AI 领域的循环交易，例如 OpenAI 从微软融资再购买其服务器，经常被批评为金融泡沫的迹象。然而，这种现象并非简单的“好”或“坏”，它更深刻地揭示了人工智能正从一个技术产品转变为一种可互换的商品，就像电力或石油一样。这种融资模式在资本密集型的传统商品行业中很常见，是推动昂贵基础设施建设的必要工具。但当这些交易被用来隐藏债务、进行资产负债表外融资时，它们也会引入巨大的、可能被忽视的系统性风险。
商品市场的先例：循环交易如何运作
在矿业、石油等行业，开发新项目（如矿山、炼油厂、港口）的成本极其高昂，银行仅凭一己之力放贷可能危及自身。因此，循环交易成为推动项目落地的常见方案。
一个简化的例子如下：
- 一家公司想开发油井和管道，但缺乏资金。
- 它与一家商品贸易公司合作，后者承诺以特定价格购买其未来生产的所有石油。
- 这份“包销协议”为公司提供了可预见的未来收入，从而说服银行发放贷款。
- 作为回报，贸易公司可能还会持有该公司的一部分股权，以确保其良好运营。
这种模式自 20 世纪 60 年代以来就被广泛应用。从日本为获取资源而进行的海外投资，到近期美国为确保关键矿产供应链而支持的交易，都证明了其有效性。这些交易之所以可行，是因为担保方（如上例中的贸易公司）确信自己能在一个庞大的全球市场中将商品转售出去。
AI 领域的复制：算力成为新石油
前沿的生成式 AI 行业极度依赖 Nvidia 的 GPU。由于 Nvidia 芯片的主导地位和行业标准化，算力正变得像一种可互换的商品。
促成这一趋势的关键因素包括：
- 标准化硬件： 大多数算力来自 Nvidia GPU，使得不同数据中心的计算能力几乎可以等同和互换。
- 高昂的成本： 建造一个大规模 AI 数据中心的成本可能超过 100 亿美元，只有通过创新的融资或巨头公司才能负担。
- 资源瓶颈： 除了芯片，可靠且大量的电力供应也是一个巨大的限制因素。
正因为算力、电力和数据中心都具有商品属性且需求旺盛，如果你建了一个数据中心但自己用不上，总能找到愿意接手的买家，甚至可以短期加价出租。
在这种背景下，Nvidia 的角色就像商品市场中的贸易巨头。它为初创公司提供资金和优先获得 GPU 的渠道，并承诺如果初创公司无法利用这些算力，Nvidia 将会回购。
这正是 Nvidia 与云服务商 CoreWeave 达成 63 亿美元交易的模式。这种相互关联的循环关系在行业内普遍存在：OpenAI 取消与 Oracle 的合作，Meta 马上介入；SpaceX 将服务器租给谷歌，谷歌则投资了 Anthropic。
风险所在：当循环交易变得“丑陋”和“糟糕”
虽然循环交易有助于生态发展，但当它被用来隐藏风险时，性质就变了。
“丑陋”的交易是指一方可能过度扩张。例如，Nvidia 对外承诺的资金规模高达数千亿美元，远超其与 CoreWeave 的单笔交易。这种模式的成功建立在一个前提上：AI 算力将持续保持其“可转售”的商品属性。一旦技术标准改变，或者本地化模型变得更高效，这些昂贵的数据中心可能变得一文不值，Nvidia 的回购承诺也可能无法挽救整个生态。
“糟糕”的交易则是有意向投资者隐瞒债务和风险。
谷歌为 TeraWulf 公司发行的债券提供担保，使后者能为 Fluidstack 公司建设数据中心，而 Anthropic 公司则租赁这些数据中心。在这个链条中，谷歌承诺如果下游公司违约，它将承担损失。
这种安排使得 TeraWulf 能够顺利融资，而这笔潜在的巨额负债却不会出现在谷歌的资产负债表上。Meta 公司也通过类似的“资产负债表外”交易为数据中心筹集了数百亿美元。
尽管目前这些交易被认为是安全的，因为背后的担保方（如谷歌、Meta）拥有强大的盈利能力，但风险在于未来：
- 未来的债券还会得到同等级别的担保吗？
- 如果担保方的收入状况发生变化怎么办？
- 如果银行开始接受“还算不错”的公司而不是科技巨头作为担保方呢？
结论：是必要工具，也是潜在风险
循环交易本身并非坏事，它是发展 AI 这种资本密集型产业的关键工具，也标志着 AI 正在商品化。
真正的危险在于，当这些交易被用于隐藏风险和逃避监管时。AI 债务融资预计将成为一个数万亿美元的市场，其规模仅次于美国的抵押贷款支持证券市场。如果标准不断降低，风险不断被打包和隐藏，我们可能会重蹈 2007 年金融危机的覆辙。在这个快速演变的行业中，保持警惕至关重要。