靠台积电独家的CoWoS先进封装技术，然而台积电董事长魏哲家在6月的股东大会上坦言：“即便台积电玩命加班，全球 AI 芯片供不应求的局面仍将持续数年，我们正在尽一切努力确保台积电不成为全球供应链的瓶颈。”
光有芯片还不行，还需要为这些芯片建设能够长期运行的“算力工厂”，这就涉及超级数据中心、液冷机房、土地、电网、备用电源、储能设施等的建设，因此对AI算力的投资不可避免地延伸到工业基础设施和工业硬件方面。尤其是电力和能源基础设施，成为美国科技企业AI资本支出的大头之一。
对于美国科技企业来说，搭建一个现代化的AI数据中心建筑群仅需要12至18个月，然而，由于美国国家电网的陈旧与审批繁琐，将一个千兆瓦（GW）级的数据中心排队连接到国家主电网，目前需要等待至少5年时间。为了跑赢这5年的时间差，科技巨头被迫直接化身为能源巨头。过去数月内，谷歌斥资47.5亿美元直接全资收购了能源巨头Intersect Power，亚马逊与Meta纷纷签下长达20年的远期核电购电协议，将触角直接伸向了核反应堆和地方电网。
此外，AI产业链上的传统工业硬件也面临挤兑。数据中心不能直接使用高压电网的电，必须通过高压变压器和配电柜进行降压稳流。 据公开数据，自2019年，全球高压变压器的市场需求暴涨了119%。算力需求的暴增也推高了散热器的需求，近期谷歌（Alphabet）频频前往中国采购散热系统，反映出美国超大规模数据中心巨头正逆向加深对中国高精密液冷散热系统的刚性采购依赖。
就这样，从大模型到芯片，再到物理世界中的基础设施，AI仿佛成为了科技企业的“资金黑洞”，AI融资也开始步入“全面金融化”时代：企业越来越依赖股权融资、债券融资以及IPO等资本市场工具来筹集资金。这也意味着，AI产业将从早期的“研发驱动”转向“资本驱动”。
当科技企业深度绑定股权、债权及 IPO 等金融工具来填补AI的“资金黑洞”时，可能会引发一系列的后果。
首先，通过公开市场金融工具，资本加速涌向AI行业头部，将在全行业引发剧烈的“马太效应”，改变行业生态。全面金融化之后，唯有具备全球化融资红利、能够频繁发行百亿级债券或在资本市场成功上市（IPO）的科技巨头，才能撑过AI的“资金黑洞”并留在牌桌继续游戏。相反，缺乏金融资源的中小型AI创新企业则面临加速清洗。这种由金融重资本构筑的绝对资源垄断，将损害初创生态的内生动力，而 IPO 对赌协议、债券评级或股权投资人的退出需求，可能扭曲头部企业的治理目标，由此导致全球AI产业面临创新萎缩与安全治理风险。
其次，是AI资本支出全面金融化之后，风险可能沿着“高估值融资—高杠杆扩张—资产减值—金融市场重估”的链条，逐步外溢为更广泛的系统性金融风险。与上一轮AI投资主要由科技巨头内部现金流和少数风险资本承担不同，现在AI融资已经越来越多地通过股票增发、公司债、IPO等资产证券化工具进入更广泛的金融体系。一旦AI投资出现回报不及预期，风险就可能沿着股市、债市向外扩散。这并非不可能。当前，在华尔街对“AI 终局期权”的狂热追逐下，资产估值已严重透支了企业的当前的营收与实际盈利能力，可能催生出脱离实体经济基本面的系统性估值泡沫。投资回报率究竟何时能够兑现，已经成为华尔街越来越关注的问题。
更重要的是，这一轮AI资本支出金融化，可能改变中美AI竞争格局。除了算法、模型、人才、数据和应用场景的竞争，AI竞争很大程度上也取决于资本市场动员能力，换句话说，“口袋有多深”。通过股权、债券、IPO和长期项目融资，美国可以把AI基础设施建设转化为整个资本市场共同承担的投资周期。
这种体系能力，对中国构成的压力是现实的。中国并不缺少AI应用场景、工程建设能力、电力基础设施和政策组织能力，但在最前沿模型竞争中，约束正在增加。一方面，先进GPU、HBM、先进制程、高速互联和部分关键软件生态仍受到外部限制；另一方面，中国AI企业难以像美国企业一样依靠全球资本市场、美元融资、国际云客户和全球开发者生态来支撑超大规模资本开支。即便国内可以通过政策性资金、产业基金、国资平台和大型互联网企业加大投入，其资金规模、融资成本、技术开放度和全球化能力，仍难以完全对标美国科技巨头。据报道，DeepSeek计划进行约500亿元人民币、折合约74亿美元的首次融资，这在中国科技领域已经是罕见的大额融资，但与美国头部AI公司和云巨头的资本开支量级相比，仍然不是一个规模层面的竞争。
美国AI资本支出的全面金融化意味着中美AI竞争已经进入体系竞争阶段。大模型，AI应用，算力基础设施、能源配置、芯片产业、资本组织和场景落地共同构成国家级的AI竞争。现在，美国正在通过资本市场把AI建设推向更高的投资强度，在这种形势下，中国可能需要通过制度组织能力、产业链整合能力和应用场景优势，走出一条更加重视成本效率和实际应用的AI道路。毕竟，AI竞争的胜负不只取决于谁能投入更多资本，也取决于谁能把资本、算力、能源和应用更有效地转化为可持续的产业能力。
最终分析结论：
近期硅谷科技巨头和AI独角兽密集融资、增发与筹备IPO，标志着AI产业已经进入资本市场融资为支撑的“全面金融化”阶段。其直接结果是，AI竞争的门槛被大幅抬高，行业资源加速向少数头部企业集中，同时高估值融资、高杠杆扩张、重资产折旧和投资回报不确定性，也可能使AI风险从科技企业内部外溢至更广泛的金融体系。更重要的是，这一变化将重塑中美AI竞争格局，美国凭借资本市场不断提高AI投资强度，而中国则需要在先进芯片受限和融资规模不足的现实约束下，更加重视成本效率和实际应用落地。（CL）
