2026年7月21日，《日本经济新闻》（Nikkei Asia）刊发了一篇调查报道，由记者 Kohei Yamada 执笔。报道指出，五家美国科技巨头——Amazon、Microsoft、Google（Alphabet）、Meta、Oracle——通过复杂的融资结构，积累了约 1.65 万亿美元 的表外负债（off-balance-sheet liabilities）。这一数字超过了五家公司账面债务的总和（约 1.35 万亿美元），并在过去四年间增长了约八倍。
这笔「隐藏债务」并非传统意义上的借款或债券发行。它隐藏在财务报表的脚注中，以长期租赁协议、GPU 采购承诺、合资企业担保等形式存在，符合现行会计准则，但极少出现在资产负债表的显眼位置。
Meta 在乔治亚州的数据中心。该公司的表外债务约为 4200 亿美元，接近其账面债务的三倍。© AP
1.65 万亿美元从何而来
Nikkei 的分析基于五家公司最新财务报告中的脚注信息。以下是各公司的表外债务估算：
| 公司 | 表外债务估算 | 与账面债务之比 |
|---|---|---|
| Meta | ~4200 亿美元 | 2.8 倍 |
| Oracle | ~2733 亿美元 | 30 倍（四年间） |
| Amazon | 未单独披露 | 包含在合计中 |
| Microsoft | 未单独披露 | 包含在合计中 |
| Alphabet (Google) | 未单独披露 | 包含在合计中 |
其中，Meta 的表外债务规模最大，达到约 4200 亿美元，是其账面债务的 2.8 倍。Oracle 的增速最惊人——四年间从不足 100 亿美元飙升至 2733 亿美元，增幅超过 30 倍。
这五家公司合计的 1.65 万亿美元表外债务，已超过它们 1.35 万亿的公开债务。换句话说，这些科技巨头的真实杠杆率，远比财务报表表面呈现的要高。
融资结构拆解：钱从哪里来，记在哪里
这些表外负债并非偶然的会计缺陷，而是精心设计的融资策略。核心结构大致分为三类：
1. 合资企业 + 资产支持融资
以 Meta 的 Hyperion 项目为例。Meta 在路易斯安那州建设的超大规模数据中心，总开发成本超过 500 亿美元。Meta 仅出资 20%（约 100 亿美元），其余 80% 由 Blue Owl Capital 和 Pimco 等机构投资者通过特殊目的载体（SPV）提供。
项目完工后，Meta 以经营租赁（operating lease）的方式使用该设施，每年支付租金，资产和负债均不进入 Meta 的资产负债表。作为交换，Meta 提供了 16 年的残值担保——如果合作失败，Meta 需全额承担损失。
这种结构在会计上完全合规：只要 Meta 不拥有该实体的大部分股权，且租赁安排符合经营租赁的定义，就不需要将其并入合并报表。
2. GPU 长期采购承诺
AI 竞赛的核心是算力，而算力的物理载体是 GPU。一块 NVIDIA H100 的售价在 2.5 万至 3 万美元之间，B200 更贵。部署一个拥有 10 万块 GPU 的集群，仅硬件成本就超过 30 亿美元。
科技巨头大量使用 不可取消的长期采购协议（non-cancellable purchase commitments）来锁定 GPU 供应。这些承诺在签订时不确认为负债，而是作为「采购义务」披露在报表附注中。只有当 GPU 实际交付后，相应的付款义务才会出现在资产负债表上。
3. 云信贷额安排
另一种更为隐蔽的形式是「互惠投资」——科技公司互相购买对方的云服务，同时将资本支出转化为运营支出。这种循环投资在账面上看起来是健康的收入增长，但实际上各方都承担着对等的长期付款义务。
一枚 NVIDIA H100 GPU 的售价在 2.5 万至 3 万美元之间。部署 10 万块 GPU 的 AI 集群，硬件成本可超 30 亿美元。
为什么是现在：AI 基础设施的资本黑洞
理解这一轮表外负债激增，需要先理解 AI 基础设施的投资规模。
此前的云计算扩张，数据中心的建设成本可以通过逐步投资来消化。但 AI 大模型的训练和推理需要数量级更高的算力密度。一个 GPT-4 级别的模型训练集群可能需要数万块 GPU 互联，而下一代模型的需求只会更高。
SoftBank 的孙正义（Masayoshi Son）近期表示，AI 热潮每年需要 5 万亿美元 的投资。Meta 在 2026 年初宣布了 750 亿美元的 AI 资本支出计划，随后发行了 300 亿美元债券。
问题在于：如此规模的投资如果全部以传统债务形式出现在资产负债表上，将严重影响公司的信用评级、股价和财务指标（如债务权益比）。表外融资成为「两全其美」的选择——既能获得所需资金，又不推高账面杠杆率。
HN 社区的声音：熟悉的配方，不一样的味道
这篇 Nikkei 报道在 Hacker News 上引发了 175 个点赞和 51 条评论，讨论热烈。社区的反应大致分为几个阵营：
技术解构派 关注 SPV 结构的法律意义。用户 darth_avocado 指出：「严格来说，科技公司并不拥有这些债务，拥有数据中心的是 SPV。它们只是有长期承诺。但如果出事，风险落在借钱给 SPV 的银行身上——这意味着最终所有人都在风险中。」
历史派 迅速将此事与过往危机联系起来。用户 SanjayMehta 提到：「美国能源公司 Enron 虽然与科技巨头有本质不同，但它正是因为表外债务而崩溃的。还有 vendor financing 模式——Motorola、Nortel、Lucent 都因此消失了。」用户 harry8 更直接：「从经济角度看，借钱买资产和签订不可取消的长期租约之间没有区别。你把月付款叫做利息还是租金，都改变不了这是债务的事实。」
悲观派 认为系统性风险已经形成。用户 killingtime74 写道：「如果银行被欠 1.65 万亿美元而无法收回，那就会变成纳税人的问题。」用户 walrus01 补充：「2008 年再来一次，只是主角从 Washington Mutual 变成了 AI 数据中心。」
怀疑派 则质疑数据本身的可比性。用户 wwind123 认为：「这只是行业惯例的做法，不一定意味着公司在刻意隐藏什么。成熟的机构投资者完全知道这些数字。」用户 mNovak 也指出：「表外债务确实存在，但机构投资者肯定知道这些信息，也能据此评估公司估值。真正可能被蒙在鼓里的是散户。」
历史对照：相似的配方，不同的剂量？
表外融资并非新鲜事。20 世纪 80 年代的垃圾债券、2001 年 Enron 的 SPE 结构、2008 年次贷的 CDO 和 SIV、2019 年 WeWork 的 SPV 租赁——每一次大规模表外负债累积之后，都伴随着某种形式的出清。
但这一次有几个不同之处：
第一，规模完全不同。 1.65 万亿美元超过了大多数国家的 GDP。即使与 2008 年次贷危机中约 1.3 万亿美元的相关证券化产品相比，也不遑多让。
第二，底层资产的折旧速度更快。 AI 数据中心的核心资产是 GPU 和配套基础设施。GPU 的生命周期约为 3-5 年，远长于商用房地产的 20-30 年。但技术迭代速度极快——H100 在 2022 年还是最先进的芯片，到 2025 年已被 B200 和下一代 Blackwell 架构超越。如果 AI 需求增速放缓，这些专用资产的市场价值可能迅速缩水。
第三，参与方的动机更加复杂。 科技公司通过表外融资维持股价和信用评级。机构投资者（如 Blue Owl、Pimco、BlackRock）通过提供融资获取稳定的租赁收益。银行通过贷款和承销赚取费用。每一方都有动力将游戏继续下去。
谁的风险最大
从 Nikkei 的数据来看，Meta 和 Oracle 的暴露程度最高。
Meta 的 4200 亿美元表外债务几乎是其市值的 15%（按约 1.5 万亿美元市值计算）。其 Hyperion 项目的失败可能对整个公司的财务状况产生重大冲击。此外，Meta 的 AI 投资回报尚不明确——其 AI 驱动的广告收入增长能否覆盖如此巨额的资本成本，仍是一个开放问题。
Oracle 的 2733 亿美元表外债务在四年间增长了 30 倍，主要流向 Stargate 项目——与 OpenAI 和 SoftBank 合作的 AI 数据中心联合体。Oracle 的商业模式本就高度依赖租赁，这一策略在 AI 时代被放大到了极致。
Amazon、Microsoft 和 Google 的云业务本身产生大量现金流，且拥有更多元的收入来源。但它们的 AI 基础设施投资同样规模惊人——AWS 近期承诺在宾夕法尼亚州投入 200 亿美元建设数据中心，Microsoft 与 OpenAI 的深度整合涉及 2500 亿美元的 Azure 使用承诺。
市场怎么看
乐观方的论据主要有两点。
第一，需求侧的基本面仍然强劲。截至 2026 年 3 月，Microsoft、Amazon 和 Alphabet 三家公司合并的云业务未履约合同 backlog 达到 1.45 万亿美元。AWS CEO Matt Garman 明确表示：「当前的 AI 基础设施投资并非投机行为。」
第二，这些公司拥有极强的现金流生成能力。即使表外债务全部转化为实际负债，五大公司的年经营现金流合计超过 4000 亿美元，足以覆盖合理的偿债成本。
但悲观方的关注点不同：资产价值是否会大幅缩水，才是真正的风险来源。一位科技行业人士向 Nikkei 表示：「商业房地产的租赁还能保留资产价值，但 AI 数据中心依赖的半导体技术迭代极快。如果 AI 需求不足导致利用率下降，这些公司会面临巨额的资产减值损失。」
结语：债务不过是一面镜子
1.65 万亿美元的表外债务本身并不是灾难。它反映的是 AI 行业一个核心矛盾：基础设施建设的速度必须远超收入变现的速度，否则就无法抢占先机。
如果 AI 需求如行业预期那样持续爆发，今天的表外负债会自然而然地被未来的收入覆盖。但如果需求增速放缓，这些「看不见的」债务可能以惊人的速度变成真实损失。
是否值得担忧，取决于你相信哪种叙事。
本文的素材来自公开信息和社区讨论。如果你对这个话题有更深入的一手经验，欢迎指出文中的不足。
参考链接
- Five US tech giants’ hidden debts soar to $1.65tn on opaque AI funding — Nikkei Asia
- U.S. Tech Giants’ $1.65T ‘Invisible Debt’ from AI Sparks Concerns — The Chosun
- Tech Giants Face Balance Sheet Impact From $662B in Unreported Data Center Leases — MarketPulse
