保證金機器：FT 揭露 3,000 億美元 AI 債務藏在大科技財報附註裡

大科技公司的證券申報文件附註裡，藏著一個你在任何資產負債表上都找不到的數字：3,000 億美元。根據《金融時報》（FT）2026 年 9 月 20 日刊出的調查報導，這是 Meta、輝達（Nvidia）、博通（Broadcom）等科技巨頭過去一年為 AI 資料中心與晶片債務開出的保證總額。借款本身大多放在特殊目的載體（SPV）——擁有廠房與 GPU 的法律獨立實體——而科技巨頭只用「承諾」站在債務背後，會計準則將這類承諾視為或有負債，而非普通債務。

結果是：AI 建設潮在帳面上看起來遠比實際便宜。FT 報導指出，Alphabet 的資料中心保證金額在短短六個月內從 169 億美元跳升至 438 億美元，承諾額近乎翻增三倍。但其中只有不到 2% 在 Alphabet 的資產負債表上被列為實際負債。其餘全躺在揭露表格裡——沒有任何槓桿比率、債權契約測試或篩選模型會自動讀取這些數字。

保證金機器如何運作

關鍵工具叫做剩餘價值保證（residual value guarantee）。機制很簡單：投資人借出數十億美元興建 AI 資料中心，科技公司承諾，如果該設施或其晶片最終出售價格低於約定價值，公司將補足部分差額。由於債務主要屬於特殊目的載體而非保證人，這些曝險一開始就不會以傳統借款的形式出現。

Meta 用路易斯安那州 Richland Parish 的 Hyperion 資料中心專案讓這種結構蔚為風潮。一家名為 Beignet Investor 的 SPV（由私募信貸巨頭 Blue Owl Capital 持有多數股權，Meta 持 20%）募集了約 300 億美元，其中包括 Pimco、BlackRock 與 Apollo 等貸方提供的約 270 億美元貸款。載體擁有資料中心，Meta 再向它承租。當州監管機構核准供電的天然氣電廠時，Meta 早在同一天就透過一家德拉瓦州控股公司完成了交易重組。

博通隨後也為供應 Anthropic 的晶片融資承擔了類似保證；輝達則為 SoftBank 為 OpenAI 開發的資料中心提供了連帶保證。FT 統計的全行業保證總額高達 3,000 億美元——這還不包括《華爾街日報》8 月分析揭露的約 3 兆美元更廣義表外承諾。

Google 的三面結構

FT 最清晰的風險遷移案例是 Fluidstack 安排。AI 雲端供應商 Fluidstack 承租並興建裝滿 Google TPU 晶片的資料中心，再把產能租給 Anthropic。Google 為 Fluidstack 的租賃付款提供保證，因為 Alphabet 等於在貸款上共同簽名，貸方便能以更低的利率融資。

這個結構在債務與資產負債表之間隔了三家公司：擁有廠房的 SPV、承租的雲端供應商、以及為付款背書的晶片商。每一層都合法、都有揭露。但信用曝險已悄然從超大規模科技公司的帳本，遷移到載體的貸方聯貸集團——資產管理公司與私募信貸基金成為 AI 時代真正的基礎設施債權人。

為什麼是現在：Oracle 的壓力訊號

FT 此刻拋出報導並非巧合。上週五，與一座租給 Oracle 的紐墨西哥州資料中心掛鉤的約 180 億美元貸款滑入「壓力」區間，債券報價跌至 89 至 91 美分，投資人開始擔心工程延誤與地方反彈。這是迄今最具體的訊號：AI 基礎設施債務會晃動——而一旦晃動，背後的保證突然就變得事關重大。

保證之所以在帳面上維持「便宜」，前提是 Anthropic、OpenAI 這類承租戶持續繳租，且資料中心持續創造足以Cover成本的營收。如果 AI 需求減緩、而龐大產能已經建成，閒置設施將貶值、舊款 GPU 折舊速度快於預期，大科技可能突然必須吸收投資人從未視為債務的損失。

合法、有揭露——但結構上隱形

這一切都不是詐欺意義上的隱匿。企業公布了讓 FT 報導得以成立的數字；這些結構符合現行美國公認會計原則（GAAP），信用評等機構在評估時確實會檢視這些保證。問題出在結構本身：資產負債表上的數字會自動傳播到所有建立在它之上的比率與模型，附註裡的數字卻只有在有人讀到它、判斷它、並手動加回時計算才會生效。

兩組數字都是公開的，但只有一組會預設出現在每個槓桿篩選器裡。監管機構已開始注意——今年稍早一封致財政部長 Scott Bessent 的信函點名了 AI 相關債務結構的疑慮，參議員 Elizabeth Warren 也已要求金融穩定監督委員會（FSOC）調查她所稱的「AI 債務泡沫」。會計準則能否在下一波承諾簽約前跟上，如今是個開放問題。

對於看多者宣稱 AI 資本支出能自我償付、看空者警告安隆式融資螺旋的產業而言，FT 的 3,000 億美元數字帶來的是某種澄清：AI 建設潮未必過度槓桿，但其財務重量的相當份額，如今活在申報體系中需要「刻意人為檢索」而非「自動傳播」的那一層。企業公布了數字。問題在於，哪些分析師——以及哪些風險模型——真的在讀它們。