ARTICLE · 1120656
AI公司正在互相投资、互相买东西:BIS警告“循环关系”正在增加金融风险
AI公司正在互相投资、互相买东西:BIS警告“循环关系”正在增加金融风险BIS：AI企业之间的循环关系（Circular relationships among AI firms）作者：Jon Frost、Rudraksh Kansal、Kumar Rishabh、Vatsala Shreeti、Leanne Si Ying ZhangAI公司现在有点像“左手投资你，右手又卖东西给你”；你拿我的钱买我的东西，我再因为你的增长而赚钱。平时这可能是很聪明的商业安排，但如果整个行业都这么玩，一旦需求不及预期，就可能出现“投资亏了、订单也没了、贷款还收不回来”的连锁反应。核心结论：这份报告研究了一个正在AI行业里越来越明显的现象：AI公司不仅互相投资，而且很多时候，投资者本身还是被投资公司的供应商或客户。也就是说，一家公司一边给另一家公司提供芯片、云计算、数据中心等东西，一边又拿钱投资这家公司。于是就出现了一种特殊的结构：钱往一个方向流，商品和服务也往一个方向流。甚至还有可能出现：A给B投资，A又是B的供应商；或者B反过来给A投资。BIS把这种现象称为：“循环投资关系”（circular investment relationships）。在2021年至2025年期间：* 按交易金额计算，AI公司所有投资交易中，有 28.7% 的交易，其被投资对象本身也是AI公司。* AI公司获得的投资资金中，有 55.2% 来自其他AI公司。* 在AI公司之间的投资交易中，按交易数量计算，有 16.1% 同时存在商业供应链关系。* 如果按照交易金额计算，这个比例达到 46.4%。也就是说：AI行业内部的钱，不只是“投资”这么简单。相当一部分投资关系背后，还连着真实的供应链关系。BIS认为，这种结构有合理的经济原因，比如企业需要锁定关键供应、投资者比外部资金更了解企业情况等。但问题是：当投资关系和商业关系越来越纠缠在一起之后，整个AI行业的真实需求到底有多少？企业之间到底有多少真实的独立交易？发生危机时，一家公司的问题会不会同时通过“金融”和“供应链”两条渠道传给另一家公司？这些问题都会变得更加难以判断。AI行业已经进入一个前所未有的资本密集时代。AI投资现在已经大到了一个过去很难想象的规模。全球最大的AI公司们计划在2026年合计投入数千亿美元建设AI基础设施。AI相关资本开支已经开始对很多国家的宏观经济产生重要影响。而其中相当一部分资金，会经过这样一些公司：它们既是AI产业链上游的供应商，又是下游AI公司的投资者。比如，一家公司给另一家AI公司提供：* 芯片；* 云计算；* 数据中心；* 算力；* 其他基础设施；与此同时，它又投资这家客户。于是：商业关系 + 金融关系就重叠在了一起。BIS把这种结构称为：循环投资结构。这份报告利用最新的AI企业、投资交易以及供应链数据，对全球最大的AI公司进行了研究，重点就是这种循环投资关系。报告试图回答三个问题：为什么公司会一边做生意、一边互相投资？为什么这种现象在AI行业尤其明显？它可能给整个金融系统带来什么风险？什么叫“循环投资”？过去20年，一些AI公司发展速度极快，逐渐从普通企业成长为AI产品和服务的重要供应商。这种增长一部分来自自身业务扩张，另一部分来自各种投资交易，例如：并购（M&A）、股权融资、 合资企业。 
BIS在报告中的第一张图展示了美国主要AI公司的发展。2000年至2025年期间，美国大型AI公司的平均五年市值快速增长，尤其是在2015年以后更加明显。这种增长既来自企业自身业务扩张，也来自它们对AI生态系统中其他公司的投资。图中的大型圆圈代表AI巨头，而周围的小型“卫星”圆圈，则代表这些AI公司收购的目标企业。而其中相当一部分被收购企业，本身也是AI公司。BIS定义了三种“循环关系”。BIS把2021年至2025年期间两家AI企业之间的投资关系定义为“循环”，条件是：这两家公司在同一时期还存在供应商—客户关系。这里需要特别注意：BIS采用的定义，比媒体平时说的“循环投资”更加宽泛。媒体有时候会把“循环”定义在单笔交易层面：比如一笔AI公司之间的融资交易，同时附带采购协议。也有一些定义只看金融关系：比如两家公司之间互相进行双向投资。而BIS的定义是在企业关系层面观察五年时间，而不是只看某一笔交易。同时，它还把商业关系纳入进来。按照这个定义，一共有三种循环关系。第一种：投资者同时还是供应商。A公司投资B公司。与此同时：A还是B的供应商。也就是说：钱从A流向B，商品和服务也从A流向B。资本流和商品/服务流是同一个方向。这是第一种类型。第二种：客户给供应商投资。A是B的客户。但A同时又给B投资。也就是说：客户正在给自己的供应商提供资金。这时候：资本流和商品/服务流是反方向的。这就是第二种类型。第三种：双方互相做生意。A给B提供商品或服务。与此同时，B也给A提供商品或服务。也就是说：两家公司之间本身就是双向商业关系。如果两家公司同时又存在投资关系，那么就是第三种循环关系。 BIS到底找到了多少这种关系？研究人员使用了三个不同的数据来源。第一，他们建立了一个包含 1246家AI公司的样本。这些公司被分成AI供应链中的五个层级：算力（compute）基础设施（infrastructure）、数据工具（data tools）、模型（models）、应用（applications）。 
第二，他们从PitchBook获取这些公司的融资数据。PitchBook是Morningstar旗下的数据公司，包含AI企业的股权和债务投资交易信息。第三，他们从FactSet获得企业之间商业关系的数据，包括：谁给谁提供产品、谁是谁的客户，以及这种商业关系的方向。研究人员还进行了大量人工核查，尽可能确保没有遗漏商业关系或者投资关系。最终，他们找到了：2021年至2025年之间，972个AI企业内部投资关系。如果投资者和被投资企业之间同时存在商业关系，那么就被定义为“循环投资关系”。AI公司越来越喜欢投AI公司。研究发现：按照投资交易金额计算，AI公司投资的目标企业中，有 28.7% 是其他AI公司。反过来：AI公司获得的投资金额中，有 55.2% 来自其他AI公司。而在AI公司彼此之间的投资交易中：按照交易数量计算，16.1% 同时存在商业供应链关系。按照披露的交易金额计算，这个比例则高达：46.4%。也就是说：将近一半的AI企业之间投资金额，同时对应着真实的商业供应链关系。再看关系方向：绝大多数循环关系——大约 64%——属于这样一种情况：一家AI公司投资另一家AI公司，同时还向它提供自己的产品。这说明，AI行业里相当一部分融资和商业关系其实存在一种“自我关联”。简单说：AI公司不仅在互相买东西，也在互相投资。为什么供应商会给自己的客户投资？这其实不是AI行业独有的现象。经济学理论早就研究过类似问题。一种典型情况是：供应商给自己的客户提供融资。为什么？因为供应商通常比银行或者外部投资者更加了解自己的客户。比如，一个芯片供应商每天都能看到：* 客户用了多少芯片；* 算力需求增长有多快；* 订单增长速度如何；* 客户业务到底有没有真正扩大。这些信息，外部银行或者投资机构想获得，往往需要花费额外成本。所以：供应商实际上天然拥有对客户更深入的信息。因此，供应商可能比外部金融机构更适合给客户提供融资。还有一个原因：供应商也想保住自己的订单。供应商给客户投资，还有一个非常现实的目的：刺激并稳定自己产品的需求。特别是当自己的产品非常昂贵，而客户从外部融资又非常困难的时候，这种做法尤其有意义。AI行业恰好符合这个条件。比如AI模型开发公司：在真正开始产生相应收入之前，就需要投入巨额资金。它们需要大量算力、芯片和云服务。于是，芯片公司或者云服务商可能会投资这些模型公司。因为它们可以通过客户的算力消耗情况，更容易判断：这家公司到底是在成长，还是只是讲故事。同时，供应商投资客户，还可以确保：未来有人持续买自己的产品。所以这其实是一种双赢安排：AI公司获得资金；供应商获得更加稳定的未来订单。反过来：为什么客户会给供应商投资？这个逻辑也非常重要。如果一家企业使用的关键原材料或关键技术：只有少数几家公司能够提供，而且对自己的产品又极其重要，那么客户就会担心一个问题：万一这个供应商不卖给我了怎么办？所以，客户可能直接购买供应商的一部分股权，或者提供融资。这样做可以：锁定关键供应。同时，客户甚至可以通过持股影响供应商未来的战略决策。比如：供应商到底能不能给自己的竞争对手供货？这在AI行业尤其重要。因为AI产业链上存在一些非常严重的关键投入品短缺。比如：存储芯片。如果一个关键供应商出了问题，可能直接变成整个AI产业链的瓶颈。所以：客户给供应商投资，有时候不是为了赚钱，而是为了确保自己未来还能拿到货。AI还有一个特殊问题：很多东西不是“买来就能用”。除了供需关系，还有一个经济学概念叫：关系专用性投资（relationship-specific investment）。AI行业里有很多投入并不是标准化商品，而是高度定制的。例如：* 按照某个客户工作负载配置的数据中心；* 针对特定AI模型定制的芯片；* 针对特定硬件进行优化的模型。这些东西一旦做好，就很难轻易转给别人使用。于是就产生了一个风险：“套牢风险”（hold-up risk）。假设A公司已经花了大量钱为B公司定制了一套设备。等设备建好了，B公司突然说：“现在重新谈价格。”A公司怎么办？因为A已经投入了大量沉没成本，所以谈判时会处于比较被动的位置。经济学家把这种情况称为“hold-up”。正因为担心这种情况，公司可能一开始就不愿意做这些高度定制的投资。而投资关系可以部分解决这个问题。比如通过：贷款、持股或者部分所有权让双方利益更加一致。这样可以降低监督成本和合同谈判成本。因此：供应商和客户之间的投资关系，有时候可以部分替代传统意义上的“垂直整合”。也就是说，一家公司不一定非要把供应商直接买下来。它也可以：先成为客户，再成为股东。这种现象其实在其他行业也存在，包括：制药；生物科技；电信；制造业。但AI为什么特别容易出现这种关系？BIS认为，AI有一个非常特殊的地方：这个行业同时具备了大量会推动“商业关系+金融关系重叠”的条件。包括：第一，信息不对称。年轻的AI公司到底有没有真正的商业前景，外部投资者很难判断。但供应商每天都能看到它到底用了多少算力、买了多少芯片。第二，AI投入高度定制化。数据中心、芯片、模型之间经常存在专门适配。第三，关键投入品供应商数量有限。例如某些光刻机、特殊半导体芯片等关键产品，全球供应商本身就很少。第四，AI公司的融资需求极其庞大。很多时候，外部资本不仅贵，而且根本不一定能一次性提供AI公司需要的规模。所以AI行业特别容易出现：供应商给客户融资；客户给供应商融资；供应商和客户互相投资。BIS指出，虽然其他行业没有足够系统的数据可以直接比较，但已有研究显示：商业合作伙伴之间直接进行股权投资，其实并不常见。例如，一项覆盖超过 1万组美国客户—供应商关系的研究发现，供应商或者客户直接持有交易伙伴股权的情况，仅占全部客户—供应商关系的 3.3%。但在AI产业链中的某些子行业，比如算力、云计算以及相关基础设施：15.2%的客户—供应商关系同时存在融资关系。这就明显高得多了。AI产业链上游最容易出现这种“循环”。BIS进一步发现，循环投资关系最多的地方，恰好集中在AI供应链的上游。也就是：算力和基础设施。在所有循环投资关系中，有 73% 来自提供算力或者基础设施的AI公司。原因很好理解。越靠近上游，投入品通常越：关键、稀缺、昂贵，而且越需要根据客户进行定制。因此，供应商和客户更有动力建立长期绑定关系。相比之下，到了产业链下游的数据工具和模型领域，这种循环关系就没有那么普遍。因为这些领域的一些投入品更接近标准化商品，没有那么强的专属性。问题来了：这种关系有什么风险？BIS并不是说这种商业模式一定有问题。从企业自身角度来看，它完全可能是合理的。问题在于：当这种关系大量存在于全球最大的AI公司之间时，它就可能从企业层面的安排，变成整个金融体系的风险。尤其是AI行业本身已经处于一个巨大的投资热潮中。因此，循环投资关系会叠加在原本就存在的：AI过度投资风险和债务融资风险之上。第一个风险：AI行业的“真实需求”可能没有表面看起来那么真实。假设：A是一家芯片公司。B是一家AI公司。A给B投资。B拿到钱之后，又用这笔钱买了A的芯片。于是A的财报可能出现：销售增长。B的业务也出现：算力扩张。表面看起来：AI需求爆炸了。但实际上，其中一部分需求是：供应商自己投资出来的。这就意味着：供应商的收入增长，并不完全来自最终用户的真实需求。而是部分来自供应商自己的资本投入。这样一来：投资者、银行以及监管机构就很难判断，现在AI行业的繁荣到底有多少是真正的终端需求，又有多少是金融关系制造出来的，这让人想起1990年代末的电信泡沫。1990年代末的电信行业，当时，Lucent、Nortel等上游设备供应商，会给网络运营商提供融资。网络运营商拿到钱以后：再去购买这些设备供应商自己的设备。于是：设备供应商自己实际上在给自己的销售提供资金。一开始，这个模式看起来非常漂亮。网络运营商不断扩建网络。于是：设备订单不断增加；设备供应商销售额不断增长；同时，供应商资产负债表上还出现了贷款资产。一切看起来都在高速增长。但后来问题来了。如果网络运营商自己的收入增长没有兑现，或者增长速度突然放慢：它们就会同时遇到两个问题：第一，还不起贷款。第二，也没钱继续购买设备。于是设备供应商遭遇“双重打击”：贷款损失 + 销售下降。 BIS认为：如果未来AI公司的收入增长和最终用户需求没有达到市场预期，AI行业也可能出现类似的情况。而现在全球AI相关股票估值已经处于很高水平。一旦这种预期发生变化：金融市场波动可能会非常明显。第二个风险：一家公司的问题可能同时通过两条渠道传给另一家公司。循环投资还有一个更危险的地方：它会让企业的商业风险和金融风险高度相关。举个简单例子：一家AI公司既是另一家公司的：客户 + 被投资企业。如果这家公司突然出现问题：对方会同时受到两个打击。第一：自己的股权投资价值下跌。第二：自己的产品销售收入也会下降。也就是说：同一个客户出问题，投资端亏一次，生意端再亏一次。这种结构可能放大风险的传导。尤其是：循环交易高度集中在少数几家规模巨大的AI公司以及产业链上游。因此，一旦其中一家大型企业出现严重问题，冲击可能同时通过：金融渠道 + 商业供应链渠道向其他公司传播。这就可能放大整个AI产业的“传染效应”。AI基础设施越来越多地通过：私人信贷（private credit）以及：特殊目的工具（special purpose vehicles，SPVs）进行融资。这可能产生一些隐藏的杠杆和相互关联的风险。为什么？因为表面上看，一家公司可能只是拿到了投资。但实际上，背后可能同时存在：银行贷款；私募信贷；股权投资；供应商融资；资产担保；特殊目的实体。这些关系一旦叠加起来，真正的风险敞口可能比表面看到的大得多。在经济繁荣时期，这些结构可能看起来非常漂亮。但一旦AI行业进入下行周期：这些相互关联的金融关系可能反过来放大压力。第三个风险：整个结构越来越不透明。很多循环投资关系根本没有那么透明。很多AI公司还是私人公司。它们需要披露的信息本来就有限。即便是上市公司，交易条款也可能非常复杂。比如一笔交易可能同时包含：现金投资 + 长期采购承诺 + 对资产价值的担保。因此，单看新闻里的“投资金额”，可能根本看不到完整的风险。一个典型例子：残余价值担保。Residual Value Guarantee，RVG 
即：残余价值担保。简单说就是：一家公司承诺，如果一项资产——比如芯片或者数据中心设备——在约定期限之后的价值低于某个水平，那么担保方负责补足差额。这种承诺可能不会立即出现在公司的资产负债表上。但等到经济下行时：资产真的跌价了，担保才开始真正产生现金压力。而偏偏那个时候：担保公司自己可能也是最缺钱的时候。所以，这些潜在的承诺就像埋在地下的地雷。平时看不到。一旦市场下跌：突然全部冒出来。 因此，新闻里公布的交易金额，很可能并不能代表全部真实风险。甚至：媒体报道的交易金额和真正已经支付出去的钱，可能差很多。最麻烦的是：这些公司还分散在不同国家和行业。AI产业链里的企业并不一定都属于同一个行业。有的属于芯片；有的属于云计算；有的属于数据中心；有的属于软件；有的属于模型；还有的属于最终应用。它们还可能分布在不同国家和司法管辖区。这意味着：任何一家监管机构都很难看到整个网络。一家监管机构可能只看到：“这家公司给另一家公司投资了。”另一家监管机构看到的可能是：“这两家公司存在供应链关系。”还有一家机构看到的则可能是“这里还有一笔私募信贷。”但真正把这些关系全部拼起来之后，才可能发现：它们实际上是同一个风险网络的一部分。所以，BIS真正担心的并不是“AI公司互相投资”本身。这种关系在很多情况下有合理的商业逻辑：锁定供应、获得信息、稳定订单、降低交易成本、解决融资困难。真正需要警惕的是： 
当这种“钱”和“生意”高度缠绕在一起，而且集中发生在少数大型AI企业身上时，外部投资者和监管机构可能越来越难判断AI繁荣背后到底有多少是真实需求，又有多少是企业之间相互融资、相互采购共同制造出来的。一旦AI行业继续上涨，这种结构可能暂时看不出问题。但如果未来AI收入、终端需求或者资产价格低于市场预期，那么同一家公司身上的：投资损失 + 销售损失 + 信贷风险 + 供应链风险就可能同时出现。参考文献：1.Abbassi, P, I Aldasoro and S Doerr (2026): “Financing the digital economy: the role of private credit”, BISQuarterly Review, September.2.Bank for International Settlements (BIS) (2026): “Progress and peril”, Annual Economic Report 2026,Chapter I.3.Burkart, M and T Ellingsen (2004): “In-kind finance: a theory of trade credit”, American Economic Review, vol 94, no 3.4.Fee, C, C Hadlock and S Thomas (2006): “Corporate equity ownership and the governance of product market relationships”, Journal of Finance, vol 61, no 3.5.Flath, D (1996): “The keiretsu puzzle”, Journal of the Japanese and International Economies, vol 10, no 2.6.Frost, J, K Rishabh and V Shreeti (2026): “Global giants in the AI supply chain”, BIS Bulletin, no 122.7.Grossman, S and O Hart (1986): “The costs and benefits of ownership: a theory of vertical and lateral integration”, Journal of Political Economy, vol 94, no 4.8.International Monetary Fund (IMF) (2026): “Global financial markets confront the war in the Middle East and amplification risks”, Global Financial Stability Report, April 2026, Chapter I. 9.Klein, B, R Crawford and A Alchian (1978): “Vertical integration, appropriable rents, and the competitive contracting process”, Journal of Law and Economics, vol 21, no 2.10.Organisation for Economic Co-operation and Development (OECD) (2003): “After the telecommunications bubble”, OECD Economic Outlook, no 73.11.Pisano, G (1989): “Using equity participation to support exchange: evidence from the biotechnology industry”, Journal of Law, Economics, and Organization, vol 5, no 1.12.Robinson, D and T Stuart (2007): “Financial contracting in biotech strategic alliances”, Journal of Law and Economics, vol 50, no 3.13.Rungcharoenkitkul, P (2026): “The AI investment race”, BIS Working Papers, no 1367.14.Williamson, O (1979): “Transaction-cost economics: the governance of contractual relations”, The Journal of Law and Economics, vol 22, no 2.6.