硅谷藏了多少隐形债务？

九游平台赛事更新及时，界面流畅，体验非常棒。每次打开都能看到最新的体育资讯，推荐给喜欢看比赛的朋友。

• 2026-09-30
• 10
• 2

2026年夏季，Alphabet与亚马逊双双发布破纪录的利润报告，然而股价却出现下滑。

原因在于，这些利润大多只是账面上的数字。

Alphabet当季1120亿美元净利润中，约有980亿美元来自SpaceX和Anthropic持股的账面增值，实际并未产生现金流入，自由现金流反而为负。

亚马逊的情况类似，其626亿美元利润中有534亿美元源于对Anthropic投资的估值调整。

与此同时，这些企业通过特殊目的载体和长期采购承诺，将约1.65万亿美元债务移出资产负债表，规模是官方披露债务的两倍多。

Meta隐藏得最深，其约4200亿美元表外负债几乎是报告债务的三倍。

这种做法实质上是将风险转嫁给了养老基金和保险公司。

由此可见，人工智能繁荣的基础可能比财报所呈现的更为脆弱。

现金流压力已经显现

例如，Alphabet在2026年第二季度报告净利润约1120亿美元，同比增长约298%，但其中约980亿美元来自“其他收入”或权益投资的未实现收益，主要与SpaceX和Anthropic持股估值上升有关，真正来自广告、云服务和其他核心业务的营业利润约为408亿美元。

408亿美元固然强劲，但与1120亿美元之间相差约700亿美元。

这个差距正是账面估值对利润表的放大效应。

关键在于，这些估值上升并未带来任何现金流入。

SpaceX上市后，Alphabet需按会计准则调整持股账面价值；Anthropic完成新融资后，估值提高，Alphabet也随之重估。会计上，这会产生利润；现实中，这些股票通常不会立即出售，甚至出于战略原因根本不打算卖出。

于是，利润表变得好看，但公司可支配的现金并未同步增加。

投资者若仅关注每股收益，便会将这种“估值型利润”视为可持续的经营利润，从而给出过高估值。

而同一季度，Alphabet在数据中心、芯片和其他基础设施上的投资约449亿美元，经营性现金流约391亿美元，自由现金流为负59亿美元。

这是公司自2004年上市以来首次出现负自由现金流季度。

这个信号表明，尽管公司报告了创纪录利润，但当季实际经营现金已无法覆盖资本开支。股价在公告后第二天下跌，也说明专业投资者开始更加重视现金流。

亚马逊的情况几乎如出一辙。

亚马逊2026年第二季度净利润626亿美元，同比增长约245%。其中约534亿美元来自非经营性收入项目，主要源于对Anthropic的投资重估。亚马逊从2023年起分几期向Anthropic投资约80亿美元，部分为可转换债券，部分为无投票权优先股。

Anthropic新融资后估值上升，亚马逊按公允价值调整持股，产生了超过500亿美元的会计收益。

然而，亚马逊并未卖出股份，也未收到现金。

剔除这一项，剩余净营业利润大约在200亿到210亿美元之间。

亚马逊的云业务和广告业务依然健康，但媒体报道中的“创纪录利润”，约三分之二来自一项私人投资的估值变化。

这其中存在一个循环：云服务商投资AI实验室，AI实验室拿到钱后购买云算力，云服务商确认收入，同时持股估值上升，再在利润表上确认投资收益。这个循环在会计上每一步都可能合规，但在经济上却让收入、利润和估值互相强化。

只要外部融资持续涌入，AI实验室估值继续上升，云厂商的利润就会保持好看。

一旦融资放缓，估值不再上升甚至下调，利润表便会反向调整。届时，云业务收入仍在，但投资收益可能变成账面亏损，报表利润会迅速变脸。

因此，当前科技巨头的利润质量正在发生变化。

经营利润仍然强劲，但报表净利润越来越受私募市场估值影响，自由现金流则受到AI资本开支的严重挤压。传统市盈率将这两者混在一起，容易高估公司的真实盈利能力。

万亿缺口在哪里？

利润端的问题已经足够大，负债端的问题则更为惊人。

日本《日经亚洲》梳理Alphabet、微软、亚马逊、Meta和甲骨文的年报后得出结论，认为这五家公司官方资产负债表上的债务总额约1.35万亿美元，而表外负债，即各种付款承诺和合同义务，估计高达1.65万亿美元。

表外负债已超过官方报告债务，这意味着如果仅看资产负债表上的债务，你可能看到的不到真实财务负担的一半。

而且，这个表外规模在四年内增长了约八倍，增长节奏几乎与AI基础设施投资同步。

这些负债是如何从表上消失的？

一个机制是长期采购承诺。图形处理器、服务器、网络设备和其他硬件的订单具有合同约束力，但按现行会计准则，许多要到设备实际投入使用或交付时才确认负债。于是，公司可以签下数百亿美元的多年订单，而当前资产负债表上不会立即出现同等规模的债务。

另一个机制是合资项目和特殊目的实体。最典型的案例是Meta在路易斯安那州的Hyperion数据中心综合体。Meta与私募股权公司Blue Owl Capital合作，成立独立项目公司。项目公司发行约273亿美元债券，Blue Owl及其关联投资者持有约80%股份，Meta仅持有约20%。Meta通过长期租赁使用数据中心，租赁合同长达数十年，实际起到还款作用。

但由于项目公司在法律上独立，且按相关合并标准Meta不被视为主要受益人，这273亿美元债务无需直接出现在Meta自己的资产负债表上。

表上只反映项目公司股权和未来租赁付款，而租赁付款要等设施2029年投入运营后才更明显。

《日经》的分析认为，Meta累积的表外负债约4200亿美元，几乎是官方报告债务的三倍。这个数字若接近真实，意味着Meta的真实杠杆远高于公开债务比率所显示的水平。

类似做法并非Meta独有。

随着AI资本开支扩大，微软、亚马逊、Alphabet都可能更多采用特殊目的实体加私人信贷的模式，因为自身资产负债表容量有限，而AI数据中心投资规模太大。

这些安排合法吗？合法。它们符合现行会计准则，也在年报附注中披露，与2000年代初安然那种违法欺诈、故意欺骗投资者的操作有本质区别。

然而，合法不等于没有风险。法律形式将债务移出表内，经济实质却仍与母公司紧密相连。项目公司借钱建数据中心，Meta签长期租赁合同，租金支付义务具有刚性。

若算力需求不足，数据中心利用率下降，项目公司收入不足以还债，债权人将承受压力；而Meta可能因剩余价值担保、声誉压力和战略需要，被迫提供支持。

风险并未消失，只是被转移了环节。

私人信贷市场在此扮演了关键角色。Blue Owl、BlackRock、Pimco等机构愿意提供超长期贷款，以特定项目为抵押，收益率高于传统公司债。例如Hyperion，利率相对美国国债的溢价约225个基点，实际利率约6.6%到6.9%，高于Meta直接发行传统公司债的成本。

贷款机构愿意接受，是因为评级机构标准普尔给项目公司债券A+评级，仅比Meta自身评级低一档，背后有集团提供的剩余价值担保。

养老基金和保险公司对这类长期、高收益、看似安全的资产需求旺盛。结果就是，AI建设热潮的风险从科技公司资产负债表扩散到更广泛的金融体系，进入养老金、保险投资组合和其他机构账户。

许多最终承担风险的人，并不清楚自己持有的产品底层是什么。

这里还有一个问题：债务期限可能长达二十到三十年，但AI硬件，尤其是特定型号的GPU和服务器，经济寿命可能只有三到五年。数据中心外壳可用很久，但内部计算设备需不断更新。用长期债务支持短期技术资产，需要持续不断的资本开支和算力需求来维持现金流。

一旦技术路线变化、算力价格下降或需求增长放缓，租金收入可能无法覆盖长期债务。

融资期限与资产经济寿命之间的差距，是当前结构最脆弱的地方之一。

未来的算力需求成了抵押品

因此，我们会发现，利润端和负债端其实都依赖于同一个假设：私人AI公司的估值继续上升，或至少保持稳定；AI算力需求继续高位增长，数据中心能产生足够收入支付租金和债务。

只要这两个条件成立，Alphabet和亚马逊可以继续从Anthropic等投资中获得账面利润，特殊目的实体也能靠租金偿还私人信贷。

报表看起来会很漂亮，市场也会继续给予高估值。

不过，这两个条件并不独立。

它们都建立在生成式人工智能实际经济应用能够快速扩散、企业愿意持续支付高额算力费用的前提上。如果应用落地慢于估值预期，私人AI公司融资难度上升，估值下调，Alphabet和亚马逊就要确认账面亏损，利润表会立刻承压。

与此同时，已签约的数据中心租赁付款不会因需求放缓而消失。

项目公司仍需还债，Meta或其他母公司仍可能面对剩余价值担保和声誉压力。利润端的账面收益与负债端的刚性义务会同时反转，形成双重挤压。

这与2008年金融危机前的结构有相似之处。当时，银行通过结构化特殊目的载体将风险移出资产负债表，重新分配给广泛机构投资者。

大家同样认为结构合法，同样依赖房价稳定或上涨的假设。当假设破裂，连锁反应便出现了。

今天的不同之处在于，科技巨头经营业务非常稳健，现金储备充足，信用评级很高，远未到当年金融机构那种杠杆和流动性危机。

但共同点也很明显：风险被转移到透明度更低的结构，集中在专业但相对较小的贷款机构，整个体系集体押注当前增长趋势不会中断。

在我看来，AI技术本身有真实需求，云业务、广告业务和企业软件仍能产生强劲现金流。实质问题不在技术真假，而在于融资结构将技术风险转化成了金融久期风险。

科技公司把二十年期的债务义务，建立在可能几年就过时的硬件和不断变化的算力需求上，而私人信贷市场把这笔债务打包成高收益、A+评级的资产，卖给养老基金和保险公司。还有评级机构依赖母公司剩余价值担保，投资者依赖评级，母公司依赖表外处理。每一个环节都合理，每一个环节都让风险离原始决策更远。

甚至，非银金融部门的监管强度通常低于银行。私人信贷基金、特殊目的实体、项目公司债券，很多不在传统银行监管框架内。

一旦AI投资回报低于预期，损失不会首先出现在科技巨头的主资产负债表上，而会先出现在项目公司、私人信贷基金、养老金和保险投资组合里。届时，科技公司可以强调法律隔离，贷款机构可以强调担保条款，评级机构可以调整评级，但最终承担损失的，可能是普通退休账户和保险保单持有人。

这就是当前AI繁荣最容易被忽略的系统性传导路径。

未来几年，如果Anthropic下一轮融资估值继续大幅上升，Alphabet和亚马逊很可能再次报告异常高的账面利润；同时，由于数据中心和芯片资本开支继续增加，自由现金流预计继续承压。

在这个趋势下，或许会有更多科技公司采用Meta模式，通过特殊目的实体和私人债务基金开展数据中心项目，因为自身资产负债表容量有限。

行业上也有人预计美国五大科技公司2026年资本支出超过5000亿美元，是几年前的数倍。

这些资金越来越多来自传统公司债、贸易融资、特殊目的实体和私人信贷。科技行业与全球信贷市场的关联会进一步加深，系统重要性继续上升。

对投资者来说，传统指标已经不够了。净利润要拆解，其他收益要单独看，自由现金流要放在资本开支后面看，资产负债表要加上脚注里的采购承诺、租赁义务、特殊目的实体和剩余价值担保。

对监管者而言，重点大概并不在于禁止特殊目的实体，而是要求经济风险并表、加强披露、做压力测试、限制养老基金和保险资金在单一技术主题上的集中度，并对剩余价值担保进行更审慎的资本和定价处理。至于我们普通投资者，至少要知道，自己持有的养老金和保险产品，可能间接参与了这场AI基础设施的长期债务融资。通过九游app，用户可以获取更多相关金融资讯。