AI基建上看10.3兆美元，科技巨頭資本支出還能高過現金流嗎？

 

AI 基礎建設的資金需求，已經拉到美國總體層級

布魯金斯學會最新研究把焦點直接放在 AI 基礎設施上。到 2032 年，美國可能需要投入高達 10.3 兆美元，涵蓋資料中心、電力系統、網路與專用運算設備。哥倫比亞商學院教授估算，2025 年到 2032 年之間，相關投資平均每年會吃掉美國 GDP 約 3.6%。

這個規模的意義很直接。它已經接近一場新的全國型建設潮，而且尺度明顯大過美國過去在鐵路、公路、電氣化與電信上的資本投入。

 

2026 年大型科技公司資本支出，首次壓過合併營業現金流

報告另一個最關鍵的訊號，是大型科技公司的支出結構正在變。甲骨文(ORCL)、微軟(MSFT)、亞馬遜(AMZN)、Meta(META)與Alphabet(GOOG)等公司，2026 年合計資本支出預估將超過 8,000 億美元，這會是它們的資本支出第一次高過合併營業現金流。

支出壓力升高，代表 AI 建設已從「用內部現金就能撐住」走向「必須重新找錢」。這也解釋了為什麼市場開始更仔細看科技巨頭的融資能力，而不只看雲端營收或模型發布。

我認為，這裡的重點在於資本開支的持續性。當支出規模先跑到現金流前面，後面的問題就不只是成長速度，而是誰來承接這筆資金需求。

 

融資管道變複雜，表外槓桿同步放大

面對這種支出壓力，科技業開始更多使用租賃、合資企業、專案債務、私募信貸、證券化與特殊目的實體等方式。這些工具確實擴大了可用資金池，也讓公司能更快推進資料中心與相關設備部署。

但代價也很清楚。財務槓桿往表外移動之後，風險更分散，也更難從單一公司的財報表面直接看出來。或有負債、專案層級債務與租賃承諾，會讓整體市場的曝險變得更不透明。

這種變化對金融市場很重要。當資金來源從單純企業自籌，轉成更長鏈條的專案融資，風險傳導就不只在科技公司內部，而會延伸到信貸、私募資本與資產證券化市場。

 

Meta 的 Hyperion 專案，示範了專案層級的高槓桿

Meta(META)旗下的 Hyperion 資料中心，是報告拿來說明風險結構的案例。這個專案成本約 300 億美元，Meta 先把 80% 股權出售給投資機構 Blue Owl，再透過外部債務籌得約 270 億美元。

Meta 公司本身的企業槓桿率仍維持在較低水位，但單一專案層級的債務佔資產比率已接近 90%。這個對比很有代表性，因為它說明科技巨頭表面上財務穩健，專案底層卻可能承受高度槓桿。

專案融資的風險在於，一旦資料中心的租用、收益或現金回收不如預期，壓力會先在專案層級堆積，接著才往外擴散到金融機構與資本提供者。

 

AI 建設仍在推進，但風險已經不只來自需求

學者也提醒，AI 產業鏈的基本面風險正在增加。除了運算需求本身會變動，還有硬體淘汰速度快、電力供應穩定性、工程延誤，以及少數大型資料中心租戶的信用狀況等問題。

這些風險彼此獨立，卻會在同一條供應鏈上交錯出現。資料中心建得越快、資本越大，任何一個環節出現延遲，都會直接反映在回收期與融資條件上。

布魯金斯學會的研究沒有把這波 AI 建設浪潮直接定義成與過去信貸泡沫同級的系統性威脅，但它明確指出，市場透明度不足會讓連鎖風險更晚被看見。現在能確認的是，AI 基礎建設仍在加速，資金結構卻已經進入更高槓桿、更多表外安排的階段。接下來要觀察的，會是科技巨頭資本支出是否繼續超過營業現金流，以及專案融資市場是否還能順利吸收這波需求。