鉅亨網編譯段智恆
美國科技巨頭每季公布數千億美元的人工智慧(AI)資本支出，但這些數字可能只是整體投資承諾的一部分。《華爾街日報》(WSJ)分析九家主要科技公司的最新監管文件後發現，主要與AI相關的表外承諾已達約3兆美元，遠高於帳面呈現的傳統資本支出。
這九家公司包括Google母公司Alphabet(GOOGL-US)、Meta Platforms(META-US)、亞馬遜(AMZN-US)、微軟(MSFT-US)、甲骨文(ORCL-US)、輝達(NVDA-US)、博通(AVGO-US)、SpaceX(SPCX-US)及超微(AMD-US)。
這些公司過去一年申報的資本支出合計約6,000億美元，但表外承諾規模不僅是其三倍以上，也約相當於未償租賃與長期借款總額的三倍。隨著AI資料中心、晶片及電力需求急速膨脹，科技公司的實際資本密集度可能遠高於投資人從財報表面看到的程度。
不過，這些項目並非會計詐欺，也不一定代表公司已經背負相同金額的金融負債。多數是依照現行會計規則，在租約尚未開始或產品尚未交付前，不必立即列入資產負債表的未來合約承諾。真正的風險在於規模、透明度，以及未來AI收入能否如期支應這些無法輕易取消的支出。
《華爾街日報》統計，九家公司尚未開始執行的租約付款承諾達1.2兆美元，規模約為一年前揭露金額的四倍。這些租約主要涵蓋未來啟用的資料中心、雲端運算容量及相關基礎設施。
資料中心不僅需要建築物與電力，還必須配置大量輝達GPU、記憶體及網路設備。為確保未來取得足夠產能，科技公司通常會提前數年與供應商簽訂長期採購協議。
《華爾街日報》估計，這些公司尚有約1.9兆美元採購及其他合約承諾。依照會計規則，這類承諾通常要等到產品或服務實際交付後，才會反映在資產負債表上。未啟動租約與採購承諾合計，構成約3兆美元表外承諾的主要部分。
Alphabet的變化尤其顯著。截至6月底，其採購承諾及合約義務已達8,110億美元，較三個月前公布的3,320億美元暴增近4,800億美元。公司表示，相關承諾主要涉及技術基礎設施、庫存，以及確保資料中心能源供應的合約，部分能源協議期限甚至延伸至2054年。
部分表外曝險還包括未來購買其他公司股份，以及替第三方租約提供財務支持。輝達從4月26日至2027年1月底的會計年度結束前，已承諾進行270億美元股權投資。
Meta位於路易斯安那州的Hyperion資料中心計畫，具體呈現科技公司如何透過特殊目的工具及合資架構，讓龐大建設資金暫時留在自身資產負債表之外。
Hyperion園區面積約相當於1,700座足球場。雖然Meta負責推動建設，但園區與用於興建工程的270億美元債務，均未列入Meta的資產負債表。由Blue Owl Capital(OWL-US)管理的基金持有合資企業多數股權，再由控股公司Beignet Investor透過發債籌措建設資金。
Meta則是少數股東兼主要承租戶，未來支付的租金將成為償付債券持有人的現金流來源。公司最初同意自2029年起租用Hyperion四年，並可續租最長20年。若Meta未履行完整20年租期，公司也承諾補足債券投資人的損失。
由於Meta認為實際支付這項保證的可能性不高，因此尚未在資產負債表認列相關負債。依照會計規則，Hyperion租賃義務也要等到開始支付租金後才會入帳。
Meta表示，Hyperion最初租賃承諾約為123億美元。截至6月底，包括Hyperion在內，公司尚未生效的租約總承諾已達3,470億美元。
這類安排可讓科技公司在不立即增加帳面負債的情況下，提前鎖定AI資料中心容量，也把部分融資需求轉移至供應商、私募信貸機構及特殊目的工具。然而，交易架構愈複雜，投資人就愈難掌握企業真正承擔的槓桿與風險。
樂觀派認為，AI工具需求持續飆升，並已造成GPU、記憶體與資料中心容量短缺，證明企業及消費者的需求可望維持多年。只要未來AI收入快速增加，科技巨頭就有足夠現金履行租約及採購承諾。
但較為謹慎的投資人擔心，一些過去擁有「堡壘般資產負債表」的科技公司，已開始更頻繁地進入資本市場籌資。Alphabet與亞馬遜近期均出現自由現金流轉負，意味其資本支出已超過本業營運產生的現金。
更大的問題是，這些租約與採購協議大多無法輕易取消。即使預期中的AI收入沒有實現，公司仍須支付資料中心、晶片及電力等合約費用。一旦AI需求低於預期，科技公司可能長期為無法獲利使用的基礎設施買單，甚至必須舉借更多債務履行承諾。
此外，大量仍在興建中的資料中心尚未開始提列完整折舊，意味當前獲利率可能尚未反映已承諾支出的全部成本。隨著設施陸續啟用，折舊費用將逐步進入損益表，科技公司必須靠更高營收或削減其他成本才能守住利潤率。
摩根士丹利(MS-US)會計分析師今年4月指出，隨著表外承諾變得更頻繁、規模更大且架構更複雜，投資人已愈來愈難評估企業潛在的總槓桿。
現階段，這些承諾尚未構成立即性的償債危機，但凸顯AI資本支出領先商業變現、折舊成本延後浮現，以及槓桿向供應商與私募信貸市場移轉等問題。真正的考驗是，當市場融資環境轉差時，AI產業能否產生足夠收入，支撐這場規模前所未見的基礎設施擴張。
下一篇
