鉅亨網編譯莊閔棻
在全球掀起人工智慧（AI）基礎設施投資熱潮之際，一波前所未見的舉債潮正逐步累積。而最值得警惕的風險，往往隱藏在傳統財務報表無法完整呈現的角落。外界擔憂，此語恐造成一場「AI 版次貸危機」。
高盛最新報告預估，到 2027 年全球超大型雲端服務業者的資本支出將攀升至 1.1 兆至 1.4 兆美元，遠高於市場普遍預期。然而，摩根士丹利最新研究認為，即便是如此驚人的數字，也可能僅反映整體投入規模的一部分。
摩根士丹利全球估值、會計與稅務團隊指出，僅盯著資本支出數字，將嚴重低估 AI 建設週期的真實財務承諾。
該行指出，在帳面資本支出之外，三類關鍵的表外負債正在快速累積。
其一，採購承諾接近 1 兆美元。 超大規模雲端業者與輝達的長期採購合約總額逾 9,820 億美元。
依照現行會計準則，這些義務在貨物交付前不計入負債。換句話說，近乎一兆美元的未來現金流出，當前完全不體現於任何資產負債表之上。
值得注意的是，輝達 (NVDA-US) 自身的庫存與採購義務已升至 2027 會計年度共識營收預測的 32%，遠高於歷史區間的 15% 至 20%，供應鏈承諾風險已向晶片供應端延伸。
其二，未生效租約承諾逾 8,220 億美元。 超過 8,000 億美元的租賃合約已簽署但尚未執行，不計入當前租賃負債。
摩根士丹利估算，若將融資租賃納入計算，微軟 (MSFT-US) 資本支出佔營收比例將從 2026/2027 會計年度的 33%／50%，跳升至 44%／64%；甲骨文 (ORCL-US) 更可能從 76%／115% 飆升至 101%／189%。
其三，應付帳款中的未付資本支出約 1,100 億美元。 甲骨文、Meta(META-US) 、微軟的應付帳款天數（DPO）大幅拉長，年增幅分別達 370%、73% 及 69%，意味著整條供應鏈實際上正在為 AI 建設墊資，供應商承擔了本應由買方負擔的流動性壓力。
在公開市場端，AI 相關融資同樣急劇升溫。摩根士丹利最新「AI 債務融資追蹤報告」顯示，截至 2026 年 5 月底，全球 AI 相關債券發行規模已達 2,360 億美元，較 2025 年同期激增 357%。
摩根士丹利預計，AI 債務全年發行總量將突破 5,700 億美元，下半年隨著資本支出融資需求集中釋放，發行節奏將進一步加速。
今年 4 月單月 AI 相關債券發行逾 740 億美元，創年內新高，其中數據中心建設的專案融資結構，佔高收益債供給的 85%、投資級債供給的 40%。
亞馬遜 (AMZN-US) 、Meta、Google(GOOGL-US) 、微軟、甲骨文五家超大規模雲端業者，目前已佔整個投資級債券指數的 4%。
在槓桿層面，超大規模雲端業者的整體毛槓桿率，已從 2025 年第三季的 0.9 倍升至當前的 1.8 倍，每季約上升 0.3 倍，超越整個能源產業的槓桿水準。
該行指出，受供給壓力影響，相關信用利差已從 AA 區間漂移至 A 區間，並可能進一步走闊。 Meta 的信用利差目前已寬於信用違約交換投資等級指數（CDX IG）基準。
在自由現金流方面，摩根士丹利預測，亞馬遜與 Meta 在 2026 年的自由現金流將趨近於零，甚至轉負，屆時增量融資將幾乎完全仰賴新增債務。
除了直接負債之外，市場另一項不容忽視的表外風險，則是由特殊目的公司（SPV）架構所衍生出的循環融資模式。
本週，Apollo 與黑石 (BX-US) 聯合為 Anthropic 完成了一筆 350 億美元的「晶片抵押」私募信貸交易，正是這類隱性風險的縮影：博通 (AVGO-US) 為特殊目的公司提供背書，Anthropic 以所募資金購買博通製造的 Google 晶片，而 Google 本身持有 Anthropic 14% 股份，安排此交易的摩根士丹利則同時向參與投資者提供貸款。
換句話說，同一筆資金在少數幾個主體之間反覆流轉。
Apollo 旗下保險子公司 Athene 在此結構中尤為活躍，透過向退休人員銷售年金募集資金，再將資金注入特殊目的公司參與 AI 基礎設施融資，將槓桿從可見的雲端業者資產負債表，轉移至供應商與私募信貸生態系統，使真實的系統性風險難以被外部觀察者識別。
當前財務數據存在系統性的樂觀偏差。大量資本支出目前以「在建工程」形式掛帳，尚未開始折舊，導致已揭露的利潤率被人為墊高，未來費用壓力遭到低估。
甲骨文、Meta、Google 的在建工程餘額，年增約 200%、90% 及 55%。分析指出，一旦這些資產陸續轉入折舊，衝擊將集中釋放。
摩根士丹利預測，微軟、甲骨文、Meta、Google 四家企業未來三年的累計折舊將超過 5,200 億美元。其中，甲骨文折舊佔營收比例可能從當前 7% 升至 2028 會計年度的 28%；Meta 則可能從 9% 升至 19%。
與此同時，各家業者的營收預測修正幅度明顯滯後，資本支出先於商業化落地的結構性錯配已清晰可見。
Google 2026 年資本支出共識預測較一年前上調 139%，Meta 和亞馬遜分別上調 85% 和 81%，甲骨文更高達 175%，然而對應的營收成長預期卻遠未同步跟上。
此外，超過 2 兆美元的剩餘履約義務（RPO）高度集中於少數大型長期合約，交易對手集中風險不容忽視。一旦循環體系中任何一個主要參與者出現問題，將可能引發連鎖反應。
摩根士丹利指出，目前市場面臨的並非立即性的償付能力風險，而是多重潛在隱憂逐步累積。這些問題包括折舊負擔被延後反映、企業投資速度快於獲利變現進度、債務風險轉嫁至供應鏈與私募信貸市場，以及會計分類差異導致企業間資本支出強度難以直接比較。
高盛分析師 Ryan Hammond 指出，若 AI 基礎設施投資規模達到 GDP 的 2% 至 3%，類比鐵路與汽車工業的歷史建設週期，2027 年資本支出可能達到 1.1 兆美元，極端情境下上限或達 1.4 兆美元。
然而，這一切的前提是大型語言模型（LLM）能夠持續提升每單位運算定價，並維持足夠的企業客戶黏著度。
越來越多企業正將目光轉向性能相近、但價格大幅低廉的 AI 替代方案。一旦需求端發生結構性轉移，當前這套精心構建的融資體系，將面臨一場難以迴避的壓力測試。
上一篇
下一篇
