7万亿AI黑洞，标普先慌了？

股权投资者还在争论AI资本开支是不是泡沫，债券市场已经先动手了。标普最新信用展望把话挑明：前六大超大规模云厂商到2030年的资本支出总额将突破7万亿美元，美国私营部门近半数的经济增长已与AI活动深度绑定——而支撑这一切的投资回报率，没有一家公司做过量化披露。信用警报响起，对所有讲'长坡厚雪'故事的行业都是同一句提醒：故事讲到最后，都要由现金流来验资。

📉 债市先开枪，股市还在吵架

AI资本开支该不该踩刹车，卖方分析师和股权投资者已经吵了两年。多空双方各执一词，股价照涨，叙事照讲。真正的转折出现在信用端。

标普在最新信用展望中，罕见地对超大规模云服务商发出系统性信用警告。这个'罕见'分量不轻——评级机构手握获取大量非公开信息的权限，是市场上最接近公司真实账本的角色之一。连它都站出来敲警钟，说明问题已经不在'吵不吵'的层面，而在'怎么定价'的层面。

报告里的数字足够扎眼：前六大超大规模企业至2030年的资本支出总额预计突破7万亿美元；这一体量已使美国私营部门近半数的经济增长与AI深度绑定。报告直接点名，亚马逊面临失去AA评级的风险，而甲骨文若遭降级将直接跌入垃圾级。

更值得注意的是时机。随着科技巨头在债券市场的融资规模不断膨胀，债券持有人——这些真正提供弹药的人——开始要求对风险重新定价。股权市场看的是上行空间，信用市场看的是下行保护。当下行保护开始被质疑，上行的故事再性感，也要先过债主这一关。

这打破了此前仅由卖方分析师和股权投资者主导的质疑格局。信用视角的切换，意味着AI基建的隐性风险第一次进入了系统性定价框架。

🔍 撑起7万亿的，是一条没写数的假设

金句先行：最大的风险不是回报率低，而是没人知道回报率是多少。

标普在报告里说得很直白：尽管AI投资回报率（ROI）对评级判断至关重要，'六大超大规模云厂商均未对其AI投资回报进行量化披露'。报告作者推测，这或许是因为相关数据难以核算，抑或'相关公司选择不披露这一信息'。

一个千亿美元级支出的决策，在对外披露上却是一笔糊涂账——这是本轮AI基建周期最值得玩味的地方。营收口径可以算，资本开支可以算，唯独最关键的'投进去的钱多久赚回来、赚多少'，六家全球最大的科技公司没有一家给出量化答案。

面对关键信息的缺位，标普不得不采用基准假设：这些全球最大的科技公司大概率知道自己在做什么，其当前和未来的投资最终将产生回报。翻译一下：评级机构选择相信管理层的判断力，用'信仰'补上了数据的窟窿。

但信仰不是无限的。标普同时明确指出，即便是投资级企业，也无法无限制地叠加债务、租赁承诺和电力购买协议，并据此为各公司设定了触发评级下调的临界阈值。报告里那句'从希望投资奏效到投资已经奏效之间的路径，在不触发评级下调的前提下显得极为狭窄'，几乎是给整个行业画的Danger线。

产业逻辑上，披露缺失本身就是信号：要么ROI确实难算，硬件折旧与模型迭代速度赛跑；要么ROI尚未兑现，披露等于自曝其短。无论哪种，都说明这轮资本开支的回收模型仍处在'未证实'状态。

⚠️ 亚马逊的2027，甲骨文的悬崖

同样在讲AI故事，各家能扛多久，差别大到惊人。

标普测算的债务类承诺占EBITDA倍数，把四家巨头的体质拉开了层次：

亚马逊的形势尤值关注。从标普图表数据看，若盈利未能提升或资本开支未能放缓，亚马逊可能在2027年前后面临AA评级压力。标普方面留了余地：评级决定由委员会作出，存在可能带来缓解的特殊情境。即便真从AA降至A级，市场冲击尚属有限——投资级内部挪一步，船大经得起晃。

甲骨文则完全是另一种剧本。它凭借BBB-评级，杠杆可提升至4.5倍EBITDA才触及下调门槛，表上看缓冲更多；但这一缓冲的前提是不降级。一旦降级，就直接跌入高收益（垃圾级）债券区间——考虑到甲骨文约1170亿美元的指数合资格美元债券规模，这将迫使大量只能持有投资级债券的资金被迫卖出，是一次相当重大的市场事件。

这就是信用市场的非对称性：同样一份AI资本开支计划，谷歌可以从容穿越，微软要精打细算，亚马逊在与时间赛跑，甲骨文则是在悬崖边上起舞。资本开支曲线可以画得很像，财务体质决定了谁熬得到ROI兑现的那一天。

🔁 循环融资，一个会传染的环

比单家公司杠杆更值得警惕的，是巨头之间的资金闭环。

标普在报告中专门梳理了超大规模云厂商之间形成的'循环融资'生态，涵盖剩余价值担保、照付不议协议、芯片融资、租赁负债、电力购买协议、兜底担保及直接股权投资等多种形式。

画成图就一目了然：钱沿着'采购—融资—投资—消费'的环转了一圈又回到自己手里。景气上行时，这个环是效率放大器——芯片厂商敢于扩产，因为下游签了照付不议协议；初创公司敢于扩张，因为巨头给了兜底担保和股权支持；巨头敢于下注，因为生态内的需求看起来在自我实现。

但环状结构的另一面是传染性。环上任何一环的现金流出问题——比如一家大量依赖云收入却迟迟无法盈利的AI公司收缩开支——压力不会停在那一环，而会沿着担保、协议和股权关系向两端传导。分散在环上的风险，最终是同一份风险。标普专门用一节笔墨梳理这个体系，本身就是在提醒：这是一张系统性的网，不是若干独立的商业决策。

这也是为什么信用视角比股权视角更悲观：股权投资者可以只看自己持仓的那家公司，债券市场必须看整张网。

🧭 两面镜子，照向所有长周期烧钱行业

把镜头拉远，这轮AI资本开支争议其实有两面镜子可以照。

第一面镜子来自广州的开学季。供职于黄埔区一所小学的编外合同制教师张跃，今年9月没有等来开学通知，合同尚未到期即被校方解聘，理由是'学校生源减少'。这不是个例——今年7月以来，自称来自广州黄埔、海珠、番禺、花都等区的编外教师在社交媒体上陆续讲述被解聘的经历。

数字链条很清晰：2017年'二孩'政策落地后，广州当年户籍出生人口达20.10万人的历史新高；为应对预期的入学高峰，2021年起各区大规模抢人，仅黄埔区2021至2023年就累计招录2482名雇员制编外教师。而广州小学新生人数已在2023年达峰，此后逐年下降。有专家指出，少子化、老龄化带来的教育系统变革，其影响甚至超过AI对教育行业的冲击，但尚未得到足够多关注。高峰期按峰值需求配置的产能，在需求拐点到来后开始出清——而且是从编外、从一线城市外围区开始。

第二面镜子，就是我们这个版块天天在写的低空经济。eVTOL整机厂、起降场运营商、低空空管系统供应商，本质上都在做同一件事：用对未来的需求预测，为当期的资本开支定价。适航取证是先烧钱后回收的买卖，基础设施建设押的是十年后的出行流量，空管系统等的是运行规模起来之后的网络效应。这与云厂商押注算力、教育系统押注学龄人口，在结构上是同构的。

三堂课值得记下：其一，盯信用市场，别只盯股权叙事，当评级机构和债券利差开始说话，故事就进入了验资阶段；其二，看公司是否愿意诚实披露单位经济模型和回报测算，披露缺失本身就是信号；其三，做需求敏感性推演，任何按峰值假设配置的产能，都要提前想清楚需求曲线拐头时的退出路径。

标普这一枪，名义上打的是六家云厂商，实际上给所有长周期烧钱行业都上了发条。7万亿美元的账，最终总得有人付；差别只在于，是用ROI兑现来付，还是用资产负债表来扛。对低空经济而言，资本耐心正在全市场范围内变薄，'先飞起来再说'的窗口期，大概率比很多人预期的更短。接下来值得盯的三个信号：巨头债券利差走向、评级委员会的实际动作、以及会不会有第一家云厂商率先量化披露AI投资回报——谁先摊牌，谁就拿到了下一轮定价权。