【文/觀察者網專欄作者梁燕】

在前任美聯儲主席杰羅姆·鮑威爾的最后一次講話中，他對美國聯邦債務的發展趨勢提出警示。目前美國聯邦債務規模已突破39萬億美元，相當于國內生產總值的125%，由于債務增速持續超越經濟增速，他認為這一發展模式難以長期維系。這一觀點也得到業內廣泛認同。

國際貨幣基金組織前第一副總裁吉塔·戈皮納特在彭博社《Odd Lots》播客節目中表示，不斷攀升的聯邦債務可能引發信貸緊縮。而隨著債務負擔侵蝕投資者信心，“債券衛士”會要求更高收益率，從而推高利率，收緊流動性，拖累增長。因此，盡管美國不會像背負外幣債務的新興經濟體那樣耗盡用于償債的美元，但正統觀點認為，膨脹的聯邦負債埋下了長期停滯的種子。

不過，當下市場對美國聯邦債務的諸多擔憂，實際上可以體現在三個方面。

首先是“債務飽和論”，該觀點認為債務規模不斷擴張后，海外投資者終將停止增持美債。全球“去美元化”趨勢看似為這一說法提供了佐證：

歐洲央行數據顯示，2025年第四季度，黃金在全球官方儲備中的占比升至25%，美債占比回落至22%；美元在全球外匯儲備中的份額，也從十年前的64%降至約57%。但深入分析不難發現，各國官方減持美債，更多是出于地緣戰略考量，而非對美國償債能力失去信心。其中，俄羅斯剝離美元資產、中國推進外匯儲備多元化，是持倉變動的兩大核心原因。

其次，美債海外持有格局的實際情況，遠比官方持倉數據展現的更為樂觀。2021年年中至2025年末，海外官方機構持有的美債規模從4.22萬億美元高點降至3.77萬億美元。與之形成對比的是，同期海外私人投資者持倉從3.30萬億美元大幅增至3.79萬億美元，增幅達15%，完全抵消了官方持倉的下滑。（圖1）

私人投資者正積極布局美債，既看重其資產安全性，也認可相對可觀的收益水平；對沖基金依托現券與期貨價差開展套利交易，各類穩定幣發行機構也將美債作為加密資產的底層儲備。

到2025年底，私人投資者持有所有外國持有美國國債中的57.7%，官方持有者占剩余的42.3%，這逆轉了歷史常態。雖然交易更為活躍的私人投資者，可能加劇美債收益率波動，但目前并無可靠證據表明，海外市場集中拋售美債推動了收益率上行。

圖1：外國官方與私人持有的美國國債（百萬美元） 來源：圣路易斯聯儲

懷疑論者認為，美債供給持續擴張終將超出市場承接能力，進而推高收益率，但實際數據并不支持這一判斷。盡管聯邦債務持續擴張，國債收益率的大幅漲跌主要與聯邦基金利率同步，而非與債務水平同步。公共債務從2008年中急劇攀升，但收益率卻在2007年底美聯儲降息時下跌。2020年初債務總額再次飆升，但10年期國債收益率卻隨美聯儲緊急降息而下降。

相反，當債務與GDP之比從2020年中開始回落時，收益率卻開始上升，驅動因素是其收緊的貨幣政策，而非財政擴張（見圖2）。實證記錄一致表明，貨幣政策才是決定美債收益率走勢的核心因素，債務規模變化的影響相對有限。

圖2：美國公共債務占GDP比重、10年期國債市場收益率與有效聯邦基金利率（%） 來源：圣路易斯聯儲

也有人提出，財政赤字催生的債務擴張會推升通脹，倒逼美聯儲收緊貨幣。然而，如圖3所示，公共債務的規模與走勢，和通脹之間并不存在穩定關聯。上世紀70年代初至80年代初，美國債務占GDP比重持續下行，通脹卻大幅走高；全球金融危機后，該比值大幅攀升并長期處于高位，通脹反而持續低迷。疫情過后，債務占比依舊高企，通脹也逐步回落。由此可見，公共債務既無法有效反映市場需求強弱，本身也并非通脹的誘因。

圖3：公共債務與通脹 來源：圣路易斯聯儲

第三個反對理由是，債務規模持續膨脹會帶來巨額利息支出，擠壓聯邦其他財政開支、拖累經濟增長。高額利息還會造成收入再分配失衡：大量利息流向私人部門會提振總需求，進而推升通脹。美國前10%富裕家庭貢獻了近半數消費，資產持有者因收益上漲財富增值，普通民眾卻要承受生活成本壓力，進一步加劇K型復蘇格局，也讓國內政治分化加劇，財政政策更難達成共識。

但債務規模與財政擠出效應的關聯，實則遠沒有大眾所想的那般緊密。正如下圖4所示，盡管公共債務規模上升，利息支付占聯邦總支出的百分比并不總是隨之上升。該比例自2021年初約6%升至2026年的近16%，但仍低于上世紀90年代超20%的歷史峰值，且在90年代后期之后便一路下行。可見，債務擴張并不會直接造成財政壓力持續惡化。

圖4：利息支付占聯邦支出的百分比 來源：圣路易斯聯儲

綜合各項數據不難看出：盡管兩黨在債務上限問題上的博弈，仍有可能引發政治性債務違約，但從經濟層面來看，美國并不會出現被動的無力償債局面。下一輪金融危機的導火索，可能也并非公共債務，而是依托人工智能形成的這套不透明、高杠桿、循環化的融資體系。

現在AI融資有四個令人擔憂的特征：

第一，它重現了2009年全球金融危機中“大到不能倒”的動態。人工智能投資已成為美國經濟增長和股市表現的主要引擎，但它日益依賴外部融資而非自身盈利。所涉及的杠桿，以及其背后金融結構日益增長的復雜性，使銀行業面臨足以拖垮金融系統大片領域的連鎖風險。 其二，循環融資模式盛行。產業鏈上下游相互投資、資金閉環流轉，不僅虛增賬面營收、掩蓋真實交易體量，還編織出深度綁定的利益鏈條，單一環節出現問題便會快速傳導擴散。 第三，人工智能投資正在擠出其他生產性資本用途，并造成能源、水、熟練勞動力和工業設備等方面的投資瓶頸，這些瓶頸本身將產生通脹壓力，而AI本應帶來的效率提升，短期之內也未能落地兌現。 第四，監管層面的松懈態度，進一步放大了上述所有隱患，使系統在其最脆弱的時刻暴露無遺。

摩根大通分析師預計，從現在到2030年，人工智能基礎設施支出將達到5萬億美元。根據摩根士丹利的估算，僅在2026年，亞馬遜、Alphabet、Meta和微軟四家科技公司就計劃在數據中心和人工智能芯片上投入約6300億美元，是2023年支出的四倍多，約占美國GDP的2.5%。若將前11大云計算和基礎設施提供商納入統計，總資本支出可能達到8110億美元（圖3）。現在人工智能相關投資已成為美國經濟最重要、最核心的支柱，貢獻了2025年前九個月實際GDP增長的39%（見下表1）。

圖3：大型科技公司AI支出，百萬美元 來源：Kwok(2026)

表1：各類投資對實際GDP增長的貢獻 來源：Rubinton and Patro (2026)

那么自然而然會出現一個問題：人工智能投資還能否以這種速度持續？根據摩根大通的預測，若要使當前AI投資獲得10%的回報，可能需要每年6500億美元的收入，相當于每位iPhone用戶每月支付35美元。當然，也存在樂觀的理由，55%的美國成年人現在每周都會使用生成式AI，互聯網用了16年才達到這一普及程度；人口普查局的商業調查數據顯示，截至2025年底，約18%的企業已采用人工智能。

然而，也有理由持懷疑態度。首先，即使是頂尖的AI公司目前也難以實現正回報。OpenAI和Anthropic的年化收入分別約為250億美元和190億美元。OpenAI預計到2030年之前現金流為負，Anthropic則是2029年。而且即使是這些預測也可能過于樂觀。麻省理工學院2025年底的一項里程碑式的研究顯示，投資生成式AI的組織中，95%未見到任何可衡量的財務回報。

一方面生產力提升和財務回報不匹配，另一方面使用AI的代幣成本不斷上升，這可能進一步抑制對昂貴AI模型的采用。此外，開源模型日益挑戰專有AI模型。中國的DeepSeek V4在各項能力基準測試中與美國領先AI模型極具競爭力，但其API定價僅為美國主要模型的一小部分。例如，DeepSeek V4的輸入成本為每百萬詞元0.27美元，輸出成本為1.1美元，而GPT-5.4分別為15美元和60美元，Claude Opus 4.6分別為15美元和75美元。

借助OpenRouter、Venice、Basesten、Together等各類聚合路由平臺可調用的開源模型，既能提供成本更低的備選方案，還能兼顧數據隱私保護。這類替代選擇或將進一步壓縮各大AI企業、其投資方及上下游供應商實現正向現金流的空間。

除此之外，信息技術軟硬件領域的資本投資回報率整體呈下行態勢。2023至2025年間，IT硬件板塊（涵蓋電子設備及元器件、通信設備、半導體與半導體生產設備）價格收益率增速由65%大幅回落至31%；IT軟件板塊（包含信息技術服務、軟件、互動媒體服務、綜合零售）下滑幅度更為顯著，同期收益率增速從61.5%跌至19%。

若企業經營利潤與股權融資規模難以覆蓋資本開支需求，科技企業會轉向企業債、高收益垃圾債、結構化融資、私募信貸、表外特殊目的載體（SPV），以及各類創新會計處理與金融工具來籌措資金。摩根士丹利測算，2025至2028年全球數據中心資本開支總額將達到2.9萬億美元，行業融資渠道呈現多元化特征（表2）。

表2：估計2025-2028年全球數據中心資本支出2.9萬億美元 來源：摩根士丹利 2026

由于循環股權融資盛行，超大規模企業賬面上體量可觀的現金流數據，實則具備極強迷惑性。包括“七巨頭”——Alphabet、亞馬遜、蘋果、Meta、微軟、英偉達和特斯拉——在內的科技巨頭通過交叉持股、布局競品AI企業形成深度利益綁定，高度依賴各類金融工具運作。AI芯片廠商、云服務商與人工智能企業之間，圍繞供需合作搭建起錯綜復雜的合作網絡，囊括股權互換、債權融資、信貸擔保、設備租賃、合資經營等多重交易架構。

英偉達、微軟與Anthropic的合作案例，便能直觀體現這類閉環融資模式：英偉達承諾向Anthropic投資高達100億美元，微軟將投資高達50億美元，而作為交易的一部分，Anthropic宣布計劃花費300億美元的計算資源。表3集中呈現了行業內循環融資的普遍現狀。

表3：循環融資：部分交易數據一覽 來源：彭博新聞社報道

循環融資構成了“環環相扣的債務鏈條、盤根錯節的網絡、錯綜復雜的亂局、循環往復的銜尾蛇、盤根叢生的利益巢穴，抑或是纏繞交錯的意面”。這些具象化描述直指幾大核心風險。

第一，若上游供應商向下游客戶開展股權投資，客戶再將這筆資金反向用于向投資方采購芯片、租賃算力服務，企業營收會因自我資金閉環出現虛高。失真的營收數據會吸引外部投資者與同業入局，整個行業市場就此建立在注水的業績之上。

第二，這套多層嵌套的融資鏈條具備極強脆弱性，任一環節出現兌付或經營故障，都有可能引發整個資本架構的連鎖崩塌。

盡管頭部科技企業將該模式吹捧為可持續的正向良性循環，但諸多分析師已提出警示：此類閉環交易與互聯網泡沫時期的亂象高度相似，當年大量初創公司互相購買對方服務以“夸大增長預期”。與此同時，這種深度綁定的資本網絡重現了“關聯過度、風險高度捆綁”的歷史隱患，這意味著當年在全球金融危機中重創金融體系的問題可能卷土重來。

除循環股權融資外，各大科技企業大規模舉債，為數據中心與配套能源設施建設籌措資金。2025年第四季度，科技行業債券發行總額達1087億美元，創下單季度歷史新高，發債熱潮延續至2026年，僅開年前兩周便新增155億美元債券發行。摩根士丹利預測，2026年超大型科技企業借貸規模將從2025年的1650億美元大幅增長至4000億美元。

頭部企業債務擴張數據也十分直觀：Alphabet在2021至2024年間長期債務穩定維持在140–150億美元區間，去年大幅攀升至490億美元；公司還發行了百年期債券，是1997年摩托羅拉之后首家推出該類債券的科技企業。Meta的債務擴張更為迅猛，2021年長期債務余額為零，2024年增至290億美元，2025年進一步飆升至590億美元。此外，Meta聯合Blue Owl資本設立專項債務特殊目的實體，借款270億美元用于路易斯安那州數據中心建設。

Meta并非個例，現有有限公開數據顯示，全行業依托特殊目的載體形成的表外債務規模至少1200億美元。除此之外，科技企業積極布局私人信貸市場，通過信用違約互換、資產支持證券等工具將債務證券化，以此隱藏底層風險、規避監管約束。體量龐大、信息不透明且架構繁復的存量債務，對全球金融體系構成嚴峻的系統性風險。

第三，對數據中心等人工智能基礎設施的投資造成了美國國內嚴重的資源消耗，并對美國經濟施加了通脹壓力。美國以與中國競爭為名，超大規模企業向AI投資傾注巨額資金。據一項估計，美國最大的公司在2026年有望實現約7000億美元的AI資本支出，而中國約為1050億美元。

第四，美國目前擁有5427個數據中心，是其他任何國家的10倍以上，其消耗的能源也超過任何其他國家。據估計，數據中心在2025至2028年間將消耗總計57GW的電力，相當于五個以上紐約市的用電量。但核心算力樞紐接入公共電網成本高昂、審批建設周期漫長；若向鄉村區域布局以緩解供電瓶頸，又會面臨專業技術人才不足、本地配套數據資源匱乏等全新難題。麥肯錫的數據顯示，當前美國約三分之一在建數據中心選擇配套自備現場發電機組，以此繞開電網約束。

但這同樣產生了自身的瓶頸：適配項目需求的全新燃氣輪機訂單已排至2029年，市場現貨基本售罄。算力需求暴漲持續推高整體電價，盡管工業用戶的平均電價低于兩年前，但2020年至2024年間，美國居民電價上漲了25%。用水量同樣激增。

與數據中心冷卻運行相關的水資源使用預計將從每年3.85億加侖增至超過37億加侖，增加870%；此外，與數據中心電力消耗相關的年用水量預計將從估計的29億加侖增至超過145億加侖，增加400%。這種資源消耗不僅提高了生活成本，還造成顯著的氣候損害。通脹壓力也可能促使貨幣政策制定者祭出其固執的加息劇本，從而進一步加劇金融脆弱性。

除能源與水資源約束外，工業供應鏈短板構成另一重發展桎梏：變電站、電力變壓器、冷卻設備等核心配套產能，完全跟不上數據中心大規模新建節奏。據報道，去年近六成數據中心項目工期延誤超三個月。項目測算機構nPlan的統計進一步佐證了施工卡點問題：約88%的項目在混凝土基礎施工階段，78%的項目在冷卻系統、消防報警裝置安裝環節遭遇延期。

數據中心建設長期停滯直接導致企業預期營收持續延后，疊加債務利息利滾利，財務壓力持續放大。正如Kwok所言：企業斥資百億美元采購高端AI芯片，若配套供電變壓器長期供貨短缺，這批芯片將淪為閑置擱淺資產，尚未產生任何營收便持續快速貶值。

最后，特朗普政府非但沒有應對這些風險，反而主動拆除了原本能夠約束行業亂象的監管護欄。

特朗普總統于2025年7月發布了一項行政命令，鼓勵聯邦機構“向AI公司提供財務支持……可能包括貸款和貸款擔保、撥款、稅收優惠和承購協議”。該命令還提供聯邦擁有土地的優先使用權，并給予實質性的監管松綁。

2025年12月，特朗普簽署了另一項行政命令，限制各州監管人工智能的能力，明確指示司法部對出臺繁瑣AI監管法規的州發起司法訴訟。各州政府本身也存在放松AI管控的強烈動機：全美已有38個州針對數據中心推出專項稅收優惠，優惠范圍包含設備、電力免征稅費以及財產稅減免。其中至少10個州每年因相關優惠放棄超1億美元稅收收入，得克薩斯州與弗吉尼亞州每年稅收讓利規模更是高達10億美元。在此背景下，各州幾乎沒有動力承擔起規范AI投融資活動的監管職責。

美國數據中心

進入2026年5月，特朗普簽署第三份相關行政令，推動數字資產、金融科技企業全面融入美國傳統金融體系。該政令要求聯邦監管機構在90日內完成全面排查，梳理所有阻礙金融科技、加密企業獲取銀行牌照、存款保險以及對接傳統金融機構合作渠道的法規條款；排查結束后180天內，必須落地簡化監管規則的具體改革方案。與此同時，行政令要求美聯儲在120天內開展評估，探討向加密貨幣企業等非銀機構開放央行主賬戶、支付清算通道的可行性。

大量加密行業主體已深度涉足AI業務，例如CoreWeave、HIVE、Hut 9等新型算力云服務商，或是從加密挖礦業務轉型GPU租賃、AI實驗室托管，或是挖礦與AI算力運營雙線并行。對加密資產與AI融資同步放松監管、打通兩類業務邊界，會直接放大整體金融風險；而將加密融資渠道納入銀行體系，更會讓風險在整個金融系統內交叉傳導、全域擴散。

結論

盡管鮑威爾等人對美國公共債務的擔憂出于真誠，但這種傳統觀點所基于的信念卻經不起推敲。即便持有者結構正從央行轉向私人投資者，外國對美國國債的需求依然強勁。國債收益率與聯邦基金利率的關聯度，遠高于其與債務規模的關聯度。

公共債務與通脹之間并不存在可靠的相關性，利息支出占聯邦財政支出的比重也并非總是隨著公共債務的增加而同步上升。由市場力量引發的非自愿違約并非可能發生的情形；真正迫在眉睫的風險，即人為制造的債務上限危機，完全是自找的麻煩，而非經濟上的必然結果。

真正的系統性風險存在于別處。AI領域的融資活動已悄然集聚了許多曾在2008年全球金融危機前出現的風險因素：杠桿高度集中、金融關系既不透明又呈循環結構、存在表外風險敞口，以及在風險不斷攀升之際監管環境卻被刻意放寬。

“七巨頭”及其芯片制造商、云提供商和AI初創公司生態系統，被相互投資、債務擔保和供應商-客戶糾纏的羅網捆綁在一起；這種相互依存的格局意味著，一旦其中任何一個關鍵節點發生崩塌，都可能引發系統性危機。此外，針對加密貨幣領域的放松監管趨勢，加上其與AI基礎設施融資日益加深的融合，又開辟了一條讓不穩定性傳導至傳統銀行體系的新途徑。

這并不意味著由AI驅動的金融危機已不可避免。這項技術仍有望帶來足以支撐其投資規模的生產力提升，且一定程度的循環融資也是歷次創新熱潮中的常見現象。然而，杠桿集中、營收虛高、資源瓶頸、頭部AI企業利潤率微薄以及監管力度減弱，這些因素疊加在一起，構成了一種決策者絕不容忽視的風險態勢。如果AI泡沫悄然膨脹之際，人們卻只盯著“債務時鐘”不放，分析重心發生錯位，那么這恐怕會成為本十年中最嚴重的政策失誤。

本文系觀察者網獨家稿件，文章內容純屬作者個人觀點，不代表平臺觀點，未經授權，不得轉載，否則將追究法律責任。關注觀察者網微信guanchacn，每日閱讀趣味文章。