Wenxuecity
•
Jun 20, 2026
在前任美联储主席杰罗姆·鲍威尔的最后一次讲话中，他对美国联邦债务的发展趋势提出警示。目前美国联邦债务规模已突破39万亿美元，相当于国内生产总值的125%，由于债务增速持续超越经济增速，他认为这一发展模式难以长期维系。这一观点也得到业内广泛认同。
国际货币基金组织前第一副总裁吉塔·戈皮纳特在彭博社《Odd
Lots》播客节目中表示，不断攀升的联邦债务可能引发信贷紧缩。而随着债务负担侵蚀投资者信心，“债券卫士”会要求更高收益率，从而推高利率，收紧流动性，拖累增长。因此，尽管美国不会像背负外币债务的新兴经济体那样耗尽用于偿债的美元，但正统观点认为，膨胀的联邦负债埋下了长期停滞的种子。
不过，当下市场对美国联邦债务的诸多担忧，实际上可以体现在三个方面。
首先是“债务饱和论”，该观点认为债务规模不断扩张后，海外投资者终将停止增持美债。全球“去美元化”趋势看似为这一说法提供了佐证：
欧洲央行数据显示，2025年第四季度，黄金在全球官方储备中的占比升至25%，美债占比回落至22%；美元在全球外汇储备中的份额，也从十年前的64%降至约57%。但深入分析不难发现，各国官方减持美债，更多是出于地缘战略考量，而非对美国偿债能力失去信心。其中，俄罗斯剥离美元资产、中国推进外汇储备多元化，是持仓变动的两大核心原因。
其次，美债海外持有格局的实际情况，远比官方持仓数据展现的更为乐观。2021年年中至2025年末，海外官方机构持有的美债规模从4.22万亿美元高点降至3.77万亿美元。与之形成对比的是，同期海外私人投资者持仓从3.30万亿美元大幅增至3.79万亿美元，增幅达15%，完全抵消了官方持仓的下滑。（图1）
私人投资者正积极布局美债，既看重其资产安全性，也认可相对可观的收益水平；对冲基金依托现券与期货价差开展套利交易，各类稳定币发行机构也将美债作为加密资产的底层储备。
到2025年底，私人投资者持有所有外国持有美国国债中的57.7%，官方持有者占剩余的42.3%，这逆转了历史常态。虽然交易更为活跃的私人投资者，可能加剧美债收益率波动，但目前并无可靠证据表明，海外市场集中抛售美债推动了收益率上行。
图1：外国官方与私人持有的美国国债（百万美元） 来源：圣路易斯联储
怀疑论者认为，美债供给持续扩张终将超出市场承接能力，进而推高收益率，但实际数据并不支持这一判断。尽管联邦债务持续扩张，国债收益率的大幅涨跌主要与联邦基金利率同步，而非与债务水平同步。公共债务从2008年中急剧攀升，但收益率却在2007年底美联储降息时下跌。2020年初债务总额再次飙升，但10年期国债收益率却随美联储紧急降息而下降。
相反，当债务与GDP之比从2020年中开始回落时，收益率却开始上升，驱动因素是其收紧的货币政策，而非财政扩张（见图2）。实证记录一致表明，货币政策才是决定美债收益率走势的核心因素，债务规模变化的影响相对有限。
图2：美国公共债务占GDP比重、10年期国债市场收益率与有效联邦基金利率（%） 来源：圣路易斯联储
也有人提出，财政赤字催生的债务扩张会推升通胀，倒逼美联储收紧货币。然而，如图3所示，公共债务的规模与走势，和通胀之间并不存在稳定关联。上世纪70年代初至80年代初，美国债务占GDP比重持续下行，通胀却大幅走高；全球金融危机后，该比值大幅攀升并长期处于高位，通胀反而持续低迷。疫情过后，债务占比依旧高企，通胀也逐步回落。由此可见，公共债务既无法有效反映市场需求强弱，本身也并非通胀的诱因。
图3：公共债务与通胀 来源：圣路易斯联储
第三个反对理由是，债务规模持续膨胀会带来巨额利息支出，挤压联邦其他财政开支、拖累经济增长。高额利息还会造成收入再分配失衡：大量利息流向私人部门会提振总需求，进而推升通胀。美国前10%富裕家庭贡献了近半数消费，资产持有者因收益上涨财富增值，普通民众却要承受生活成本压力，进一步加剧K型复苏格局，也让国内政治分化加剧，财政政策更难达成共识。
但债务规模与财政挤出效应的关联，实则远没有大众所想的那般紧密。正如下图4所示，尽管公共债务规模上升，利息支付占联邦总支出的百分比并不总是随之上升。该比例自2021年初约6%升至2026年的近16%，但仍低于上世纪90年代超20%的历史峰值，且在90年代后期之后便一路下行。可见，债务扩张并不会直接造成财政压力持续恶化。
图4：利息支付占联邦支出的百分比 来源：圣路易斯联储
综合各项数据不难看出：尽管两党在债务上限问题上的博弈，仍有可能引发政治性债务违约，但从经济层面来看，美国并不会出现被动的无力偿债局面。下一轮金融危机的导火索，可能也并非公共债务，而是依托人工智能形成的这套不透明、高杠杆、循环化的融资体系。
现在AI融资有四个令人担忧的特征：
第一，它重现了2009年全球金融危机中“大到不能倒”的动态。人工智能投资已成为美国经济增长和股市表现的主要引擎，但它日益依赖外部融资而非自身盈利。所涉及的杠杆，以及其背后金融结构日益增长的复杂性，使银行业面临足以拖垮金融系统大片领域的连锁风险。
其二，循环融资模式盛行。产业链上下游相互投资、资金闭环流转，不仅虚增账面营收、掩盖真实交易体量，还编织出深度绑定的利益链条，单一环节出现问题便会快速传导扩散。
第三，人工智能投资正在挤出其他生产性资本用途，并造成能源、水、熟练劳动力和工业设备等方面的投资瓶颈，这些瓶颈本身将产生通胀压力，而AI本应带来的效率提升，短期之内也未能落地兑现。
第四，监管层面的松懈态度，进一步放大了上述所有隐患，使系统在其最脆弱的时刻暴露无遗。
摩根大通分析师预计，从现在到2030年，人工智能基础设施支出将达到5万亿美元。根据摩根士丹利的估算，仅在2026年，亚马逊、Alphabet、Meta和微软四家科技公司就计划在数据中心和人工智能芯片上投入约6300亿美元，是2023年支出的四倍多，约占美国GDP的2.5%。若将前11大云计算和基础设施提供商纳入统计，总资本支出可能达到8110亿美元（图3）。现在人工智能相关投资已成为美国经济最重要、最核心的支柱，贡献了2025年前九个月实际GDP增长的39%（见下表1）。
图3：大型科技公司AI支出，百万美元 来源：Kwok(2026)
表1：各类投资对实际GDP增长的贡献 来源：Rubinton and Patro (2026)
那么自然而然会出现一个问题：人工智能投资还能否以这种速度持续？根据摩根大通的预测，若要使当前AI投资获得10%的回报，可能需要每年6500亿美元的收入，相当于每位iPhone用户每月支付35美元。当然，也存在乐观的理由，55%的美国成年人现在每周都会使用生成式AI，互联网用了16年才达到这一普及程度；人口普查局的商业调查数据显示，截至2025年底，约18%的企业已采用人工智能。
然而，也有理由持怀疑态度。首先，即使是顶尖的AI公司目前也难以实现正回报。OpenAI和Anthropic的年化收入分别约为250亿美元和190亿美元。OpenAI预计到2030年之前现金流为负，Anthropic则是2029年。而且即使是这些预测也可能过于乐观。麻省理工学院2025年底的一项里程碑式的研究显示，投资生成式AI的组织中，95%未见到任何可衡量的财务回报。
一方面生产力提升和财务回报不匹配，另一方面使用AI的代币成本不断上升，这可能进一步抑制对昂贵AI模型的采用。此外，开源模型日益挑战专有AI模型。中国的DeepSeek
V4在各项能力基准测试中与美国领先AI模型极具竞争力，但其API定价仅为美国主要模型的一小部分。例如，DeepSeek
V4的输入成本为每百万词元0.27美元，输出成本为1.1美元，而GPT-5.4分别为15美元和60美元，Claude Opus
4.6分别为15美元和75美元。
借助OpenRouter、Venice、Basesten、Together等各类聚合路由平台可调用的开源模型，既能提供成本更低的备选方案，还能兼顾数据隐私保护。这类替代选择或将进一步压缩各大AI企业、其投资方及上下游供应商实现正向现金流的空间。
除此之外，信息技术软硬件领域的资本投资回报率整体呈下行态势。2023至2025年间，IT硬件板块（涵盖电子设备及元器件、通信设备、半导体与半导体生产设备）价格收益率增速由65%大幅回落至31%；IT软件板块（包含信息技术服务、软件、互动媒体服务、综合零售）下滑幅度更为显著，同期收益率增速从61.5%跌至19%。
若企业经营利润与股权融资规模难以覆盖资本开支需求，科技企业会转向企业债、高收益垃圾债、结构化融资、私募信贷、表外特殊目的载体（SPV），以及各类创新会计处理与金融工具来筹措资金。摩根士丹利测算，2025至2028年全球数据中心资本开支总额将达到2.9万亿美元，行业融资渠道呈现多元化特征（表2）。
表2：估计2025-2028年全球数据中心资本支出2.9万亿美元 来源：摩根士丹利 2026
由于循环股权融资盛行，超大规模企业账面上体量可观的现金流数据，实则具备极强迷惑性。包括“七巨头”——Alphabet、亚马逊、苹果、Meta、微软、英伟达和特斯拉——在内的科技巨头通过交叉持股、布局竞品AI企业形成深度利益绑定，高度依赖各类金融工具运作。AI芯片厂商、云服务商与人工智能企业之间，围绕供需合作搭建起错综复杂的合作网络，囊括股权互换、债权融资、信贷担保、设备租赁、合资经营等多重交易架构。
英伟达、微软与Anthropic的合作案例，便能直观体现这类闭环融资模式：英伟达承诺向Anthropic投资高达100亿美元，微软将投资高达50亿美元，而作为交易的一部分，Anthropic宣布计划花费300亿美元的计算资源。表3集中呈现了行业内循环融资的普遍现状。
表3：循环融资：部分交易数据一览 来源：彭博新闻社报道
循环融资构成了“环环相扣的债务链条、盘根错节的网络、错综复杂的乱局、循环往复的衔尾蛇、盘根丛生的利益巢穴，抑或是缠绕交错的意面”。这些具象化描述直指几大核心风险。
第一，若上游供应商向下游客户开展股权投资，客户再将这笔资金反向用于向投资方采购芯片、租赁算力服务，企业营收会因自我资金闭环出现虚高。失真的营收数据会吸引外部投资者与同业入局，整个行业市场就此建立在注水的业绩之上。
第二，这套多层嵌套的融资链条具备极强脆弱性，任一环节出现兑付或经营故障，都有可能引发整个资本架构的连锁崩塌。
尽管头部科技企业将该模式吹捧为可持续的正向良性循环，但诸多分析师已提出警示：此类闭环交易与互联网泡沫时期的乱象高度相似，当年大量初创公司互相购买对方服务以“夸大增长预期”。与此同时，这种深度绑定的资本网络重现了“关联过度、风险高度捆绑”的历史隐患，这意味着当年在全球金融危机中重创金融体系的问题可能卷土重来。
除循环股权融资外，各大科技企业大规模举债，为数据中心与配套能源设施建设筹措资金。2025年第四季度，科技行业债券发行总额达1087亿美元，创下单季度历史新高，发债热潮延续至2026年，仅开年前两周便新增155亿美元债券发行。摩根士丹利预测，2026年超大型科技企业借贷规模将从2025年的1650亿美元大幅增长至4000亿美元。
头部企业债务扩张数据也十分直观：Alphabet在2021至2024年间长期债务稳定维持在140–150亿美元区间，去年大幅攀升至490亿美元；公司还发行了百年期债券，是1997年摩托罗拉之后首家推出该类债券的科技企业。Meta的债务扩张更为迅猛，2021年长期债务余额为零，2024年增至290亿美元，2025年进一步飙升至590亿美元。此外，Meta联合Blue
Owl资本设立专项债务特殊目的实体，借款270亿美元用于路易斯安那州数据中心建设。
Meta并非个例，现有有限公开数据显示，全行业依托特殊目的载体形成的表外债务规模至少1200亿美元。除此之外，科技企业积极布局私人信贷市场，通过信用违约互换、资产支持证券等工具将债务证券化，以此隐藏底层风险、规避监管约束。体量庞大、信息不透明且架构繁复的存量债务，对全球金融体系构成严峻的系统性风险。
第三，对数据中心等人工智能基础设施的投资造成了美国国内严重的资源消耗，并对美国经济施加了通胀压力。美国以与中国竞争为名，超大规模企业向AI投资倾注巨额资金。据一项估计，美国最大的公司在2026年有望实现约7000亿美元的AI资本支出，而中国约为1050亿美元。
第四，美国目前拥有5427个数据中心，是其他任何国家的10倍以上，其消耗的能源也超过任何其他国家。据估计，数据中心在2025至2028年间将消耗总计57GW的电力，相当于五个以上纽约市的用电量。但核心算力枢纽接入公共电网成本高昂、审批建设周期漫长；若向乡村区域布局以缓解供电瓶颈，又会面临专业技术人才不足、本地配套数据资源匮乏等全新难题。麦肯锡的数据显示，当前美国约三分之一在建数据中心选择配套自备现场发电机组，以此绕开电网约束。
但这同样产生了自身的瓶颈：适配项目需求的全新燃气轮机订单已排至2029年，市场现货基本售罄。算力需求暴涨持续推高整体电价，尽管工业用户的平均电价低于两年前，但2020年至2024年间，美国居民电价上涨了25%。用水量同样激增。
与数据中心冷却运行相关的水资源使用预计将从每年3.85亿加仑增至超过37亿加仑，增加870%；此外，与数据中心电力消耗相关的年用水量预计将从估计的29亿加仑增至超过145亿加仑，增加400%。这种资源消耗不仅提高了生活成本，还造成显著的气候损害。通胀压力也可能促使货币政策制定者祭出其固执的加息剧本，从而进一步加剧金融脆弱性。
除能源与水资源约束外，工业供应链短板构成另一重发展桎梏：变电站、电力变压器、冷却设备等核心配套产能，完全跟不上数据中心大规模新建节奏。据报道，去年近六成数据中心项目工期延误超三个月。项目测算机构nPlan的统计进一步佐证了施工卡点问题：约88%的项目在混凝土基础施工阶段，78%的项目在冷却系统、消防报警装置安装环节遭遇延期。
数据中心建设长期停滞直接导致企业预期营收持续延后，叠加债务利息利滚利，财务压力持续放大。正如Kwok所言：企业斥资百亿美元采购高端AI芯片，若配套供电变压器长期供货短缺，这批芯片将沦为闲置搁浅资产，尚未产生任何营收便持续快速贬值。
最后，特朗普政府非但没有应对这些风险，反而主动拆除了原本能够约束行业乱象的监管护栏。
特朗普总统于2025年7月发布了一项行政命令，鼓励联邦机构“向AI公司提供财务支持……可能包括贷款和贷款担保、拨款、税收优惠和承购协议”。该命令还提供联邦拥有土地的优先使用权，并给予实质性的监管松绑。
2025年12月，特朗普签署了另一项行政命令，限制各州监管人工智能的能力，明确指示司法部对出台繁琐AI监管法规的州发起司法诉讼。各州政府本身也存在放松AI管控的强烈动机：全美已有38个州针对数据中心推出专项税收优惠，优惠范围包含设备、电力免征税费以及财产税减免。其中至少10个州每年因相关优惠放弃超1亿美元税收收入，得克萨斯州与弗吉尼亚州每年税收让利规模更是高达10亿美元。在此背景下，各州几乎没有动力承担起规范AI投融资活动的监管职责。
进入2026年5月，特朗普签署第三份相关行政令，推动数字资产、金融科技企业全面融入美国传统金融体系。该政令要求联邦监管机构在90日内完成全面排查，梳理所有阻碍金融科技、加密企业获取银行牌照、存款保险以及对接传统金融机构合作渠道的法规条款；排查结束后180天内，必须落地简化监管规则的具体改革方案。与此同时，行政令要求美联储在120天内开展评估，探讨向加密货币企业等非银机构开放央行主账户、支付清算通道的可行性。
大量加密行业主体已深度涉足AI业务，例如CoreWeave、HIVE、Hut
9等新型算力云服务商，或是从加密挖矿业务转型GPU租赁、AI实验室托管，或是挖矿与AI算力运营双线并行。对加密资产与AI融资同步放松监管、打通两类业务边界，会直接放大整体金融风险；而将加密融资渠道纳入银行体系，更会让风险在整个金融系统内交叉传导、全域扩散。
结论
尽管鲍威尔等人对美国公共债务的担忧出于真诚，但这种传统观点所基于的信念却经不起推敲。即便持有者结构正从央行转向私人投资者，外国对美国国债的需求依然强劲。国债收益率与联邦基金利率的关联度，远高于其与债务规模的关联度。
公共债务与通胀之间并不存在可靠的相关性，利息支出占联邦财政支出的比重也并非总是随着公共债务的增加而同步上升。由市场力量引发的非自愿违约并非可能发生的情形；真正迫在眉睫的风险，即人为制造的债务上限危机，完全是自找的麻烦，而非经济上的必然结果。
真正的系统性风险存在于别处。AI领域的融资活动已悄然集聚了许多曾在2008年全球金融危机前出现的风险因素：杠杆高度集中、金融关系既不透明又呈循环结构、存在表外风险敞口，以及在风险不断攀升之际监管环境却被刻意放宽。
“七巨头”及其芯片制造商、云提供商和AI初创公司生态系统，被相互投资、债务担保和供应商-客户纠缠的罗网捆绑在一起；这种相互依存的格局意味着，一旦其中任何一个关键节点发生崩塌，都可能引发系统性危机。此外，针对加密货币领域的放松监管趋势，加上其与AI基础设施融资日益加深的融合，又开辟了一条让不稳定性传导至传统银行体系的新途径。
这并不意味着由AI驱动的金融危机已不可避免。这项技术仍有望带来足以支撑其投资规模的生产力提升，且一定程度的循环融资也是历次创新热潮中的常见现象。然而，杠杆集中、营收虚高、资源瓶颈、头部AI企业利润率微薄以及监管力度减弱，这些因素叠加在一起，构成了一种决策者绝不容忽视的风险态势。如果AI泡沫悄然膨胀之际，人们却只盯着“债务时钟”不放，分析重心发生错位，那么这恐怕会成为本十年中最严重的政策失误。
