人工智能計算能力繁榮背後的信用定價錯誤：基礎設施融資模式如何與貶值資產產生衝突

科技頭條為2026年初描繪出一幅樂觀的畫面：AI基礎設施投資持續加速，北美數據中心建設激增，加密貨幣礦工慶祝他們成功轉型為穩定的AI計算服務供應商。但在幕後，主要金融機構的信用分析師卻感受到截然不同的情緒。在華爾街的會議室裡，焦點不再是模型性能或GPU規格，而是一些顯示結構性噩夢的電子表格：市場正用10年期房貸模型來融資18個月壽命的資產。這種不匹配並非理論上的假設。路透社和彭博社的最新報導揭露了真實情況：AI基礎設施已成為一個高負債的行業，而在AI繁榮之下建立的金融架構則孕育著重大信用危機的種子。

核心問題不在於技術失敗——而在於快速貶值的計算資產、過度槓桿的抵押品，以及僵硬的基礎設施債務之間的深層不匹配。當這三股力量交匯時，一條隱藏的違約傳導鏈就會啟動，安全的幻象瞬間破滅。

通縮陷阱：當摩爾定律遇上固定債務

每一筆債券或債務投資的核心都建立在一個基本假設上：債務服務覆蓋比（DSCR）。過去18個月來，市場參與者一直押注AI計算能力租賃收入會像商業房地產一樣——穩定、可預測，甚至抗通膨。然而，數據卻講述著完全不同的故事。

根據SemiAnalysis和Epoch AI在2025年第四季的追蹤，運行AI推理工作負載的成本已年比年下降20-40%。這不是小幅修正，而是摩爾定律不斷推進，與模型量化、蒸餾技術和專用集成電路（ASIC）採用的加速相遇的必然結果。每一次效率突破都使得昨日昂貴的GPU部署在產生租賃收入方面逐漸失去價值。

這造成了第一個關鍵的期限不匹配：投資者以2024年巔峰估值購買GPU，鎖定資本支出，同時也鎖定一條預定在2025年及以後逐步下降的租金收益曲線。數學很簡單：如果你以每GPU 10,000美元購買硬體，且這些GPU產生的計算能力租賃價值每年下降30%，那麼收入與義務之間的差距就會消失。從股權投資者的角度來看，這是“技術進步”；但從債權人的角度來看，則是“抵押品貶值”——違約風險的根源。

當你考慮到計算能力的商業模式本身時，矛盾就更深了：不像房地產可能升值或保持穩定，基本資產——計算能力容量——本質上是通縮的。每一代GPU都能以更低的成本完成更多計算，降低了每單位基礎設施的租賃收入。這意味著，今天以計算能力收入發行的債務，是用一個結構性現金流逐步下降的資產來償還。

融資逆轉：風險投資假扮基礎設施安全

面對資產端回報的縮水，理性的市場參與者應該收緊放貸標準，要求更高的風險溢價。然而，事實恰恰相反。根據《經濟時報》和路透的報導，2025年AI數據中心及相關計算基礎設施的總債務融資預計將激增112%，達到約250億美元。

這股債務爆炸並非由保守的基礎設施貸款人推動，而是由像CoreWeave和Crusoe Energy這樣的Neo-Cloud供應商，以及正經歷“轉型”的加密礦工主導，他們利用資產支持貸款（ABL）和專案融資結構——這些模型原本是為像收費道路或水力發電廠等穩定、低風險資產設計的。

這是一個風險分類上的根本性錯誤：

舊模式（2024年前）： AI是一個風險投資遊戲。你投資一家公司，建立技術，期待成功。失敗意味著股權損失，債權人不涉入。

新模式（2025年至今）： AI已成為基礎設施。債務現在用來資助計算能力的部署。失敗意味著違約債券和結構性義務。損失風險擴展到債權人和固定收益投資者。

然而，市場卻以似乎一切未變的方式定價。放款方將基礎設施級的風險模型（公用事業等級的槓桿、較低的利差、更長的到期日）應用於風險投資級資產（高折舊、技術過時、成功/失敗二元性）。這是一個系統性的信用錯誤定價，後果嚴重。

礦工去槓桿的幻象：玩雙槓桿

最危險的局面來自那些已轉向AI計算能力的加密礦工。媒體將這一轉變稱為“風險緩解”——礦工終於擺脫加密挖礦的波動，提供穩定的基礎設施服務。但實際的資產負債表卻揭示了更黑暗的故事。

VanEck和TheMinerMag的數據顯示，2025年主要上市礦業公司的淨負債比率與2021年的高點相比，基本持平。有些激進的礦工甚至增加了多達500%的負債。礦工是如何在沒有實質性去槓桿的情況下實現表面上的去槓桿？

機制其實很簡單：

• 資產端（左側）： 礦工持有波動性較大的加密貨幣（BTC/ETH）或將未來的計算租賃收入列為隱含抵押品。

• 負債端（右側）： 他們發行可轉換票據、高收益債券等美元計價的工具，用於購買H100/H200 GPU及相關基礎設施。

這並非真正的去槓桿——而是滾動風險加上相關性集中。礦工本質上是在玩“雙槓桿”遊戲：用加密資產的波動性作為抵押，賭GPU租賃現金流。在良好的市場環境中，這能放大回報；但一旦宏觀經濟收緊，兩個部分就會同時失效。加密貨幣價格下跌，GPU租賃率也同步下降（資金投入AI研究的項目減少，整體投資速度放緩）。在信用模型中，這種情況被稱為相關性收斂——對結構性產品來說是一場噩夢，對無擔保債權人則是災難。

原本認為計算能力收入能穩定礦工資產負債表的假設，並未成為現實。相反，礦工在現有波動性上層層疊加了額外的負債，形成一個放大下行風險、卻有限上行緩衝的結構。

流動性消失：抵押品變成理論

讓信用管理者夜不能寐的，不是違約本身，而是之後的情況。在2008年次貸危機中，債權人可以拍賣止贖物來回收資金。但如果一個主要的計算能力運營商違約，債權人沒收了1萬個H100顯卡，接下來會怎樣？誰來買，價格又會是多少？

這個二級市場並不存在於有意義的規模——這是被公開抵押品估值的表象所掩蓋的事實。安全的幻象依賴於三個關鍵弱點：

實體基礎設施依賴： 高性能GPU不是插即用的裝置。它們需要專用的液冷架、特定的電力基礎設施（每架30-50kW）和專業的網路配置。被沒收的GPU若脫離原本的數據中心基礎設施，面臨尋找替代部署位置的巨大阻力。

技術過時的非線性貶值： 隨著NVIDIA在2024年底推出Blackwell架構，並計劃推出Rubin架構，較舊GPU的貶值不再是線性的。相反，它們會面臨斷崖式的貶值——新一代更高效的晶片出現，舊款GPU的價值會大幅下跌。比如一張曾值40,000美元的H100，可能在困境出售中只剩8,000到12,000美元，折價高達70-80%。

缺乏流動性提供者： 最關鍵的是，二手計算硬體市場中沒有“最後貸款人”機制來吸收數十億美元的拋售壓力。與股市或政府債券不同，中央銀行和金融中介在壓力時期能穩定價格，但專門的GPU二級市場缺乏這樣的穩定器。一旦拋售潮開始，價格發現將變得災難性。

這就是所謂的“抵押品幻象”——紙面上的貸款價值比（LTV）通常在50-70%，看似審慎，但這些比率假設有序清算且二級市場正常運作。實際上，用於專用GPU的二手市場規模更小、更雜亂，當壓力來襲時，理論上的抵押品價值大多成為虛構。

信用週期在技術週期之前達到高峰：真正的風險時間表

明確來說，本文並非否認AI的技術潛力或計算能力對未來基礎設施的重要性。技術將持續進步，對AI計算容量的需求也將保持強勁。被挑戰的是支撐這個產業的金融架構——特別是，計算能力融資的定價方式。

由摩爾定律推動的通縮資產，被錯誤定價為抗通膨的基礎設施。未實質去槓桿的礦工，則被當作穩定資產的公用事業來融資。具有18-24個月技術相關性的計算能力，卻用10年期債務結構來融資。這些都不是邊緣風險，而是嵌入數十億美元未償還債務中的根本性定價錯誤。

歷史經驗顯示，一個一致的模式是：信用週期在技術週期成熟之前就已達到高峰並崩潰。1880年代的鐵路熱潮，過度的信貸泡沫在鐵路網絡完全發揮效用之前就已達到頂峰。2000年前後的網路泡沫，過度的科技債務融資在1999-2000年，遠早於網路普及成熟。2007-2008年的次貸危機，也在房價穩定之前達到高峰。

對宏觀策略師和信用交易者來說，直到2026年中，最重要的分析任務不是預測哪個AI模型會突破，而是重新審視那些“AI基礎設施+加密礦工”組合中隱含的真正信用利差和違約概率。市場可能已經大幅低估了金融風險。而當這些風險重新定價時，不僅會影響股權投資者，也會波及目前承擔大部分槓桿的固定收益市場。

計算能力的繁榮是真實的，但支持它的信用市場是否已正確定價這一現實的風險，則值得懷疑。