8 月 23 日，阿里巴巴在中国香港市场启动新股配售，拟以每股 112.7 港元发行 7.1 亿股，募资 800 亿港元，约合 102 亿美元。若交易完成，这将成为中国香港上市公司史上规模最大的后续发行，也是 2026 年全球第三大同类融资，仅次于 Alphabet 和 Intel。
订单很快超过原定规模，主权基金入场，发行金额随需求上调。所得资金将全部投入 AI，覆盖芯片、基础设施、模型开发与部署。
三天前公布的二季度财报已经解释了这笔融资。AI 云与计算服务收入同比增长 45%，达到 484.4 亿元，资本开支同期增至 676.8 亿元，同比增长 75%。
同一个季度，经营现金流只有 229.5 亿元，自由现金流净流出 446.7 亿元。三年 3800 亿元的投资计划已经执行近半，吴泳铭上一季度又取消了原本的投入上限，称实际金额会远远超过原计划。按当前毛利水平粗算，这批 AI 基础设施大约需要三年回本。
阿里并不缺钱。截至 6 月底，公司仍持有 4745 亿元现金及其他流动性投资。这笔融资解决的是资本期限配置。经营现金流持续产生，数据中心却需要数年建设和回收，长期电力协议和二十年租约还会进一步拉长资金占用周期。长期用短期现金覆盖这类资产，会持续消耗财务弹性。权益资本没有固定到期日，更适合承担回收期漫长的投入。
AI 的资本开支开始改变互联网公司的资金结构。过去讨论的是有没有足够多的钱，现在还要讨论这笔钱应该以什么期限存在。
Alphabet 先调整的是股东回报。二季度公司收入增长 24%，Google Search 增长 17%，Google Cloud 增长 82%，集团营业利润率仍有 34%，核心业务几乎挑不出毛病。
同期经营现金流为 391 亿美元，资本开支却达到 449 亿美元，自由现金流第一次降至负 59 亿美元。董事会手里还有近 700 亿美元尚未使用的股票回购授权，2026 年上半年却没有回购一股普通股。
六年前，互联网巨头还在讨论怎么把不断积累的剩余现金还给股东。到了今年，Alphabet 把回购额度留在账上，自己重新进入资本市场融资。AI 开始改变利润在公司内部的分配顺序。
腾讯面对的是另一种压力。2026 年二季度资本开支 527 亿元，实际资本开支付款达到 593 亿元，上半年合计 847.2 亿元，半年已经超过 2025 年全年，当季自由现金流降至负 138 亿元。
腾讯在财报中补充了一种口径，剔除提前支付的 AI 算力采购款，自由现金流其实可以达到正 376 亿元。支付时间的变化，就足以制造五百多亿元的现金流差额。三个月里，腾讯净现金从 1468.6 亿元降至 581.9 亿元。
百度的问题更直接。二季度经营现金流只有 34.4 亿元，资本开支达到 113.9 亿元，自由现金流流出 79.5 亿元。
在线营销收入同比下降 19%，过去最重要的现金来源还在收缩；AI 云基础设施收入增长 50%，其中 GPU 云增长 283%，需要资本的新业务却已经进入加速期。
收入结构已经开始迁移，现金流结构还停留在过去。百度需要用一条不断收缩的旧业务现金流，为刚进入资本密集期的新业务付款。
资本开支本身也在变贵。TrendForce 在 5 月将全球九大云厂商 2026 年合计资本开支预估上调至约 8300 亿美元，同比增幅从 61% 提高到 79%。
增加的预算并不全部对应更多设备，零部件涨价已经吃掉相当一部分。微软约 1900 亿美元资本开支中，有 250 亿美元只用于消化零部件涨价；字节也因为内存价格上涨，把全年资本开支从 1600 亿元提高到超过 2000 亿元。
同一笔预算，能买到的算力比年初少了。
这些公司依然有很高的利润，也握着巨额现金，但资本已经不再宽松到可以忽略机会成本。自由现金流开始承压，回购可以推迟，融资需要增加，一笔钱投向算力，也就意味着它无法同时留给并购、旧业务或者另一条增长曲线。
过去十几年，充足的现金流给互联网公司提供了很长的试错周期。AI 正在缩短这种宽容。
资本从互联网公司的默认条件，重新变成了增长约束。
几乎所有大厂都已经选择继续投入。资本约束真正出现以后，下一轮竞争就进入了资本配置。过去可以同时下注的业务，现在开始需要分出先后。
AI 的机会成本开始
拆开阿里的报表，AI 本身已经处在不同的回报周期。
AI 云与计算服务季度经调整 EBITA 达到 56.3 亿元，同比增长 133%，已经开始贡献经营利润。模型和消费级应用仍在投入期，当季收入约 33.4 亿元，经调整 EBITA 亏损 138.6 亿元，亏损额是上年同期的四倍多。更下一轮的算力建设还在形成资产，回报尚未进入报表。
再加上即时零售和国际电商，阿里同时推进的几条增长曲线，开始争夺同一张资产负债表。
这种竞争很快会传导到旧业务。过去两年，阿里先后退出银泰和高鑫零售，8 月 17 日又与 Trustar 达成出售灵犀互娱的协议，交易据报超过 20 亿美元。灵犀仍拥有《三国志·战略版》这样的成熟产品，出售它已经很难简单解释为清理亏损资产。
字节对沐瞳的处理更明显。2021 年，字节以约 40 亿美元估值收购沐瞳；今年出售给沙特 PIF 旗下 Savvy Games 时，交易估值已经超过 60 亿美元。游戏一度是字节重点进入的新市场，沐瞳也仍在增值，但当集团内部的优先级改变，一项赚钱的资产同样可以退出。
微软甚至把这种重新排序带进了核心业务。690 亿美元收购 Activision Blizzard 还不到三年，Xbox 已经开始重新核算投入产出。7 月，微软宣布裁员 4800 人，其中约 3200 人来自游戏业务，四家工作室将被出售或分拆。
Bloomberg 披露的内部数据显示，剔除 Activision Blizzard 后，Xbox 过去五年在内容、平台和硬件补贴上的投入超过 200 亿美元，内部考核口径下的利润率已经降至 3%。
公司金融把这种状态称为资本配给。
资金足够宽松时，一项尚未被证伪的业务可以长期保留，战略可能性本身就有价值。AI 把资本开支推高以后，这种选择权开始有明确成本。每多留一项业务，就少一部分资金可以配置给算力和新的增长曲线。
出售所得未必直接流向 AI，但资本的比较标准已经改变。
战略价值已经不能单独构成继续占用资本的理由。
现金在减少，资产还在升值
AI 投资正在制造一种看起来矛盾的财务状态。现金先被数据中心和 GPU 消耗，形成的基础设施随后进入资产负债表；对 AI 公司的股权投资升值，又可能推高当期利润。
自由现金流恶化、资产扩张和利润增长，可以同时发生。
Amazon 是最极端的例子。截至今年 6 月的过去十二个月，公司经营现金流达到 1614 亿美元，同比增长 33%，设备及基础设施净采购额却同比增加 661 亿美元，自由现金流从一年前的流入 182 亿美元降至流出 76 亿美元。
同期 Amazon 净利润达到 626 亿美元，其中包含 534 亿美元非经营性税前收益，主要来自 Anthropic 投资升值。仅 Anthropic 非投票优先股的价格变化，就贡献了约 505 亿美元。
一边是 AI 基础设施吞掉现金，一边是 AI 股权重估推高利润。现金流和利润表开始讲两个不同的故事。
微软与 OpenAI 的关系更复杂。截至 2026 财年末，微软对 OpenAI 的投资承诺为 130 亿美元，其中 119 亿美元已经投入，按转换后口径持有约 25% 权益。同一个财年，微软又从双方的商业安排中确认了 241 亿美元收入，年末还有 60 亿美元应收账款。
OpenAI 既是微软的被投公司，也是它的大客户。股权上涨增加资产价值，模型调用、Azure 服务和收入分成又形成经营收入。一笔战略投资开始同时获得资本回报和经营回报。
腾讯则拥有更厚的资产存量。截至 6 月底，上市被投公司股份公允价值达到 4872 亿元，非上市被投公司账面价值还有 3879 亿元，合计接近 8751 亿元。与此同时，腾讯当季自由现金流为负 138 亿元，仍然拿出 169 亿港元回购股票。
自由现金流下降，削弱的是当期自行投入的能力，并不会同时抹掉过去积累的资产和长期盈利能力。
现金流决定一家公司能拿出多少钱，资产负债表决定它还能借到多少钱。
到了 2026 年，这两种能力开始出现明显分化。AI 投资继续扩大以后，资本市场看的已经不只是利润和现金，还包括资产质量、长期合同和未来的偿付能力。
大厂之间的融资成本，也因此开始拉开差距。
资本成本开始决定产能
AI 扩张到了这个阶段，公司能建多少数据中心，已经不只取决于芯片和电力，也取决于能以什么价格拿到多长期限的资金。
今年 6 月，Alphabet 通过公开发行和定向发行普通股，以及强制可转换优先股，连续完成三笔权益融资，合计募得 495 亿美元。同期又通过高级无担保债取得 203 亿美元净融资，仅二季度的外部融资就接近 700 亿美元，资金用途包括扩大 AI 基础设施和全球算力。
8 月 19 日，Alphabet 又首次进入澳大利亚债券市场，发行 55 亿澳元债券，最长一档达到 20 年，投资者订单超过 180 亿澳元。
一家过去主要依靠经营现金流完成投资的公司，开始同时使用股权、长期债务和不同币种的资本市场。AI 需要解决的已经不只是融资规模，还有资金期限和来源的稳定性。
整个行业都在发生类似变化。截至 7 月 7 日，Amazon、Alphabet、Meta 和 Oracle 今年已经发行约 1940 亿美元债券，比 2025 年全年高出 79%。五大云厂商新增债务相当于资本开支的比例，也从 2024 财年的 9% 升至今年 6 月的 32%。
当接近三分之一的新增资本开支需要依靠借款，信用本身就开始成为扩张条件。
问题在于，这笔钱对每家公司并不是一个价格。
Oracle 2026 财年自由现金流为负 237 亿美元，下一财年资本开支指引最高达到 950 亿美元。即使扣除客户可能返还的 250 亿美元，仍有约 700 亿美元需要自行承担。
7 月，标普将 Oracle 的信用评级下调至 BBB-，距离垃圾级只差一档。它的五年期信用违约互换一度升至 215 个基点，创十八年新高，债券收益率达到 7% 至 8%。同期 Alphabet 和 Amazon 的债券收益率只有大约 2.5% 至 3.5%。
为了维持投资级评级，Oracle 在 2026 财年已经发行 430 亿美元债券，并完成 50 亿美元股权融资，下一财年还计划再融资约 400 亿美元。
同样一批 GPU，设备采购价格不会相差太远，支撑它们的长期资金却可能相差几个百分点。
资本结构已经开始直接决定算力扩张的上限。
CoreWeave 说明，资金价格也可以通过融资结构重新定价。2023 年，公司以 GPU 作为主要信用基础融资时，利差一度高达基准利率上浮 9.62 个百分点。GPU 更新快、残值难以判断，本身并不是金融机构喜欢持有的长期抵押物。
今年 3 月，CoreWeave 通过项目公司完成 85 亿美元融资，把高性能计算基础设施和长期客户合同一起放进信用结构，贷款获得投资级评级，浮动利率降至基准利率上浮 2.25 个百分点，固定部分约为 5.9%。
两个月后，另一笔由信用较弱客户合同支持的 31 亿美元贷款，评级下降至投资级以下，利率也重新升至基准利率上浮 4.5 个百分点。
同一家 CoreWeave，同样建设 AI 算力，仅仅因为客户信用、合同期限和融资结构不同，资金价格就能相差两个百分点以上。
一家公司能够用 5% 的长期资金建设数据中心，另一家公司需要支付 9%，能够承受的回收周期、利用率和服务价格自然不同。资金越便宜，就越有能力接受更长的产能爬坡，也更有空间参与推理价格竞争。
芯片成本决定算力可以卖多便宜，资本成本决定这个价格能够维持多久。
降价能力开始成为融资能力的延伸。
真正锁住预算的是长期合同
资本开支记录的是已经发生的投资，长期合同锁定的却是未来十几年还能不能少花钱。
Meta 的财报已经拉开了这两个数字的距离。截至 6 月底，公司已经签署、但尚未开始执行的经营和融资租赁义务达到 2789.9 亿美元，主要用于数据中心、托管设施和网络基础设施，最长期限达到 30 年。7 月，Meta 又新增约 680 亿美元数据中心租赁，合同期限普遍在 18 至 20 年。
除此之外，公司还有 3493.1 亿美元不可取消的合同承诺，主要用于第三方云算力和技术基础设施。部分采购协议甚至要求提前存入保证资金，因此有 108 亿美元货币市场基金已经转为受限现金，要等到 2028 年至 2030 年相关义务完成后才能释放。
合同还没有真正开始履行，资金的自由度已经先下降了。
微软的规模更大。截至 2026 财年末，公司披露的合同义务达到 7438.2 亿美元，其中包括 3291 亿美元尚未开始的数据中心租赁，最长期限为 20 年。Alphabet 也有 852 亿美元尚未开始的数据中心租赁，最长达到 26 年，部分长期能源协议的期限同样超过二十年。
Reuters 根据五家公司最新披露计算，Microsoft、Meta、Oracle、Amazon 和 Alphabet 尚未开始的租赁付款合计约 1.09 万亿美元，接近表内已确认租赁负债的四倍。
真正把大厂锁进这一轮 AI 周期的，已经不只是今年花出去多少钱，还有今天替未来签下了多少预算。
这也改变了退出的成本。消费级应用效果不好，可以减少投放、缩小团队，甚至直接关掉。数据中心一旦进入建设，电力、土地、设备和租赁合同却不会跟着一个季度的业务判断消失。今天多建一座机房，可能意味着未来二十年都要为这个决定付款。
刘炽平在腾讯二季度业绩会上把 AI 资本开支解释为集中采购，大额投入主要发生在今年和明年，不应该简单外推成每年重复出现的固定规模。这个判断在现金支出层面成立，但长期合同有自己的时间表。采购可以集中完成，租金、电力和折旧却会继续进入此后多年的报表。
微软已经开始看到这种影响。2026 财年，公司服务器、网络设备和软件原值达到 2158.7 亿美元，上一财年还是 1328.4 亿美元；集团折旧费用也从 2024 年的 152 亿美元升至 2025 年的 220 亿美元，今年进一步达到 343 亿美元。
这里还有一层更难处理的期限错配。微软的服务器和网络设备通常按照两到六年折旧，部分数据中心租赁却长达二十年。芯片更新越来越快，如果实际经济寿命继续缩短，公司可以提前折旧甚至确认减值，但机房、电力和租赁合同不会因此缩短。
几年的芯片，开始被装进二十年的合同里。
算力开始成为一种资产
长期合同锁定了未来需求，建设资金却要在今天到位。
Morgan Stanley 测算，未来四年全球数据中心和相关硬件需要投入约 2.9 万亿美元，大型云厂商依靠自身资金只能覆盖其中约 1.4 万亿美元，剩下 1.5 万亿美元需要外部资本填补。其中约 8000 亿美元预计来自私募信贷，2000 亿美元来自投资级公司债，1500 亿美元来自数据中心证券化，其余由股权和主权资金承担。
当建设规模超过公司自身现金流，融资对象也开始发生变化。资本不再只判断一家公司值不值得借钱，而是单独判断一座数据中心、一批 GPU 和背后的长期合同值多少钱。
8 月 10 日，Nvidia 与 Apollo、BlackRock 等六家金融机构签署合作协议，计划建立算力基础设施融资平台，未来动员超过 5000 亿美元第三方资本。Nvidia 同时提出，要把算力变成一种可以被长期资金配置的资产。
这套结构已经开始落地。Valor 管理的 VCI 基金以 54 亿美元购买包括 Nvidia GB200 在内的算力设备，再长期租给 xAI；Apollo 管理的基金提供 35 亿美元资本方案，Nvidia 自己也参与出资。设备留在基金的资产端，xAI 把一次性采购转化为长期租金，未来的租金收入又成为今天融资的依据。
Meta 的 Hyperion 项目规模更大。预计约 270 亿美元的开发成本中，Blue Owl 管理的基金持有项目 80% 权益，Meta 保留 20%，建成后再长期租用。Meta 没有完全退出信用关系，还为项目运营前 16 年提供了有上限的残值保障。
资产可以移出大厂的资产负债表，信用仍然通过租约、客户合同和残值保障留在交易里。资本占用从今天被推向未来，建设资金则提前到位。
成熟的数据中心还可以进一步进入证券化市场。数据中心证券化产品的存量规模已经从 2020 年的 40 亿美元增至今年的 610 亿美元，在非传统证券化市场中的占比从 3% 升至约 12%。7 月，美国证券监管部门又进一步明确了部分数据中心证券的监管口径，符合条件的结构可以免于传统资产证券化产品的 5% 风险自留要求。
一套独立的融资市场正在形成。大厂的长期租约、模型公司的算力采购合同和数据中心本身，都可以被拆出来定价，再进入保险资金、私募信贷和基础设施基金的投资组合。
这也意味着，算力建设能够调用的资本，开始超过任何一家科技公司的经营现金流。
风险没有消失，只是被重新分配。未来需求如果低于预期，或者 GPU 残值下降，损失最终落在谁身上，取决于租约、担保和追索权如何安排。
算力金融化，就是把未来十几年的合同现金流，提前变成今天的建设资金。
重新定价风险
算力融资还没有出现大规模违约，但信用市场已经开始重新定价风险。
CoreWeave 今年完成的一笔 26 亿美元贷款很典型。贷款期限接近五年，底层客户合同平均只有三年，其中 Anthropic 相关合同约占四成。客户合同先到期，债务还没有还完，数据中心租约则可能继续十年以上。
投资人最初认购冷淡。CoreWeave 随后把收益率提高到接近 9.1%，并加入现金锁箱，要求相关合同收入优先进入受控账户偿债。条件收紧以后，订单迅速增至约 90 亿美元。
钱依然能够拿到，只是贷款人开始要求更高的收益和更强的控制权。
真正昂贵的是合同到期以后的几年。客户是否续约，旧 GPU 还能以什么价格出租，都会直接影响贷款价值。过去属于技术和运营的问题，开始进入信贷定价。
Reuters 统计，大型科技公司债券的认购倍数从 2 月接近 5 倍降至 7 月不足 2 倍。Amazon 7 月发债的认购倍数只有 1.6 倍，3 月还达到 3.4 倍。
信用收紧通常不会从「借不到钱」开始。订单先减少，新债需要给出更高收益，合同条款随后变严，发起人投入更多股本。只有当这些条件仍然无法匹配风险，新项目才会真正失去融资。
钱先变贵，然后才可能变少。
信用开始变贵以后，产业链上的其他公司也被迫承担更多风险。
8 月 10 日，黄仁勋表示，Nvidia 可以根据项目决定是否提供信用支持，上限约为潜在交易规模的 25%。一周后，OpenAI 在俄亥俄州的数据中心项目采用了更大的安排。OpenAI 签下 20 年租约，Nvidia 向项目提供最高 1050 亿美元的或有信用支持，同时向开发商 SB Energy 投资 15 亿美元。
这笔承诺覆盖部分租金、电力付款和场地残值，并不意味着 Nvidia 当期拿出同等规模的现金。但它改变了风险的归属。GPU 的销售收入可以在今天确认，下游项目未来二十年的部分履约风险，却开始进入 Nvidia 自己的信用。
资产可以转移，信用最终还要有人承担。
现在把这一轮算力金融化类比成「AI 次贷」还太早。大量核心项目最终由 Microsoft、Meta、Google 等高信用公司使用，底层信用质量与 2007 年的住房按揭市场相差很远。很多数据中心债务也要求在存续期内偿还 20% 至 40% 的本金，降低了到期时一次性再融资的压力。
真正敏感的是算力云公司和项目公司。它们往往用三到五年的客户合同支撑十几年甚至更长的数据中心租约，同时依赖持续融资扩张。客户不续约、GPU 租金下降，首先变化的就是下一笔贷款的价格和条款。
过去两年，高信用客户的长期合同一度把算力融资成本压低，甚至帮助部分项目获得投资级评级。到了 2026 年，资产规模继续扩大，投资人开始重新计算合同期限、客户信用和 GPU 残值，保护条款随之增加。
系统性违约还没有出现，信用周期已经开始。
市场仍然愿意为 AI 提供资金，只是开始重新决定什么样的合同值得借钱，一批 GPU 又究竟能抵押多少年。
谁能等到最后
中美大厂都在为回收期很长的 AI 资产寻找长期资金，可用的融资工具并不相同。
美国公司有更深的公司债市场，也可以把大型数据中心放进项目公司，用租约和客户合同融资，再由保险资金和基础设施基金持有期限更长的资产。
中国互联网公司的长期私募信贷和项目融资市场还没有形成同样的规模，股权融资、出售非核心资产和集团内部现金调配因此承担了更多作用。
阿里选择配股，Meta 和 CoreWeave 更多使用项目融资，处理的其实都是期限匹配。十年以后才能收回的投资，需要一笔愿意等十年的钱。
真正拉开差距的，也会是这种资金能够持续多久。
AI 之外，每家公司还有自己的资本负担。阿里仍在投入即时零售和国际电商，百度要在广告现金流收缩时完成 AI 转型，Meta 的 Reality Labs 也仍然需要长期投入。
算力越贵，这些原本可以并行推进的战略，就越需要重新排序。
旧业务现金流稳定、资产存量足够厚的公司，可以用更低的价格获得长期资金，也就能接受更慢的回报和更多次失败。依赖持续再融资扩张的公司，留给需求波动和判断失误的空间会小得多。
资本承受力本质上是在购买试错时间。
模型排行榜每天都在变化，一次发布就可能迅速缩小技术差距。信用评级、借款成本和已经签下的二十年合同却很难在一个季度内重来。技术落后可以追赶，资本结构留下的时间没有那么容易追回。
Carlota Perez 在《技术革命与金融资本》中把技术革命分成两个阶段。
前半程，金融资本大量涌入，新产业在需求尚未成熟时提前铺设基础设施；经过泡沫、价格调整和损失重新分配之后，已经建成的基础设施才进入更大规模的应用。
过度投资因此也是技术周期的一部分。它提前完成基础设施建设，同时把估值修正、信用损失和资本淘汰留给下一阶段。真正的问题从来不只是有没有泡沫，而是谁有能力穿过调整期。
2026 年的 AI 已经越来越接近这个阶段。资本开支开始超过经营现金流能够轻松覆盖的范围，贷款人开始给客户合同、资产残值和融资期限分别定价，科技公司的竞争也从模型能力延伸到了资产负债表。
互联网行业曾经把资本当成一种近乎无限的资源。AI 把土地、电力、芯片、折旧和二十年租约重新带回了科技公司的核心经营问题。
模型决定一家公司的技术上限，资本承受力决定它还有多少时间接近这个上限。
