AI 基礎設施擴建可能需要更多股權融資，債務集中風險升高

目錄

• 你可能想知道
• 主要議題
• 重點摘要表
• 後續展望……

你可能想知道

• 為什麼人工智慧基礎設施快速擴張，可能使股權融資比債務融資更為重要？
• 預期 AI 支出的規模，可能如何影響貸款機構、投資者，以及建設基礎設施的公司？

主要議題

建設支援人工智慧（AI）的基礎設施，需要投入極為龐大的資金。資料中心、運算設備、電力連接及相關設施，都需要大量投資。隨著融資需求增加，Blackstone 總裁 Jon Gray 主張，這個領域將需要更多股權融資，尤其是貸款機構對推動基礎設施建設的公司承擔的風險愈來愈高。

Gray 週二在香港金融管理局舉辦的全球金融領袖投資峰會上發表上述看法。他表示，AI 所需資金的規模，正為債務投資者帶來集中風險。這類風險可能遍及整個產業，也可能出現在貸款機構對單一公司曝險過高的情況。如果許多借款人的業務都仰賴相似的經營環境或少數主要客戶，經濟低迷的影響就可能集中在特定對象，而非廣泛分散。

股權與債務的差異，有助於說明 Gray 的顧慮。若公司價值提升，股東可能受惠，因為他們的潛在報酬與公司的成功息息相關。相較之下，貸款機構通常收取利息並收回本金，因此即使借款公司的業務快速成長，其潛在收益仍較有限。當融資需求極為龐大時，過度仰賴債務，可能讓貸款機構承擔重大風險，卻無法按比例分享收益。

Pimco 執行長 Emmanuel Roman 在同一場座談中提出相關顧慮。他警告，與 AI 相關的融資規模，最終可能超出市場的承受能力。他並非表示這項技術的投資必然會停止，而是指出所需資金可能考驗投資者與融資市場的承載能力。

Roman 引述 General Atlantic 執行長 Bill Ford 的估計指出，未來五年 AI 相關資本支出可能達到約 $10 trillion。他也表示，今年截至目前為止，各類形式的 AI 債務發行金額約為 $550 billion。這些數字顯示，未來投資可能達到的規模，以及目前已進行的融資活動。如果公司持續擴大基礎設施計畫，也會讓人關注債務發行可能如何發展。

Roman 表示，即使公司採用股權與債務並行的融資方式，所需資金總額仍會「極其龐大」。他將其與規模約 $20 trillion 的全球公司債市場相比，藉此凸顯潛在資金需求相對於成熟融資來源的規模。他說：「總有一天，這會超出市場所能承受的程度。」這項比較並不代表每個 AI 專案都會透過公司債融資，而是說明整體融資挑戰為何受到投資者與金融機構關注。

其他估算也凸顯了基礎設施建設的規模。Goldman Sachs 週一在報告中指出，全球資料中心需求在未來五年將需要約 $8.5 trillion 的資本支出。資料中心是 AI 擴張的核心，因為它們提供運算設備的空間，以及開發和運作數位服務所需的容量。滿足預期需求，不只是購買科技設備；開發商也需要合適的地點、核准許可、穩定電力，以及融資管道。

Gray 表示，這需要廣泛多元的融資組合。公開市場、銀行與私人資本都可能出力，而公司也可能愈來愈常採用結構化交易，以管理自身承擔的債務規模。他指出，結構化安排有助以不同方式分配資金與風險，但無法消除基礎建設所需的根本融資需求。他也表示，超大規模雲端服務商所產生的現金，可能支應部分支出。

多元的資金來源反映了這項工作的規模。股權融資可為公司提供資金，且不會像借款一樣產生相同的固定還款義務，但發行股權可能影響現有股東的持股比例。債務融資可能讓企業在保留所有權結構的同時籌措資金，但也會產生償還本金與利息的義務。實務上，公司與投資者必須衡量各種方式的成本、風險與可取得性，而不能假設單一資金來源就能滿足所有需求。

Gray 表示：「由於所需資金規模龐大，因此需要發揮創意。」他的說法點出這個領域面臨的實際挑戰：隨著專案規模擴大、時程各異，且不同企業承擔的風險有所差異，融資架構可能需要隨之調整。舉例來說，資料中心專案涉及長期資產，並仰賴電力及其他重要投入資源。因此，籌資能力也與專案能否取得所需場址、設備及營運資源息息相關。

儘管存在融資方面的疑慮，Gray 對 AI 基礎設施的前景仍持正面看法。他表示，運算能力的需求「遠遠超過供給」。這種供需失衡意味著，即使資金籌措愈來愈困難，公司與投資者仍可能有充分理由持續建設。然而，強勁需求並不會消除執行風險。專案仍須先完成建設並備妥資源，產能才能投入使用。

企業對 AI 工具的支出，也顯示出業界的興趣。Gray 表示，Blackstone 投資組合公司在 AI 模型上的支出，在過去一年增加了 20-fold。企業發現，AI 應用於程式編寫、客戶互動及內容創作等方面能帶來財務效益。這些例子說明公司可能願意投資 AI 的原因：相關工具可支援組織內不同職能，而不僅限於狹義的技術用途。

與此同時，AI 的使用增加，也帶動支援 AI 運作的基礎設施需求。公司需要運算能力來開發模型及執行應用程式，而服務供應商則需要充足的資料中心資源，以滿足客戶需求。這種連動有助於解釋投資計畫為何可能快速擴大：企業採用 AI，可能轉化為對運算、儲存及電力的更高需求。然而，應用帶來的效益與基礎設施的可用性，未必會同步發展。

Gray 表示，由於取得場址、許可、晶片、電力與資金愈來愈困難，滿足需求仍是一大挑戰。每項限制都可能拖慢專案，或影響其成本與時程。場址可能難以取得；必要許可可能需要時間；晶片與電力必須到位；融資也必須以合適條件籌措。這些因素彼此牽連，因此即使解決一項瓶頸，只要其他問題仍未排除，也不代表專案就能順利推進。

Gray 與 Roman 的發言，因而指出同一個市場的兩個面向。一方面，AI 運算需求持續增加，企業也回報了 AI 模型的實際用途。另一方面，融資與建設需要的資源規模龐大，可能使貸款機構面臨集中風險，並考驗資本市場的承載能力。核心問題不只是投資者是否感興趣，而是如何讓不同資金來源共同承擔所需投資，並使資金安排與個別專案的風險相匹配。

隨著公司與金融業者尋求避免過度依賴債務，股權融資的重要性可能日益提升。均衡的做法可能包括公開市場股權融資、借款、私人投資、結構化交易，以及營運現金流。合適的組合將取決於公司、專案與市場環境。沒有任何單一融資方式能消除不確定性，但將資金需求分散至多種來源，或許有助於因應過度依賴單一管道所帶來的限制與風險。

重點摘要表

後續展望……

AI 基礎設施發展的下一階段，不僅取決於投資者能提供多少資金，也取決於能否有效地將資金投入可實際執行的專案。投資者、公司與政策制定者需要了解預期需求、實際使用情況、建設時程，以及重要投入資源供應之間的關係。若能更充分掌握這些因素，市場或許就能更清楚地區分可行的計畫與面臨重大執行挑戰的計畫。

進一步研究融資架構也將十分重要。探討股權融資、銀行貸款、私人資本與結構化交易如何分配風險，有助釐清哪些方式適用於不同類型的專案。提高債務曝險與融資承諾的透明度，也可能幫助投資者評估集中風險；審慎分析則可顯示個別專案與公司是否有能力履行還款義務。

基礎設施規劃應同等重視電力、許可、土地及科技供應。能源系統、運算效率與資料中心設計的進展，可能有助於緩解部分限制，但無法取代務實的專案規劃。AI 基礎設施若要持續穩健發展，除了金融創新，還需要可靠的實體基礎設施與明確的風險評估。隨著 AI 採用範圍擴大，持續研究其經濟效益、資本需求及資源需求，有助於確保投資決策兼顧機會與實際承載能力。