硅谷藏了多少隐形债务？ - 球队进球数据

2026年夏季，Alphabet与亚马逊双双公布了创纪录的盈利数据，然而它们的股价却出现了下滑。

根本原因在于，这些利润大多只是账面上的数字。

Alphabet在该季度的1120亿美元净利润中，约有980亿美元源自其持有的SpaceX和Anthropic股份的账面价值上升，实际并未产生任何现金流入，其自由现金流反而呈现负数。

亚马逊的情况类似，其626亿美元利润里，有534亿美元来自于对Anthropic投资的估值调整。

与此同时，这些企业通过特殊目的载体和长期采购承诺，将大约1.65万亿美元的债务转移到了资产负债表之外，这一规模是其官方披露债务的两倍多。

Meta的隐藏程度最为严重，其约4200亿美元的表外负债几乎是其报告债务的三倍。

这种做法实质上就是将风险转嫁给了养老基金和保险公司。

如此看来，人工智能繁荣的基础，似乎比财务报表所显示的更为脆弱。

现金流压力已经显现

例如，Alphabet在2026年第二季度报告的净利润约为1120亿美元，同比增长约298%。然而，其中约980亿美元来自“其他收入”或权益投资的未实现收益，主要与SpaceX和Anthropic持股估值的提升有关。真正来自广告、云服务及其他核心业务的营业利润约为408亿美元。

408亿美元固然强劲，但与1120亿美元之间存在着约700亿美元的差距。

这个差距，正是账面估值对利润表的放大效应。

关键在于，这些估值提升并未带来任何现金流入。

SpaceX上市后，Alphabet需按会计准则调整其持股的账面价值；Anthropic完成新一轮融资后，估值上升，Alphabet也需随之进行重估。在会计上，这会生成利润；但在现实中，这些股票通常不会立即出售，甚至出于战略考虑，公司根本无意出售。

于是，利润表变得十分亮眼，但公司可支配的现金并未同步增长。

投资者若仅关注每股收益，便可能将这种“估值型利润”视为可持续的经营利润，从而给出过高的估值。

而在同一季度，Alphabet在数据中心、芯片及其他基础设施上的投资约为449亿美元，经营性现金流约为391亿美元，自由现金流为负59亿美元。

这是该公司自2004年上市以来，首次出现自由现金流为负的季度。

这个信号表明，尽管公司报告了创纪录的利润，但该季度的实际经营现金已无法覆盖资本开支。股价在公告后第二天下跌，也反映出专业投资者开始更加重视现金流。

亚马逊的情况几乎如出一辙。

亚马逊2026年第二季度净利润为626亿美元，同比增长约245%。其中约534亿美元来自非经营性收入项目，主要源于对Anthropic投资的重新估值。亚马逊自2023年起分几期向Anthropic投资了约80亿美元，部分为可转换债券，部分为无投票权优先股。

Anthropic在新一轮融资后估值上升，亚马逊按公允价值调整其持股，从而产生了超过500亿美元的会计收益。

然而，亚马逊并未出售这些股份，也未收到现金。

剔除这一项，剩余的净营业利润大约在200亿到210亿美元之间。

亚马逊的云业务和广告业务依然健康，但媒体报道中的“创纪录利润”，约有三分之二源自一项私人投资的估值变化。

这中间存在一个循环：云服务商投资AI实验室，AI实验室获得资金后购买云算力，云服务商确认收入，同时其持股估值上升，再在利润表上确认投资收益。这个循环在会计上每一步都可能合规，但在经济上却使得收入、利润与估值相互强化。

只要外部融资持续涌入，AI实验室估值继续上升，云厂商的利润就会持续好看。

一旦融资放缓，估值不再上升甚至下调，利润表便会反向调整。届时，云业务收入可能依然存在，但投资收益可能变成账面亏损，报表利润会迅速变脸。

因此，当前科技巨头的利润质量正在发生变化。

经营利润仍然强劲，但报表净利润越来越受私募市场估值的影响，而自由现金流则受到AI资本开支的严重挤压。传统的市盈率将这两者混为一谈，容易高估公司的真实盈利能力。

万亿缺口在哪里？

利润端的问题已经相当严重，而负债端的问题则更为惊人。

日本《日经亚洲》在梳理了Alphabet、微软、亚马逊、Meta和甲骨文的年报后得出结论，认为这五家公司官方资产负债表上的债务总额约为1.35万亿美元，而表外负债，即各种付款承诺和合同义务，估计高达1.65万亿美元。

表外负债已经超过了官方报告的债务。因此，如果只关注资产负债表上的债务，你看到的可能不到真实财务负担的一半。

而且，这个表外规模在四年内增长了约八倍，其增长节奏几乎与AI基础设施投资同步。

这些负债是如何从表上消失的？

一个机制是长期采购承诺。对于图形处理器、服务器、网络设备及其他硬件的订单，合同具有约束力，但根据现行会计准则，许多负债要到设备实际投入使用或交付时才被确认。于是，公司可以签下数百亿美元的多年订单，而当前的资产负债表上不会立即出现同等规模的债务。

另一个机制是合资项目和特殊目的实体。最典型的案例是Meta在路易斯安那州的Hyperion数据中心综合体。Meta与私募股权公司Blue Owl Capital合作，成立了独立项目公司。项目公司发行了约273亿美元的债券，Blue Owl及其关联投资者持有约80%的股份，Meta仅持有约20%。Meta通过长期租赁使用数据中心，租赁合同长达数十年，实际起到还款作用。

然而，由于项目公司在法律上独立，且根据相关合并标准，Meta不被视为主要受益人，因此这273亿美元的债务无需直接出现在Meta自己的资产负债表上。

表上只反映项目公司的股权和未来的租赁付款，而租赁付款要等到设施于2029年投入运营后才更为明显。

《日经》的分析认为，Meta累积的表外负债约为4200亿美元，几乎是其官方报告债务的三倍。这个数字如果接近真实情况，意味着Meta的真实杠杆率远高于公开债务比率所显示的水平。

类似的做法并非Meta独有。

随着AI资本开支的扩大，微软、亚马逊、Alphabet都可能更多地采用特殊目的实体加私人信贷的模式，因为自身的资产负债表容量有限，而AI数据中心投资规模过于庞大。

这些安排合法吗？合法。它们符合现行会计准则，也在年报附注中进行了披露。它们与2000年代初安然那种违法欺诈、故意欺骗投资者的操作有本质区别。

然而，合法不等于没有风险。法律形式将债务移出了表内，但经济实质却仍然与母公司紧密相连。项目公司借钱建设数据中心，Meta签订长期租赁合同，租金支付义务具有刚性。

如果算力需求不足，数据中心利用率下降，项目公司收入不足以偿还债务，债权人将承受压力；而Meta可能因剩余价值担保、声誉压力和战略需要，被迫提供支持。

风险并未消失，它只是被转移到了其他环节。

私人信贷市场在此扮演了关键角色。Blue Owl、BlackRock、Pimco等机构愿意提供超长期贷款，以特定项目为抵押，收益率高于传统公司债。例如，Hyperion的利率相对美国国债的溢价约为225个基点，实际利率约6.6%到6.9%，高于Meta直接发行传统公司债的成本。

贷款机构愿意接受，是因为评级机构标准普尔给项目公司债券的评级为A+，仅比Meta自身评级低一档，背后有集团提供的剩余价值担保。

养老基金和保险公司对这类长期、高收益、看似安全的资产需求旺盛。结果就是，AI建设热潮的风险从科技公司资产负债表扩散到更广泛的金融体系，进入了养老金、保险投资组合及其他机构账户。

许多最终承担风险的人，并不清楚自己持有的产品底层是什么。

这里还存在一个问题：债务期限可能长达二十到三十年，但AI硬件，尤其是特定型号的GPU和服务器，经济寿命可能只有三到五年。数据中心外壳可以使用很久，但里面的计算设备却需要不断更新。用长期债务支持短期技术资产，需要持续不断的资本开支和算力需求来维持现金流。

一旦技术路线变化、算力价格下降或需求增长放缓，租金收入可能无法覆盖长期债务。

融资期限与资产经济寿命之间的差距，是当前结构最脆弱的地方之一。

未来的算力需求成了抵押品

因此，我们会发现，利润端和负债端其实都依赖于同一个假设：私人AI公司的估值继续上升，或至少保持稳定；AI算力需求继续高位增长，数据中心能产生足够收入来支付租金和债务。

只要这两个条件成立，Alphabet和亚马逊可以继续从Anthropic等投资中获得账面利润，特殊目的实体也能靠租金偿还私人信贷。

报表看起来会很漂亮，市场也会继续给予高估值。

不过，这两个条件并不独立。

它们都建立在生成式人工智能实际经济应用能够快速扩散、企业愿意持续支付高额算力费用的前提上。如果应用落地慢于估值预期，私人AI公司融资难度上升，估值下调，Alphabet和亚马逊就要确认账面亏损，利润表会立刻承压。

与此同时，已经签约的数据中心租赁付款不会因为需求放缓而消失。

项目公司仍需还债，Meta或其他母公司仍可能面临剩余价值担保和声誉压力。利润端的账面收益和负债端的刚性义务会同时反转，形成双重挤压。

这与2008年金融危机前的结构有相似之处。当时，银行通过结构化特殊目的载体将风险移出资产负债表，重新分配给广泛机构投资者。

大家同样认为结构合法，同样依赖房价稳定或上涨的假设。当假设破裂，连锁反应就出现了。

今天不同的地方在于，科技巨头经营业务非常稳健，现金储备充足，信用评级很高，远未到当年金融机构那种杠杆和流动性危机。

但共同点也很明显：风险被转移到透明度更低的结构，集中在专业但相对较小的贷款机构，整个体系集体押注当前增长趋势不会中断。

在我看来，AI技术本身有真实需求，云业务、广告业务和企业软件仍然能产生强劲现金流。实质问题不在于技术真假，而在于融资结构将技术风险转化成了金融久期风险。

科技公司将二十年期的债务义务，建立在可能几年就过时的硬件和不断变化的算力需求上。而私人信贷市场将这笔债务打包成高收益、A+评级的资产，卖给养老基金和保险公司。评级机构依赖母公司的剩余价值担保，投资者依赖评级，母公司依赖表外处理。每一个环节都合理，每一个环节都让风险离原始决策更远。

甚至，非银金融部门的监管强度通常低于银行。私人信贷基金、特殊目的实体、项目公司债券，很多不在传统银行监管框架内。

一旦AI投资回报低于预期，损失不会首先出现在科技巨头的主资产负债表上，而会先出现在项目公司、私人信贷基金、养老金和保险投资组合里。到那时，科技公司可以强调法律隔离，贷款机构可以强调担保条款，评级机构可以调整评级，但最终承担损失的，可能是普通退休账户和保险保单持有人。

这就是当前AI繁荣最容易被忽略的系统性传导路径。

未来几年，如果Anthropic下一轮融资估值继续大幅上升，Alphabet和亚马逊很可能再次报告异常高的账面利润；同时，由于数据中心和芯片资本开支继续增加，自由现金流预计继续承压。

在这个趋势下，或许会有更多科技公司采用Meta模式，通过特殊目的实体和私人债务基金开展数据中心项目，因为自身资产负债表容量有限。

行业人士预计，美国五大科技公司2026年资本支出将超过5000亿美元，是几年前的数倍。

这些资金越来越多地来自传统公司债、贸易融资、特殊目的实体和私人信贷。科技行业与全球信贷市场的关联会进一步加深，系统重要性继续上升。

对投资者来说，传统指标已经不够了。净利润需要拆分，其他收益要单独看待，自由现金流要放在资本开支后面分析，资产负债表要加上脚注里的采购承诺、租赁义务、特殊目的实体和剩余价值担保。

对监管者而言，重点大概并不在于禁止特殊目的实体，而是要求经济风险并表、加强披露、进行压力测试、限制养老基金和保险资金在单一技术主题上的集中度，并对剩余价值担保进行更审慎的资本和定价处理。那我们普通投资者呢？至少要知道，自己持有的养老金和保险产品，可能间接参与了这场AI基础设施的长期债务融资。

本文来自微信公众号“东针商略”，作者：东针商略，36氪经授权发布。