来源：市场资讯
（来源：华泰证券研究所）
海外AI巨头融资已由内源覆盖走向债务放量和资本栈多层化，中国AI链债权融资占比整体尚低，26年Q2以来国内大厂融资需求有所增加。AI融资的影响通过资产负债表、资本市场和实体传导逐级展开，需从应用端、回报率、折旧减值、物理瓶颈等跟踪潜在风险。我们按照26-30年Capex复合增速2%、10%、20%的假设测算，三档情景下2026-2030年国内AI融资需求合计在1.27-3.5万亿元，对应境内债新增供给在913-2608亿元，年均供给在183-522亿元，债市承接无忧，关键是如何解决用途、币种、期限等瓶颈来释放AI相关债券供给，短期AI融资或更多带来债券供给的结构性变化，影响科创债、熊猫债、REITs与离岸债等品种。
AI融资的海外范式
海外AI融资沿“内源覆盖-债务放量-资本栈总动员”三阶段演进，根本驱动力是资本开支强度逐级抬升。2022-2023年模型与商业化尚待验证，企业主要依靠经营现金流、战略投资和少数股权，融资并非核心约束；2024-2025年训练、推理集群扩张，资本开支吞噬自由现金流，投资级债券由低频工具转为常态来源；2026年以来，外部资金缺口扩大，融资横向延伸至股权、债券、混合权益、GPU资产支持、项目融资、SPV和循环信贷等多元化融资工具，纵向切分不同偿付层级。风险由资产负债表转向合同、担保和结构。
AI融资的四个层次传导
AI融资影响沿四个层次逐级传导：第一，AI基础设施强前置投入，经营现金流被资本开支吸收，自由现金流恶化，企业被迫牺牲回购，股东回报由“确定性现金流分配”转向等待AI投资回报兑现；第二，权益市场的疑虑从“有没有需求”转向投资回报能否覆盖资本成本，AI链条估值面临折现率和盈利质量重估；第三，超长期科技债集中供给提高投资级指数久期，占用保险、养老金配置额度，推动长端利差和主体信用分化；第四，融资进一步传至电力、能源设备、土地和存量资产，数据中心负荷推升电价并带动电源、燃机、液冷、变压器及并网资源重估。
中美AI融资的结构性差异
一是所处阶段差异，现阶段中国AI链债权融资占比低，国内头部科技企业的资本开支整体仍处内源覆盖阶段，不过26年Q2已开始呈现资本开支加速、外部融资需求提升的趋势。二是投资主体差异，海外以市场化超大规模云企业为主，国内则以民营互联网企业和央企运营商为主，第三方IDC和地方国资算力平台为辅。三是融资结构差异，国内各类型企业融资结构分化，互联网平台多依靠海外银团、债券，三大运营商以租赁负债为主，第三方IDC以银行贷款为主、开始尝试多层次Reits，半导体企业以银行贷款为主。
国内AI融资需求测算及对债市影响
我们按照26-30年Capex复合增速2%、10%、20%的假设测算，2026-2030年国内AI建设累计融资需求约为1.27、2.15和3.5万亿元。AI融资需求主要由银行贷款、境内外债券等渠道承接。三档情景下，2026-2030年境内债累计新增供给约为913、1587和2608亿元。国内债市体量足够承接，问题在于融资需求不足，供给放量对投资者更多是机会。短期AI融资更多是结构性影响，关注点心债、科创债、多层次Reits等扩容；后续债市供需格局能否改变，关键变量是AI资本开支规模能否上一个台阶，这取决于芯片瓶颈的突破进度、技术路线对算力的消耗密度和应用端的需求兑现。
风险提示：AI需求不及预期、融资环境收紧、技术迭代、交易拥挤放大。
引言
每一轮产业革命都会带来融资需求的扩张。历次科技革命沿着“关键要素突破—基础设施扩张—组织形态重构—生产率提升”的路径演进，而基础设施扩张阶段从来都是资金密集型的。历史上，铁路催生了现代公司债市场，电力行业以“监管定价+稳定现金流”确立了公用事业融资模式。信息技术革命时期，电信企业曾大规模举债建设光纤网络，并在2000年美国互联网泡沫破裂后酿成违约潮。
AI时代的算力投资同样伴随大规模融资，全球科技巨头每年数千亿美元的资本开支流向数据中心和GPU集群，钱从哪来、风险由谁承担、市场如何定价，正在成为理解AI循环能否持续的核心问题之一。
AI与地产看似相去甚远，但融资上有相似之处：大企业信誉背书，重资产、长回收期投资。海外AI融资也呈现出鲜明的模式创新：数据中心被装入合资公司和SPV移出表外，GPU和客户合同被包装成可抵押、可评级的融资资产，英伟达作为上游供应商开始为下游的OpenAI提供融资担保。风险正从资产负债表转移到合同、担保和结构之中，而真正的潜在风险是：资本形成长期快于Token需求与收入兑现，并向权益和信用市场传导。
海外与中国在AI融资的阶段、结构和信用属性上差异显著。海外已进入资本栈总动员阶段，国内大体处于内源覆盖阶段；海外依托公开债券市场和私人信贷，国内以银行信贷为主；海外靠企业信用增信，风险以利差走阔等途径体现。
在这篇报告中，我们将研究海外AI巨头的融资三阶段，探讨AI融资工具切换的触发条件，以及AI融资的影响如何在资产负债表、资本市场和实体逐级传导。最后，我们讨论国内AI融资的资金需求、债券供给等影响。
AI融资的海外范式
来龙去脉：AI融资从战略股权走向资本栈总动员
海外AI巨头融资并非在一夜之间爆发，而是沿着一条清晰的演进路径展开。从时间维度看，可以划分为“内源覆盖——债务放量——资本栈总动员”三个阶段。这条路径的方向是融资工具的多元化与债务比率的攀升，背后驱动力则是资本开支强度的逐级抬升。
第一阶段：2022-2023年的模型验证和内源覆盖阶段
ChatGPT发布后，模型公司的模型能力、用户增长和企业应用尚待验证，同时也缺少稳定利润和可抵押资产，因此资本更多以战略投资和少数股权形式进入。大厂主要通过股权投资和战略合作卡位前沿模型能力。典型案例包括Microsoft与OpenAI的多年期合作、Google和Amazon对Anthropic的投资、Inflection AI与Microsoft/NVIDIA的绑定，以及Cohere引入NVIDIA、Oracle、Salesforce等企业生态投资人。
大厂自身充裕的现金流也为战略投资提供支撑。彼时Microsoft、Google、Amazon、Meta、Oracle、NVIDIA等头部企业的主营业务仍处于“现金牛”状态，AI投入尚未对整体资产负债表形成明显压力。六家公司SEC口径合计显示，2019-2023年经营现金流从约1998亿美元升至约3682亿美元。
第一阶段的大厂AI投资，本质上是以少量战略资本购买未来技术和入口的“期权”，融资本身尚未成为核心约束，企业主要依靠经营现金流和现金储备即可覆盖相关投入。
第二阶段：2024-2025年的债务放量阶段
随着生成式AI逐步进入核心应用场景，头部科技公司开始大规模建设训练与推理集群，资本开支强度显著上行，债券融资开始成为支撑AI基础设施扩张的常态化资金来源。
自由现金流已经难以支撑庞大的资本开支，使得债务融资逐步常态化。若将上述六家公司的经营现金流拆分为“Capex消耗OCF”和“Capex后剩余FCF”两部分，可以看到，2024-2025年随着Capex显著上台阶，FCF缓冲被压缩，Capex/OCF从2019年的约36%升至2025年的约60%，为维持AI建设节奏、股东回报和评级弹性，投资级债券从低频工具转为常态工具。
2025年债券发行的集中放量，进一步印证了这一趋势。全年来看，六家AI巨头（Microsoft、Alphabet、Oracle、Amazon、Meta、NVIDIA）合计发行超过1000亿美元投资级债券，约为2020-2024年均值的近三倍。分主体来看：
1）Oracle 2025年1月、9月分别发行约77.5亿美元和180亿美元多档债券，期限最长延伸至2065年；2）Meta于2025年10月底完成约300亿美元六档投资级债券发行；3）Alphabet于2025年4月、11月合计发行225亿美元、65亿欧元双币种债券；4）Amazon于2025年11月发行约150亿美元债券。
2026年债券融资需求进一步上升。截止今年7月，六家AI公司债券发行规模约2200亿美元，已较去年全年发行规模翻倍。分主体来看，Amazon发行约923亿美元（占比42%），Alphabet发行518亿美元，Oracle、Meta和NVIDIA均发行250亿美元，其中NVIDIA时隔4年重新进入债券市场。
币种结构上，仍以美元为绝对核心，逐渐向多币种融资演变。2018-2024年，六家AI巨头的债券发行全部以美元计价，非美元融资基本缺位；2025年，Alphabet新增65亿欧元融资，开始借助欧洲市场补充融资能力。2026年，币种多元化进一步提速，欧元债、加元债、英镑债、瑞士法郎债、日元债券等均有发行。从整体发行人结构看，Meta和NVIDIA仍基本依赖美元市场，Microsoft和Oracle仅进行少量欧元融资；Amazon已覆盖美元、欧元、加元和瑞士法郎，Alphabet则进一步拓展至美元、欧元、加元、英镑、瑞士法郎和日元市场，是币种布局最广泛的发行人。
信用评级上，六家AI巨头发行债券均为投资级债券（IG），未有高收益债发行，但Oracle近期被评级下调。其中，Microsoft、Alphabet、Amazon、Meta和NVIDIA整体维持较高投资级信用资质，而Oracle在2026年7月被标普由BBB下调评级至BBB-，距离投资级最低评级（BB+以下为高收益债）仅一步之遥。
我们选取了六家最新发行的美元债券，从票息与期限结构分布来看，融资成本大致可分为三档：Alphabet、NVIDIA处于第一梯队，Amazon和Meta处于第二梯队，Oracle处于第三梯队。
（1）Alphabet、NVIDIA成本优势相对明显。其中，Alphabet的3-10年期票息为3.70%-4.80%；20-40年期为5.50%-5.75%，与NVIDIA基本接近；NVIDIA的1-9年期票息为4.25%-4.95%，19-29年期为5.55%-5.63%。二者较低的融资成本主要源于强劲的盈利和经营现金流、充裕的流动性以及较轻的债务负担，其中Alphabet业务更加多元，NVIDIA则受益于AI芯片领域的业务地位。
（2）Meta和Amazon处于中间梯队。5-10年期中，Meta票息约4.55%-5.25%，总体略低于Amazon的4.80%-5.30%；20年以上期限中，Amazon票息约6.00%-6.25%，反而低于Meta的6.20%-6.45%，反映市场对Amazon多元业务和长期现金流稳定性的认可。
（3）Oracle融资成本相对最高。其5-40年期票息为4.95%-6.85%，相近期限普遍高于Amazon和Meta约30-55BP，较Alphabet和NVIDIA高约70-105BP，主要源于其存量杠杆较高、云基础设施扩张对外部融资的依赖更强。
第三阶段：2026年以来融资工具多元化、资本栈多层化阶段
前者指资金渠道从内源现金流和母公司信用债，横向扩展至股权、混合权益、GPU资产支持融资、项目融资、SPV算力租赁债务和循环信贷等多种工具；后者指同一笔资产的资金来源被纵向切分为不同偿付层级，各层在风险和定价上依次递进。
预期资本开支开始逼近甚至超过经营现金流的覆盖能力，是多元融资加速出现的根本原因。以Alphabet、Amazon、Meta、Microsoft四家云厂商为例，其2026年全年投资计划达7000亿美元以上（主要用于AI数据中心建设），若以2025年经营现金流作为静态基准测算，潜在外部资金缺口已扩大至约1600亿美元。
融资结构看，第三阶段债权、股权和表外融资的占比均在系统性提升。以CoreWeave为例，公司2026年获得约85亿美元由GPU和客户合同支持的投资级定期贷款（约占AI融资的47%，后同），发行约40亿美元可转债（22%）、约27.5亿美元高收益债（15%），同时获得NVIDIA 20亿美元战略股权投资及Jane Street10亿美元股权投资（16%）。2026年AI大厂的债权、股权和表外融资有望进一步提升，外部融资已成为补足现金流缺口的重要来源。
多元化融资在主体层面呈现明显分化，不同主体开始依据自身资产禀赋、信用资质和生态位置匹配差异化融资工具：
1）资产负债表较强的Alphabet、Amazon、NVIDIA仍可依托母公司信用和资本市场融资维持投入弹性；
2）现金流压力更突出的Oracle则更依赖债务、权益融资和客户预付的组合；
3）Meta通过数据中心JV引入私募基础设施资本，体现出将部分重资产建设从母公司资产负债表中分离的趋势；
4）CoreWeave以GPU资产和客户合同为基础，将算力资产包装为可抵押、可评级的融资载体；
5）OpenAI、xAI、Anthropic等模型公司由于缺少传统抵押资产，则更多依赖承诺资本、循环信贷、SPV和算力租赁安排锁定算力供给；
6）NVIDIA、Broadcom等上游芯片厂商则在自身融资之外，进一步从设备供应方转为信用提供方，通过担保安排为下游算力融资增信。
上述融资创新形式各异，但从风险最终由谁承担的角度看，可归纳为四类：
1）表外化，即将资产移出母公司报表，风险转移至基础设施基金和私人信贷。Meta数据中心JV、经营租赁和SPV持有资产均属此类，且不计入资本开支。
2）资产化，即将算力包装为可抵押、可评级的融资标的，风险转移至债券投资者，定价依据是合同现金流而非主体信用。
3）信用背书，即以强主体信用为弱资产增信，风险转移至担保方。NVIDIA为OpenAI提供约2500亿美元融资担保；Broadcom为AI XPV平台提供残值担保，使其优先级票据得以获得投资级评级，融资成本较无担保档次显著更低。
4）客户预付，即由下游先行出资，风险部分转移至客户，如Oracle客户预付款等。
四者的共同点，是把风险从资产负债表转移到合同、担保和结构上。这降低了单一主体的可见杠杆，但并未消灭杠杆，只是让杠杆更难被观测和加总。
特别需要指出的是，近期长端美债利率的持续走高，一个重要的原因就是AI相关融资债券供给旺盛。从期限上看，美国AI巨头发债具有明显的长久期特征，单笔融资期限不少在10年以上，甚至是20年、30年乃至40年期限，新发债券平均期限在15年以上，这些债券具有较高的信用评级，与长端美债直接争夺久期需求。
融资工具切换的触发条件：现金流覆盖、资产可抵押性和评级弹性
融资工具切换的底层逻辑是风险由谁承担、现金流能否被抵押、资产负债表还能承受多少。
第一阶段以股权融资为主的原因在于：模型公司没有稳定利润，算力投入也缺少可单独抵押的资产；
第二阶段债券融资放量的原因在于：AI进入云收入加速阶段后，科技巨头拥有高评级、低杠杆和稳定经营现金流，也避免侵蚀股东权益；
第三阶段开始资本栈多层化融资的原因在于：建设规模继续放大，单靠公司信用发债会侵蚀评级弹性，因此需要权益、客户预付和GPU支持等多种融资方式支持。
资本开支增速与AI收入增速的剪刀差，是融资工具迁移的根本动力。2026年hyperscaler 资本开支指引超过7000亿美元。一方面，Capex的高增挤压股东回报空间，导致企业现金流配置从回购转向资本投入；另一方面，AI基础设施建设正在提前消耗未来现金流，融资缺口必须依赖外部资金补位。
从融资成本看，债券融资在AI基建扩张中相对占优，其原因在于：
第一，债券融资兼具成本与治理优势。截至2026年7月末，美国投资级公司债收益率约5-6%，低于高收益债约7.1%，也明显低于私人信贷/BDC等约10%-13%的收益要求；同时，债券融资不涉及股权稀释和控制权让渡。
第二，债券期限更适配AI基建的重资产属性。数据中心、GPU 集群和电力配套投资周期长、回收慢，中长期债券可将偿付节奏与资产现金流释放周期相匹配。
第三，多币种海外发债有助于降低综合资金成本。除美元债外，欧元债、日元债可引入增量投资者，并利用不同利率环境优化票息。此外，由于欧元、加元、英镑等市场此前科技板块占比较低、增量供给不易形成拥挤，定价条件相对更优。同时，对于在欧洲、日本拥有云收入、数据中心和采购支出的企业，多币种融资还可形成自然对冲，降低单一美元融资对利率、汇率和投资者风险偏好的依赖。
但外部融资并非无限加债，资产负债表承载力决定了外部资金的具体来源：在杠杆低、评级弹性充足时，投资级债券是低成本选择；当Capex逼近资产负债表承载上限，继续举债会侵蚀评级和后续融资能力，企业便需转向股权、混合权益或资产支持融资。
以三家不同的AI大厂为例：
Alphabet代表了“强资产负债表但受评级约束”的情形。在已大规模发债的情况下若继续单纯依赖债务融资，将推高杠杆水平并压缩信用评级缓冲。因此管理层选择以股权融资承接增量，把一部分风险从债权人转移给股东。
CoreWeave代表了“弱资产负债表但GPU和客户合同可抵押”的情形。作为neocloud，公司缺少hyperscaler级别的母公司信用，难以直接依赖传统投资级债券融资，因此需要将GPU硬件和长期客户合同包装为可抵押、可评级的融资资产。其85亿美元延迟提款定期贷款（DDTL 4.0）以CoreWeave Compute Acquisition Co. VIII为融资主体，并以一家领先AI企业的客户合同作为增信基础，最终获得穆迪A3和DBRS A(low)的投资级评级。
Oracle代表了“需求强劲但现金流承压”的情形。显示云基础设施需求快速前置；但同期自由现金流为负，单靠内生现金流难以覆盖资本开支。因此，Oracle除债务和权益融资外，还大量引入客户预付和客户自带GPU安排。
因此，从融资主体的规模、资产属性和资金来源看，海外AI基础设施融资主体可分为四层：
1）第一层仍是hyperscaler，它们直接承担大规模AI数据中心资本开支，并在公司债、权益融资、客户预付和项目资本之间进行组合。
2）第二层是模型公司，包括OpenAI、Anthropic、xAI等，其核心约束不是传统资产负债表，而是如何通过股权融资、战略投资、云承诺和SPV安排锁定长期算力供给。
3）第三层是neocloud和专用数据中心平台，包括CoreWeave、Nscale、Crusoe等，它们以GPU资产和客户合同为基础，将算力资源转化为可融资资产。
4）第四层则进一步延伸至芯片、电力、设备和工程服务企业，AI资本开支通过GPU、HBM、液冷、光模块、变压器、燃气轮机和并网资源向上游传导。
海外AI融资的四个层次传导
AI融资的影响通过资产负债表、资本市场和实体传导逐级展开：先透支现金流、牺牲回购，再引发股债市场重定价，最终传导到电力、设备和产业链。
第一层影响：FCF透支与回购牺牲
AI基础设施建设具有强前置投入特征，导致经营现金流越来越多被Capex吸收，最终导致回购被牺牲。2026年二季度，Alphabet的OCF为391亿美元、Capex升至449亿美元，单季FCF降至-59亿美元，较一季度的101亿美元明显恶化；上半年回购为零，而2025年同期约为283亿美元。Meta二季度OCF为319亿美元，Capex达到311亿美元，FCF仅8亿美元，同比下降91%；上半年回购同样为零，而2025年同期约为229亿美元，并将2026年Capex指引由1250亿-1450亿美元调整至1300亿-1450亿美元。随着现金流优先用于算力建设，科技巨头过去依赖回购支撑EPS和股价的资本配置模式正在弱化，股东回报从“确定性现金流分配”转向“等待AI投资回报兑现”。
第二层影响：股债重定价
权益市场的核心疑虑，已经从“AI有没有需求”转向“AI投资回报能否覆盖资本成本”。当Capex持续上修而收入兑现滞后，市场会下调自由现金流预期，并对高估值AI链条进行折现率和盈利质量重估。
债券市场同样受到冲击，首先面临供给影响。截至2026年7月，六家AI巨头债券发行规模升至约2200亿美元。由于AI基础设施回收期较长，企业倾向于发行20-40年期债券匹配资产期限。大量超长期债供给将提高科技债在投资级指数中的权重和久期，占用保险、养老金等长久期资金的配置额度，抬升长端利差。2026年以来，美国15年以上期限企业债信用利差与1-3年期限信用利差走势分化，中长端利差相比短端出现走阔，是近期长端美债利率上行的重要原因。
其次，市场正在结合AI投资和债务扩张情况重新定价主体利差。从利差走势来看，我们选取了相近剩余期限的样本券进行比较：2021年以来，AI巨头利差整体经历了“2021年低位运行→2022年快速走阔→2023年以来震荡压缩、出现分化”的过程。结合美债走势来看，2021年零利率环境下各公司债券利差整体较低，2022-2023年上半年利差走阔明显，但AI投资和债务扩张尚未成为独立的信用定价主线。2023年下半年至2024年，信用利差与政策利率逐步脱钩。2024年末美联储开启降息周期，经济软着陆预期、企业盈利韧性和风险偏好改善推动IG利差降至77BP，Oracle、Amazon、Meta和NVIDIA分别收窄至76BP、49BP、51BP和42BP。
2025年以来，随着AI融资集中放量，债券市场开始从交易“宏观利率”转向同时交易“AI资本开支与债务压力”，主体间分化明显扩大。截至2026年8月3日，Microsoft、Alphabet利差最低，NVIDIA、Meta和Amazon居中且趋于收敛，Oracle利差最高。Microsoft样本券利差一度转负，始终保持低位，Alphabet仅约10BP，NVIDIA、Meta和Amazon集中在28-33BP，而Oracle仍达104BP。Oracle与其他巨头的显著利差差距，亦经历多次评级下调，反映市场已经开始对激进AI基建扩张、较高杠杆、FCF承压及后续融资需求给予额外的风险溢价；相比之下，现金流更强、债务空间更充足的发行人仍能维持较低利差。
第三层影响：AI融资向实体产业传导
AI融资开始在电力、能源设备、土地与存量资产定价等环节形成实质约束。具体来看：
1）数据中心负荷扩张已推升局部电力市场成本，美国PJM区域容量价格大幅上行，并已传导至部分居民和工商业电价；
2）科技企业为锁定稳定电力供给，开始直接推动新增电源建设；
3）具备电力接入和土地资源的存量资产出现重估。
往前看，未来需从以下几个维度关注AI融资可能带来的风险：
一是需求斜率决定资本开支上行空间。中期看，AI Capex能否继续上修，取决于应用场景能否从AI for Coding进一步扩展至AI for Science、物理AI和端侧/机器人等更高tokens消耗场景。
1）若AI发现函数和生产力工具持续打开新增需求，算力需求维持高斜率增长，融资扩张具备基本面支撑；
2）若客户AI预算扩张慢于预期，模型厂商续约能力不足，前期形成的数据中心和GPU资产面临利用率不足，市场定价可能转向“为过剩产能去杠杆”；
3）中国厂商在模型效率、芯片替代和低成本算力方案上的突破若持续，也可能改变全球AI基础设施的成本曲线，对海外高资本开支路径形成潜在约束。
二是财务持续性将从融资能力转向回报率检验。AI基础设施具有强前置投入和重资产特征，短期融资可缓解现金流压力，但中期仍需由资产回报率验证其可持续性。若Capex持续上修而收入兑现滞后，企业自由现金流预期可能下修，债券市场也会更关注评级展望、债务久期和信用利差变化，进而反向约束后续融资能力。
三是折旧和减值风险或成为利润表的滞后压力。2025-2027年或是AI基础设施集中投建期，相关资产一旦转固，折旧费用将持续进入利润表。短期看，当前云收入水平尚可覆盖一段时间内的资本折旧，企业也可通过延长服务器、网络设备或GPU折旧年限平滑利润压力，抬升当期营业利润和EBITDA；但中期看，若需求增长不及预期，或GPU实际经济寿命短于会计假设，或推理价格下行导致单位算力收入下降，企业可能面临折旧高峰、资产减值和盈利预测下修。
四是物理瓶颈可能拖慢资产投产并放大期限错配。AI融资进入数据中心后，还需要电力接入、变压器、燃气轮机、液冷、光模块、土地审批和并网许可等环节配合。若电网扩容、并网审批或关键设备交付慢于融资和采购节奏，企业可能出现“资金先到、资产未投产”的错配：一方面提前承担利息费用、租赁承诺和资本占用，另一方面无法同步确认收入和现金流。该情形下，项目IRR将被拉低，融资成本和建设周期的不确定性也会进一步提高。
AI融资的国内启示
中美AI融资的结构性差异
国内AI融资不会简单复制海外路径，但资本约束和效率验证同样适用。海外经验表明，AI基建的核心矛盾是“需求能否覆盖资本开支、折旧和融资成本”。国内资金来源更可能以云厂商和运营商资本开支为主，银行信贷和政策资金提供支持，地方智算中心及产业资本共同参与。融资结构虽有不同，但最终仍要由可用算力、客户订单和现金流回报验证。
从资金覆盖情况看，国内头部科技企业资本开支整体仍处于内源覆盖阶段。2025年，字节跳动、阿里巴巴、腾讯、百度、快手、美团、京东和小米等8家头部互联网大厂合计资本开支约4550亿元，相当于美国六大云厂商同期资本开支的六分之一。除阿里、百度外，其他家Capex/OCF介于23%至61%之间。整体而言，国内尚未进入如海外科技企业集中发债、融资工具加速多元化的放量阶段，外部融资尚未成为AI建设的普遍约束。但随着资本开支持续增长，部分企业的内源资金余量可能率先收窄，外部融资需求也可能随之上升。
2026年二季度以来，头部互联网平台资本开支加速、自由现金流承压、融资增加的迹象已开始显现，腾讯增加债券发行，阿里启动配售融资。腾讯26Q2 Capex达到527.84亿元，同比增长176%，主要用于AI算力采购和基础设施建设，以满足Hy模型升级、WorkBuddy及CodeBuddy推理、微信AI功能开发以及云服务增长等需求；受资本开支大幅增长影响，腾讯当季自由现金流降至-138亿元，为公司2014年二季度披露该数据以来首次出现单季负自由现金流；与此同时，公司于6月17日集中发行150亿元人民币点心债和24.5亿美元债。阿里的资本开支也在明显提速，阿里2027财年Q1（自然年2026年Q2）Capex达到676.78亿元，同比增长75%，主要投向AI基础设施，经营现金流虽同比+11%至229.45亿元，当季自由现金流降至-446.70亿元。8月23日，阿里巴巴宣布拟配售800亿港元新股全部投入AI建设，这是阿里2019年港股上市以来首次启动新股配售。
现阶段中国AI链债权融资占比低，根源在于芯片供给制约下AI投资规模的绝对量级有限，企业尚未进入需要大规模外源债权融资的阶段。
1）先进AI芯片的供给约束构成硬瓶颈。受出口限制与国产替代尚未完全到位的影响，中国AI企业能实际部署的算力规模受限于芯片可得性，芯片数量仍是资本开支上限的重要约束，即便愿意举债，资金也难以完全转化为有效投资，对大规模外源融资的需求因此受到压制。
2）融资主体的资质特征限制了债权渠道。大模型公司普遍亏损，缺乏信用评级和抵押资产，发债条件尚不成熟；芯片公司轻资产、研发密集，与债权融资工具的匹配度较低；真正具备债权融资能力的数据中心与互联网巨头中，前者刚开始尝试多层次REITs，其中润泽科技和万国数据于2025年8月8日各发行公募REITs约45亿元和24亿元，25年3月19日至26年8月11日世纪互联、奥飞数据、万国数据、有孚网络发行机构间REITs规模合计107.67亿元；后者的债权融资需求则主要由境外渠道承接，两类主体目前在境内形成的融资规模均十分有限。
3）股权与政策性资金尚能覆盖当前需求。一级市场融资仍较为活跃，截至2025年9月中旬，国内共有764家AI企业获得风险投资，融资额合计约830亿元，获投企业数量创近五年新高；国家人工智能产业投资基金规模约600亿元，国家创业投资引导基金预计带动地方资金和社会资本近1万亿元，人工智能是其重点投向之一。上述股权及产业基金与政策性银行贷款共同构成了当前的资金供给，大规模债权融资的边际必要性尚未显现。
美国超大规模平台企业的融资演进对中国具有一定的前瞻意义，后续关键在于约束条件何时松动。美国hyperscaler的融资经历了“内生现金流—纯债扩张—多元融资工具”的三阶段。中国当前大体处于美国2024年以前的内源覆盖阶段，债权融资尚未放量，但这一格局并非稳态，关键变量是约束条件何时松动。随着国产AI芯片逐步突破、头部大模型公司盈利获评级、数据中心REITs与ABS常态化，债权融资占比将系统性上升。同时，工具或从境外点心债扩展至境内科创债、项目债、ABS与REITs等多元组合。融资结构由股权主导向股债并用切换，将成为中国信用债供给的重要变量。
除了所处的阶段位置以外，国内的融资结构和信用属性与海外相较也存在显著差异。从投资主体看，海外以市场化的超大规模云企业为主，国内则以民营互联网企业和央企运营商为主，第三方IDC和地方国资算力平台作为补充。从债务类资金来源看，海外依托公开债券市场和私人信贷，国内各类型企业融资结构分化明显：
互联网巨头的资本开支目前主要由内生现金流覆盖（约50%），债务融资主要是境外债（55%，其中1/3为可转债）、境外银团（31%）、部分境内贷款（11%），仅小米、京东通过子公司在境内发行过20、60亿债券。
（2）央企运营商现金流大多充沛，负债率低，因铁塔租赁模式形成较多租赁负债，还有少量银行贷款，暂未发行过债券。
（3）第三方IDC融资结构相对丰富，但总量规模较小。目前以银行贷款为主，境内外债券均有涉及，如润泽科技30亿科创债、17.5亿美元海外债、万国数据10.46亿元机构间REITs、24亿元公募REITs并发布拟扩募公告、润泽科技公募REITs首发45亿元、拟扩募76.97亿元。
（4）半导体相关企业上市前融资以股权、产业基金、银行贷款等为主，上市后以银行贷款为主，有少量债券融资，如中芯国际2013-2020年曾发行116亿境内债，北方华创08年至今累计发行了82亿债券。
另外，地方国资算力平台更多依靠地方专项债、银行贷款等，信用债仍是点状发行，如无锡高新科创发展集团今年发行26科产K16亿元，是全国首单用于Token算力工厂的科创债券。
国内AI融资资金需求与缺口测算
国内AI基建投资的潜在规模有多大？我们提供两个参考锚点：
（1）以2026年美国Hyperscaler资本开支指引占GDP的比重来看，预计达到美国GDP规模的2-3%左右，可以此作为上限参考，我国AI基建的潜在空间可能在每年3万亿人民币左右。不过，考虑到①芯片瓶颈仍有待解决；②大模型路线选择对算力的消耗密度存在差异；③覆盖市场不同；④中国基础设施明显更完善，比如电力电网配套，降低投融资需求。我们暂以年均2-2.5万亿左右作为国内潜在AI资本开支空间的上限情景。
（2）据发改委，有关机构测算，“十五五”时期算力网建设将新增直接投资4万亿元（年均8000亿），考虑到算力建设以企业投资为主，这将为民间投资创造较大空间。这一数字应同时包含政府和民间开支在内，基于投资主体端当前资本开支预期的测算与此基本印证。
我们从投资主体端测算国内AI建设的资金需求。由于多数企业并未单独披露AI相关资本开支，本次统一采用主体总Capex作为观察口径，覆盖字节跳动、阿里巴巴、腾讯、百度、快手、美团、京东和小米等8家互联网平台，中国移动、中国电信、中国联通三大运营商，万国数据和润泽科技2家第三方IDC以及北方华创、中微公司、中芯国际和长鑫科技4家半导体相关企业。2025年采用各公司的实际Capex和OCF数据；2026年优先使用已经披露的半年报或一季报数据年化，缺少中期数据的主体结合华泰行业组预测及公开资本开支计划估算。股息支付参考2021-2025年实际披露数据，考虑部分主体近年派息水平明显抬升，主要依据近期水平设定固定值；股份回购取2021-2025年历史中位数作为固定值。字节跳动缺少公开的中长期财务预测，2025年和2026年Capex参考金融时报和财联社报道。
2025年，上述主体合计Capex约8926亿元，OCF约1.04万亿元。2026年Capex预计增至约1.07万亿元，OCF约1.35万亿元；扣除约2114亿元股息和1696亿元回购后，整体内源覆盖率约90%。不同主体的资金覆盖能力分化明显，三大运营商的内源覆盖率接近100%，互联网平台约为77%，第三方IDC仅约22%。半导体厂商的合计覆盖率超过100%，主要受到长鑫科技经营现金流规模较大的影响，其他半导体企业存在一定融资缺口。
为观察资本开支扩张对融资需求的影响，我们以2026年为基期设置三档情景，并将OCF、股息支付和回购维持在2026年估算水平。情景一假设投资节奏相对平稳，假设2027-2030年Capex复合增长2%；情景二参考近期头部企业资本开支加速的趋势，将复合增速提高至10%；情景三考虑国产先进芯片取得重大进展、算力供给约束明显缓解，假设Capex复合增速20%。
三档情景下，2026-2030年“累计Capex”分别约为5.56万亿元、6.52万亿元和7.95万亿元，对应年均约1.11万亿元、1.30万亿元和1.59万亿元。其中，下限情景与“十五五”算力网建设年均约8000亿元的直接投资规模在量级上基本匹配；情景二和情景三则分别反映近期资本开支加速，以及先进芯片突破、算力供给约束缓解后的扩张空间。若投资加速或技术约束明显缓解，年均规模或有可能进一步升至1.3-1.6万亿元。
资金缺口取Capex、股息支付和回购之和超过OCF的部分，按主体类别分年度测算后加总。融资需求的口径略宽于资金缺口，部分企业即使账面现金流仍能覆盖资本开支，或也会继续使用银行贷款或债券等外部资金。由于长鑫科技经营现金流规模较大，按类别汇总后会抵消其他企业的资金缺口，因此我们参照2025年融资规模与Capex之比约31%，估算半导体厂商的融资需求。
据此测算，三档情景下累计资金缺口分别约为1.08万亿元、1.94万亿元和3.27万亿元，累计融资需求约为1.27万亿元、2.15万亿元和3.5万亿元。累计内源覆盖率由情景一的约87%降至情景二的74%，情景三进一步降至约61%；到2030年，三档情景下的内源覆盖率分别约为84%、62%和44%。随着Capex增速提高，内源覆盖率逐步下降，外部融资需求相应扩大。
进一步地，我们以各类主体当前的债务结构为基础，结合境内低利率环境和融资条件变化，预测2026-2030年各融资渠道的分担比例。互联网平台目前以境外债和银行贷款为主。考虑其还需兼顾境内外业务布局和募集资金用途，假设银行贷款占比总体保持稳定，境内债占比由2026年的约1%逐步提高至2030年的7%，境外债占比相应降至约48%；若国产GPU取得更大突破，人民币资金需求还可能进一步增加。三大运营商目前以租赁负债为主，若发债，预计境内发债成本很低，假设到2030年境内债占比提高至12%。第三方IDC目前以银行贷款为主，并通过境外债、租赁负债和基础设施REITs补充资金；随着境内融资渠道拓宽以及更多项目进入稳定运营期，假设到2030年境内债和REITs（成熟资产退出路径）占比分别由约3%和23%提高至23%和30%。半导体厂商考虑相关企业多为境内上市的行业龙头，在低利率环境下发债相对便利，假设到2030年境内债占比提高至30%，银行贷款占比相应降至70%。
按上述比例测算，AI融资需求主要由银行贷款、境内外债券和租赁负债等渠道承接，其中直接形成境内信贷和债券供给的主要是境内银行贷款和境内债券。三档情景下，2026-2030年两类渠道累计融资规模分别约为3857亿元、5682亿元和8403亿元，折合年均约771亿元、1136亿元和1681亿元。其中，境内银行贷款累计融资规模分别约为2944亿元、4095亿元和5795亿元，境内债累计新增供给分别约为913亿元、1587亿元和2608亿元。境内银行贷款占两类渠道融资总额的七成以上，仍是境内金融体系承接AI融资需求的主要方式；根据前述融资结构假设，境内债承接比例在测算期内逐步提高，年均新增供给约为183-522亿元。若国产GPU等关键技术取得明显突破，国内算力投资和人民币资金需求可能加快增长，目前由境外银团贷款和境外债券承接的部分融资需求也可能转由境内渠道承接，境内信贷需求和信用债供给规模或明显高于当前测算。
值得关注的是，DeepSeek融资启示：国内AI发展并不必然沿着“更大模型、更大集群、更高Capex”的单一路径推进。通过模型架构优化、训练工程改进、开源生态扩散和推理成本下降，单位智能成本有望被显著压缩。这一方面降低企业和开发者使用AI的门槛，扩大真实需求；另一方面也意味着，算力资产回报不仅取决于建设规模，更取决于技术路线能否持续提升算力利用效率。
对国内债券市场的影响与跟踪
AI融资对国内债券市场的影响，一看资金需求体量，二看融资路径：由谁作为发债主体、以谁的信用背书，决定了增量供给落在哪个细分市场、风险以何种形式定价。前文已对资金体量进行测算，从发债主体来看，互联网大厂和科技企业、央企运营商、算力产业上下游企业均属于信用债主体，市场化融资体现为信用债扩容和信用利差重定价；地方国资算力平台自身发债属于信用债，但若通过地方政府专项债或政策性金融工具进行政策性融资，则体现为利率债供给压力。
发行人结构：科技含量有望提升
当前国内非金融信用债发行人仍以国企为主，产业债发行以电力、综合、交运等传统行业居多，新兴产业和硬科技企业含量较低。2019-2025年国企信用债年发行额占比稳定在90%以上，2024-2025年民企债净融资有改善、但规模有限，传统民企债呈边缘化态势。行业方面，2025年至2026年7月的信用债发行中，除城投以外，产业债发债靠前的行业为电力、综合、交通运输，科技相关行业发行占比很低——以发行人所属行业中的计算机、电子、通信为筛选口径，2025-2026年7月三个行业合计发行债券仅287只、约2371亿元，占全部信用债发行的1.1%。
需要说明的是，科技企业与债券资金的关联并不都直接可见，部分科技领域融资是经由地方金控平台、国有资本运营公司和产业基金间接完成的，这类平台发债可能被归入“综合”“非银金融”等行业。总体上，科技企业作为发行人直接融资的情形偏少，更多以“间接化”形式存在。
若国内AI融资在未来三到五年内进入放量期，信用债市场的发行人结构有望更加多元化。
1、科技民企：制约境内发债的条件正在松动
历史上科技类民企在境内债市鲜少发债。互联网大厂长期偏好在境外进行离岸银团贷款融资，或是发行10年及以上乃至30-40年期美元债，近年来则增加发行长期限离岸人民币债券。究其原因，有资本开支、币种匹配、期限、制度等多重因素：
1）大厂资本开支未显著占用经营现金流。净现金状态下境内发债融资的必要性不高。
2）币种错配与汇率风险。AI资本开支的大头在高端芯片采购，目前该环节普遍以美元计价结算。海外数据中心的建设同样以美元及当地货币计价。境内数据中心建设、国产替代芯片采购适配人民币融资，但当前阶段其融资需求或不及海外芯片采购。若以境内人民币融资覆盖外币支出，募集资金需经购汇和跨境调拨，存在汇兑成本和资金跨境风险，不如直接在离岸融入美元，天然适配海外芯片采购、海外数据中心建设的资金需求，且大厂海外业务收入可形成自然对冲，美元债务还本付息由离岸现金流覆盖，进一步弱化汇兑敞口。
3）期限错配。算力和数据中心投资回收期长，需匹配中长期资金，而境内信用债期限普遍偏短，民企债更是以0-1、1-3年为主，长期限民企债买家基础薄弱。反观境外市场，互联网大厂既有离岸债务存量再融资需求，又有国际投资级评级，投资者基础成熟，可进行更长期限的债务融资，尤其是离岸美元银团贷款放款规模大、程序灵活、信息披露要求较低，融资效率较高。
4）制度摩擦。腾讯、阿里等互联网大厂均为开曼注册、VIE架构的红筹主体，境内发债需以境外集团名义走熊猫债通道，或通过现有境内子公司、新设境内发债平台进行，存在摩擦成本。此外，集团层面缺少境内信用评级和历史发行记录，初始发行面临评级认定、机构入库和定价不确定性。
若未来高端芯片国产化率提升、AI资本开支对经营现金流的占用抬升，叠加监管鼓励引导、完善民企发债增信机制，或有一批高评级、内生现金流较强、杠杆适中的头部科技民企参与境内债券市场。发债期限可能由3、5年起步再逐步拉长，发债主体由头部民企逐步扩散至AI产业链上下游民企。优质民企供给回归有助于扭转民企债长期面临的困境，为保险、基金等机构提供相对稀缺的高等级、长久期信用债资产。
2、国企：存量主体投向迁移，算力新主体入场
与民企债的增量逻辑不同，国企债的变化首先体现为已发债主体的募集资金投向迁移。地方金控平台、产业投资集团、国有资本运营公司等国企发债，主体属性虽未完全脱离传统框架，但募集资金正在流向AI产业链，地方国企科创债已有案例落地：“26锡产K1”发行人为无锡产业发展集团有限公司，募集资金投向存算一体高性能存储的自主研发与规模化量产；“26科产01”发行人为无锡高新区科创产业发展集团，为无锡市新吴区园区平台，募集资金重点投向无锡燧弘华创科技有限公司Token工厂项目。
其次是算力基础设施相关国企的发债融资增加。“十五五”规划提出“构建多层次算力设施体系和全国一体化算力网”，“东数西算”工程推进与各地智算中心建设提速，促使算力基础设施成为地方国企资本开支的重要方向，融资需求或将持续释放。
目前，上市国企已具备融资基础。浪潮信息、数据港、同方股份等发债覆盖中票、短融、公司债等多个品种，其中数据港于2025年8月发行了全国首单数据中心产业主体科创债，也是首单算力基础设施主题科创债，规模5亿，全场认购倍数达4.36倍。上市主体信用资质相对透明、市场认可度较高，后续发债有望进一步扩容。
非上市主体则尚未起步。2023年以来，省市数据集团、地方智算平台等新型主体密集组建，但目前尚无债券市场直接融资记录。原因有二：一是此类主体成立时间尚短，缺乏可供评级机构和投资者参考的连续财务数据与信用记录；二是智算中心、数据要素等算力资产的商业化模式仍在探索期，租金及算力服务收入的稳定性、现金流可预测性未经市场验证，独立信用资质难以支撑公开评级。这类主体的融资需求，一是由境内贷款、地方专项债和政策性金融工具承接；二是参考无锡案例，通过地方城投、产投、金控发行科创债，募集资金用于算力基础设施相关建设，预计以强省份先行；三是若要直接发债，可能是先试水以母公司或大股东担保增信的私募债、科创债，待业务模式稳定、收入和现金流可预期之后，再向公募公司债、中期票据及公募REITs等渠道延伸。
3、产业链外溢：催生电力、建筑等配套行业发债融资需求
AI革命还可能催生电力、建筑等配套行业的发债融资需求。2026年7月政治局会议再次强调扎实推进“六张网”规划建设，通信网、电网均是算力网的重要配套，其中电力电网投资与债务融资需求具有天然的适配性，电力历来是产业债的主要发债行业。新型电网进一步将电网企业、发电集团、储能企业和地方能源平台等主体链接起来，共同承担电网升级、绿电消纳、储能配套和充电网络扩容等任务，算电协同背景下，绿电运营商、电网公司和储能相关主体的债券供给可能增加。建筑链条的传导则相对有限，数据中心配套的建筑工程虽会形成一定拉动，但根据Semianalysis等研究，数据中心成本约80%在IT设备，建筑工程成本约占10%。
品种结构：科创债、熊猫债、REITs等有望扩容
科创债与AI融资需求的适配度最高，或是承接增量的主渠道；熊猫债面向中资红筹和纯外资主体，承接跨境人民币融资需求；点心债和中资美元债则在离岸市场承接长久期需求；公募REITs对应成熟运营的存量算力资产，解决退出与循环。具体来看。
1、科创债：或是承接AI融资的主要品种
AI基础设施属于科创债重点支持的领域。2025年5月交易商协会《关于推出科技创新债券 构建债市“科技板”的通知》明确重点对人工智能、大数据与云计算、集成电路、工业母机、量子技术、生物技术等高新科技领域提供融资支持，债市“科技板”启动后，交易所已落地带有“算力基础设施”“用于Token算力工厂”“存算一体”标识的科创公司债。从资格认定看，科创债可满足金融机构、股权投资机构、科技企业等多元化主体的融资需求，不同性质、不同成长阶段的主体均可参与；从资金用途看，银行间科创债按研发强度对科技型企业募集资金进行分类管理，民营科技型企业豁免研发强度要求，体现对科技民企融资的支持态度。此外，企业发行科创债享有发行和交易手续费减免、地方贴息等配套支持，可减轻综合融资成本。
不过，“科技板”落地后科创债增量更多来自传统行业和央国企。2025年5月后新增科创债发行额主要在电力、银行、建筑工程、综合、非银金融等行业，电子、计算机、通信等典型科技行业占比偏低。截至7月末科创信用债存量接近4万亿元，规模已较为可观，但尚未充分对接AI算力、半导体、数据中心等新经济部门的资本开支需求。未来随着硬科技企业债务融资放量，科创债主体的“科技含量”有望提升。
2、熊猫债：承接红筹与外资主体的人民币融资
红筹架构的中资科技企业在境外上市、主要经营和资本开支在境内，熊猫债可帮助其打通境内低成本人民币债券融资渠道。外资方面，近年来中美利差倒挂，海外通胀和加息预期下人民币融资成本显著低于美元，熊猫债对纯外资发行人吸引力增强，2026年1-7月外资熊猫债发行量超过2025年全年外资发行量，发行占比达54%，净融资额703.5亿元，显著高于中资的160亿元。存量熊猫债外资发行人以多边开发机构、金融机构为主，非金融企业偏少，化工、医药、社会服务行业发债相对较多，外资科技企业尚未参与。若外资AI产业链企业将人民币融资与在华算力投资、供应链采购相结合，熊猫债市场规模和发行人结构均有望受益。
3、点心债与中资美元债：离岸市场的长久期承接
AI产业链企业存在全球化发债趋势，AI资本开支可能带来点心债、中资美元债的增长，可丰富保险、基金等境内机构债券投资出海的选择。如上文所述，海外六家头部云厂商发债仍以美元为绝对主导，但逐渐向欧元、加元、英镑、瑞士法郎、日元多币种演变，中国互联网大厂也在从美元债向美元、人民币债券融资发展。中国内地和香港大力支持离岸人民币市场建设，2026年7月南向通扩容优化、8月离岸国债期货正式上线，随着离岸人民币收益率曲线完善、流动性和风险管理工具增加，点心债有望稳步扩容，并吸引更多AI主体发债。
从存量结构看，科技类债券的规模和占比仍有提升空间。截至2026年8月3日，存量点心债中TMT债券余额795亿元、占比4.1%，存量中资美元债（剔除违约主体券）中TMT债券余额611.97亿美元、占比16.0%，TMT已成为两个市场产业债板块的主要发行人之一，但规模相对于金融债、城投债仍偏小。
4、多层次REITs：存量算力资产的退出与循环
借助Pre-REITs前期孵化：公募 REITs的上市要求资产进入稳定运营期，通常需要3-5年的爬坡和运营积累。对于尚处于建设期或爬坡期的数据中心资产，服务商可通过Pre-REITs基金引入私募资金解决前端资本需求，提供权益资本支持，待项目进入成熟期后通过公募REITs实现退出。
机构间REITs介于是Pre-REITs和公募REITs之间的过渡产品，产品标准化程度、流动性递进提升，聚焦成长期资产培育。机构间REITs的条款设计相较公募REITs更为灵活，适用于较成熟的资产，目前世纪互联、万国数据、奥飞数据等运营商已经有产品存续，产品结构预留了与公募REITs的衔接空间，底层资产满足公募REITs审查标准后，可通过持有人会议决议，将专项计划份额整体转让予新设立的公募REITs基金，从而实现公开上市和退出。
公募REITs：2025年8月南方万国数据中心REIT、南方润泽科技数据中心REIT作为全国首批数据中心公募REITs上市，发行时合计募资69亿元，均发布拟扩募公告。两只REITs的原始权益人万国数据、润泽科技均为第三方IDC，与央企运营商、互联网及云厂商自建数据中心相比，第三方IDC的数据中心更接近标准化收租资产，更符合REITs对底层资产权属清晰、现金流独立可测、单一项目公司可剥离的要求。
IDC属于重资产行业，新建数据中心主要依靠债务融资，扩张期杠杆抬升、自由现金流为负是常态，这也是IDC发行人信用资质的主要制约。多层次REITs打通存量资产的退出和回收渠道后，原始权益人可将成熟项目出表、回收资金投入新建项目，形成“投资-运营-盘活-再投资”的循环，在不额外增加表内债务的前提下支持扩张。对信用债投资者而言，具备REITs退出通道的IDC主体，其杠杆水平和再融资压力相对可控。此外，前文提到的地方智算平台等新型主体，公募REITs也是其业务模式成熟后可延伸的渠道之一。
供需格局：取决于AI资本开支规模与融资缺口
境内债券市场可能承接的AI融资规模，取决于资本开支的实际扩张路径。随着资本开支抬升，外部融资缺口也会相应扩大，而内源现金流能否明显增长取决于投资后收益情况。基于前述三档情景，我们进一步测算不同主体的境内债融资规模及其分布。
三档情景下，2026至2030年境内债累计新增供给分别约为913亿元、1587亿元和2608亿元，折合年均约183亿元、317亿元和522亿元。分主体看，互联网平台在三档情景下分别贡献约387亿元、723亿元和1232亿元，占比由42%升至47%，始终是境内债供给的最大来源，主因其Capex投资和整体融资需求最大。随着Capex复合增速假设上移，互联网平台的供给规模最大，三大运营商的占比也由约7%升至23%；半导体厂商和第三方IDC的绝对规模同样增加，但占比有所下降。
另外节奏来看，历史上互联网平台、半导体厂商等境内外发债并不连续均匀，与直接市场融资成本波动、主体投融资需求阶段性变化都有关，因而实际发行或在投资需求大增、融资成本较低时明显放量，反之明显收缩。
无论落在哪一档情景，债市承接力完全没问题，现在问题是融资需求不足，供不应求。供给放量对投资者更多是机会。保险等配置盘对高等级长久期科技债券存在明确需求，参考点心债、中资美元债认购情况，2026年6月腾讯发行30年期点心债，主权财富基金和保险公司认购比例达47%，超过银行。当前境内超长信用债供给仍较稀缺，若高等级科技企业长期限信用债扩容，有助于承接保险资金的配置需求。
后续供给能否明显增加，主要取决于先进芯片等技术约束的缓解程度，以及互联网平台境内发债便利度和募集资金使用条件的改善情况。若国产GPU等关键技术取得突破，国内算力投资和人民币资金需求可能加快增长，测算期内约4700亿元至1.2万亿元的互联网平台境外债融资需求可能部分转由境内渠道承接，科技类信用债供给也将相应增加。
AI融资后续跟踪框架：四张表
上述判断能否兑现，需要在后续数据中持续验证，可从四张表建立国内AI融资周期的跟踪框架：
第一是资金表，跟踪运营商、云厂商、智算中心Capex、银行授信、债券和股权融资；
第二是交付表，跟踪设备到货、并网进度、上架率和GPU利用率；
第三是需求表，跟踪云收入、API调用量、行业客户续约率和客户预付；
第四是效率表，跟踪训练及推理成本、国产芯片性能迭代和单位算力收入。
总体看，国内AI融资仍处在海外走过的早期阶段。海外AI巨头融资已由内源覆盖走向债务放量和资本栈多层化，切换的条件是现金流覆盖能力、资产可抵押性和评级弹性；当资本开支增速持续快于收入兑现，自由现金流被前置消耗、评级弹性被压缩，AI资本开支与债务扩张随之成为主体利差的独立定价因子。国内大厂和运营商以内源覆盖为主，资金缺口相对有限，且分别主要由境外债、租赁负债为主；但今年二季度开始大厂随着投资扩张，融资需求也有所增长。落到国内债券市场，债市承接力完全没问题，关键是如何解决用途、币种、期限等瓶颈来释放AI相关债券供给。往后看，短期AI融资带来的可能更多是资产供给的结构性变化——高等级、长久期的科技类信用债供给增加，改善此前这类资产的稀缺状况，科创债、熊猫债、REITs与离岸债之间的品种分工逐步清晰。后续债市供需格局能否改变，关键变量是AI资本开支的规模能否上一个台阶，而这取决于芯片瓶颈的突破进度、技术路线对算力的消耗密度和应用端的需求兑现，值得持续跟踪。
1、AI需求不及预期。若Agent、企业AI及API调用增速放缓，前期算力投入将转化为折旧和利息压力，估值逻辑或由成长转向周期。
2、融资环境收紧。若利率上行、信用利差走阔、股权融资折价扩大或IPO窗口关闭，AI企业或被迫放缓扩张并承受更高资本成本。
3、技术迭代。新GPU、ASIC、开源模型或低成本推理方案若快速降本，既有GPU和数据中心资产回报可能被压缩。
4、交易拥挤放大波动。AI基础设施链预期较满，若Capex下修、融资失败或续约不及预期，可能触发集中止盈。
研报《AI融资：从现金机器到资本机器——智能经济系列专题》2026年8月25日
张继强 S0570518110002 研究员
仇文竹 S0570521050002 研究员
文晨昕 S0570520110003 | SFC BSF414 研究员
吴靖 S0570523070006 研究员
朱沁宜 S0570523080005 | SFC BTF199 研究员
王晓宇 S0570524070005 研究员
向怡乔 S0570526020002 研究员
热门跟贴