夜雨聆风学习资料网

ARTICLE · 996437

美债和AI资本开支,背后的同一条资金链

美债和AI资本开支,背后的同一条资金链
为什么AI投资热潮、美国财政赤字和长期美债高收益率,会在同一时期同时出现?
AI属于科技产业;美债属于财政问题;利率则被认为是美联储的事。
但把它们放到一张资产负债表上,背后可能是同一个问题:
美国政府和AI产业正在同时扩大对长期资本的需求,而愿意以较低价格、较长期限向它们提供资金的资本,并没有同样快地增加。
这并不意味着“美国马上要发生债务危机”。它真正提示的是:过去十多年那个资金便宜、长期限资产普遍受益的世界,可能正在发生结构性变化。

一、稀缺的不是美元,而是便宜、长期、稳定的资本

看到美国联邦债务超过40万亿美元,很多人的第一反应是:美国是不是没钱了?
美元是美国的主权货币,美国政府的名义美元负债与企业外币债务并不是一回事。美国可以发行国债,美联储也有创造基础货币的能力。真正不能被凭空创造的是:全球投资者对美元长期资产的信任,以及他们愿意接受的资金价格。
截至2026年8月27日,美国财政部统计的总公共债务余额为40.078万亿美元,其中公众持有债务为32.314万亿美元,其余为政府内部持有。
与此同时,AI建设也从轻资产的软件故事,变成了芯片、电力、土地、网络和数据中心共同参与的重资产周期。沃什在2026年杰克逊霍尔演讲中提到,美国设备和无形资产投资的四季度同比增速约为9%,为2021年以来最高,当年资本开支增量的一半以上可能与AI建设有关。 国际清算银行进一步估计,五家最大的超大规模云计算企业在2025—2026年的AI相关资本开支计划合计超过1万亿美元。
于是,资本市场里出现了两位巨大的借款者:

资金需求方

为什么需要钱

对资本市场的含义

美国政府

持续财政赤字、旧债到期再融资

国债供给长期处于高位

AI产业链

数据中心、芯片、电力与网络建设

企业资本开支和外部融资上升

美国财政部预计,2026年7—9月需要净借入7390亿美元私人持有的可交易债务,10—12月还需6280亿美元。 这并不等于AI企业和财政部每天都在同一个拍卖场里直接竞价。更直白地说,买了长期国债的资金,短期内通常就不能再被用于企业股权、项目贷款或数据中心融资;从宏观上看,它们都在吸收储蓄、设备、能源与风险承受能力。
过去很长一段时间,市场更像是“资金寻找项目”;今天的一部分变化,则是“项目开始争夺资金”。
相对于美国财政和AI建设快速扩大的融资需求,愿意长期、低成本配置美元资产的资本,边际上变得更稀缺。

二、长期利率为什么高?

短端和长端其实是两个不同的市场。
美联储最直接影响的是隔夜政策利率和较短期限利率。10年、30年美债的收益率,则还要包含市场对未来短期利率、长期通胀、真实经济回报和期限风险的判断。
用一个不完全精确、但便于理解的公式来说:
长期名义利率 ≈ 未来短端利率预期 + 通胀补偿 + 真实资金回报要求 + 期限溢价。
这里的“期限溢价”,可以理解为投资者把资金锁定十年、三十年,面对通胀和价格波动时要求的额外补偿;“真实资金回报要求”则大体对应剔除通胀后的实际收益率。因此,即使美联储开始降息,长期美债收益率也未必同步大幅下降。如果市场担心财政供给增加、通胀反复,或者要求更高的长期持有补偿,收益率曲线完全可能出现“短端下、长端不下”的情况。
2026年8月28日,美国财政部公布的2年、10年和30年期国债收益率分别为4.34%、4.73%和5.22%;同日10年、30年期通胀保值国债的实际收益率分别为2.42%和2.96%。
这组数字说明,长端高收益率并不只是对未来通胀的补偿,市场要求的真实回报也处于高位。但必须强调,它不能单独证明“唯一原因就是全球储蓄不足”。财政供给、量化紧缩、期限溢价、监管约束、经济增长预期和地缘不确定性,都可能参与定价。
这也是理解沃什讲话的关键。他批评常态化的前瞻性指引——也就是央行频繁提前暗示未来利率路径——认为央行和市场可能陷入彼此观察、彼此验证的“镜厅效应”:市场猜央行,央行又把市场价格当作信息,最后双方可能只是互相确认了同一个判断;但这不等于美联储可以随意决定所有期限的利率。
长期资金的价格正在重新拥有自己的定价逻辑。

三、美债真正的风险,是旧债慢慢变贵

把美国国债简单类比为一家高杠杆企业,也容易得出过度悲观的结论。美国拥有本币发行权、庞大的税基、最深的主权债券市场和美元储备货币地位,所以它面对的并不是典型意义上的“资金链断裂”。
但这并不代表高债务没有成本。
真正值得担心的,是低息旧债到期后,需要用高息新债替换。假设一笔过去票息2%的国债到期,而新发债成本变成4%或5%,政府并不会在某一天突然为全部存量债务支付新利率;它的平均利息负担会随着时间逐步上升。
这更像一场缓慢发生的“债务重定价”。
美国国会预算办公室预计,2026财年联邦赤字为1.9万亿美元,相当于GDP的5.8%;公众持有债务约为GDP的101%,到2036年可能升至120%。净利息支出则从2025年的9700亿美元增加到2026年的1万亿美元以上,占GDP的比重预计从2026年的3.3%升至2036年的4.6%。CBO还指出,2027—2036年净利息的增长,大致一半来自债务规模扩大,另一半来自债务平均利率上升。
AI提高生产率固然重要,财政纪律并不会因此变得可有可无。

四、财政与美联储之间,有矛盾

站在财政部角度,较低的融资成本当然更舒服;站在央行角度,如果通胀仍高于目标,就不能只因为政府利息负担上升而放松政策。
更复杂的地方在于:如果市场认为美联储正在为财政让路,通胀预期和期限溢价可能上升。结果可能是政策利率下降了,10年、30年美债收益率反而维持高位,甚至继续上升。
也就是说,用牺牲央行信用的方式压低财政成本,可能适得其反。
沃什在演讲中将当时的美国经济描述为就业接近充分、需求和投资仍有韧性,同时PCE通胀仍高于2%目标,因此货币政策需要更重视价格稳定。 这一判断与播客对其“偏鹰派”的解读大体一致,但演讲的重点并不是简单主张永远高利率,而是主张减少常态化前瞻指引,让货币政策回到对实际数据和风险分布的判断。
对市场而言,这意味着未来的政策路径可能更少“预告片”,也更容易产生波动。

五、AI的矛盾:推高资本需求,也可能成为最终出路

美国应对债务压力,大致有几类传统办法:增加税收、削减支出、利用适度通胀降低债务实际价值、通过监管增加对国债的结构性需求,或者维持较低的实际利率。
这些办法都有一个共同点:它们往往需要某个群体承担成本。
相比之下,提高生产率是政治上最理想的路径,因为它不是重新分蛋糕,而是尝试把蛋糕做大。AI之所以成为宏观变量,并不是因为相关股票涨了多少,而是因为它可能影响美国经济的潜在增长率、利润率、工资、税基和单位成本。
问题在于,通用技术通常不是即插即用。
美联储一份2026年7月的研究把技术扩散分成三个阶段:先是能力提高与成本下降,然后是企业投资和采用,最后才是可观察的总量生产率与劳动力市场变化。研究认为,截至2026年,AI的真实影响仍主要集中在部分投资领域,宏观产出和就业数据尚未显示广泛转型。
国际清算银行给出了更鲜明的对比:许多任务层面研究发现,AI可以节省20%—50%的工作时间;但由于企业流程改造、系统整合和互补投资需要时间,对长期总量生产率的估计通常要保守得多。
这就是AI当前的悖论:
长期看,它可能降低成本;短期看,建设它本身却需要巨额资本,并争夺电力、芯片、铜、变压器、土地和工程能力。
如果AI生产率兑现得足够快,新增利润、工资和税收可以扩大经济规模,在财政赤字不继续恶化的前提下改善债务率;如果兑现很慢,AI建设反而可能先推高资本成本和部分真实资源价格。
因此,美国并不是简单“押注AI上涨”,而是在等待一个更艰难的转化:把技术能力变成广泛生产率,再把生产率变成可持续现金流和税基。

六、真正的商业检验:ROIC能不能持续高于WACC

讨论AI时,市场经常把四件事混在一起:模型能力变强、产品有人使用、企业获得收入、资本创造回报。
它们并不是同一件事。
一项技术完全可能改变世界,却让早期投资者承受惨痛亏损;一个行业也可能收入高速增长,却因为建设过度、折旧过快和价格竞争,最终赚不到高于资本成本的回报。
这可以用两个企业财务指标来概括:
ROIC:投入资本回报率。WACC:企业使用股权和债务融资的综合资金成本。
当ROIC持续高于WACC,扩张创造价值;当两者接近甚至倒挂,资本开支越大,未必越好。可以把它想成开店:借钱的综合成本是6%,新店每年只能赚5%,店开得越多,价值反而可能损失得越快。
AI项目尤其需要观察几个容易被宏大叙事遮住的问题:新增收入能否覆盖算力、电力和折旧;模型价格下降能否快于推理成本下降;数据中心能否维持较高利用率;大客户长期合同能否兑现;资产的技术寿命是否短于会计折旧年限;融资是在企业资产负债表内,还是被放进租赁、项目公司和私人信贷结构中。
BIS提醒,大型云计算企业之间的竞争可能带来一种“锦标赛效应”:每家公司都担心不投资就失去未来,于是全行业投入超过最终商业回报能够支持的水平。一旦回报预期下修,融资收缩可能把资本开支繁荣变成投资回撤。
这里最需要区分的是:
AI革命成功,不等于所有AI资产都会成功;消费者和整个社会获得生产率红利,也不等于每一家建设者都能保留足够利润。
互联网最终改变了世界,但互联网泡沫中的大量公司仍然消失。铁路和电气化改善了整个社会的效率,也曾留下产能过剩与投资损失。技术方向正确,与买入价格正确,从来是两道题。

结语:真正押注的,不是AI概念,而是经济价值的扩散速度

回到最开始的问题:AI、美债和利率为什么会被同一条逻辑串起来?
因为它们最终都在回答一个问题:在资本不再廉价的世界里,谁能够提供足够可信、足够持久的真实回报?
美国当然不是把全部命运只押在AI上。税收、支出、福利改革、监管、通胀和金融抑制,都可能参与债务调整。但AI确实是少数能够在不直接重新分配损失的情况下,尝试把经济规模做大的变量。
它的难点也正在这里。
芯片更快,不等于企业流程已经重构;模型更聪明,不等于宏观生产率已经上升;资本开支更大,不等于投入资本回报更高;技术革命成功,也不等于当前所有估值都合理。
所以,与其问“AI会不会改变世界”,不如问三个更具体的问题:
它能否足够快地扩散到科技行业之外?它创造的现金流能否持续跑赢资本成本?在生产率红利到来之前,美国财政能否守住制度信用和融资成本?
如果三者都能做到,美国可能进入一轮由生产率驱动的增长再加速;如果只做到一部分,未来更可能是高增长叙事、高资金成本和高波动并存;如果资本回报长期落空,AI投资、美债压力和金融条件收紧就可能从三个故事汇成同一个问题。
这不是一个适合用口号回答的问题。
它最终要接受的,是现金流、资本成本与制度信用的共同检验。

相关学习资料