逐字稿文字預覽
1.65万亿美元 用100美元纸币首尾相连 可以绕地球赤道大约64圈 这个数字 是如今美国五大数据中心的发债总额 而如今 这些负债似乎离奇地“消失”了 它们藏到哪里去了呢 国际清算银行给这种做法起了个名字 Shadow Borrowing 影子借贷 如今被称为hyperscaler的大型云巨头们 正在用这样的手法 藏起天价债务数字 目的是让自己有一张更干净的资产负债表 哈喽 大家好 欢迎收看《硅谷101》 我是陈茜 这期视频我们就来聊聊 AI数据中心背后的债务账 我们仔细翻阅了 大型数据中心的各类申报文件 找出了至少五种不同的藏债手法 来看看巨头们 究竟是怎么让这些债务“消失”的 谁是这场金融游戏的幕后操盘手和话事人 以及AI时代的次贷危机是否在萌芽呢 如今我们说的五大hyperscaler数据中心 背后的亚马逊、微软、谷歌、Meta 以及甲骨文 可以说是位列全世界最能印钱的机器们 科技巨头们的现金多到不知道放哪 于是它们做了一件事 一遍遍回购自己的股票 但是现在 奇怪的事情出现了 我们把2021年以来 五家巨头的季度回购额都给排出来 你会看到一条完整的下滑曲线 4年前的2021年第四季度 五家巨头一个季度合计回购了480亿美元 是历史峰值 到去年最后一个季度 只剩129亿 再到今年第一季度 又砍掉了近2/3 只有46亿美元 四年多的时间少了九成 如今还在回购的只剩微软一家 谷歌从今年一季度起完全停止了回购 Meta连续三个季度零回购 Oracle上一个财年 全年只回购了不到1亿美元 而亚马逊 则从2022年年中之后再也没有买过 你可能觉得 回购本来就是可多可少的事 但是对于这几家公司来说 它其实是一个信号 以前它们把赚的钱还给股东 现在这笔钱要留下来盖楼了 那问题就来了 这五家公司账上躺着几千亿现金 怎么会缺到需要动股东的钱呢 我们先来看看两条线 大家看 图中的蓝线 是这五家hyperscaler财报上的经营现金流 也就是它们“赚到的钱” 橙色的这条线是它们每年的资本开支 这其中的花销增速 很大一部分就是盖数据中心花出去的钱 AI研究机构Epoch AI 在今年6月的一篇报告里面 就做了一次推演 把这五家的经营现金流和资本开支 各自按2023年以来的趋势往后延 经营现金流每年增长大约23% 而资本开支每年增长大约70% 那么这两条线会在今年第三季度交叉 也就是说在2027年前 如果科技巨头还是按现有的速度花钱 它们将在明年就会“集体返贫” 回到亏损时代 所以这些公司面临的问题 是钱来得不够快 根据摩根士丹利的测算 2028年前全球数据中心资本开支 大约2.9万亿美元 其中大约1.4万亿 可由超大规模厂商的现金流覆盖 而剩下的大约1.5万亿 就要靠纯外部资本了 于是 五家hyperscaler 开始了疯狂发债的节奏 HyperScaler爆发式发债 HyperScaler债券是2026年的首选交易之一 2020年到2024年 这五家公司平均每年发债大约280亿美元 但是到了2025年 这个数字涨到了1083亿 而从今年初到我们写稿的7月底 巨头们已经就快发了2000亿 是过去的年均6倍 不过这五家里面有一个例外是微软 2024年到现在 它一笔公开债务都没有发过 总债务反而还降了 这件事情挺反常的 那么中间的蹊跷我们放在后面再说 那问题来了 借来这么多钱 到底拿去干嘛了呢 你可能会觉得 这还用问吗 当然是买显卡 盖机房了 但是我们把这五家公司 两年半里面发的招股书全部翻了一遍 在资金用途这部分想找“数据中心” 还有“人工智能”这两个词 结果一次都没有出现过 就拿Meta 此前发行的这笔300亿美元的债来说 Meta自己表示 这笔钱是为AI和数据中心做长期融资 但是在递交给证监会的招股说明书里 “资金用途”整章基本上就六个字 “一般公司用途” Oracle也是如此 2026年2月发债的时候说 这笔钱是为了给云客户扩容 结果第二天递交的招股书里面却写了 “分红和股票回购” 所以这里出现了一个很有意思的错位 同一笔钱 在财报电话会上是“我们要all in AI” 但在招股说明书里面 就只剩下“一般公司用途”这六个字了 这么遮遮掩掩的原因也很简单 前者是讲给股东听的故事 而后者是要承担法律责任的具体表述 巨头们在有法律文件里面 把话说得如此模糊 就是不想向市场公开宣告 它们在大规模举债 但你说 既然市场愿意买 公开债又便宜、又标准、容量又大 为什么不大大方方地承认呢 主要有三个原因 第一就是市场的胃口有边界 衡量一笔债好不好卖 业内有个指标叫做超额认购倍数 简单来说就是市场下的订单 是发行量的几倍 倍数越高说明越抢手 比如说亚马逊的这个数据 在过去九个月就一路地往下走 从去年11月份的5.3倍 是一路跌到了2026年7月的这笔1.6倍 市场上有担心就认为 倍数掉得这么快 是市场开始害怕了 但是在我们《硅谷101》的采访中 两位华尔街投资人提供了不同的视角 认购倍数的这个问题 其实我的理解是 因为这个市场还太新了 更多的是因为这些发行人还没学会排队 而不是说更多的是市场的担忧 新到就是说从去年10月才开始 比如说Meta今年第二笔120多亿的 SPV（特殊目的实体）债进场 同一个窗口还有好几百亿美金的项目 也都在路演 都堆在了一起 再加上前一阵谷歌的现金流 转负引发的情绪 所以是这样导致了认购倍数的自然摊薄 其实跟钱袋鼓不鼓没有什么关系 更多反映的是大家的一个意愿 其实就跟IPO一样 比如说如果发行的债券很紧 好 我本来只需要买100股 因为我知道抢的人很多 我就申请200股 所以倍数掉下来 并不是市场没钱了 而是大家变得更加挑剔了 同一个时间窗口里 好几百亿的公开债一起路演 但愿意买这类资产的还是同一批机构 而它们在一段时间里面 能够吃下的同类型债务是有上限的 而一旦发债的速度超过了这个上限 发行人就只剩两条路 要么提高利息 把那些原本嫌贵 站在场外观望的钱给吸引进来 要么干脆绕开这个市场 去找一批全新的买家 现在这两件事都已经发生了 我们先来看一下价格这一头 借钱的价格也在变 2025年整个投资级债券市场 中位数只要比二级市场多给2.25个基点 就能够卖出 但是到了2026年 涨到了12个基点 以今年7月亚马逊的那一笔为例 最长的一档是多给了18到21个基点 近5倍的代价 多给的这十几个基点 听上去是个小数 但是摊到几百亿美元的发行量 和二三十年的期限上 意味着每年多掏出去的几亿美元现金 但是更麻烦的是 这个借钱的价格只会像阶梯一样越借越高 市场给当前这笔债务的成本定价 就成了下一笔的地板价 也会顺带 把公司在二级市场上的存量债券价格 一起往下压 也就是说 公开债这条路对于这五家公司不是走不通 而是每走一步都在变贵 而且变贵的速度比它们盖楼的速度还要快 第二个原因是过多的公开债 打破了和股东之间的默契 这些公司过去的形象是 手上进现金、几乎不欠债 赚了钱还给你 而现在变成了大举借债、砍掉回购 美国财经媒体CNBC就评论道 这打破了它们和投资者之间 “不言自明的契约” 这个契约之所以要紧 是因为它决定了今天到底是谁 会去持有这几家公司的股票 过去它们的买家 很大一批是冲着“零净负债、高回购 现金充沛”这套画像 来的质量型和成长型基金 一旦巨头们的资产负债表上 开始堆起千亿美元的债务 回购又被砍掉 这批股东手里面的持仓逻辑就不成立了 它们要么下调仓位 要么要求更高的回报来补偿 而债券那一头 新增的债会推高杠杆率、压低评级 让下一笔债更贵 所以打破契约的代价 是股和债两头被同时重新定价 而第三个原因可能才是最根本的 那就是公开债借来的钱 会一分不少地记在自己的资产负债表上 这直接会决定了评级机构给它们什么评级 而评级又决定了谁可以买它的债 这五家里面押得最厉害、借得最多的 是Oracle 它的资本开支一年之内 从212亿美元涨到了557亿 而今年7月份 标普把Oracle的债务评级 从BBB降到了BBB- 离垃圾级只差一档 可能有观众会问 不就降了一级吗 有那么严重吗 问题在于 掉出投资级不仅是面子问题 还有买家名单的问题 一般情况下 保险公司和养老金这一类资金最雄厚 但是对风险非常厌恶的机构来说 内部对评级有严格要求 评级一旦掉下去 会直接影响内部对投资标的的判断 而它们恰恰是这些公司最大的一批买家 它们（保险基金）（对）Oracle也有投资 但是当时投得比较小 也是考虑到Oracle的这个风险 如果以后假设Oracle跌出了这个投资级 对它来说 它其实更在乎的是说Oracle是否会违约 因为走到违约那一步的话 你肯定首先还是先走equity（股东） 然后债权人开始承担损失 所以在这个角度上 它们并没有那么担心评级的变化 而更多的是底层信用 Underlying credit的变化 因为这个是private credit（私募债） 如果历史上它也觉得 一旦到了这个程度 说大家都想跑了 这种情况下 大概率也不是那么好卖出的 真正的问题不光是“必须卖” 而是在想卖的时候 还有没有人接盘 所以对于这几家公司来说 账面上的债不是可以无限往上加的 加到某个位置 买家自己就消失了 而Oracle 可能就是那个已经加到位置上的人 所以来总结一下 这五家公司想要的其实是三样东西 第一就是更多的钱 因为公开市场上那批老买家 已经明显撑不住了 而第二是期限更长的钱 我们知道盖一座数据中心 从动工到收回成本 要十多二十年的时间 公开债给不了这么长、又这么定制的条件 第三 也是最难的一样 就是它们希望这笔钱 最好别那么显眼地 记在自己的资产负债表上 而这三样 公开债市场一样都给不全 那么谁能够同时满足这些需求呢 巧了 就在同一个时间点 华尔街那边也有一帮遇到麻烦的人 而解决麻烦的最好办法 恰恰就是把这三样东西一起给递过去 这就一拍即合了 华尔街上这群人中间 有一个机构叫做Blue Owl 2026年上半年 全球最大的私募信贷机构之一的Bule Owl 旗下的一只基金连续两个季度 遭到40%的赎回挤兑 但最终只兑付了不到15% 而公司的股价 也从24美元一路跌到了9美元 换句话说 每三个想把自己的钱从里面拿走的人里面 只有一个人能够真正地拿到钱 为什么会出现这样的事呢 因为它旗下这只被挤兑的基金 主要投资软件SaaS领域 而这正是今年华尔街最不想拿在手里的 这里的关键词 一个是“贷款率” 一个是“AI” 两个因素叠加在一起 让SaaS板块在今年数次在美股中崩盘 从2025年的9月高点算起 软件股一路跌了近四成 过去投资人愿意给软件公司有很高的估值 买的就在于确定性 客户每年都会续订 收入年年往上走 而现在这份确定性被打上了问号 因为市场判断 AI会杀死软件 逻辑也很简单 如果一家公司用了AI 自己就能够做出一个够用的工具 它为什么还要每年去掏订阅费呢 但是有意思的一件事是 如果你去看基本面 情况并没有那么糟 微软的M365订阅业务 同期收入增速从15%升到了19% ServiceNow, Salesforce, Snowflake 这几家SaaS公司 最近的季度营收也在企稳 甚至加速 既然基本面没事 那么为什么会崩得这么惨呢 这就要说到软件公司的贷款率了 国际清算银行今年7月的一份报告就显示 在私募信贷机构 放给SaaS公司的所有贷款里面 有60%是借给了那些 同时向七家以上机构借钱的企业 而十年前 这个比例还不到10% 所以就算SaaS业务暂时没有被AI冲击 然而一旦市场的情绪转向 整个SaaS产业的信贷敞口逻辑开始崩塌 Blue Owl承认了这一点 我认为大多数放贷机构 拥有大量软件相关业务的 都会寻求降低风险敞口 我们也不例外 但会控制在合理范围内 而更要紧的是 真正的检验其实还没有到 根据摩根士丹利的计算 大约11%的软件贷款 在2027年年底之前到期 另外有20%在2028年年底之前 这意味着资本巨头们 必须在SaaS“失灵”之前 找到一个让市场能重新买单的故事 而这个故事就是AI数据中心 过去的私募信贷最大的一块资产 其实是软件公司 但是软件现在的故事讲不动了 这批投资人其实正好把额度转过来 来投这个数据中心的债 比如2025年12月 Blue Owl就以不符合承销标准为由 拒绝了Oracle在密歇根的数据中心项目 但很快 这个单子就被另外一家私募资管巨头 PIMCO以更高的定价给抢了下来 2026年 围绕AI数据中心的“抢单”事件 几乎每个月都在华尔街上演 同一个数据中心项目要融资 能够收到好几家机构的同时报价 谁给的利率更低、条件更松 谁就能够敲下这笔单子 把数据中心打包成证券卖给投资人的规模 从2022年的13亿美元 涨到了现在的300到400亿美元 四年来翻了二十倍 而在所有这些交易当中 有一单最为标志性 那就是Meta最新的Hyperscaler 叫做Hyperion 接下来我们就以它作为案例 一步步来拆解一下它的“藏债大法” Hyperion这个项目一共借了273亿美元 而在Meta自己的资产负债表上 跟这个项目有关的记录 只有一笔23.7亿美元的投资 那么剩下那两百多亿去哪儿了呢 我们来一层一层地 拆解下它们的“藏债工具” 这座数据中心在路易斯安那州 登记在一家名叫Laidley LLC的公司名下 园区由它运营 还跟当地的电力公司 签了一份15年的供电合同 Laidley上面 是Project Beignet Holdings 数据中心的产权在这家公司手里 再往上是Beignet Investor 那273亿的债券就是它发的 更上面是一家叫做 Beignet Pledgor的公司 它全资持有Beignet Investor 同时 它把这些股权质押给了受托人 这样债权人把273亿美元借出去 拿回的抵押品 是发债公司的股权和它名下的数据中心 Pledgor上面还有四家持股公司 其中一家 叫做Beignet Net Lease Aggregator 它把所有出资人先汇集进一个壳里 再由这家壳公司出面持股 而站在最顶上的 是Blue Owl旗下的一只叫做OSNL的基金 它专做净租赁不动产 除此之外 还有一批跟着Blue Owl 一起出钱的共同投资人 到这 Hyperion这个数据中心资产 就和与它相关的债务 做好了法律层面的隔离 另外你会发现 这几家公司的名字都带着一个词 叫“Beignet” 这是新奥尔良街头的一种油炸甜点 这种“美食命名法” 倒是跟Meta大模型的取名方法 是同一个路数
本次執行流程與問題處理
下達指令
預期流程
- 採用來源字幕（略過語音辨識）
- 來源選擇與品質檢查
- 文字校正與句子單元
- 筆記與發布
- 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：17.6 秒
關係：依序執行
結果：完成
2. 全文快速校讀
工具：videonote_rapid_transcript_review.py
處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目
產出：rapid_transcript_review_report.json（產出檔案）
耗時：77.4 秒
關係：依序執行
結果：完成
3. 建立句子單元
工具：videonote-build-sentence-units
處理：將逐字稿切成帶時間軸的句子單元
產出：sentence_units.json（句子單元）
耗時：0.5 秒
關係：依序執行
結果：完成
4. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：0.5 秒
關係：依序執行
結果：完成
5. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.6 秒
關係：依序執行
結果：完成
6. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.6 秒
關係：依序執行
結果：完成
7. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：0.7 秒
關係：依序執行
結果：完成
8. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：235.6 秒
關係：依序執行
結果：完成
9. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：0.7 秒
關係：依序執行
結果：完成
10. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：0.8 秒
關係：依序執行
結果：完成
手動來源字幕
自動來源字幕
Whisper 字幕
- 尚未產生
Qwen 字幕
- 尚未產生
Parakeet 字幕
- 尚未產生
MOSS 字幕
- 尚未產生
聲學時間證據（PyAnnote / WhisperX）
- 尚未產生
校正前後逐字稿
- 校正前 transcript.source.json 純文字 JSON
- 校正後 transcript.json 純文字 JSON
目前待解決問題與初步改善方向
- 逐字稿全文快速校讀未完成
已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。；RAPID_REVIEW_STATUS=REVIEW_REQUIRED_INVALID_OUTPUT
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。
- 音訊下載不穩定，需更新 cookies / PO token 後重試精進模式。