过半 A.I. 投资来自其他 A.I. 公司

2025 年 9 月，Nvidia 宣布将向 OpenAI 投资 1000 亿美元，以帮助为数据中心建设提供资金。Bernstein 分析师 Stacy Rasgon 当时写道，此举将“加剧‘循环’担忧”。

一年之后，这家“央行的央行”做了研究。

国际清算银行（BIS）的经济学家表示，2021 年至 2025 年间，投向人工智能公司的资金有一半以上来自其他 A.I. 公司。该行在 10 月 1 日发布的一份报告中称，在 A.I. 公司之间的交易价值中，有 46.4% 流向了同时也是投资者交易伙伴的公司。总体而言，流入 A.I. 公司的资金中有 55.2% 来自其他 A.I. 公司。

这些发现出现之际，业内最大的支持者正在商讨如何为下一轮建设融资。

媒体报道称，Nvidia 已同意与 Apollo Global Management、BlackRock、Blackstone、Brookfield Asset Management、Goldman Sachs 和 KKR 合作，为超过 5000 亿美元的 A.I. 基础设施和数据中心第三方资本提供兜底。这些报道还称，Nvidia 最多可能兜底 1250 亿美元，即潜在交易的四分之一。若资产价值跌幅超出预期，兜底安排将启动。

这笔融资的一部分是为 OpenAI 在俄亥俄州南部的一个数据中心项目提供担保。The Wall Street Journal 在 8 月 14 日报道称，Nvidia 提供的担保将低于 1200 亿美元。三天后的一份 SEC 文件将这一数字定为最高 1050 亿美元。该报还报道称，在投资者对 Nvidia 的风险敞口表示担忧后，担保规模已从最初的 2500 亿美元缩减。据报道，Nvidia 还在考虑另一项交易，为 OpenAI 购买价值 3500 亿美元的 Nvidia 芯片提供融资。

与 BIS 预计的行业支出相比，这些金额相当庞大。

该行表示，最大的 A.I. 公司预计在 2026 年共同投入数千亿美元用于 A.I. 基础设施，并且 A.I. 资本支出在许多经济体中已具有宏观经济层面的重要性。在这些据报道的谈判中居于核心地位的供应商 Nvidia，市值约为 5 万亿美元。

经济学家把这种模式称为循环融资。芯片制造商入股一家客户，客户再把所融资金的一部分用于购买该芯片制造商的芯片。或者，客户入股一家自己离不开其产品的供应商。

Jon Frost 与四位合著者是围绕两家公司之间的关系，而不是围绕单笔交易来界定这一概念的。如果一方在 2021 年至 2025 年间投资了另一方，且双方在这一期间的任何时点还存在供应商与客户关系，则这一对关系被视为循环关系。

他们从 1246 家 A.I. 公司入手，将其分为供应链的五个层级：算力、基础设施、数据工具、模型和应用。交易记录来自 PitchBook，商业关联来自 FactSet，经济学家表示，他们还进行了大量人工核查，以发现数据库遗漏的关系。搜索结果显示，A.I. 公司之间共有 972 组投资关系。

一家人的生意

在 A.I. 公司作为投资者投出的交易价值中，有 28.7% 投向了其他 A.I. 公司。在 A.I. 公司获得的交易价值中，有 55.2% 来自其他 A.I. 公司。就循环性而言，交易数量与金额讲述的是不同的故事。按数量计算，A.I. 公司之间只有 16.1% 的交易涉及双方的商业联系。按价值计算，这一比例为 46.4%，这意味着所谓的“循环融资”交易规模远大于其他交易。

在循环关系中，64% 涉及一家既向某公司投资、又向其销售产品的 A.I. 公司。

“这些数字表明，A.I. 领域相当大一部分融资和商业关系具有自我指涉的特征。”——BIS 第 137 号公报

其中的逻辑

作者并不把这种做法视为丑闻，而是阐述了企业这样做的原因。

供应商能看到客户使用其产品的力度，因此比银行更了解客户的增长情况。模型开发商在获得相应收入之前就会消耗大量算力，而出售算力的芯片制造商或云服务提供商可以实时观察其消耗。为客户融资还能让昂贵产品的需求保持稳定。BIS 经济学家依据的理论是 Burkart 和 Ellingsen 2004 年关于商业信用的研究。

融资的理由也与稀缺性有关。

当只有少数几家公司生产某种投入品，而买方没有它就无法制造自己的产品时，股权可以确保供应。它还可以让买方对供应商是否向其竞争对手出售产品拥有发言权。BIS 指出，存储芯片的严重短缺就是容易引发这种做法的瓶颈之一。

第三种解释涉及为单一客户定制的投入品。数据中心是按客户的工作负载配置的，芯片则是为某个特定模型设计、制造和交付的。资金一旦沉没，任何一方都可能试图重新谈判以对自己有利。贷款或部分股权可以使双方激励一致，BIS 称其为完全垂直整合的部分替代。类似的例子也出现在生物技术、电信和制造业。

A.I. 的特殊之处在于，这些条件在同一个行业中同时存在。它有前景难以判断的初创公司、定制化的投入品、光刻机和专用芯片等关键设备只有少数几家供应商，以及规模大到外部资本可能成本高昂甚至无法获得的融资需求。

在 A.I. 之外，贸易伙伴之间的股权联系并不常见。

在超过 10,000 组美国客户与供应商关系的样本中，Fee、Hadlock 和 Thomas 发现其中 3.3% 存在直接股权。在 A.I. 算力、云和相关基础设施领域，15.2% 的客户与供应商关系还存在融资关系。

越往上游，这种联系越紧密。算力和基础设施供应商发起了 73% 的循环投资关系。在数据工具和模型层，由于投入品更接近大宗商品，这类关系较少见。

水面之下

BIS 指出了三大主要风险。

第一是需求部分是行业自己制造出来的。当供应商为客户融资时，供应商的部分收入增长可追溯到其自身资本，而不是最终需求。投资者、贷款人和监管者因此很难判断这轮繁荣中有多少是真实的。

作者回顾了 20 世纪 90 年代末的一个例子。

Lucent 和 Nortel 为网络运营商提供融资，以便运营商购买它们的设备，供应商把销售和贷款都记为资产。当运营商的收入未能实现或增速放缓时，运营商既无法偿还贷款，也无法继续购买。供应商同时损失了资金和销售。

在那轮繁荣中，供应商大规模为客户融资。根据 Fortune 的报道，在 2001 年崩盘之前，Cisco 和 Nortel 的客户融资超过其年收入的 10%，前五大电信设备制造商的融资则超过其合计收益的 123%。

作者写道，如果收入增长和终端用户需求低于企业预期，这类动态“也可能在 AI 领域上演”。他们补充说，在 A.I. 推动的股票估值已经很高的情况下，其结果可能是金融市场的大幅波动。

第二，交易对手风险被加倍。一家同时也是目标公司供应商的投资者，一旦客户出问题，既会损失其持股价值，也会损失未来的产品销售。由于循环交易集中在上游层级的少数几家超大型公司之间，冲击可能同时通过商业和金融渠道传导。越来越多用于为 A.I. 基础设施融资的私募信贷和特殊目的实体，还可能在此之上叠加隐性杠杆。

第三种风险并不容易看到。许多公司是非上市公司，披露很少。即便是上市公司，达成的交易也往往混合了现金、长期采购承诺和资产价值担保。

残值担保就是一个例子。担保方承诺，在固定期限后，如果芯片或数据中心设备等资产的价值低于约定水平，由其补足差额。这些承诺不在资产负债表内，在经济下行、担保方最无力支付的时候到期。这些公司还横跨不同行业和司法辖区，因此没有任何一家监管机构能看到整张网络。报告的交易价值可能无法反映全貌，头条数字也可能与实际支付的金额大相径庭。

谁来接盘？

标普 500 指数的涨幅集中在一小群 A.I. 及 A.I. 相关公司身上，已经给全球金融体系造成了系统性脆弱。被动投资放大了这一点，美联储为应对 A.I. 推动的通胀压力而采取的紧缩措施同样如此，而这些通胀压力的到来远早于广泛的生产率收益。

据市场评论平台 The Kobeissi Letter 的数据，自 2024 年初以来，42 只 A.I. 股票贡献了标普 500 指数 67% 的价格涨幅。它们为该指数 33% 的涨幅贡献了 22 个百分点。其余 458 只股票贡献了 11 个百分点。这一组公司还贡献了 58% 的盈利增长，以及 81% 的资本支出和研发支出增长。

据 The Motley Fool 的数据，2026 年 10 月，“七巨头”占标普 500 指数市值的 34.9%。A.I. 股票占该指数的 49%，为有记录以来第二高的集中度。前 10 大股票约占 40%，除 19 世纪末铁路热潮等极端时期外，数十年来未见过这样的集中度。

Apollo 首席经济学家 Torsten Slok 在 6 月 8 日写道，“目前还没有迹象表明，AI 正在提升‘七巨头’之外公司的收入或利润率”，并称标普 493（即不含“七巨头”的指数）的利润率持平。因此，目前的价格已经包含了对技术扩散的极高预期，而这些预期尚未在更广泛的范围内兑现。

2025 年底，被动基金占美国基金资产的 55%，高于一年前的 53%，被动共同基金和交易所交易基金资产为 19.4 万亿美元，主动基金为 16 万亿美元。据 Investment Company Institute 的数据，美国退休资产在 6 月 30 日达到 51.2 万亿美元，其中固定缴款计划为 15.0 万亿美元，个人退休账户为 19.9 万亿美元。这些计划以及目标日期基金中，有很大一部分以标普 500 及类似的市值加权指数为基准，或重仓这些指数。据美联储数据，第二季度家庭持有的股票占金融资产的比例创下 48.23% 的纪录，高于第一季度的 44.66%。

因此，养老金负债、退休储蓄以及其他“设定后即不管”的资金，在结构上是对少数高度相关、估值偏高的 A.I. 公司的多头。无论是因为变现速度低于预期、竞争冲击、监管、能源制约，还是一次简单的轮动，一旦出现估值大幅下调，都会波及家庭财富、企业养老金的资金状况和机构资产负债表，而这些主体几乎没有天然的对冲手段。

美联储在 9 月 16 日以 12 比 0 的投票结果将联邦基金利率目标区间上调 25 个基点，至 3.75% 至 4.00%。Chase 对此次会议的总结称，能源价格是主要推手，在伊朗冲突之下，9 月初原油价格一度高于每桶 100 美元。美联储主席 Kevin Warsh 在泰国举行的国际货币基金组织会议上表示，A.I. 投资对价格和需求构成“冲击”，而财富和生产率收益则“在远处的地平线上”。

这轮建设通过对芯片、电力、建筑及相关商品的需求，增加了近期的价格压力，而较高的利率则拖累经济中非 A.I. 的大多数部分以及杠杆化或对利率敏感的市场板块，与此同时，A.I. 超大市值公司至今表现坚挺。政策旨在给更广泛的经济降温，以抵消与 A.I. 相关的通胀，然而股市以及与之挂钩的被动资金和养老金，仍然严重暴露于推高这些压力的行业。

这轮繁荣还会自我强化。由强劲现金流和便利的股权融资渠道支持的资本支出，会推动更多投资和更高估值。能源和实物基础设施的限制可能会制约建设扩张的速度，而极端的市值集中度往往会先于龙头公司的相对跑输或波动出现。

来源与说明

• Frost, J, Kansal, R, Rishabh, K, Shreeti, V and Zhang, L S Y (2026): "Circular relationships among AI firms", BIS Bulletin, no 137, 1 October.
• Burkart, M and Ellingsen, T (2004): "In-kind finance: a theory of trade credit", American Economic Review, vol 94, no 3. 转引自 BIS 第 137 号公报。
• Fee, C, Hadlock, C and Thomas, S (2006): "Corporate equity ownership and the governance of product market relationships", Journal of Finance, vol 61, no 3. 转引自 BIS 第 137 号公报。
• OECD (2003): "After the telecommunications bubble", OECD Economic Outlook, no 73. 转引自 BIS 第 137 号公报。
• Rungcharoenkitkul, P (2026): "The AI investment race", BIS Working Papers, no 1367. 转引自 BIS 第 137 号公报。