← 返回

2026.10.06 | AC | Macro | AI Depreciation & 10Y Treasury Yields

原标题：AI硬件五年折旧，为什么仍会影响10年期美债利率—— 从资产寿命、十年期等价到资本挤出

#macro #ai-demand

AceCamp · 2026-10-06 11:23 · article 70567751

摘要

要点

  1. 折旧、寿命、融资和久期，是四只走速不同的钟。 GPU按五至六年折旧，不代表数据中心只能创造五年现金流，也不代表相关利率风险只停留在中短端。本文从这一常见误区出发，追问AI建设为什么可能影响10年期美债的定价。
  2. 几万亿美元资本开支不能直接拿来衡量债市压力。 债券市场面对的是其中转化为固定利率风险的部分。本文引入“十年期等价”和DV01，将不同期限、不同融资方式拉到相同口径作比较。
  3. 公开公司债是明账，私人信贷和利率互换是更难看见的暗线。 本文把直接发债、合成久期和发行替代纳入同一框架，检验只统计公开债券会不会低估AI融资对利率市场的影响。
  4. 单笔AI债券发行后，美债收益率没有明显跳升，并不能结束争论。 本文结合Dallas Fed、美联储、Capital Group和PIMCO的研究，区分短期事件冲击、提前定价、持续融资和实物资源竞争四种机制。
  5. 文章最终回答两个投资问题：AI融资压力仍集中在发行人自身，还是已经向非AI部门扩散；资金变贵以后，科技平台、新型算力云、模型公司和提供担保的上游企业，谁会率先承压？

正文将据此建立一套区分市场硬数据、季度代理指标和非公开交易线索的观察方法。

过去三年，市场反复低估人工智能（Artificial Intelligence，AI）基础设施的资本开支。讨论也逐渐从“还会买多少芯片”，走到“谁来提供长期资金”。这里有一个常见疑问：图形处理器（Graphics Processing Unit，GPU）一般按五至六年折旧，很多项目融资也只有三至五年，怎么会影响十年期甚至更长期利率？

一座数据中心可以类比为一家酒店每五年更换客房电脑。电脑的更新周期不会把酒店大楼变成五年资产，也不会强迫酒店集团只发行五年债。即使酒店确实借了五年固定利率贷款，这笔贷款仍然会随着市场利率变化而改变价值。笔者此前在《一个Token的旅程（下） ：有没有AI泡沫？》中，从算力供求、Token价格和应用需求讨论过AI周期。本文把镜头移到资本市场：当前公开数据能测出什么，哪些数字只能做情景演算，挤出效应走到了哪里。

一、四个时间概念，三种利率价格

讨论AI融资，先要区分四个时间概念：

一美元资本开支不会自动变成一美元债券供给。Alphabet、Amazon、Meta、Microsoft和Oracle可以用经营现金流、账面现金、股权、公司债、租赁和项目融资共同支付建设成本。需要外部债务融资的部分才进入信贷市场；固定利率债务以及经过互换锁定基准利率的浮息贷款，才形成需要市场吸收的久期。企业借款成本可以近似拆成：

企业借款成本 ≈ 同期限国债收益率 + 信用与流动性利差

本文讨论的三条路径分别影响不同价格：

第一条是储蓄—投资路径。数据中心需要施工人员、电力设备、土地、芯片和电网容量。当新增投资不能被新增储蓄、海外资金和资源供给扩张充分吸收时，实际利率更容易承受上行压力。这里要观察全部投资需求，融资形式不会改变真实资源的消耗。

第二条是久期供给路径。企业发行固定利率债券，或用互换锁定浮息融资的基准利率，投资者和交易商便接手了利率风险。这条路径主要影响期限溢价和收益率曲线，需要观察本金、久期、币种和对冲方式。

第三条是发行人信用路径。杠杆上升、自由现金流下降、终端收入不确定性增加，会推高信用利差。AI发行人的利差扩大，既可能来自债券供给增加，也可能来自信用基本面变化。

三条路径可以同时发生，资本开支扩大影响实际利率，不要求企业一定发债；公司债供给影响期限溢价，也不能脱离市场预期和投资者需求；发行人信用恶化还可能引发避险买盘，压低国债收益率。

二、十年期等价：把不同期限放到同一把尺子上作比较

美联储使用“十年期等价”（10-year equivalents）衡量一个固定收益组合包含的利率风险：

十年期等价 = 债务本金 × 该债务的久期 ÷ 十年期国债的久期

本文为了说明方法，把十年期国债久期简化为8年。假设项目融资1000亿美元：三年固定债务久期约2.8年，对应350亿美元十年期等价；五年固定债务久期约4.5年，对应563亿美元；二十年债久期约12年，对应1500亿美元。图中同时标注DV01（Dollar Value of One Basis Point，利率变动一个基点对应的价格变化）。1000亿美元五年固定融资的DV01约4500万美元。收益率变动100个基点，对应的价格变化量级约45亿美元。短期限融资也能向整条收益率曲线传导。五年债供给增加后，五年收益率和利差先调整；相对价值交易会推动基金、保险和做市商重新配置十年、二十年乃至三十年资产。传导力度取决于期限偏好、套保成本、交易商容量、资金流和央行路径。

“十年期等价”没有假设所有债务都发行十年。它只是统一利率风险单位。融资是否与项目匹配，还要比较偿债现金流、设备更新支出和残值，仅凭折旧年限无法判断。

三、最新发行数据能测出什么

Capital Group统计，截至2026年8月31日，五家大型科技平台——Alphabet、Amazon、Meta、Microsoft和Oracle——年内发行债务2407亿美元，其中660亿美元为非美元债，因此美元债约1747亿美元。加入英伟达和SpaceX后，样本的美元发行额达到2245亿美元，全币种发行额达到2907亿美元。以上这组数据是AI相关发行人样本的累计公开发行额。

Dallas Fed今年2月转述的市场估计是：2026年AI相关投资级债券发行约3000亿美元，可能对应最高约3600亿美元十年期等价。两者相除，隐含1.2倍换算系数。在本文采用的8年基准久期下，1.2倍意味着组合平均久期约9.6年。本文参考Dallas Fed的估计，把1.2x作为久期等价系数：

图3测量的是累计公开发行的十年期等价情景值，Dallas Fed称3600亿美元十年期等价，约为美国财政部全年各种期限国债发行（都折合为10年期等价）2.88亿新增供给的八分之一，这无疑已经是一个不可忽视的量。

四、历史国债模型只能提供类比情景

为了观察收益率曲线上的数量级，笔者沿用美联储Li—Wei期限结构模型的历史系数。该模型估计，私人部门多持有相当于GDP 1%的十年期等价国债时，两年、五年、七年和十年期收益率分别变化约1.13、5.29、7.70和10.16个基点。

美国经济分析局最新修订的2026年二季度名义GDP年化值约32.563万亿美元。把上一节的情景换算值代入模型：五家大型科技平台美元债情景对应GDP的0.64%；加入英伟达和SpaceX后对应0.83%，历史模型类比值约为两年0.9个基点、五年4.4个基点、七年6.4个基点、十年8.4个基点。Dallas Fed全年情景对应GDP的1.11%，十年期类比值约11.2个基点。

以上测算基于以下假设：用全年预测隐含的久期系数换算截至8月底的发行；把公司债久期视作等量国债供给；沿用历史国债模型参数。它们适合帮助读者理解数量级，但无法作为真实影响的定量测算。

PIMCO对过去一年六笔超预期大型AI债券交易做了事件研究，在公告前后两日窗口中，没有识别出十年期国债收益率、期限溢价或互换利差的稳定反应。这个结果约束了“单笔发债立即推高国债收益率”的强因果叙事。样本较少、市场可能提前定价，影响也可能缓慢累积，因此不能用这项研究校准全年影响，更不能据此断言真实影响接近零。

但是，Li—Wei研究还强调供给变化的持续时间和未来路径。若市场早已预期发行，公告日冲击可能很小；若未来融资持续超预期，长期影响可能大于一次发行事件显示的结果。这个点很重要，说明外资行用CSP等AI债发行期间美债收益率变化不大来表明AI融资对美债收益率影响有限是有待商榷的。事实上，可能市场已经有提前反应。海外资金、保险需求、其他发行人缩短期限和交易商对冲，也会改变传导方向和强度。

而且，本节还只是讨论了直接久期渠道。AI建设通过投资需求、能源和施工资源影响实际利率的总幅度，没有考虑在内。

五、私人信贷怎样形成“看不见的久期”

公开债券每天有价格，私人信贷通常采用浮动利率。数据中心特殊目的载体（Special Purpose Vehicle，SPV）为了降低基准利率波动，可能搭配“支付固定利率”的互换：SPV向交易商支付固定利率，交易商向SPV支付浮动利率。互换收到的浮息可以抵消贷款中相同基准利率的部分，SPV仍需支付贷款信用利差。交易商收到固定利率后，可能通过国债期货、其他互换或债券组合对冲。私人信贷基金没有直接持有长期固定债券，利率市场却增加了一笔需要处理的合成久期。

Dallas Fed援引市场参与者信息称，2025年四季度此类合成期限供给可能达到500亿美元十年期等价，对应DV01约4000万美元/基点。这个也有助于读者了解AI私募信贷的规模。若按25Q4年化，也是2000亿美金十年期等价，是公开发债规模3600亿的接近一半，二者合计，已经达到各期限美债规模的近20%。AI发债无疑是美债发行市场房间里的大象。

六、当前所处的阶段：自身重定价清晰，公开发行债券市场上尚未观察到对非AI融资人的挤出

在所观察的美元投资级企业债样本中，重定价主要集中于AI相关发行人，暂未识别出广泛排挤非AI发行人的明确证据。融资放量已经发生：PIMCO统计，截至2026年9月23日，AI借款人约占美国非金融投资级美元债发行的四分之一；2025年这一比例不足13%，2024年约4%。高评级大型科技平台的信用利差在2026年明显扩大，十年至三十年信用曲线斜率从二十几个基点升至约40个基点；剔除这些平台和金融企业后的样本大致位于10—20个基点。这与“新增供给先由发行人自身加价吸收”的解释相容，但利差扩大也可能反映杠杆上升、未来现金流不确定性和投资者集中度限制，不能全部归因于债券供给。

非AI发行人的信用利差没有明显扩大，剔除AI后的非金融企业总发行仍同比增长。但是，信用利差即使稳定，企业总借款成本仍可能随国债收益率上升。25年以上非AI发行人的净发行在2025年和2026年收缩，企业可能被动受限，也可能主动避开昂贵的长期融资。

更何况，PIMCO研究仅覆盖美元投资级公开债券，无法外推到银行贷款、私人信贷、高收益债和中小企业。对非AI部门融资人的广泛挤出目前属于“尚未确认”，也只能停留在公开债券这个层面。而真实的微观外溢可能沿四条路径推进：

  1. 保险、养老金和债券基金增加AI债券配置，减少同评级、同期限的其他公司债，先表现为相对利差变化；
  2. 承销商和做市商为大额发行提供库存，占用资产负债表，其他交易的报价和流动性可能暂时恶化；
  3. 私人信贷基金提高数据中心配置额度后，工业、软件和中型企业的贷款额度或价格可能受影响；
  4. 数据中心争夺电力、变压器、燃机、土地和施工人员，使其他实体项目延期或成本上升。

项目是否削减，应比较项目预期回报与债权人、股东合计要求的资金回报。债务利率只是资金成本的一部分。若项目预期回报低于加权资金成本，管理层会缩小投资；若AI项目回报很高，它仍可能吸引资本和实物资源，使其他行业的边际项目被推迟。

七、融资变贵以后，AI产业内部谁先承压大型科技平台拥有广告、软件、电商和传统云业务，母公司现金流可以延缓融资压力。投资者仍要观察上一轮容量形成的收入、利用率、经营现金流和资本开支承诺。

新型算力云和数据中心SPV更依赖外部融资。六年至十五年合同可以提高可融资性，债权人仍需承担客户集中、合同续签、设备残值和再融资风险。租户信用较弱、合同期限短于资产融资期限时，资金成本会更快调整。

模型公司需要持续购买算力。收入和自由现金流如果不能覆盖承诺，融资价格上升会直接缩短现金跑道。订单最终付款人若来自同一批投资者、云厂商或芯片供应商，名义合同不能完整代表独立终端需求。

提供担保、残值支持和长期承购的上游厂商平时可以扩大销售，压力情景下可能同时遭遇收入下降、客户违约和资产残值下跌。风险取决于终端需求、利用率、技术替代和担保触发条款。

八、两条独立警报，六项跟踪指标

这轮AI融资需要分别设置两条警报。

外溢压力警报观察非AI企业融资成本、融资期限和项目削减。AI项目回报即使很好，也可能吸收资本、电力和施工资源，推迟其他行业的边际投资。

AI自身信用警报观察终端收入、利用率、自由现金流和再融资能力。即使其他行业融资正常，AI项目也可能因为收入兑现不足而出现偿债困难。AI信用恶化时，相关企业利差可能上升，避险资金却可能买入国债，国债收益率未必同步上行。

两条警报同时恶化，风险才会相互强化：其他行业开始削减投资，AI项目自身又无法覆盖承诺，担保和表外义务更容易实实在在影响财务报表。

对应到日常跟踪，可以考虑六项指标：

  1. AI发行占比：AI借款人占美国非金融投资级美元债发行的比例；
  2. 相对信用利差：大型科技平台与剔除AI后的非金融企业利差差值；
  3. 长端信用曲线：两类发行人的十年至三十年利差斜率；
  4. 非AI融资数量：非AI非金融企业总发行、长期净发行、平均期限与银行贷款条件；
  5. 合成久期线索：支付固定利率互换、互换利差和数据中心私人信贷余额；但这部分通常数据可得性比较差。
  6. 项目回报兑现：独立终端收入、订单质量、利用率、经营现金流覆盖资本开支和再融资需求。这部分数据可得性也不足，需要广泛地草根调研，或者用公司现金回报代理指标来替代。

据此，投资者可以建立三层观察体系：债券发行、相对利差和期限结构属于可定期更新的市场指标；银行贷款条件和企业现金覆盖属于季度代理指标；私人信贷互换、担保和AI项目独立回报披露不足，只能通过事件跟踪与区间估算补充。

结论

虽然AI芯片按五年折旧，AI融资已经确定性影响了10年期的美债利率。在美元投资级企业债样本中，AI相关发行人的利差和长端信用曲线已经重定价；广泛排挤非AI发行人的证据尚未出现。公开债券样本之外，银行贷款、私人信贷和实物资源的外溢仍需观察。投资者可以分别等待两项确认：非AI企业融资成本上升并削减项目，确认外溢压力；AI收入、现金流和再融资能力恶化，确认自身信用风险。两者可以独立发生，也可能在压力期相互强化。这个区分比简单判断“AI发债会不会推高所有利率”更有投资意义。

--- 数据来源与口径

测算说明： 本文把十年期国债久期简化为8年；1.2倍系数来自Dallas Fed转述的全年预测，并非逐券实测；收益率类比情景引用Li—Wei历史国债模型。累计发行额未扣除到期、回购、久期衰减、再融资和对冲，也不能全部归入AI专项建设。所有结果用于统一量纲，不构成实际利率点位预测。

本文为笔者个人观点，仅供参考，不构成投资建议，请自担风险。