美国AI会不会发生一场次贷危机?

当数据中心、能源合同、长期租约和私募信贷绑在一起，一次需求下行，会怎样穿透美国经济？

美国正在把尚未兑现的AI收入，抵押成未来二十年的数据中心、电力合同和债务。

设想一座正在得克萨斯州建设的AI数据中心。

开发商先买下土地，申请数百兆瓦电力接入，与公用事业公司签署十年以上的用电协议，再以未来租金为基础，向银行和私募信贷机构借钱建设园区。

园区的主要租户是一家AI云公司。它借钱购买GPU，按照十五年的期限租下机房，再依靠一家模型公司承诺的五年算力采购合同偿还债务。

模型公司相信企业会大规模购买AI服务，AI云公司相信模型公司会持续扩张，数据中心开发商相信租约能够稳定履行，贷款机构相信土地、机房、GPU和长期合同足以保护本金，公用事业公司则根据这些需求建设变电站、输电线路和发电设施。

所有参与者都有合同，也都能找到抵押物。

但整座大楼最终依赖同一个假设：

“未来的AI收入，必须足够大、足够快，也必须持续足够长的时间。

如果AI需求增长依然存在，只是没有达到合同和债务中隐含的速度，最前端少掉的一美元收入，就可能逐层变成云厂商的闲置算力、数据中心的空置机架、私募信贷的减值资产和电力公司的沉没投资。

这正是美国AI产业开始令人联想到2008年的原因。

“美国AI已经形成了一条类似次贷危机的资产传导链，但它目前还不具备2008年的全部条件。更可能首先出现的，是数据中心和私募信贷危机，随后演变成一次持续数年的资本开支衰退。

真正的系统性危险，要等到大型付款方违约、短期融资收缩和银行体系深度卷入同时发生。

很多人对次贷危机的理解停留在一句话：银行把钱借给了还不起房贷的人，房价下跌以后，借款人违约，金融机构随之倒闭。

这只能解释危机从哪里开始，无法解释它为什么会席卷全球。

如果次贷只存在于少数银行的贷款账本里，美国会经历一轮严重的房地产衰退，却未必会出现2008年那样的金融系统冻结。

真正把房地产风险放大的，是一条完整的金融流水线。

银行和按揭公司先向大量信用较弱的家庭发放贷款。房价持续上涨，让借款人的偿债能力看起来没有那么重要：只要房屋继续升值，无法还款的人可以出售、再融资，或者继续增加负债。

随后，这些按揭被打包成住房抵押贷款支持证券，再被切分、组合，形成结构更加复杂的CDO。不同地区、不同借款人和不同贷款机构的房贷，被包装成了大量看似彼此独立的金融资产。

评级、分层和信用保护进一步制造了安全感。底层资产明明包含大量高风险按揭，证券上层却可能获得很高的信用评级。风险没有离开金融系统，只是经过多次转手以后，越来越难看清最终落在谁的资产负债表上。

美国金融危机调查委员会后来认定，抵押贷款标准恶化和证券化流水线共同推动了风险扩散。美联储的研究也指出，按揭经过漫长而复杂的中介链条进入CDO市场，产品的不透明使买卖双方之间出现严重的信息不对称。

更危险的是，金融机构使用了极高的杠杆，并通过回购、商业票据等短期市场，为长期按揭资产融资。

资产价格上涨时，抵押品价值上升，融资方愿意降低折扣，机构可以借到更多资金，继续买入资产。繁荣因此自动强化。

资产价格下跌后，整个方向迅速逆转。债权人提高抵押品折扣，要求补充保证金，金融机构只能出售资产换取现金。所有人同时抛售，资产价格继续下跌，融资条件进一步收紧，再触发更多出售。

美联储对这段机制的总结非常直接：抵押品价格下降会导致融资方提高折扣，借款人被迫出售资产，而集中抛售又会放大资产价格下跌，形成自我强化的去杠杆循环。

2008年的致命链条因此可以被压缩为：

低质量贷款扩张，房价上涨掩盖风险，证券化把风险扩散到金融系统，高评级制造安全错觉，高杠杆放大收益，短期融资支撑长期资产。

房价下降只是点燃了导火索。

真正引爆金融系统的，是抵押品缩水、保证金增加、短期资金撤离和被迫出售同时发生。影子银行失去融资以后，信用市场迅速冻结，汽车贷款、企业贷款、信用卡和商业地产融资都受到冲击。

判断美国AI会不会重演次贷危机，不能只问数据中心会不会过剩，也不能只看科技股会不会下跌。

真正需要回答的是：

“AI基础设施有没有把同一个乐观假设，包装成大量看似安全的资产；这些资产有没有被高杠杆持有；长期项目是否依赖持续融资；一处违约能否迫使其他参与者出售资产和收缩信贷。

最早一轮AI基础设施建设，主要依靠大型科技公司的现金流。

微软、Alphabet、亚马逊和Meta拥有庞大的成熟业务，可以用广告、云计算、电商和软件收入购买芯片、建设数据中心。这种投资即使回报低于预期，首先受到影响的也是股东回报率。

现在，规模开始改变融资方式。

国际能源署统计，五家大型科技公司的资本开支在2025年已经超过4000亿美元，2026年预计还将增长约75%。如此庞大的投资不可能长期完全依靠经营现金流，债务、租赁、项目融资和外部资本的重要性正在迅速上升。

国际清算银行在2026年初提出，AI投资正从依赖企业现金流逐渐转向债务融资，私募信贷的参与越来越深。到3月，BIS进一步把部分数据中心融资结构称为**“影子借款”**：大型科技公司持有项目少数股权，签订长期租约或容量采购协议，项目载体依靠这些现金流举债，债务则由私募信贷、保险公司和其他机构投资者持有。

这种结构的好处很明显。

科技公司不必在数据中心建设初期支付全部资本，可以把一次性资本开支变成多年运营支出；开发商获得高信用客户的长期租约以后，可以降低融资成本；私募信贷和保险资金则得到期限较长、拥有资产和合同支持的收益来源。

风险同样被重新分配了。

债务可能没有完整出现在云厂商的资产负债表中，经济责任却没有消失。租约、容量采购、最低用电量、担保和退出费用，最终都会变成必须支付的现金。

甲骨文提供了一个极端而清晰的样本。

截至2026年2月底，甲骨文拥有约2610亿美元尚未开始的新增租赁承诺，绝大多数与数据中心有关，预计在2026财年第四季度至2028财年之间陆续生效，合同期限长达15年至19年。除此之外，公司还有约110亿美元主要与数据中心电力有关的无条件采购义务。

这意味着很多支出已经通过合同确定，只是相关数据中心尚未交付，租赁负债也尚未完整进入财务报表。

Meta的结构更加庞大。截至2026年3月底，公司拥有约1828.8亿美元尚未开始的租赁义务，涉及数据中心、托管机房和网络基础设施，部分合同最长达到30年；同期不可撤销的合同承诺达到约2376.7亿美元。

大型科技公司有足够现金流承担这些责任，但它们正在把AI需求预测转化为极其长期的固定承诺。

链条中间还有一类更加激进的参与者：新型AI云厂商。

CoreWeave截至2026年3月底拥有约251亿美元债务本金，其中约75亿美元属于一年内到期或偿还的流动债务，部分贷款实际利率达到9%至15%。公司同时拥有约101亿美元已确认的经营租赁负债，以及约407亿美元尚未开始的租约。另有一处525兆瓦数据中心园区，16年合同租金可能达到187亿至196亿美元。

这些负担有长期客户合同支持。CoreWeave披露的剩余履约义务达到约988亿美元，未来收入可见性很高。与此同时，2026年第一季度，公司前两大客户贡献了约 65%收入。长期合同提供了保护，也把公司的偿债能力集中在少数付款方身上。

这套结构最终形成了一条完整链条：

企业购买AI应用，模型公司购买算力，云厂商租赁数据中心，开发商依靠租约借钱，私募信贷和保险资金持有债务，公用事业公司依据电力需求建设电网和发电设施。

每一层都拥有下一层提供的合同。

每一层也都把自己的投资建立在下一层能够持续付款的前提上。

AI数据中心和美国住房看起来毫不相干。

一个属于高科技产业，一个属于居民房地产；一个服务模型训练和推理，一个满足家庭居住需求。

从资产负债表的角度看，两者已经出现五个值得警惕的共性。

第一个共性，是把未来的乐观预期提前变成今天的债务。

次贷繁荣时期，贷款机构把未来房价上涨和居民收入增长，当成发放贷款的依据。今天的AI基础设施，则把未来企业付费、模型调用量和算力需求增长，提前变成数据中心租约、GPU融资和电力采购义务。

这些投资能否成立，并不取决于今天有多少人在使用AI，更取决于十年后产生的现金流能不能覆盖今天确定的资本成本。

第二个共性，是大量看似独立的资产，依赖同一个底层变量。

2008年以前，不同州、不同家庭和不同按揭机构制造了大量证券。资产之间看起来足够分散，最终却共同依赖美国房价持续上涨。

今天的数据中心分布在弗吉尼亚、得克萨斯、俄亥俄和其他地区，拥有不同开发商、不同租户和不同贷款机构。表面上，它们是相互独立的项目。

它们真正依赖的变量高度一致：

“AI商业收入能否支撑持续增长的高价算力需求。

如果同一轮技术进步让模型推理效率大幅提升，或者企业付费速度普遍低于预期，许多地理位置不同的数据中心会同时受到影响。

第三个共性，是多层结构让风险逐渐远离底层需求。

2008年的最终投资者往往看不到具体借款人的收入、首付和还款能力，只能依赖评级、历史违约率和证券结构。

AI基础设施投资者面对的是租约、担保、容量采购协议、项目SPV和抵押资产。合同看起来比预测更加可靠，但最终偿付能力依然来自AI业务收入。

结构越长，投资者越容易把合同的存在误认为需求已经确定。

第四个共性，是繁荣本身会扩大下一轮风险。

AI需求越强，算力越紧张，云厂商就越愿意签署长期租约，开发商越容易融资，电力公司越愿意建设基础设施，地方政府越愿意提供土地、税收优惠和公共配套。

新增供应在短期内无法立即交付，稀缺感继续强化价格和需求预期，推动更多项目启动。

等这些项目集中交付时，市场面对的供应已经来自几年前最乐观的预测。

第五个共性，是系统越来越依赖再融资环境保持稳定。

数据中心项目建设周期长，土地、机电设备、变压器、GPU和电力接入需要在收入出现以前投入。企业需要将建设贷款转换为长期贷款，需要发行新债偿还旧债，也需要依靠租户信用维持融资条件。

一旦信用利差扩大，即使最终需求没有消失，项目也可能因为资本成本上升而失去经济性。

2008年告诉市场，资产长期价值可能依然存在，融资链条却可以先于资产寿命断裂。

美国AI产业拥有与次贷危机相似的传导结构，但两者之间仍有几道根本差异。

最重要的一道差异来自付款方。

次贷的底层现金流来自大量高杠杆、低信用、收入脆弱的家庭。很多贷款在发放时就缺乏可靠的偿还基础，只能依靠房价继续上涨维持。

目前美国AI基础设施的核心付款方，主要是微软、亚马逊、Alphabet、Meta、甲骨文等大型科技公司，以及少数融资能力较强的模型企业。它们的信用质量、现金储备和融资渠道远远强于当年的次贷借款人。

第二道差异来自风险承担者。

住房是美国家庭最重要的资产，按揭贷款广泛分布在居民部门。房价下跌会同时打击家庭财富、消费能力和银行资产。

AI数据中心主要存在于企业和机构资产负债表中。项目失败会让股东、债权人、开发商和地方经济受损，却不会直接让数百万家庭同时失去住房和净资产。

第三道差异来自融资期限。

2008年的影子银行大量使用隔夜回购、商业票据和其他短期资金，持有期限很长、流动性很差的按揭资产。一旦债权人拒绝续借，机构会在几天内失去流动性。

AI项目融资和私募信贷通常拥有更长的期限，保险资金也能够持有长期资产。它们仍有再融资风险，但较少面临隔夜资金突然撤离的压力。

这也是国际清算银行目前仍将AI热潮的宏观金融稳定风险判断为中等的重要原因。BIS同时提醒，投资的可持续性高度依赖AI企业兑现较高的盈利预期。

第四道差异来自资产特征。

住宅的经济寿命很长，房屋价格下跌以后依然能够居住。GPU的技术寿命明显更短，新一代芯片可能迅速降低旧设备的租金和经济价值。

这让AI资产的折旧风险高于住房。

但GPU在一定程度上可以搬迁和转售，土地、变电站、冷却系统和按照特定功率密度建设的数据中心却很难快速转作其他用途。最终损失会在可移动设备和固定基础设施之间呈现巨大差异。

第五道差异来自需求变化的速度。

住房需求与人口、收入和利率有关，变化通常相对缓慢。AI算力需求同时受到模型架构、芯片效率、软件优化、推理价格和企业商业模式影响，可能在几个月内重新定价。

AI的风险因此更加复杂。

需求不一定消失，单位需求所需要的资本却可能快速减少。

“2008年的问题是底层借款人无力偿还；AI基础设施更可能遇到的情况，是技术仍在进步，使用量仍在增长，旧有资产却无法获得原先预计的回报。

这场危机如果发生，外观可能不会像2008年。

它更接近电信光纤泡沫、商业地产调整、能源项目融资危机和影子银行信用收缩的混合体。

讨论AI需求风险，必须先区分三种完全不同的情况。

第一种是使用需求不足。企业没有找到足够多的AI应用场景，用户调用量远低于预测。

第二种是收入需求不足。AI被广泛使用，市场竞争和价格下降却让应用公司无法获得足够高的收入，模型公司因此没有能力持续购买昂贵算力。

第三种是算力需求不足。AI收入继续增长，芯片、模型和软件效率提升得更快，完成同样任务所需要的GPU、电力和资本投入持续下降。

最可能首先发生的是第三种，随后影响第二种。

国际能源署在2026年的报告中指出，单次AI任务的用电量正在快速下降，效率提升速度在能源发展史上都非常罕见。与此同时，AI使用人数和高强度应用继续增加，因此数据中心总用电量仍可能增长。

这两件事可以同时成立：

AI使用量高速增长，AI基础设施投资回报率开始下降。

假设三年前完成一项复杂任务需要100单位算力，未来只需要10单位。即使任务数量增长五倍，算力总需求仍然下降了一半。

对于AI应用公司，这是成本下降。

对于已经按原有预测签署十五年租约、购买GPU并建设电力设施的资产所有者，这意味着收入基础被重新计算。

因此，AI基础设施真正应该关注的指标，不只是Token数量、用户数量和模型调用量，还包括：

“每一美元AI收入，究竟需要多少美元的GPU、数据中心和电力资产支撑。

当这个比例持续下降时，第一处断裂通常不会出现在正在满负荷运行的核心数据中心，而会出现在尚未交付的新增产能。

这批项目已经购买土地、支付设计费用、预订变压器、申请电力接入，甚至开始建设，却还没有完整租金和算力收入。

甲骨文的大量新租约预计在2026年至2028年开始，CoreWeave尚未开始的租约预计在2026年至2029年陆续生效，Meta的新增租赁义务则横跨更长周期。

由这些交付时间可以推断，2027年至2030年将是第一轮真正的检验期。

届时，市场需要同时消化今天正在规划和建设的大量数据中心。项目能否顺利起租、利用率能否达到预测、客户是否愿意继续追加容量，将决定资产结构能否闭环。

最脆弱的项目通常具有相同特征：建设已经启动，债务已经发生，最终客户尚未完全锁定，或者客户合同明显短于数据中心租约。

“美国AI第一批真正危险的资产，很可能不是已经运营的数据中心，而是建到一半、融资尚未完成、又无法按照原计划起租的园区。

危机最初可能看起来非常温和。

企业AI收入低于预期以后，模型公司不会立即停止所有算力采购。它们会先缩减新增订单，延后下一阶段训练集群，重新谈判价格，或者减少预留容量。

云厂商随之放慢新租约签署速度，推迟数据中心启用时间。

此时，大型科技公司的利润率可能下降，股价可能调整，系统仍然不会出现信用危机。

真正的第一处财务压力，会落到高杠杆的新云厂商身上。

这类公司的收入来自少数长期客户，支出则包括数据中心租金、GPU融资、利息、电力和网络费用。客户减少增量采购以后，存量合同暂时维持现金流，新投入的产能却无法按照计划产生收入。

公司可以通过降价、寻找新客户、发行股票和增加债务争取时间。

一旦市场开始怀疑客户合同的履约能力，风险性质就会变化。

长期合同原本用来降低需求风险。客户信用下降以后，它会把需求问题转化成一个更集中的信用问题。

CoreWeave的结构很好地说明了这一点。公司约 65%的季度收入来自前两大客户，大量债务又以客户合同现金流和设备为基础。只要客户继续付款，债权人拥有相对清晰的偿债来源；如果一家主要客户削减需求、要求重组合同或出现融资困难，多个融资载体可能同时受到影响。

接下来，压力会传到数据中心开发商和项目SPV。

开发商依靠租户的长期租约获得建设融资。租户无法付款以后，项目现金流覆盖率下降，贷款机构会要求补充资本、增加抵押品或者寻找替代租户。

数据中心拥有土地、建筑和电力接入，却未必能够迅速找到新客户。

不同AI集群需要不同机架功率、液冷能力、网络结构和电力配置。为一个超大客户定制的数据中心，失去租户以后可能需要重新改造，期间没有租金，却仍要支付利息和维护费用。

损失随后进入私募信贷、保险资金和其他机构投资者的资产负债表。

如果债权人拥有稳定的长期资本，它们可以等待项目重组，损失表现为资产减值和较低回报。

危险来自债权人自身也在使用杠杆。

BIS指出，银行会向数据中心项目载体和私募信贷工具提供融资额度，由此形成新的冲击传导渠道。项目层面出现再融资压力，可能导致私募信贷风险偏好顺周期下降，或者触发科技公司提供的担保。

当多家贷款机构同时提高标准，危机开始从单个项目扩展到整个行业。

仍然健康的数据中心项目也会发现融资成本上升，尚未开工的项目无法获得资金，设备订单和建筑合同被取消。GPU、光模块、液冷系统、变压器、燃气轮机和工程建设需求随之下降。

最后受到影响的是电力和地方基础设施。

为了防止数据中心临时取消项目以后，把成本留给普通居民，部分美国公用事业公司已经开始要求数据中心承担更严格的最低用电和退出责任。

AEP Ohio的数据中心电价规则要求，特定客户的月度最低计费需求最高可达到合同容量的85%。项目在通电前取消或延迟超过12个月，客户还需要偿还电力公司全部建设成本。合同进入初始期限后，即使客户减少、暂停或终止服务，仍要承担最低费用和退出成本。

这些条款保护了电网和普通用户，也会把需求下降产生的损失牢牢锁在数据中心租户和担保方身上。

如果租户拥有充足现金，损失停留在科技公司。

如果租户违约，数据中心开发商、项目贷款人和担保方承担损失。

如果相关企业无法履约，而输电线路、变电站和发电设施已经建成，成本可能通过资产减值、地方财政、公共事业资本回报下降或者未来电价重新分配。

整条传导链最终会变成：

AI商业收入低于预期  → 模型公司减少新增算力采购  → 云厂商推迟新数据中心和租约  → GPU租金与利用率下降  → 新云厂商现金流恶化  → 数据中心租约和项目债务重组  → 私募信贷与保险资产减值  → 银行收紧项目和基金融资  → 数据中心、能源设备与电力投资下降  → 美国科技资本开支进入收缩周期

“危机不需要AI突然无人使用。

“它只需要现实收入低于此前写入合同、租约和债务中的增长率。

美国AI基础设施的大部分安全感，都来自长期合同。

模型公司签署算力采购协议，AI云厂商签署数据中心租约，数据中心再与电力公司签署最低用电合同。每一层都用下一层的付款承诺，为自己的投资和融资提供保障。

但长期合同没有保护整个产业链。

“它首先保护的是资产最重、最不愿承担空置风险的一方：数据中心开发商、公用事业公司和高级债权人。

模型公司承诺未来几年采购算力，AI云厂商便可以购买GPU、租赁机房并获得融资。即使模型效率提高，实际需求低于预测，只要合同仍然有效，模型公司仍要按照约定付款。

这份算力合同保护了AI云厂商，却把需求下降的风险转移给了模型公司。

AI云厂商再签署十五年的数据中心租约，开发商就可以把未来租金作为还款来源，向银行、私募信贷和保险资金融资。数据中心是否能够持续出租，不再完全由开发商承担，空置风险被转移给了承租人及其担保方。

因此，数据中心长期租约最直接保护的是开发商、项目SPV和项目贷款人。

电力合同的逻辑同样如此。

公用事业公司为了数据中心建设变电站、输电线路和发电设施，最担心项目延期或取消以后，巨额投资无人承担。最低用电量、照付不议和退出费用，要求数据中心即使没有使用足够多的电，也必须继续付款。

这些条款首先保护了电力公司，也避免部分基础设施成本直接转嫁给普通居民。代价是数据中心运营商承担了长期、刚性的用电义务。

合同、担保和抵押最终形成了一套明确的损失顺序。

模型公司减少使用量却继续付款，损失停留在模型公司；模型公司无法履约，AI云厂商承担闲置GPU和固定租金；AI云厂商违约，开发商执行保证金、信用证和母公司担保；担保仍然不足，损失才进入项目SPV、私募信贷和其他债权人的资产负债表。

“长期合同没有消灭需求风险，它只是把原本属于资产所有者的空置风险，转移给了承诺付款的云厂商、模型公司及其担保人。

拥有固定租金、抵押权和优先受偿权的一方，通常更晚承担损失。股东、无担保债权人和信用较弱的租户，则会更早受到冲击。

真正没有被合同保护的，是最终商业需求。

合同可以要求一家企业继续付款，却无法保证这家企业能够从AI产品中赚到足够多的钱。它可以延缓问题暴露，却不能创造现金流，更不能保证项目拥有长期经济价值。

一份五年的算力采购合同，可以支持一家AI云厂商签署十五年的数据中心租约。前五年的现金流可能十分稳定，第六年以后，项目仍要依靠客户续约、新租户进入或者再融资维持运转。

合同期限越长，短期财务报表看起来越安全，风险也越容易集中到续约和再融资节点。

“长期合同真正保护的，是基础设施所有者和高级债权人的付款顺序；它最终考验的，却是少数AI公司能否长期承担整个产业提前锁定的成本。

美国AI基础设施的未来，大致存在三种路径。

概率最高的是正常消化。

AI需求继续增长，增速逐渐放缓。模型效率提升抵消一部分新增算力需求，GPU租赁价格下降，一些规划中的数据中心被推迟或取消。

高杠杆的小型云厂商被大型科技公司、基础设施基金或竞争对手收购。开发商减少新项目，设备供应商经历订单波动，资本开支增速下降。

这一情景会带来科技股估值调整和部分项目损失，却不会形成金融危机。

第二种路径是一场AI基础设施信用危机。

一家或数家大型新云厂商无法履行长期租约，多个依赖单一租户的数据中心项目同时出现违约，私募信贷机构被迫计提损失，保险公司和基础设施基金下调资产估值。

融资成本上升以后，大批在建项目停工，电力合同被重新谈判，上游设备订单明显收缩。

这一情景会让美国数据中心、能源设备和项目融资行业经历数年调整，也会削弱AI产业继续扩张的能力。

从目前的资产结构看，这是一种真实存在、值得认真防范的风险。

第三种路径才是真正的 “AI次贷危机”。

它需要几个条件同时出现。

首先，一家承担巨额算力采购义务的核心付款方发生信用事件。随后，多个数据中心项目同时失去租金收入，私募信贷基金出现大规模减值。

如果这些基金和项目载体依赖银行融资，银行会要求补充抵押品、削减额度。债权人为获得现金而出售贷款、债券和其他资产，市场价格下降，再触发更多保证金和被迫出售。

最终，信用收缩从AI基础设施扩散到商业地产、企业贷款和其他高杠杆资产。

只有出现这一组连锁反应，美国AI危机才真正接近2008年。

目前最关键的差距仍然存在：核心付款方整体信用较强，项目资金期限相对较长，居民部门没有卷入，银行体系也尚未像2008年前那样深度持有和融资同一种底层风险。

“美国AI今天已经拥有一条可能发生危机的链，尚未拥有一台足以引发全球金融系统挤兑的机器。

美国AI基础设施最值得警惕的地方，已经不再是估值过高。

股价下跌只会重新分配财富。租约、债务、最低用电合同和公共基础设施一旦建成，就必须有人持续付款。

未来最先出现问题的，很可能是2027年至2030年集中交付的新增数据中心，是仍然需要追加融资的半建成项目，也是同时承担高息债务、GPU折旧和长期租赁责任的新云厂商。

风险会从新增算力订单开始，经过租约和项目债务，传到私募信贷、保险资金、电力公司和地方经济。

它最终是否升级成系统性危机，取决于三件事：

核心付款方会不会违约，项目债务是否依赖短期和高杠杆资金，银行体系是否已经通过贷款额度、担保和基金融资深度卷入。

当前的答案仍然偏向否定。

但AI产业正在向危险的方向移动：投资规模越来越大，合同期限越来越长，外部债务越来越多，项目结构也越来越复杂。

“AI与次贷危机最大的共性，是所有看似独立的资产，最终都依赖同一个乐观假设。

2008年以前，这个假设是美国房价不会全国性下跌。

今天，这个假设变成了AI商业收入将长期高速增长，并且需要持续增加的高价算力。

AI可以成功，模型可以进步，用户也可以继续增长。

数据中心依然可能过剩。

“美国AI真正的危险，不在于技术失败，而在于整个产业按照最乐观的技术未来，提前借钱建设了十几年的现实资产。

一旦现实增长低于资产负债表里的增长，美国面对的就不只是一场科技股调整。

它可能是一场从数据中心开始，沿着私募信贷、电力合同和地方基础设施缓慢扩散的信用危机。