2026年夏天，一笔不寻常的交易悄悄浮出水面：亚马逊正在接触外部投资者，计划将价值约80亿美元的英伟达AI芯片资产打包进特殊目的载体（SPV），向这些投资者出售后再租回使用。换句话说，亚马逊想要这些芯片的使用权，但不想要它们出现在自己的资产负债表上。

这个细节本身并不惊天动地。售后回租（sale-leaseback）是房地产和航空业几十年前就玩熟的把戏。真正值得深思的是背景：这是全球市值最高的公司之一，坐拥数千亿美元现金流的云计算巨头，在AI军备竞赛打得最激烈的时刻，选择让外部资本替自己承担最核心的硬件资产风险。

与此同时，在太平洋另一端，软银正在做几乎相同的事情——通过外部资金管道为AI基础设施融资，把OpenAI等AI资产的控制权留在自己手里，却把重资产的下行风险分散给外部投资者。

两家公司，两套几乎同构的剧本，在同一个时间窗口集中引爆。这不是巧合。这是AI投资进入新阶段的信号——一个风险开始被系统性地从企业资产负债表转移到资本市场的阶段。

但这里有一个更深层的问题值得追问：当最了解AI芯片真实利用率和未来需求曲线的企业，选择将这些资产的所有权转移给信息劣势方时，市场应该如何解读这个信号？ 这不仅是一个关于亚马逊财务策略的故事，更是一个关于AI时代风险定价机制是否有效的测试。

第1章：80亿美元芯片的新归宿——亚马逊为什么要把英伟达GPU塞进SPV

交易结构的解剖

根据Yahoo Finance在2026年10月的报道，亚马逊计划将价值约80亿美元的英伟达AI芯片资产打包进SPV，向外部投资者出售，然后通过租约形式继续使用这些芯片。这是一个经典的售后回租结构，但规模和资产类型都前所未有。

售后回租的基本逻辑并不复杂：企业将自有资产出售给第三方，同时签订长期租约继续使用该资产。卖方获得即时现金流入，将资产从资产负债表上移除；买方获得稳定的租金收益和资产所有权。对亚马逊而言，这意味着80亿美元的资本开支可以不体现为固定资产，转而以运营租赁费用的形式分摊到未来数年的损益表中。

从会计处理的角度，这种操作有其合理性，但也需要审慎看待。在IFRS 16和ASC 842等现代租赁会计准则下，经营性租赁仍需在资产负债表上确认使用权资产和租赁负债，这意味着”表外化”的效果并不像前准则时代那样彻底。然而，其对资本开支指标（capex）的影响与直接购买截然不同——售后回租后的租赁付款被归类为经营活动现金流出而非投资活动现金流出，这对于那些高度关注自由现金流和资本开支强度的投资者而言，在财务叙事上具有显著意义。PwC在其2025年关于ASC 842在科技基础设施领域应用的分析中指出，这种重新分类效应正在成为大型科技公司管理财务报表呈现方式的重要工具（来源：PwC US，”Leases guide”，2025年更新版，viewpoint.pwc.com/dt/us/en/pwc/accounting_guides/leases）。

更关键的是：英伟达GPU的折旧周期与AI技术迭代速度之间存在根本性的错配。一台H100或B200服务器的账面折旧通常按3到5年计算，但AI芯片的实际技术生命周期可能更短——英伟达自身的产品路线图显示，从A100（2020年）到H100（2022年）到B200（2024年），每一代产品的性能提升幅度都在2到3倍以上，迭代周期约为18到24个月（来源：英伟达GTC历年主题演讲及官方产品发布资料，nvidia.com/en-us/gtc）。McKinsey在2025年的研究报告中分析了这种加速折旧现象，指出AI专用芯片的经济寿命可能仅为账面折旧期的60%到70%（来源：McKinsey Digital，”The economics of AI infrastructure”，2025年，mckinsey.com/capabilities/mckinsey-digital；需注意该比例为McKinsey基于行业调研的估算区间，具体数字因使用场景而异）。将这些资产的所有权转移给外部投资者，意味着将技术过时的风险（obsolescence risk）同样转移了出去。

这里存在一个尚未被充分讨论的结构性矛盾： 亚马逊作为租户，在租约期内有使用权但没有升级义务——当新一代芯片推出时，亚马逊可以选择不续租而直接采购新设备；而SPV投资者则持有一批正在快速贬值的旧芯片，其残值取决于二级市场的流动性和需求弹性。换言之，这种交易结构天然地将”技术迭代期权”留给了亚马逊，而将”技术过时风险”转移给了投资者。这是基于公开交易结构的推断，具体租约条款（如是否包含续租义务、残值担保、或提前终止罚金）尚未公开披露——这些条款的具体设计将决定风险分配的实际比例，SPV投资者应在认购前要求充分披露。

为什么是现在

根据SE Daily在2026年7月的报道，亚马逊2025年将资本开支目标提升至约2200亿美元级别。这个数字是什么概念？根据世界银行数据（data.worldbank.org），它超过了葡萄牙、新西兰等国家的年度GDP。即便AWS云业务利润大幅增长——同一报道指出2026年第2季度同比增幅达到64%——这种量级的资本开支仍然构成巨大的财务压力。

问题不仅在于绝对数字，还在于时间错配。AI基础设施的投资需要今天就砸钱，而回报的实现周期可能是3年、5年，甚至更长。在美联储联邦基金利率仍维持在4%以上的宏观环境下（截至2026年中，根据美联储公开数据，federalreserve.gov），资金的时间成本不容忽视。通过SPV将部分资产表外化，亚马逊可以在不牺牲算力使用权的前提下，改善短期财务指标，释放资产负债表空间用于其他投资。

还有一个层面更少被讨论：这种交易结构实际上是亚马逊在对AI投资回报做出隐性判断。如果亚马逊对未来5年AI云服务的收益极度确定，理性的选择应该是自己持有这些资产——毕竟，资产升值和折旧税盾的收益都将归于己方。选择出售再租回，意味着亚马逊愿意为了确定性的现金流入，放弃潜在的资产增值收益，同时将不确定性转移给外部投资者。

当然，也存在另一种合理解读：亚马逊的决策可能并非基于对AI回报的悲观判断，而是出于纯粹的资本效率优化。当资本开支规模达到2200亿美元时，任何能够改善资金使用效率的工具都值得运用，即便管理层对AI前景充满信心。大型企业的财资管理往往基于组合优化逻辑，而非单一资产的回报预测。但即便如此，选择表外化而非自持的决策本身，仍然是一个关于不确定性定价的信号。

值得注意的是，这两种解读并不互斥。 亚马逊完全可能同时对AI长期前景充满信心，又对短期内特定批次芯片的残值持谨慎态度——前者是战略判断，后者是资产管理决策。但对于SPV的外部投资者而言，区分这两种动机至关重要：如果是前者，他们买入的是一个被错误定价的优质资产；如果是后者，他们承接的是信息优势方主动转移出来的风险。在缺乏亚马逊内部GPU利用率数据的情况下（该数据不对外公开），外部投资者很难准确判断自己处于哪种情境。

第2章：不只是亚马逊——软银的同一套剧本

软银的双轨策略

软银的案例在结构上与亚马逊高度相似，但执行路径更为激进，也更具系统性。

根据Electron Economics在2026年10月的分析，软银计划通过特殊目的载体为其AI基础设施投资筹集约300亿美元的外部资金。软银的核心策略可以概括为：通过外部资金管道（pipeline to outside money）为AI基础设施建设融资，同时将OpenAI等核心AI资产的战略控制权保留在自己的资产负债表上。

要理解这种安排的精妙之处，需要看具体数字。软银在2024年对OpenAI的投资估值约为1500亿美元（据多家媒体报道，具体估值因融资轮次和条款差异可能有所不同），后者在2025年的年化收入已超过100亿美元（根据多家媒体报道，包括Reuters和Bloomberg的相关报道）。与此同时，软银通过旗下Stargate项目等渠道规划的AI基础设施投资总规模据报道高达1000亿美元以上。软银实际上在运营两套并行的风险敞口：一套是高风险、高潜在收益的AI公司股权（留在账上）；另一套是资本密集、回报相对确定但增值空间有限的AI基础设施（通过外部融资分摊）。

这种分拆逻辑并非偶然。对于软银而言，OpenAI的股权代表的是AI时代的期权价值——如果AI真的像预期那样重塑世界，这部分资产的价值将是天文数字。而数据中心、GPU集群等基础设施资产，更接近于公用事业属性：有稳定现金流，但上行空间有限，且需要持续的资本投入维护和更新。

将前者留在账上，将后者推给外部投资者，是一种教科书级别的风险-收益分层操作。

杠杆的另一面

软银的AI押注本质上是一场高度杠杆化的赌博。截至2025年末，软银集团层面的净负债约为4.8万亿日元（约320亿美元，根据软银集团公开财报，具体数字因汇率波动和报告时点可能有所差异），而其规划的AI基础设施投资规模远超自身负债能力。通过外部融资管道引入的资金，软银可以撬动远超自身资产负债表承载能力的AI基础设施投资规模。

在AI投资热潮中，这种杠杆效应被市场解读为”愿景”和”魄力”；但在另一种叙事框架下，它更接近于将系统性风险分散给那些可能并不完全理解自己在买什么的外部投资者。

软银的历史提供了重要的参照系。WeWork在2019年IPO失败后估值从470亿美元暴跌至不足80亿美元，愿景基金在该项目上的损失据报道超过100亿美元。Uber虽然最终上市，但软银在2019年投入的约77亿美元投资在上市后的很长时间内处于浮亏状态。Vision Fund 1在2022财年报告的投资损失达到约270亿美元（根据软银年度财报）。这些案例显示，在极度乐观的假设下进行的重资产押注，当现实与预期出现偏差时，外部投资者往往首当其冲。

不过，公平地说，Vision Fund 1最终在部分投资上获得了可观回报（如Coupang、DoorDash），整体表现并非全面亏损。而且，当前AI基础设施投资与WeWork式的赌注存在质的差异：AI基础设施有真实的企业需求支撑和可量化的算力产出，并非基于尚未验证的商业模式假设。这种差异是否足以改变最终结果，仍需时间检验。

但这里有一个更尖锐的问题： 软银的双轨策略是否构成了一种系统性的”逆向选择”？在经典的保险经济学中，当信息优势方选择性地将高风险资产转移给信息劣势方、同时保留高收益资产时，就构成了逆向选择。软银保留OpenAI股权（高波动、高潜在收益）而将基础设施（高资本密度、残值不确定）推给外部投资者的做法，在结构上与此高度吻合。当然，这是基于公开信息的分析框架推断，软银可能有其他未公开的战略考量，且外部投资者理论上可以通过尽职调查获取部分关键信息。但这种结构性的信息不对称值得外部投资者在做出配置决策前充分评估。

2026年的集中爆发：为什么是现在

亚马逊和软银几乎同时启动这类交易，并非巧合，而是有其结构性原因。

第1，AI资本开支的规模已经超越了单一企业资产负债表的舒适区间。根据Bloomberg在2026年的统计，仅Amazon、Microsoft、Alphabet、Meta 4家公司在2025到2026年间的AI相关资本开支合计已超过5000亿美元（来源：Bloomberg Intelligence，”Big Tech Capex Tracker”系列报告，bloomberg.com/professional/insights；需注意该数字为多个季度财报数据的累计汇总，具体统计口径可能因分析师定义”AI相关”的标准不同而有差异）。当整个行业的AI基础设施投资需求以每年数千亿美元计量时，即便是最强壮的科技巨头也开始感受到资产负债表的压力。

第2，外部资本市场对AI相关资产的胃口在2025到2026年间达到峰值。根据BlackRock Investment Institute 2025年中期展望报告，全球机构投资者对”AI基础设施”类资产的配置意愿显著上升（来源：BlackRock Investment Institute，”2025 Midyear Global Outlook”，blackrock.com/corporate/insights/blackrock-investment-institute）。养老基金、主权财富基金、保险公司等机构投资者正在积极寻找与AI主题挂钩的固定收益类资产。Sovereign Wealth Fund Institute的数据显示，中东和亚洲的主权基金在2025年向AI相关基础设施项目的承诺资金规模大幅增长（来源：SWFI，swfinstitute.org；需注意，”800亿美元”这一数字为多家媒体引用的行业估算，具体统计口径因纳入项目范围不同而可能存在差异）。AI芯片租赁资产——有科技巨头信用背书、有相对稳定的租金现金流——对这些机构而言具有相当的吸引力。供需两端同时成熟，交易窗口自然打开。

第3，监管和会计环境的相对宽松。与2000年代初期安然事件后监管机构对表外实体的高度警惕不同，当前的监管环境对AI基础设施SPV的态度尚未明朗。安然事件后通过的Sarbanes-Oxley法案主要针对的是欺诈性的表外安排，而亚马逊的售后回租结构在法律上属于正常的商业交易，与安然的手法有本质区别。然而，当这类交易的规模达到数百亿美元并涉及养老基金等公共利益相关方时，监管审查的加强只是时间问题。SEC对大型科技公司表外安排的关注度正在上升，但截至2026年中，尚未出台针对性的监管指引。

第4个容易被忽视的因素是竞争动态。 当一家科技巨头开始使用SPV融资来扩大AI基础设施规模时，其竞争对手面临一个囚徒困境：如果不跟进，可能在算力竞赛中落后；如果跟进，则整个行业的表外AI资产规模将迅速膨胀。据推测，Microsoft、Google等公司也在评估类似的融资结构（截至本文发表时尚无公开报道确认，此为基于竞争逻辑的推断）。如果这种模式在行业内扩散，AI基础设施SPV的总规模可能在未来2到3年内达到数千亿美元，届时其系统性风险将远超单一企业层面的分析框架所能覆盖。

第3章：2200亿美元资本开支的重压——AI账单已经大到什么程度

数字背后的压力

亚马逊2025年资本开支目标约2200亿美元（来源：SE Daily，2026年7月报道）。这个数字需要放在具体背景下才能感受到其真实重量。

作为对比：亚马逊2023年全年资本开支约为480亿美元，2024年约为750亿美元（根据亚马逊公开年度财报，可在亚马逊投资者关系页面查阅）。从480亿到2200亿，不到2年时间增长了约4.6倍。根据多家分析机构的综合估算，AWS在2025年的年化营收约为1150亿到1200亿美元区间（来源：基于亚马逊季度财报披露的AWS营收数据推算，具体年化数字以亚马逊正式年报为准）。即便AWS的运营利润率维持在35%左右的历史高位，AWS全年运营利润也仅在400亿到420亿美元区间——这意味着仅AWS的利润远不足以覆盖2200亿美元的集团资本开支，哪怕考虑到并非所有资本开支都流向AI。

AWS云业务利润在2026年第2季度同比增长64%，这是一个令人印象深刻的增速。但问题在于，即便是这样的增长，在2200亿美元的资本开支压力面前也显得相形见绌。AI基础设施投资的回报周期与传统云计算基础设施不同：一台用于普通云计算的服务器，其工作负载相对稳定可预测，企业签订的云服务合同通常为1到3年期，利用率可以基于历史数据建模；而AI推理和训练集群的利用率，在很大程度上取决于客户对AI应用的实际采用速度——这个变量在2026年仍存在相当大的不确定性。

更深层的问题是：AI基础设施的折旧与技术迭代之间的矛盾。亚马逊今天购买的H100或B200芯片，在3年后可能面临被新一代芯片大规模替代的压力。英伟达在2025年GTC大会上公布的路线图显示，下一代Rubin架构将在2026年下半年开始量产，性能预计较B200提升2到3倍（根据英伟达GTC 2025主题演讲及官方新闻稿，nvidianews.nvidia.com）。如果AI应用的需求增长不及预期，这些芯片的实际利用率可能远低于投资决策时的假设，导致大规模资产减值。

回报周期的不确定性

AI基础设施投资的商业逻辑建立在一个核心假设上：企业和消费者对AI服务的需求将持续快速增长，且愿意为之支付足够高的价格。

AWS的云业务数据在一定程度上支持了这个假设——64%的利润增长表明AI相关工作负载正在为云计算带来真实的收入增量。根据24/7 Wall St.在2026年8月的分析，AWS的AI相关服务（包括Amazon Bedrock、SageMaker以及自定义训练/推理集群租赁）正在创造全新的商业模式。多家分析机构估算，AI相关服务的年化营收增速超过100%，已占AWS总营收的约20%到25%（需注意该比例为分析师基于公开数据的估算，而非亚马逊官方披露的细分数据，亚马逊在财报中尚未单独拆分AI服务营收）。亚马逊的AI投资正在创造新的商业模式，这一点在AWS的财务表现中已经开始显现。

但”已经开始显现”与”足以支撑2200亿美元年度资本开支”之间，仍然存在一个巨大的鸿沟。AI工作负载的货币化效率——即每单位算力能够产生多少收入——是整个AI基础设施投资逻辑中最关键也最不确定的变量。根据Bernstein Research在2025年底的分析，云服务商AI推理服务的毛利率约为50%到60%，低于传统云服务的65%到75%，原因在于AI工作负载对电力和冷却的需求更高，且GPU的单位成本远高于通用CPU服务器（来源：Bernstein Research，”Cloud Infrastructure: AI Economics Deep Dive”，2025年12月；该报告为付费研究，可通过AllianceBernstein机构客户渠道获取）。这意味着AI工作负载虽然增长迅速，但在单位经济性上仍面临挑战。

另一个值得注意的数据点来自Microsoft的财报电话会。在2026年第1季度，Microsoft CEO Satya Nadella表示Azure AI服务的需求持续超过供给，积压订单规模创历史新高（来源：Microsoft FY2026 Q1 Earnings Call Transcript）。这与亚马逊的情况形成互证：AI算力确实存在真实需求，但问题在于这种供不应求的状态能持续多久，以及当供给赶上需求后，定价是否会大幅下降。

这里有一个关键的时间维度需要拆解： AI算力的供需平衡可能在不同时间尺度上呈现截然不同的面貌。短期（2026到2027年），供不应求的状态大概率持续——英伟达的产能扩张需要时间，台积电先进制程的产能瓶颈短期内难以完全缓解。中期（2028到2029年），随着英伟达Rubin架构量产、AMD MI系列芯片市场份额提升、以及亚马逊自研Trainium芯片的规模化部署，供给端可能出现显著扩容。长期（2030年以后），如果AI应用的渗透率增长曲线出现拐点——无论是因为技术瓶颈、监管收紧还是企业ROI不及预期——当前这批大规模部署的GPU可能面临利用率下降的风险。SPV投资者需要评估的，正是这个中长期的供需演变路径，而这恰恰是不确定性最大的部分。

芯片即负债

这里有一个大多数分析文章没有深入讨论的技术-商业交叉点：英伟达GPU不仅仅是资产，在特定条件下，它们更接近于负债。

以当前市场公开信息估算（注意：具体采购价格因客户关系和采购量而异，以下为行业普遍引用的参考区间），一台DGX H100服务器（配备8颗H100 GPU）的采购成本约在20万到30万美元区间，一台配备B200 GPU的下一代服务器成本更高。加上配套的网络设备（InfiniBand交换机等单台成本约数万美元）、液冷系统、数据中心空间（据估计，每兆瓦AI数据中心容量的建设成本在1000万到1500万美元之间，来源：JLL和CBRE等商业地产研究机构的数据中心市场报告，具体数字因地区和规格差异较大），实际部署成本远高于芯片本身。

这些资产需要持续的电力供应——一个典型的AI训练集群年电力成本可达数百万美元——定期维护，以及在技术迭代时的替换投入。如果市场需求不及预期，这些资产不会自动贬值到零——它们会持续消耗运营资本（电力、冷却、人员维护），同时在资产负债表上以账面价值存在，直到折旧期结束或被减值。

这种”持有成本”特性使得GPU资产与房地产或航空设备有本质区别。一架闲置的飞机可以停在沙漠里，维护成本相对有限；但一批闲置的GPU服务器仍然需要数据中心空间、最低限度的电力供应和环境控制。将这种性质的资产转移给外部投资者，意味着将这种”负债属性”同样转移出去。

不过，需要指出的是，GPU的二级市场正在逐步形成。据Reuters 2026年报道，二手H100的转售价格在推出2年后仍维持在新品价格的50%到60%（来源：Reuters，reuters.com/technology，具体报道日期为2026年中；需注意二级市场价格波动较大，该比例为报道时点的快照而非持续稳定水平），这在半导体领域是相对坚挺的残值表现，反映出AI算力持续的供不应求。如果AI需求增长维持当前势头，这些资产的残值可能远好于悲观预期。但二级市场的流动性和价格发现机制仍远未成熟，不能与航空设备或商业房地产的成熟二级市场相提并论。

一个值得关注的风险情景是： 如果英伟达的下一代芯片（如Rubin架构）在性能功耗比上实现跨代式提升，同时AI推理需求逐步从训练需求中分化出来（推理对最新芯片的依赖度低于训练），那么当前这批H100/B200的二级市场价格可能出现非线性下跌。这不是预测，而是SPV投资者在压力测试中应该纳入的情景之一。航空业的售后回租之所以运作良好，部分原因在于波音737或空客A320的技术迭代周期以10年计，且二级市场有数十年的价格数据支撑估值模型。AI芯片的SPV投资者没有这种历史数据的奢侈——他们正在为一个仅有3到4年价格历史的资产类别定价，而这个资产类别的技术迭代速度恰恰是已知最快的。

从这个角度看，亚马逊的SPV交易不仅仅是财务工程，更是一种对AI需求不确定性的对冲。

第4章：历史的回声——从电信泡沫到AI军备竞赛，风险转移的金融逻辑

2000年代的电信幽灵

2000年代初期的电信泡沫破裂，是理解当前AI基础设施融资模式的重要（但非完美）历史参照。

彼时，WorldCom、Global Crossing、Qwest等电信公司在互联网需求将”永久高速增长”的假设下，大规模铺设光纤网络。据估计，1996到2001年间，美国电信行业的资本开支累计超过5000亿美元（以当时美元计，来源：多项行业回顾研究，包括哥伦比亚大学商学院关于电信泡沫的案例研究，具体数字因统计口径不同存在差异）。为了维持资本开支，这些公司广泛使用了表外融资、特殊目的实体和各种创造性会计手段，将债务和资产从主体资产负债表上移除。WorldCom最终被揭露将38亿美元运营成本违规资本化，Global Crossing则通过”容量互换”（capacity swaps）虚增收入。

当互联网流量的实际增长速度远低于投资决策时的假设时——据估计，2000到2003年间新铺设光纤的利用率不足5%（来源：该数字被广泛引用于电信行业回顾文献，包括Andrew Odlyzko的研究论文”Internet traffic growth: Sources and implications”，dtc.umn.edu/~odlyzko）——这些表外资产迅速变成了表外负债。最终，风险的承担者不是做出投资决策的电信公司管理层，而是那些购买了相关债券、股票和结构性产品的外部投资者。

当前AI基础设施SPV的逻辑在表面上与此有相似之处：将重资产打包，通过金融工程转移给外部资本，自己保留使用权和战略控制权。但必须指出几个关键差异：

第1，企业质量截然不同。 WorldCom和Global Crossing是中等规模的电信公司，自身现金流有限，对表外融资的依赖具有生存性质。亚马逊是全球最大的云计算公司，2025年经营现金流预计超过1000亿美元（根据分析师一致预期，具体数字以亚马逊正式财报为准），SPV交易是资本优化工具而非生存手段。这一点怎么强调都不为过——亚马逊选择不做这笔交易也完全可以继续运营，而WorldCom如果不做账就无法维持表面的财务健康。

第2，底层需求的真实性不同。 2000年的互联网流量增长预测在很大程度上基于推测，而非已经验证的付费需求。2026年的AI算力需求则有真实的企业付费数据支撑：AWS AI相关营收增速超过100%，Microsoft Azure AI营收同比增长超过60%——这些是经过审计的财务数据，不是PPT预测。

第3，会计透明度不同。 安然之后实施的Sarbanes-Oxley法案、以及IFRS 16/ASC 842对租赁的严格披露要求，使得当前的表外安排比20年前透明得多。亚马逊的SPV交易需要在财务报表附注中披露，投资者理论上可以获取关键条款信息。

然而，一个核心相似之处仍然成立：当企业认为自持某类资产的风险收益比不如转移给外部资本时，这个判断本身包含了对底层资产价值的隐性看法。 不管亚马逊的财务状况多么健康，”信息优势方选择出售”这一行为的信号意义不应被忽略。

次贷危机的另一面镜子

2008年次贷危机提供了另一个维度的类比：资产证券化如何将风险从信息优势方转移到信息劣势方。

在次贷危机中，最了解底层抵押贷款质量的机构（贷款发起方如Countrywide、New Century Financial）通过证券化将这些资产打包出售，由投资银行（Goldman Sachs、Bear Stearns等）进行分层（tranching），最终风险落在了养老基金、市政基金、欧洲银行等机构投资者手中——这些机构依赖信用评级机构（Moody’s、S&P）的评级，而评级机构本身存在利益冲突（由证券发行方付费）。整个链条中，信息的不对称在每一个环节都被放大。

AI基础设施SPV的信息不对称结构在某些方面与此类似，但也有重要区别。

相似之处： 亚马逊比任何外部投资者都更了解：AI工作负载的实际增长趋势、GPU利用率的实际水平（这一数据通常不对外公开）、技术迭代对现有芯片价值的影响、以及自身长期战略对这些芯片需求的规划。外部投资者购买的是一个他们在信息上处于劣势的资产包，其回报高度依赖于亚马逊继续履行租约，以及AI需求持续增长。

关键区别： 次贷证券化的核心问题是底层资产质量的系统性造假（虚假收入证明、忍者贷款等），以及评级体系的利益冲突。亚马逊SPV的底层资产是实实在在的英伟达芯片，租约由亚马逊这一投资级（investment grade）信用主体背书。SPV投资者面临的主要风险不是欺诈，而是资产在租约到期后的残值不确定性，以及长期来看AI需求是否能持续支撑当前的投资规模。

此外，次贷危机中的CDO（担保债务凭证）经过了多层再证券化，风险被层层叠加到投资者难以穿透的程度。当前的AI基础设施SPV结构相对简单——基本上是”芯片所有权+租约”的组合——复杂性远低于CDO。但如果未来出现SPV份额的再证券化、或基于SPV现金流的衍生品，复杂性可能迅速升级。这不是杞人忧天：华尔街在有利可图的资产类别上创造衍生品的速度，历史上从未令人失望过。 监管机构和投资者应当在这一衍生品链条形成之前，而非之后，建立相应的风险监测框架。

这不是说这类交易一定会以灾难收场，但信息不对称的结构性存在，是外部投资者在评估此类资产时必须正视的风险因素。正如多位金融经济学家在NBER相关工作论文中反复论证的，金融创新的风险往往不在于创新本身，而在于市场参与者对信息不对称的忽视程度（来源：NBER工作论文系列，相关研究可在nber.org/papers检索）。

SPV的法律与结构性风险：被低估的暗角

在对AI基础设施SPV的讨论中，一个被严重忽视的维度是其法律和结构性风险。售后回租看似简单，但当底层资产是快速迭代的半导体而非稳定的不动产时，一系列独特的法律问题浮出水面：

第1，真实销售认定风险（True Sale Opinion Risk）。 SPV结构的核心前提是资产已经实现了”真实销售”——即从法律上与亚马逊的破产风险隔离。但如果亚马逊在交易中保留了过多的控制权（如优先回购权、定价干预权、或对SPV运营的实质控制），法院在极端情况下可能认定这不构成真实销售，而是一种担保融资。这将使SPV投资者在亚马逊破产时丧失对资产的优先受偿权。虽然亚马逊破产的概率极低，但SPV的法律结构设计应当能够经受这种极端情景的检验。

第2，GPU资产的担保权益登记问题。 与不动产不同，GPU等动产的担保权益登记体系（UCC融资声明）在跨州和跨境场景下可能面临复杂性。如果亚马逊的GPU部署在多个州甚至多个国家的数据中心，SPV投资者需要确保在每个相关司法管辖区都有有效的担保权益登记。这是一个看似技术性但可能影响投资者权益保护的关键细节。

第3，租约到期后的资产处置权。 SPV投资者在租约到期后需要处置这些芯片。但GPU不像飞机那样有成熟的转售基础设施和全球性的经纪商网络。如果亚马逊选择不续租，SPV投资者面临的问题是：谁来买这些二手芯片？以什么价格？通过什么渠道？目前AI芯片的二级市场仍处于早期阶段，缺乏标准化的估值方法和透明的交易平台。

第4，税务结构的跨境复杂性。 如果SPV在特定税务管辖区设立（如开曼群岛、爱尔兰或卢森堡），而GPU物理上部署在美国、欧洲或亚洲的数据中心，由此产生的跨境税务问题——包括预提税、增值税、以及转让定价——可能显著影响投资者的实际回报。这些税务结构的细节通常不在公开报道中披露，但对SPV投资者的净回报有实质性影响。

这些法律和结构性风险并不意味着AI基础设施SPV不可行，但它们构成了一个”已知的未知”清单，外部投资者在认购前应当要求法律顾问和税务顾问提供充分的尽职调查意见。

风险社会化的持续模式

将电信泡沫和次贷危机两个历史案例综合来看，可以识别出一个持续存在的模式：当某个行业的资本开支需求超过单一企业的承受能力，且市场对该行业的未来高度乐观时，金融工程就会被用来将风险从信息优势方转移到信息劣势方。

电信泡沫时期，这个工具是表外特殊目的实体和会计操纵。次贷危机时期，这个工具是资产证券化和CDO。AI基础设施时代，这个工具是特殊目的载体和售后回租结构。

模式的本质始终如一：用金融工程将未来的不确定性，以当期的确定性换取出去。

但每一次的具体结局取决于一个关键变量：底层资产的真实价值最终是否兑现了融资时的假设。 电信泡沫中，光纤利用率不足5%，假设彻底破灭。次贷危机中，房价不会下跌的假设被证伪。AI基础设施的假设——企业对AI算力的需求将持续指数级增长——目前仍在被验证的过程中。截至2026年中，数据更多地支持乐观情景（AWS和Azure的AI营收增速、企业AI采用率的上升），但历史告诉我们，在周期的上升阶段，数据几乎总是支持乐观情景。真正的考验在于周期的转折点——而我们尚无法确定当前处于周期的哪个位置。这是基于历史模式的推断，而非对AI投资前景的确定性判断。

结语：问题的核心从未改变

亚马逊把80亿美元英伟达芯片塞进SPV的操作，本质上回答了一个问题：当科技巨头认为未来数年AI芯片的残值存在不确定性时，他们愿意以什么价格将这种不确定性转移给别人。

这不是一个道德问题，而是一个结构性问题。在信息充分披露、投资者充分理解风险的前提下，这类交易是市场风险分配机制的正常运作。真正值得关注的，是当这种模式规模化并产生系统性效应时，金融市场是否具备识别和定价这种信息不对称的能力。

对于不同类型的市场参与者，这个信号的含义截然不同：

对于养老基金和主权财富基金： AI基础设施SPV可能是一种有吸引力的固定收益替代品——但前提是他们充分理解底层资产的技术过时风险，而非仅仅被”亚马逊信用背书”和”AI主题”所吸引。具体而言，这类投资者在评估此类产品时，应当要求发行方披露以下关键信息：GPU的具体型号和部署年份、租约的完整条款（包括续租选项、提前终止条件和残值分配机制）、以及独立第三方对底层资产残值的评估报告。如果发行方拒绝提供这些信息，这本身就是一个值得警惕的信号。

对于科技行业分析师： 这类交易的规模和频率是衡量AI投资周期健康程度的领先指标——当越来越多的科技巨头选择将AI资产推给外部资本时，可能意味着行业内部对回报时间线的预期正在拉长。建议追踪一个新的行业指标：”AI基础设施表外化比率”——即科技巨头通过SPV等工具转移给外部资本的AI资产占其AI总资本开支的比例。当这个比率快速上升时，可能是AI投资周期接近拐点的早期预警信号。

对于监管机构： 当AI基础设施SPV的总规模达到数千亿美元并涉及退休金等公共利益资金时，是否需要建立专门的披露框架和压力测试机制，是一个需要前瞻性思考的问题。SEC和各国金融监管机构应当考虑：要求AI基础设施SPV的发行方披露底层资产的技术规格和预期经济寿命、建立针对快速折旧技术资产的压力测试标准、以及监控SPV份额的再证券化和衍生品化趋势，防止风险链条的过度延伸。

对于英伟达及其竞争对手： 售后回租模式的兴起，意味着GPU的价值评估正在从”一次性采购决策”转变为”全生命周期资产管理”。这将反过来影响芯片厂商的产品策略——如果二级市场残值成为客户采购决策的重要考量，芯片厂商可能需要在产品设计中更多考虑向后兼容性和可升级性，甚至可能催生”芯片即服务”（Chip-as-a-Service）的新商业模式。

从历史来看，市场对信息不对称的定价能力，往往是——直到不行。

但”直到不行”不是宿命论。每一次金融创新的风险最终是否演变为危机，取决于信息透明度、监管响应速度、以及投资者的风险认知水平。亚马逊的SPV交易本身可能是完全合理的资本优化工具——但当整个行业开始复制这一模式时，个体理性是否会汇聚为集体风险，是这个时代最值得追问的金融问题之一。

一个最终的思想实验： 如果5年后回头看，AI基础设施SPV被证明是一笔好买卖，那说明AI需求的增长确实如预期般强劲，科技巨头只是在做聪明的资本管理。但如果5年后这些SPV中的芯片大面积贬值、投资者遭受损失，我们将不得不面对一个不舒服的问题：当全世界最聪明的公司选择把某类资产卖给你的时候，你是否应该比他们更乐观？

参考资料

  1. SoftBank bought a pipeline to outside money; OpenAI stays on its books — Electron Economics (Substack) (2026-10-09)
  2. SoftBank Isn’t a Business. It’s the AI Buildout’s Biggest Leveraged Bet. — AInvest (2026-09-25)
  3. Amazon’s AI Investments Are Creating a Whole New Business Model — 24/7 Wall St. (2026-08-28)
  4. Amazon Cloud Profit Jumps 64%, Lifts 2025 Capex to $220 Billion — Seoul Economic Daily (en.sedaily.com) (2026-07-31)
  5. Amazon (AMZN) Wants Investors to Finance $8 Billion of Nvidia Chips. Is AI Spending Getting Too Heavy? — Yahoo Finance (2026-10-11)
  6. 连亚马逊都开始”玩表外”了｜拟把 80 亿美元英伟达芯片塞进 SPV 再租回 — OKX (2026-10-10)
  7. 亚马逊拟打包出售80亿美元英伟达AI芯片资产，玩起”售后回租”的新玩法 — OKX (2026-10-09)
  8. Amazon (AMZN) Is Spending Billions on AI and Driver Pay. Will the Investments Pay Off? — Yahoo Finance (2026-10-10)
  9. $AMZN 上周买的亚马逊终于突破260了，AI这条线已经跑出真金白银 — OKX (2026-10-13)
  10. Amazon wants its AI chips off the books — The Signal (beehiiv) (2026-10-06)
  11. PwC Leases Guide (ASC 842) — PwC US
  12. 英伟达GTC大会及产品路线图 — NVIDIA
  13. 软银集团投资者关系及年度财报 — SoftBank Group
  14. 美联储联邦基金利率数据 — Federal Reserve
  15. 世界银行GDP数据 — World Bank
  16. 亚马逊投资者关系及SEC文件 — Amazon
  17. Microsoft投资者关系及财报 — Microsoft
  18. Andrew Odlyzko电信行业研究论文 — University of Minnesota
  19. NBER工作论文系列 — National Bureau of Economic Research
  20. BlackRock Investment Institute — BlackRock
  21. Sovereign Wealth Fund Institute — SWFI