为何华尔街忽视科技巨头的债务
外来客 • 2026-08-12 03:13:47
(原标题:Why Wall Street is Ignoring Big Tech's Debt)
📉 科技巨头债务危机与市场认知偏差深度解析
💡 一句话概述
华尔街对科技巨头巨额债务的忽视并非源于蓄意欺诈,而是由于会计规则的“伪装”、信息提取的高成本以及做空机制的限制,导致市场在AI投资回报与投入规模严重脱节的背景下,继续维持过度乐观的定价。
🔍 核心观点:被掩盖的真实负债与市场幻觉
当前市场对科技巨头债务问题的漠视,主要归因于两个层面的认知偏差。首先,从会计角度看,这并非类似安然(Enron)式的蓄意欺诈,而是合法合规下的“伪装”。Big Tech 通过租赁、供应商融资和股票薪酬等手段优化财务报表,虽然披露充分,但有效掩盖了真实的现金流压力。投资者盲目信任经过调整的收益指标,忽视了这些手段背后的实质成本。
其次,从市场行为学角度看,“不完全揭示假说”与“套利限制”解释了为何错误定价未能被即时纠正。关键财务数据虽已公开,但往往隐藏在冗长文件的脚注中,提取成本高且耗时;同时,专业投资者因担心流动性风险和“粉丝效应”导致的股价非理性上涨,不敢轻易做空这些叙事型股票。这种双重障碍使得市场基于“大市场幻觉”过度定价 AI 的未来潜力,而忽视了当前极低的实际生产力回报与天文数字般的投资规模之间的巨大落差。
📊 关键事实与论据:债务结构、会计手段与市场脱节
1. 惊人的债务现状与融资循环
五大美国科技公司的账面外负债总额高达 1.65 万亿美元。仅在上一个季度,其中三家巨头就新增了近 9000 亿美元的 AI 相关承诺。以 Meta 为例,单季签署的新承诺达 2330 亿美元,其中 960 亿为租赁形式。
这种债务扩张依赖于复杂的供应商融资循环。例如,Nvidia 为 OpenAI 等客户提供超过 7500 亿美元的支持(包括 2500 亿美元的租赁担保和 3500 亿美元的芯片融资);Google 则向 Anthropic 提供了 350 亿美元的贷款担保。这种相互捆绑的融资结构意味着,一旦下游应用失败,将导致供应商与客户的双重打击,风险高度集中。
2. 会计手段对真实成本的掩盖
科技巨头利用多种会计技巧美化报表:
- 表外负债:未交付的资产不计入资产负债表,使得债务规模在表面看来低于实际水平。
- EBITDA 陷阱:EBITDA(息税折旧摊销前利润)忽略了折旧费用,查理·芒格曾将其讽刺为“BS收益”,因为它掩盖了资本支出的真实消耗。
- 股票薪酬游戏:股票薪酬被视为非现金支出并加回利润计算中。实际上,公司通过回购股票来抵消稀释效应,形成了一种昂贵的“跑步机”机制,持续消耗现金流却未在损益表中直观体现。
3. AI 投资与回报的巨大落差
市场目前面临严重的供需错配。AI 领域的年投资额约为 9000 亿美元,若要支撑这一投入并覆盖债务,企业需要达到 2.5 万亿美元的年收入水平。然而现实数据令人担忧:
- 使用频率低:高管每周仅使用 AI 约 100 分钟。
- 支出极低:中位数企业的人均月 AI 支出仅为 10.66 美元。
- 生产力停滞:90% 的高管表示,过去三年 AI 并未带来生产力的显著变化。
对于支付 $20/月的小型企业而言,AI 或许是划算的交易;但对于投入数十亿建设基础设施的巨头来说,目前的收入规模远不足以覆盖其债务成本。
4. 监管松弛与利益冲突
SEC 废除了全球研究分析师和解协议中的“防火墙”,导致投行与研究部门的利益冲突加剧。与此同时,白领犯罪的起诉率已降至20年前的一半。这种监管环境的宽松进一步削弱了市场对财务真实性的监督力度。
⚖️ 结论:重新审视叙事与现实的差距
当前的科技债恐慌并非源于信息缺失或欺诈,而是投资者开始深入阅读脚注,意识到实际支出规模的庞大以及回报周期的漫长。正如 Richard Sloan 1996年的研究证实,应计利润往往不可靠,市场容易受到呈现方式的锚定效应影响。
AI 技术显然具有实用价值,但其商业模式的估值受限于数字约束的故事逻辑。巨头们通过互相借贷购买自家产品,并利用调整后收益隐藏高昂成本,这种模式在短期内可行,但长期来看面临严峻挑战。随着 Nvidia 信用违约互换(CDS)成本的单日飙升,市场正重新审视“所有人都是赢家”的叙事是否可持续。
正如 Jamie Dimon 所言,AI 可能会像互联网一样最终产生回报,但绝不会在你预期的时间线上实现。在债务还清之前,企业将继续借贷并将承诺隐藏在脚注中。投资者需警惕这种由会计技巧和市场情绪共同构建的脆弱平衡,因为一旦市场决定重新审视这些被忽视的细节,估值修正可能来得比预期更快、更猛烈。
0 条评论
发表评论
请先 登录 后参与讨论。