英伟达融资模式引警讯：AI 繁荣下的资产负债表陷阱

据 Woofun AI 消息， 量化负责人 指出，尽管人工智能（AI）领域的实际需求与资本开支确凿无疑，但（）等核心供应商正通过产品承诺、算力回购、股权投资及担保等复杂金融手段，深度介入客户的融资环节。

这种模式使得市场难以分辨增长中究竟有多少源自'独立可融资的真实需求'，其形态更类似于 1997 年科网扩张时期的供应商融资行为，而非 1999 年的泡沫顶点。Cress 强调，投资者不应抛弃 AI 赛道，而应将目光锁定在那些资产负债表稳健、现金流充沛的标的上，以应对潜在的系统性风险。

回顾历史，上世纪末科技、媒体与电信（TMT）泡沫的兴衰轨迹，与当前 AI 繁荣及巨额资本开支之间存在着令人不安的相似性，这种镜像关系正引发市场的深层焦虑。1990 年代末的 TMT 繁荣揭示了一个残酷事实：技术创新完全可以与金融过度并存。当时，激进的融资手段支撑了大量非有机需求，为随后的市场修正埋下了隐患。投资者若纠结于'AI 是否是泡沫'这一二元命题，往往容易迷失方向；更理性的策略是将注意力转向那些在估值、增长、盈利、现金流及资产负债表方面足够强壮，能够抵御开支放缓冲击的公司。不必完全放弃 AI 敞口，但应通过全天候策略进行分散配置，收益来源应涵盖盈利增长、盈利能力、估值、现金流及可持续分红等多因子，而非单一押注叙事。

当前 AI 繁荣的真实性毋庸置疑，但警示信号同样清晰。投资者面临的核心问题已不再是 AI 是否会改写经济，而是支撑这场转型的金融体系是否比底层经济更为激进。许多 AI 科技领袖已对研发与开支节奏表达担忧，认为可能需要踩下刹车。

这种情景在近三十年前曾上演过。关于今日 AI 繁荣与上世纪末 TMT 泡沫的相似度，争论仍在继续，但相似点显而易见：海量资本开支涌入变革性技术，公司间展开赛跑式的基础设施建设，估值已达极端水平。英伟达最新季度营收达 962 亿美元，同比增长 106%；数据中心业务收入飙升 117%，至 890 亿美元。（/）预计 2026 年资本开支约 1950 亿至 2050 亿美元，（）则预计约 1750 亿美元。建设 AI 基础设施所需的投资规模在历史上罕见，涵盖 GPU、数据中心、网络设备、电力冷却及配套系统。

与此同时，AI 生态内的金融关系日益紧密：芯片厂、云厂商、AI 开发者与数据中心运营商互相投资、签署长期产能协议，甚至直接提供财务支持。支撑这轮扩建的金融框架轻则复杂，重则令人不安，这并不意味着 AI 繁荣已见顶，但市场必须追问：被定价进 AI 股票的增长中，有多少来自可持续、能独立融资的需求？又有多少依赖持续的海量资本注入？

许多投资者倾向于将当下与 1999 年对比，但 Cress 认为，我们看到的镜像更像是 1997 年，且随着进入 2027 年，这一特征将更加清晰。1997 年，互联网与电信革命本身非常真实，大公司大举投资网络、光纤与设备，预期上网与数据流量将指数增长。

然而，更难看清的是扩建中每个参与方能否获得足够的资本回报。早期被忽视的警示之一正是供应商融资角色的扩大：当银行等传统机构不愿承担风险时，制造商与供应商越来越多地自行帮助客户（如较小的电信公司与下游受益方）融资购买设备。1997 年 5 月，（）宣布已将逾 80% 的客户融资承诺投向主要 PCS 运营商，总额约 17 亿美元。随着电信扩建竞争加剧，这种做法被广泛采用。到 1999 年，（）管理层甚至将此类融资吹捧为竞争优势，使新兴无线运营商也能获得资金。1997 年底，科技牛市远未结束，最终高点直到 2000 年 3 月才出现。正因如此，1997–1998 年的情境格外适合用来对照今天。