社区

谷歌也开始融资了。

2026年6月初，Alphabet（谷歌母公司）宣布完成一笔总规模达847.5亿美元的股权融资。这件事放在过去，多少有点反常。Alphabet不是缺钱的公司，它手里有搜索广告、YouTube、云业务，还有长期稳定的现金流。

但到了AI时代，连这样的科技巨头，也开始为算力、数据中心和AI基础设施准备更多外部资金。

原因并不复杂：AI太烧钱了。

截至2026年第一季度末，Alphabet持有的现金、现金等价物及可流通证券达到1268亿美元。此前还通过多币种债券融资约320亿美元。2025年，它的资本开支已经达到914亿美元；到2026年，资本开支指引被抬到1800亿至1900亿美元，相当于又翻了一倍。

Alphabet在官方声明中表示：“企业客户和消费者对AI解决方案及服务的需求目前超过了现有供应能力。”

过去二十年，互联网是轻资产生意，靠流量和算法赚钱；AI时代把它重新推回了重资产逻辑——模型越复杂，需要的GPU、机房、电力、液冷就越重。数字世界的token可以迅速增长，物理世界的芯片和数据中心却不行。这个时间差，最后都会变成真金白银的融资需求。

房地产和城投之后，银行下一轮中长期资产机会在哪里？ 答案很可能发生在AI大基建里。

AI竞争从模型竞赛进入资本开支竞赛

Alphabet不是个例，而是个信号。

2025年全年资本支出为914亿美元，而2026年的指引区间1,800亿—1,900亿美元意。其管理层的进一步表态：2027年资本支出将“显著高于”2026年。资本支出的速度正在挤压自由现金流：2025年Alphabet自由现金流为733亿美元，而Pivotal Research预计2026年将骤降至约82亿美元，降幅接近90%。2026年第一季度自由现金流仅为101亿美元，按此节奏全年将难以覆盖资本支出。

这正是Alphabet选择进行股权融资的原因：AI基建投资速度已超出内部现金生成能力。

图：Alphabet自由现金流

摩根士丹利估算，微软、Alphabet、亚马逊、Meta、Oracle五大云厂商2026年合计资本开支将突破8050亿美元；TrendForce的预测更激进：加上中系厂商（阿里巴巴、腾讯、字节、百度），九大云服务商合计砸钱约8300亿美元，同比增速从61%提升至到79%。融资模式也在变——这些大厂今年借款额预计突破4000亿美元，是去年的两倍多；经营现金流90%要拿去搞基建，剩下的窟窿就需要靠外部融资去支撑。

而在中国互联网大厂同步进入了“重资本开支周期”。

阿里率先表态，未来三年至少砸3800亿元搞云计算和AI基建，这一金额超过公司过去十年在相关领域的投入总和，2026财年支出预计约1450亿—1500亿元，其中75%以上的支出投AI。

字节跳动的投入节奏更激进，2025年资本开支约1,500亿元，同比大幅增长88%。2026年5月将全年AI基础设施支出上调至2,000亿元，增幅25%，其中约850亿元用于AI芯片采购，500亿元用于海外算力布局。

腾讯去年还在保守观望，2025年全年资本开支达792亿元，同比仅增长3.2%。但2026年Q1资本开支已跃升至319.4亿元，同比增长16.2%，按此节奏年化约1,276亿元，与阿里三年投入3,800亿元的年均规模处于同一量级。

当账上现金较多的公司都开始股权融资、发债借钱来抢算力，说明一件事：AI基建不是“用利润慢慢养”的轻资产实验，而是一场必须长期、大规模、持续性烧钱的重资产军备竞赛。对银行来说，这不是“要不要参与”的选择题，而是“以什么专业能力参与”的必答题。

 AI大基建正在制造新的银行资产端机会

机会确实在打开。

仲量联行预测，2025至2030年全球数据中心累计投资3万亿美元，其中新增债务融资需求约8700亿美元。对中国银行业而言，关键不是“做不做”，而是“用什么产品、在什么环节介入”。

国有大行已经动了。以中国银行为例，2025年发布AI产业链支持方案，承诺五年内提供不低于1万亿元综合金融支持，股债合计不少于3000亿。截至2025年末，已与4460家AI产业链核心企业建立合作，授信余额达5456亿元。

同年5月，中国银行在10个AI创新活跃地区首发“中银科创算力贷”，签约38家企业，放款80亿元。通过“算力券+算力贷”联动模式——企业凭地方政府发放的算力券抵扣部分采购成本，银行据此提供配套信贷支持，实现“政策补贴+金融杠杆”的协同放大。更具标志性的是，2026年5月中国银行成为首家参与中国算力平台生态建设的金融机构，联合中国信通院在数字人民币支付结算、算力融资支持等领域展开合作，标志着银行角色从资金中介向算力资源配置中介延伸。

国家开发银行则在扮演“开路者”。国开行将“东数西算”工程列为基础设施信贷重点支持方向，在宁夏中卫支持了一个标志性项目：大唐云基地数据中心绿电直供50万千瓦光伏电站，实现从沙漠风光电到数字算力的直连直通。国开行宁夏分行给这个项目配了“银票+前期贷+中长期贷+政策性工具”的组合包，累计放款10.35亿元。截至4月末，全国算力行业前十的企业里，已有6家入驻该基地。

此外，政策也在给银行铺路。截至2025年一季度，“东数西算”八大枢纽节点算力总规模超过215 EFLOPS，其中智能算力占比80.8%。该工程已累计带动社会投资超万亿元；全国一体化算力网“1+M+N”架构体系初步验证，跨区域算力交易规模扩大， 截至2026年1月，“1+M+N”架构已经接入31个省市的155家企业、72万张GPU加速卡。

这些信号共同说明：AI大基建的融资大门已经敞开，但能不能走进去，要看银行有没有新的资产识别能力。

银行要抢机会，更要重新训练资产识别能力

越是热的方向，越容易一哄而上。

AI大基建当然有机会，但它不是没有风险。银行如果只看到政策支持、产业热度和项目规模，而没有看清真实需求、技术迭代和现金流质量，很容易把新资产做成新包袱。

首先要警惕的是结构性过剩。

数据中心和智算中心不是建起来就一定赚钱。核心要看有没有真实客户、长期合同、稳定上架率和持续利用率。据科智咨询统计，2024年全国在运营数据中心机房平均上架率为56.7%，尚未达到政策要求的60%目标线。

图：2020-2024 年中国在运营数据中心机房平均上架率 

高盛2026年3月发布预警：全球数据中心平均空置率已达18.7%，北美、欧洲等区域突破20%，摩根大通测算：在全球约125GW数据中心容量中，目前只有约20GW具备处理AI工作负载的能力——结构性短缺与过剩并存。

其次是技术迭代太快。

传统基建设备可以用很多年，但GPU不一样。芯片架构更新越来越快，比如英伟达的芯片架构更新周期已从两年一代加速至一年一代：2024年推出Blackwell架构B200，2025年下半年发布Blackwell Ultra，2026年下半年将推出基于下一代Rubin架构的GPU——其算力性能预计约为Blackwell Ultra的3.3倍。新一代产品出来后，上一代设备的租赁价格、利用价值和残值都会受到影响。如果银行还用传统固定资产的折旧逻辑去看GPU设备，很可能低估风险。

所以，银行做AI大基建，不能只看抵押物，更要看现金流。

项目有没有头部云厂商订单？有没有真实政企客户合同？租约期限多长？客户信用如何？电力接入是否稳定？电价有没有优势？绿电比例和能耗指标能不能满足要求？算力平台是否具备调度能力？等等……这些问题，比“有没有土地抵押”更重要。

同时这也是银行科技金融能力真正要升级的地方。过去银行做对公业务，很多时候是看主体、看抵押、看担保。到了AI大基建阶段，还要看技术路线、设备代际、客户结构、算力利用率和电力成本。换句话说，银行要从“看得懂企业”进一步走向“看得懂产业链”。

但这并不容易。AI大基建既有基建属性，又有科技属性；既需要长期资金，又面临快速折旧；既有政策支持，也有重复建设风险。银行要将这些因素放在一起判断，才可能真正抓住这轮资产端机会。

每一轮银行资产端的变化，背后都有一轮产业结构的变化。

从房地产到城投，从新能源到先进制造，再到今天的AI大基建。基础设施的形态变了——不再是路桥、厂房和楼宇，而是GPU、智算中心、绿电、液冷和算力调度平台。它们离普通人很远，却决定着搜索、云服务、智能客服、自动驾驶和金融智能体能走多远。

AI大基建不是一个可以“用现金慢慢做”的轻资产实验，而是一场需要长期、大规模、持续性资本投入的重资产军备竞赛。全球五大云厂商2026年资本开支合计突破八千亿美元，中国互联网大厂同步跟进，银行资金的介入，不是锦上添花，而是必经之路。

潮水正在涌来。问题是，这一次，银行准备好了没有？