2026-08-22 18:27:40
（本文作者为 数读社，钛媒体经授权发布）
文 | 数读社
不知不觉间，淘宝闪购上的奶茶，恢复到了外卖大战前的水平。
一杯瑞幸咖啡，特价情况下，也已经接近10元。
最新的财报，去年的重点即时零售只出现了8次，而AI出现了70次。
阿里再次调整了主要业务单元，一共罗列了三大主要业务，其中AI占了两项。只有这两项是两位数增长。
毫无疑问，接下来很长一段时间，除了AI，阿里都不会再选别的路。
从业务板块就能看出来阿里的侧重点。
2024年是淘天、阿里国际、云智能、菜鸟、本地生活、大文娱，AI相关的云业务只是六分之一，其他有4项是围绕淘宝、天猫两个APP展开的电商相关业务。
今年二季度，阿里国际、菜鸟、即时零售全部划到阿里电商集团，AI反而变成了两大独立业务，从六分之一变成了三分之二。
这项变动相当于画出了一条清晰的分界线，一边是传统电商业务，一边是新的AI业务。
传统业务在做减法，电商被划归成一个大的部门，不再分得过于详细。
这个策略有现实原因。除了即时零售，阿里的其他电商业务，几乎都处在下滑状态。
中国区电商业务营收1109亿，同比下滑8%。其中，直营物流营收283.5亿，下滑10%。客户管理825亿，下滑7%。
受困于国际环境和地缘政治的影响，国际电商业务，二季度营收277.6亿，下滑1%。
即时零售是唯一的遮羞布，二季度营收533亿（将天猫超市的即时配送业务纳入统计），同比大幅增长45%。这是非常亮眼的成绩，不过也需要看到，因为去年同期阿里刚刚参与外卖大战，即时零售业务并未大幅增长，基数相对较小促成了这项业务的高速增长。
在电话会上，蒋凡对于即时零售，主要的关注点是优化、亏损收窄，而此前阿里对即时零售的态度是，“三年不担心亏损，全力做大”。重点的变化意味着，即时零售不再是片面追求规模，而是注重良性发展。
在个思路的主导下，阿里即时零售已经出现了增速下滑。考虑到接下来同期基数变大，这项业务在未来几个季度会恢复低增长甚至是负增长的情况。
从任何角度讲，传统的电商业务都不具备投入重金的必要性。
电商三足鼎立的局面难以改变，阿里无法彻底压制拼多多和京东。
即时零售的这场战役已经证明，阿里同样无法彻底压制美团，投入重注回报率并不高，也不符合政策鼓励的方向，只会给整个商业生态徒增压力。
国际电商业务方面，地缘政治的不确定性、逆全球化的潮流，不是阿里所能改变，投入再多的资源也无法扭转局面。与出海四小龙其他三家一样，可以享受行业的β增长，但人为力量效果有限。
最明智的选择就是顺势而为，不过度在存量市场消耗资源。而真正的机遇就是AI。
2008年，当王坚提出要自主研发云计算操作系统"飞天"时，遭遇了内部的巨大阻力。"王坚是个骗子"在集团内部被悄悄说了多年。
主修心理学的王坚，毕业后留校任教10年，研究的方向也是工程心理学。做云计算业务，的确会让人产生这样的质疑。特别是，2010到2012年连续三年，阿里云的集团考核都是垫底。工程师一度离职8成，每年烧钱却看不到效果。
最终是马云亲自安抚团队，“我每年给阿里云投10个亿，投十年，做不出来再说。”
也正是马云的坚持，王坚的兑现承诺，2013年阿里云正式上线，阿里在电商之外，开辟出独立战线。
熬过了云计算早期的投入，阿里云增长飞轮开始转动。到今年一季度，阿里云在中国IaaS市场份额达到32.8%，大幅提升2.7个百分点，稳居中国市场第一，比第二第三之和还要多。
阿里云的今天，是阿里向AI进军的底气。
面对AI带来的行业巨变，阿里本季度进行了方向性调整，将AI划分为基础层和应用层。基础层，把云智能与平头哥合并，成为AI云与算力服务业务，提供基础设施和算力。
应用层主要是将AI模型实验室、千问消费者事业群及千问办公整合，成立AI实验室与应用业务，推进AI模型创新、消费者应用以及企业生产力解决方案。
在基础层，阿里已经真金白银砸了多年。
2020年，BAT先后宣布发力新基建。阿里宣布未来3年投入2000亿元，用于云操作系统、服务器、芯片、网络等核心技术研发和数据中心建设。
最近几个季度，阿里持续加大资本开支，二季度，其资本开支达到676.78亿元，同比大幅增长75%，投入的主要方向就是AI基础设施。
现阶段AI行业，真正能赚到钱的就是“卖水”生意，这是阿里云+平头哥的业务范围。
根据阿里对外透露的信息，最新一代AI处理器真武M890已通过阿里云，在自动驾驶、互联网等20余个行业的超650家外部客户中实现商业化应用。
上一代平头哥芯片已经生产超过50万颗并完成出货。最新一代芯片8月已经部署在阿里云AI云平台上，以Supernode形式提供服务。基于新一代平头哥芯片的“臻5 M890”超节点，已经与Kimi K3、千问3.8 Max有合作。大规模AI数据中心交付周期压缩至100天。
二季度，AI云与算力服务实现了484亿营收，同比大幅增长45%。盈利能力强悍，EBITA（息税折旧及摊销前利润）为56亿，同比大幅增长133%，是阿里在主营遭遇下行周期，AI应用层需要持续投入的情况下，唯一的利润支撑。
根据投行小摩的预测，阿里云目前约12%的利润率，可能尚未充分反映AI基础设施进入成熟运营阶段后的盈利能力。也就是说，阿里云还会在接下来继续维持营收、利润双增长的局面。这对于阿里是极大的信心支撑。
参考其竞争对手，电商显然不是AI产业的主角，而阿里能够维持竞争力，一部分功劳要归功于当初被称为“骗子”的王坚。
不过，相比于“卖水”业务的强势，在应用端，阿里跟其他竞品是同一起跑线。
如果要说当下最具竞争力的大模型和Agent，千问完全可以与Kimi、智谱、DeepSeek相抗衡。但如果说用户基础最大的，千问可能并不如豆包，Agent使用度可能也不如workbuddy、kimiwork。
今年年初，阿里通过集五福试图为千问引流，但最终，由于抖音的巨大流量，同时阿里分神电商业务，导致在市场培育上，输给了豆包。
目前，千问相关的应用，依然围绕在阿里生态。根据财报， 千问App已经接入淘宝天猫、淘宝闪购等业务场景，截至目前，已有2.5亿用户通过智能体功能体验AI驱动的购物场景。
在企业市场，阿里推出千问办公，深度集成阿里云和钉钉的生态体系，希望通过AI模型和智能体能力进入企业生产力场景。
脱离不了阿里的生态，就无法获得更广泛的用户基础。这是阿里长期以来都没能解决的问题，在AI时代，这个问题同样突出。
在AI应用层，阿里没有必赢的把握。从技术端，阿里群狼环伺，除了竞争对手豆包、元宝，还有新兴的大模型公司KIMI、智谱、DeepSeek等，阿里曾经做到过领先行业，但最近几个月，唱主角的是Kimi K3、智谱GLM5.3、DeepSeek V4。 领先优势往往都只有半个月左右。
在应用层，阿里用户基本盘小于字节，千问办公突围的难度更大。
因此，这部分业务的商业化困境明显，投入力度却不敢停下。二季度，AI实验室与应用业务营收33亿，同比增长16%，虽然保持增长，但无论是规模还是增速，都远不如基础设施。
不仅如此，这30亿中，钉钉本身也是有基本营收在内的，根据《财经》，钉钉2025年营收40亿，相当于每季度平均有10亿左右的营收。这意味着，阿里在AI应用层商业化上，还远没到规模化的程度。
盈亏平衡则是遥遥无期，EBITA为亏损138.6亿，同比大幅扩大330%。这部分投入力度巨大，模型训练不敢停、不能停，而且看不到清晰且广阔的商业化场景，短时间非常难熬。
由此来审视当前阿里的发展状态，阿里云给AI基础设施带来基本盘，营收增长快、盈亏平衡已经实现。但这部分业务需要超前布局、持续保持资本性开支，从而巩固住优势。AI应用层一方面需要商业变现的探索，另一方面阿里不具备流量优势，想要具备电商这般的统治力，可能并不现实。而电商领域，整体已经处于追随宏观环境β增长，阿里无力靠一己之力改变格局。
阿里的资金不会再过多投向即时零售和电商，而是投向基础设施建设，投向大模型能力提升，静待后者的商业化爆发。从本季度开始，AI已经是阿里唯一的路。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-08-22 18:26:20
（本文作者为 光锥智能，钛媒体经授权发布）
文 | 光锥智能，作者｜白鸽 ，编辑｜王一粟
AI带火的算力卡，到底放在哪儿了？
答案指向了数据中心运营商，它们不造算力，只盖机房、供电力、搞运维，把机柜租给云厂商和互联网公司。
万国数据，就是这其中最老牌、也最“重”的一个。
8月13日，万国数据发布了2026年第二季度未经审计的财务业绩。财报发布后，市场迅速给出积极回应，次日港股盘中最高触及35.16港元，最大涨幅达13.3%。
这家中国第三方数据中心运营商，再次成为资本市场关注的焦点。
市场情绪的高涨并非没有依据。
从财报表面数据看，万国数据交出了一份相当亮眼的成绩单：上半年净利润约34.90亿元，同比实现扭亏为盈；第二季度单季净利润8.38亿元，成功扭亏。
与此同时，运营端的表现更为惊人，上半年新增签约量达470兆瓦，仅用半年时间便超过了2025年全年总和，管理层更是直接将全年销售目标翻番至1吉瓦。
在AI算力需求井喷的当下，万国数据作为“卖铲人”的角色正在迎来前所未有的历史机遇，也正在被市场重新定价。
但数字需要拆开看。利润暴增的背后，有多少是正经经营赚的？订单涨疯了，钱什么时候才能真正落袋？这家中国领先的第三方数据中心运营商，在AI时代究竟处于怎样的真实状态？
万国数据的生意，本质上就是数字时代的“包租公”，只不过包的是机房，即把建好的机房、稳定电力、制冷和网络带宽，按机柜或功耗租出去。
客户把服务器往里一放，供电、散热、安保、运维全归它管。
所以一般来说，其客户都是吃算力的大户：云服务商、大型互联网公司，以及银行、保险、券商的灾备和核心系统等等，合同一签5到10年，客户黏性极强，收入高度可预期。
重资产、长周期、高杠杆，这套模式在其2000年成立时就定型了。但AI来了之后，给这一门老生意，带来了巨大的变化。
从财报数据上来看，万国数据当前的整体收入情况已经进入稳定状态。净利润方面，表面看，上半年净利润高达 34.90亿元，二季度单季也净赚 8.38亿元（去年同期还亏 0.71亿元），净利润率 27.1%，相当漂亮。
但是，数字需要拆开看。
剔除部分一次性收入项目后，主业经营端实际上仍处于亏损状态 。
不过，有个指标值得划重点，其二季度经营现金流14.16亿元，同比增长64%。
这个数字很重要。毕竟，订单签得再多，钱收不回来都是白搭。现金流猛涨，说明前面积压的合约订单，正在真正变成现金往回淌。这是整个财报里最扎实的积极信号。
道理很简单，数据中心签的合同大多是“照付不议”，不管客户用不用，钱得照给。一旦客户完成上架，这笔钱就变成了稳定的经常性收入。
二季度现金流跳涨，说明前几年签的那些大单子，正在批量进入“稳定缴费”状态。
这是IDC生意最迷人的地方，前期投入大、周期长，但一旦爬坡完成，现金流的确定性和持续性远超很多行业。
整体来看，这个营收增速，放在一家“AI算力底座”公司身上其实不算惊艳，它更像是稳健，而不是踩了油门。万国数据成立26年了，从高速扩张滑进稳健爬坡期，这是行业规律。
但这也说明，万国数据靠卖机位收租的主业，已经没有早年那种每年涨30%以上的锐气。取而代之的，是一个更厚重、更依赖前期积累的增长模式，即订单先跑起来，钱慢慢跟上。
另外，毛利率方面，万国数据二季度毛利率21.5%，比去年同期的23.8%掉了两个多百分点。
对此，万国数据解释是电费涨了，加上新机房刚投产，折旧和运维成本提前压上来了，道理一样，成本前置，收入后置。
这其实也是AI来了之后，给IDC行业成本结构带来的巨大的变化。数据中心是电老虎，这话不新鲜。但AI时代，功耗密度翻了几倍，一个机柜顶过去一排，电费在运营成本里的占比越来越高。
国家能源局的数据显示，2025年全国算力中心用电量已经达到1700亿千瓦时，占全社会用电量的1.6%。这个比例还在往上走。
万国数据在建和运营的面积越来越大，电费账单只会越来越厚。国家还在推“算电协同”，新建数据中心绿电消费比例要求越来越高，绿电比火电贵，这又是一道成本压力。
当然，除了成本结构之外，AI算力基建的需求，也给这些传统IDC厂商带来了更多的订单，且其客户也从互联网等大型云厂商开始向新的赛道企业拓展。
如果说利润表还有点“美颜”的成分，那运营数据基本就是素颜朝天，真实的增长动能藏不住。
云计算时代，IDC行业的增长是温和的个位数爬坡，但AI时代，订单是潮水般涌来的。
从客户的角度来看，上半年，万国数据从三大核心超大规模客户处均斩获大量新订单，同时与一批“新兴AI领军企业”建立了合作关系。
据悉，其承载的工作负载目前约一半CPU、一半GPU，管理层预计明年GPU占比还会更高。这批客户和需求，2023年前根本不存在。
这也使其签约量直接暴涨。
2026年上半年，万国数据新增签约量达471兆瓦，超过2025年全年总和。仅第二季度就新增签约260兆瓦，管理层直接将全年销售目标从500兆瓦上调至1吉瓦。
目前，万国数据已锁定600兆瓦资源预留意向，具备约束力的在手订单储备（backlog）达757兆瓦，合计约束力承诺突破2吉瓦，管理层预计2026年末预留容量将超过1吉瓦。
这不是云计算时代那种温和爬坡，而是AI算力订单的集中释放。
另外，在万国数据上半年新签订的订单里，约一半来自乌兰察布、和林格尔、韶关等新兴市场。成熟市场与新兴枢纽大致各占一半。
2026年6月，万国数据与乌兰察布市政府签署战略合作协议，未来五年投资超过300亿元，打造GW级绿电直连数据中心集群，通过绿电直连、绿电交易等方式实现80%以上绿电覆盖。
可以看到，万国数据这一波抢的是西部稀缺的大容量电力配额和绿电，因为头部云厂商已经把可再生能源写进了采购标准。
但是，这里有一个数据中心行业最残酷的规律：订单≠收入，收入≠利润。
从签约到产生收入，中间隔着建设、交付、客户上架、调试、计费，周期长达12-24个月。二季度30.88亿元的收入，同比增长仅6.5%，反映的是2024年甚至更早的签约项目。而今年上半年470MW的订单爆发，真正的收入兑现高峰在2027年下半年。
管理层在业绩会上明确说了：“2027年交付量比2026年翻倍以上。”
所以，当前的财报是“前夜”，2027年下半年才是“主舞台”。市场现在给的估值，买的不是当下的利润，而是对2027年收入爆发的预期。
这是一场用时间换空间的赌局。
从“卖机柜”到“卖AI算力基础设施”，万国数据正在给自己换剧本。
过去IDC的生意逻辑很简单：在核心城市圈拿地、拿电、拿能耗指标，盖好楼租给客户，收租金和电费差价，核心壁垒是区位资源。但现在AI算力需求爆发，游戏规则变了。
客户要的不是一个放服务器的房间，而是能跑大模型训练的高功率密度集群，单机柜功率从过去的4-6千瓦飙到20千瓦以上，液冷变成标配，绿电供应成了硬指标。没法满足这些要求的机房，再便宜也没人要。
万国数据的打法是用“成熟市场+新兴枢纽”双轨布局。
成熟市场是京津冀、长三角、大湾区的环一线城市节点，满足低时延需求；新兴枢纽是乌兰察布、和林格尔、韶关、中卫这些绿电资源富集、土地成本低的地方，承接大规模AI训练业务。
这个布局的逻辑很简单：一线城市周边做“低时延”的生意，满足推理和实时计算需求；西部地区做“大规模”的生意，满足训练集群对成本和能耗的苛刻要求。
两条腿走路，哪个方向爆发都不吃亏。
但这里有一个核心问题：资本效率。不是钱有没有的问题，是每一块钱砸下去能不能产生足够的回报。IDC行业的特点是，在规模扩张期，ROE和ROIC通常都不好看——资产还没跑满，折旧先记上了，利润表先承压。
万国数据目前就处在这个阶段。前几年投的项目正在陆续交付和爬坡，贡献的利润还没完全释放；新签的订单又催着继续投新的项目。
资本永远跑在回报前面，这是重资产扩张期不可避免的阵痛。
归根结底，万国数据在赌一个判断：AI算力基础设施会从“有的用”变成“不够用”。 到那时，谁手里有现成的高功率机房、有绿电通道、有客户粘性，谁就能吃到定价权的红利。
行业现在不缺机房，缺的是能跑AI的高品质机房。低效供给正在出清，头部玩家在吃掉增量市场。万国数据的市占率行业第一，这个位置本身就是一个长期的护城河。
但护城河也要持续加固。液冷方案在快速演进，供电架构在不断升级，客户对PUE的要求越来越苛刻。先发优势能不能保持，取决于能不能在快速变化的技术路线中始终踩准节奏。一两年跟不上，就可能被甩开。
AI越热，算力底座越值钱，这是确定的。但底座的生意，从来不是躺赢。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-08-22 18:26:13
（本文作者为 智讯智库，钛媒体经授权发布）
文 | 智讯智库，作者 | 许倍
过去讨论AI泡沫，市场主要盯着企业剧烈波动的估值、大模型商业化收入和科技巨头不断膨胀的资本开支。但现在，AI风险开始从科技股估值向基础设施债务延伸。
8月17日，《华尔街日报》对Alphabet、亚马逊、微软、Meta、Oracle、英伟达、Broadcom、SpaceX和AMD九家科技公司的最新监管文件进行梳理后发现，这些公司已经积累约3万亿美元表外承诺，其中大部分与AI基建有关[1]。这一规模约为九家公司过去一年披露的6000亿美元传统资本开支的五倍，也是其表内存量租赁负债和长期借款的约三倍。
这3万亿美元主要由两部分组成：约1.2万亿美元尚未起租的租约承诺，以及约1.9万亿美元采购及其他合同义务。由于相关资产或服务还没有交付，这些承诺尚未确认为表内负债，但大多不可取消。这意味着即使未来AI收入低于预期，科技公司可能仍需要为无法产生足够回报的基础设施持续付款。
在这两类承诺中，1.2万亿美元未起租租约将科技公司与信用市场隐秘地连接了起来。有时候，科技巨头并不直接建设数据中心，而是与SPV（特殊目的实体）或合资项目公司合作，由项目公司负责持有和建设资产，它们再以未来租金为基础向私人信贷和机构投资者举债。其经济效果类似于借款，却主要存在于科技巨头资产负债表之外，BIS（国际清算银行）将这类结构称为“影子借贷”[2]。
租约承诺与SPV债务并不是同一笔负债，但前者为后者提供了现金流和信用支持，由此把科技巨头、数据中心开发商和金融机构连接起来，使AI基建风险从股票市场进一步延伸至信用市场。
BIS在今年6月发布的年度经济报告中，将当前AI投资潮与历史上的运河、铁路、电气化和互联网建设周期进行比较，并指出本轮扩张已经呈现高资本开支、债务融资、SPV、循环融资和信用集中等特征[3]。随着科技企业为AI基础设施大量融资，与Oracle、英伟达、Meta和Alphabet等公司相关的CDS（信用违约掉期）交易及保护成本也明显上升[4]。这说明市场已经开始把AI军备竞赛作为一个信用问题、而不只是估值问题来观察。
当未来的AI需求不再只是支撑科技股估值的增长预期，也开始成为支持当下举债和大规模建设的信用基础。需求判断失误的后果就不再局限于股价回调，而是会进一步转化为难以修复的信用损失。
如今的AI基建热潮正在重现次贷危机中最危险的一幕：把高度不确定的未来需求当成稳定偿债现金流，再围绕它叠加杠杆，并将风险转移、扩散至金融体系。一旦技术迭代快于资产回收，或者未来需求没有兑现今天的预期，风险就可能沿着租约和债务向信用市场快速传导——“AI基建”正在成为AI泡沫中更值得警惕的风险载体。
本篇文章围绕AI基建金融化，给出以下几个最值得关注的判断（Takeaways）：
【“AI基建潮”正在把资本开支推向信用扩张】：9家科技公司的表外承诺已接近3万亿美元，相当于其过去一年传统资本开支的5倍。这些承诺把未来支出提前锁定，使AI投资从依赖企业当期现金流的资本开支，逐渐变成由长期合同和外部融资共同推动的信用扩张。
【三只不同速度的时钟，构成了AI基建融资的结构性风险】：数据中心设施可以使用几十年，GPU和服务器数年就会换代，下游客户需求则可能随市场快速变化。金融市场用长期合同和债务把三者锁在一起后，技术迭代、收入波动和固定付款就可能相互放大。
【第一张倒下的骨牌，未必是科技巨头】：AI回报低于预期时，微软、Meta等巨头未必立即违约，只需减少新增租约和资本开支，就可能使项目预租率、资产估值和再融资能力同时下降。风险往往会先暴露在高杠杆、客户单一且依赖持续融资的数据中心开发商和AI云服务商身上。
【项目风险一旦走出SPV，就可能扩散至金融体系】：当基础设施基金提供股权、私人信贷和保险资金持有项目债务、银行再向SPV或基金提供授信，投资损失就不再只由科技公司股东承担，而可能沿着项目债务和融资关系逐层传递，最终演变为更广泛的信用收缩。
【它还不是2008，但走向系统性风险的门槛已经清晰】：当前核心租户的信用远强于次贷借款人，AI项目债务也尚未形成2008年前那种广泛证券化和短期融资结构。只有当高杠杆、期限转换和流动性承诺叠加在一起，产业投资损失才可能升级为系统性金融风险。
【真实需求不能阻止泡沫，只有现金流才能偿还债务】：真实的AI需求不是阻止泡沫的充分条件，不能保证每个项目都能获得足够回报。AI需求决定这些基础设施最终有没有用途，现金流决定过程能否顺利推进——而危机通常发生在两者之间的距离被低估的时候。
一座尚未建成的数据中心，已经可以凭借未来的租金获得今天的建设资金。Meta与Blue Owl合作开发的Hyperion园区就是这样。
这座位于路易斯安那州的数据中心预计耗资约270亿美元，Blue Owl旗下基金持股80%，Meta只保留20%。园区建成后，Meta将租用全部设施。如此一来，Meta不必独自承担全部建设支出，Blue Owl则获得了一项由Meta信用支持的长期基础设施投资[5]。
而真正支撑项目融资的，是租约背后的付款承诺。Meta向SEC披露，相关租约预计2029年起租，最初四年的承诺金额约为123亿美元，并可续租至最多20年。为降低Meta不续租的风险，公司还提供了覆盖运营最初16年的有条件残值担保。如果租约终止后园区价值低于约定门槛，Meta需要在上限范围内补足差额[6]。
BIS指出，一些AI项目债务正是依靠投资级科技巨头的合同支持获得投资级特征[2]。因此，对金融机构来说，最重要的问题不只是GPU现在值多少钱，而是谁会在未来十几年持续付款。科技巨头的信用，也由此从自身资产负债表传递到外部的数据中心项目。
同一份长期租约，在科技公司一端是未来固定支出，在数据中心开发商一端却是可以用来融资的预期现金流。只要租户信用足够强，科技巨头对未来算力的需求，就可以被提前转化为今天的数据中心建设资金。长期合同在AI基建融资中承担了类似“增信装置”的作用。
CoreWeave把这套模式进一步推向了标准化。截至2025年底，公司拥有607亿美元剩余履约义务，已承诺客户合同的加权平均期限约为五年。CoreWeave在年报中明确表示，其基础设施主要依靠由“照付不议”客户合同支持的资产级债务融资[7]。
2026年3月，CoreWeave完成一笔85亿美元无追索权融资，由特定高性能计算基础设施和相关客户合同共同支持，并获得穆迪A3和DBRS A（low）的投资级评级[8]。两个月后，公司又完成31亿美元公开银团贷款，用于采购和部署履行两份客户合同所需的设备[9]。这笔贷款可以在二级市场交易，意味着AI项目债务已经开始从少数机构间的定制融资，变成能够被评级、分销和交易的信用资产。
此外，作为这场“AI基建潮”最大的受益者之一——英伟达，也正在主动帮助客户把数据中心的建设金融化。不久前，英伟达与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR建立融资合作，计划在未来调动超过5000亿美元第三方资本，为采用英伟达技术的数据中心提供资金[10]。
BlackRock、微软和MGX等机构建立的AI Infrastructure Partnership同样体现了这类资金的放大过程：该平台计划先募集300亿美元股权资本，再通过债务融资把潜在投资能力扩大至1000亿美元[11]。项目能否扩张取决于股权资本和外部债务共同形成的融资能力，而不再只取决于科技公司当期能够拿出多少现金。
这种变化已经出现在公开债券市场。BIS统计，Alphabet、亚马逊、Meta、微软和Oracle等超大规模云厂商2025年的债券发行总额超过1000亿美元，而且大部分期限超过五年。BIS据此判断，随着AI投资需求超过企业经营现金流能够轻松覆盖的范围，债务和私人信贷将在新增融资中承担越来越重要的角色[2]。
外部信用由此放松了AI建设的当期资金约束。科技公司可以先签下长期租约或容量合同，由项目公司和金融机构提供建设资金，再把支出分摊到未来多年。决定数据中心建设规模的问题，也从“科技公司愿意花多少钱”，扩展为“金融市场愿意依据其信用借出多少钱”。
这套机制还会与科技股估值相互强化。按托宾Q理论：较高的市场估值降低融资成本，鼓励企业把更多增长预期转化为现实投资；持续扩大的投资，又反过来强化市场对未来增长的想象。“AI基建潮”由此形成一条自我强化的链条。AI投资不再只是企业内部的资本开支，而开始叠加一轮更不可控的信用扩张。
信用扩张解决了“今天的钱从哪里来”，却没有解决另一个问题：支撑这些债务的资产、合同和收入，能否按照同一套时间表运转。
AI数据中心里实际上同时存在三只时钟：设施按几十年建设，计算设备按几年换代，客户需求则可能按季度变化。当金融市场用长期债务把三只时钟锁在一起，错配也就随之产生。
表面来看，数据中心是一项典型的长期资产。土地和建筑可以使用几十年，电力接入和冷却系统经过改造，也能继续服务下一代设备。但机房内部的GPU和服务器，却按照完全不同的速度折旧。
标普在研究数据中心设备证券化时，将GPU等计算设备归为使用寿命约4—6年的短寿命资产，而数据中心建筑等长期资产的寿命可以达到30—35年[12]。
这种时间差异不是停留在纸面上的会计假设，它已经产生了实际的损害。亚马逊2025年将部分服务器和网络设备的预计使用寿命从六年缩短至五年，理由正是AI和机器学习技术发展加快。这一年的调整就使其折旧及摊销费用增加14亿美元，净利润减少10亿美元[13]。
这意味着，一座数据中心的建筑可能还很新，里面最值钱的设备却已经落后一代。新芯片如果需要更高的功率密度、不同的液冷方案和网络架构，旧项目就要重新改造供电、冷却和机房布局。因为旧设备即使仍能运行，也可能无法产生原先预计的收入。这让数据中心面临两头压力：AI技术进步越快，现有设备淘汰越快；AI需求增长越慢，已经建成的设施利用率越不充分。
归根究底，AI发展日新月异的当下，一个十几年的数据中心无法保证以足够低的成本提供有持续竞争力的算力。AI基建由此出现第一重错配：用长期设施和长期债务的融资方式，承担计算设备快速贬值和反复更新的风险。
第二只走得不一致的时钟，是上游固定付款与下游客户收入。
CoreWeave与Core Scientific之间的合同提供了一个直观样本。Core Scientific披露，其为CoreWeave建设的高性能计算基础设施接近590兆瓦，合同潜在收入超过100亿美元，大部分合同期限为12年，并附带两次五年续约选择权[14]。但在下游，CoreWeave已承诺客户合同的加权平均期限约为5年[7]。
前五年，客户合同可以覆盖部分项目成本；五年之后，CoreWeave仍需履行更长期的基础设施合同，却要重新争取客户、续签算力订单。届时GPU价格、模型架构和市场竞争可能已经发生变化，原来每小时可以卖出的算力，未必还能维持同样的价格和利用率。
这就是长期租约带来的经营杠杆。租金、容量采购、电力和利息相对固定，AI收入却会随着使用量、价格和客户竞争变化。穆迪测算，尚未开始履行的数据中心租约承诺，已经相当于相关超大规模云厂商最近一期调整后债务的113%。穆迪由此认为，租赁能够减少企业前期资本投入，却也会降低其财务和经营灵活性，尤其是在行业条件快速变化时[15]。
更麻烦的是，数据中心不是建成后就能停止投入，企业还要不断购买新GPU、升级网络和改造冷却设施。如果旧租约和债务占用了太多现金流，企业可能没有足够资金完成必要的技术更新，形成类似“债务悬置”的效果：过去为了抢占市场签下的固定承诺，反过来会妨碍未来更有效率的投资。
因此，AI基建的第二重错配是：上游付款锁定得越久，下游收入的不确定性就越容易被放大。
美国新建设的AI数据中心分布在路易斯安那、得克萨斯、佐治亚和宾夕法尼亚，由不同开发商、基金和SPV持有。从物理位置和法律结构看，这些项目似乎彼此分散。但沿着合同向上追溯，付款人很快会收敛到少数几家公司。
Core Scientific价值超过100亿美元的高性能计算合同主要指向CoreWeave[14]；Galaxy披露，其Helios二期项目也全部出租给CoreWeave，基础租期15年，最低合同租金约104亿美元[16]。再向下一层穿透，CoreWeave自身的收入又曾高度依赖微软——微软在2024年贡献了CoreWeave约62%的收入[17]。
这意味着，两个分别位于不同地区、由不同开发商持有的数据中心，可以同时依赖CoreWeave。而CoreWeave的付款能力，又可能受到微软等少数客户需求的影响。
有些项目的信用链条还要再绕一层。Cipher Mining在得克萨斯州建设的Barber Lake数据中心，直接承租方是AI云服务商Fluidstack，但Google为Fluidstack的部分租赁义务提供了信用支持[18]。经过这样两三层合同包装后，项目看起来被分散在不同SPV中，底层需求却仍然集中在Meta、微软、Google、OpenAI等少数科技巨头身上。
把镜头拉远，这种集中更加明显。BIS指出，当前AI建设高度集中于少数超大规模云厂商，五家最大的云厂商在2025-2026年的AI相关资本开支将超过1万亿美元[3]。如果这些公司放慢资本开支，工程承包商、数据中心开发商和其他供应链借款人可能同时失去收入，并面临偿债压力。
项目被装进不同SPV，并不会自动让底层信用彼此独立。对单个项目来说，这是一份长期合同；对整个市场来说，大量合同可能都在押注同一个AI需求周期。因此，AI基建的第三重错配是：资产看起来分散，信用风险却高度集中。
而这三重错配真正危险的地方，在于它们会彼此强化。技术更新加快，首先压低旧设备的盈利能力；长期固定付款随后放大现金流压力；当少数核心客户同时削减投资时，原本分散在不同SPV里的项目又可能一起面临估值下降和再融资困难。到这一步，一项技术投资的回报问题，才会沿着合同和债务变成信用市场的问题。
三重错配只是风险的起点，一次AI投资失误演变成信用事件，损失还需要沿着合同、资产估值和融资关系向外传递。这里所说的“次贷式”危机，指的是一种风险放大结构：金融市场先把未来收入转化为今天的资产价值，再围绕这些资产叠加杠杆；当收入预期下降时，资产和债务同时重估，损失也从项目内部扩散到更广泛的金融机构。
如果AI收入增长低于预期，已经起租的数据中心合同仍要继续付款。原本可以用于回购、研发和新项目的现金流，会被租金、容量采购和利息逐渐占用。企业的自由现金流下降、固定付款增加，评级机构和债券投资者就会重新评估它的财务灵活性。
这种变化已经出现在信用市场。BIS发现，超大规模云厂商的五年期CDS利差相对于投资级债券基准有所上升，其中信用评级较低的公司变化更明显。这反映出投资者对AI项目回报的怀疑开始进入债务定价[2]。
路透社也注意到，与Oracle、英伟达、Meta和Alphabet等公司相关的CDS交易和保护成本明显上升[4]。这说明，部分投资者已经开始为“AI投资可能无法产生足够现金流”购买保险。
对微软、Meta和Alphabet这样的公司来说，信用利差上升最初可能只是融资成本增加几个基点。但当数千亿美元建设资金需要通过长期债务持续进入时，微小的利率变化也会被急遽放大，进而抬高项目的最低回报门槛，甚至使部分边际项目失去投资价值。
于是，不用等科技巨头违约，只要他们不再签下同样多的新合同，数据中心开发商的增长逻辑就会松动。
2026年3月，OpenAI放弃继续参与得克萨斯州Abilene数据中心的部分扩建，微软随后接手了两座新建筑[19]。这个项目最终找到了另一家信用更强的租户，因此没有演变为融资危机。
但如果项目找不到微软这样的替代租户，影响就会继续向下传导。新增容量租不出去，市场租金和预租率随之下降；投资者提高风险溢价，项目估值也会被下调。即使现有租户仍在付款，剩余租期缩短和期末残值下降，也会削弱项目下一次融资时的抵押能力。
当新的贷款不足以偿还旧债，项目股东就需要补充资本、出售资产或接受更高利率。此前Meta为Hyperion提供的残值担保，正是为了填补这种风险。如果Meta不续租，且园区价值低于约定门槛，担保可能被触发。风险由此从项目公司转移到了提供信用支持的科技企业。
因此，数据中心的信用事件只需要从一次估值下调开始。
如果数据中心由科技公司用自有资金建设，投资失败首先表现为资产减值和股东损失。但在SPV融资模式下，同一座数据中心背后可能同时站着基础设施基金、私人信贷、保险资金和银行。
项目估值下降时，SPV中的股权安全垫首先变薄。等到债务到期，更低的资产价值可能无法支撑足够的新贷款，项目由此出现再融资缺口。如果股东补资和担保仍不足以填补缺口，损失就会进一步导向私人信贷和保险资金。
银行也没有置身事外。它们可能向SPV或私人信贷基金提供授信，从而把科技巨头表外的项目融资重新连接到银行体系。BIS指出，项目再融资压力、私人信贷风险偏好变化和担保触发，都可能成为新的冲击传导渠道[2]。
而且，这种连接正在扩大。芝加哥联储统计，美国大型银行对AI相关行业的商业和工业信贷承诺，已经从2015年的约2500亿美元增加到2025年底的约4500亿美元，占相关信贷承诺的比例从约9%升至13%[20]。这说明，银行与AI产业链的资金联系和潜在风险敞口都在上升。
因此，SPV并没有把风险隔离，只是改变了损失传递的顺序：项目估值下降先侵蚀股权资本，再融资缺口随后威胁私人信贷和保险资金，银行则通过对这些融资载体的授信受到波及。更重要的是，一旦这些机构同时降低风险偏好，私人信贷会减少放款，保险资金会提高收益率要求，银行也会收紧授信。
如此一来，单个项目的融资困难，很有可能演变为整个AI基建市场的信用收缩。
AI融资链还有一个更隐蔽的放大器：产业链中的投资、采购和收入，并不总是彼此独立。
CoreWeave与英伟达之间的关系就是一个典型样本。CoreWeave大量采购英伟达GPU，英伟达同时是CoreWeave的重要股东，并承诺在2032年4月以前购买最高63亿美元的剩余云计算容量[16]。
这就形成了一条彼此支撑的链条：CoreWeave采购英伟达芯片，推动英伟达形成收入；英伟达投资CoreWeave并承诺购买部分剩余算力，又帮助CoreWeave扩大订单储备和融资能力；CoreWeave获得更多资金后，再继续采购英伟达的GPU，扩建数据中心。
BIS将这类结构称为“循环融资”：芯片公司和云厂商投资AI公司，后者再承诺购买芯片和计算能力[3]。合同之间相互支撑，可能使产业内部需求显得比市场需求更稳定，并进一步支持外部融资。
当市场处于上升阶段，这个循环会同时放大订单、收入预期和融资能力；一旦终端需求不及预期，它也可能反向运转，错误预期被越放越大，原本相互支持的合同也会一起失去信用基础。
于是，AI风险的完整传导链逐渐形成：AI收入不及预期 → 科技公司信用成本上升 → 新增租约和资本开支减少 → 数据中心估值与再融资能力下降 → 私人信贷和保险资金出现损失 → 银行及其他资金提供者收紧信用 → 产业内部循环融资反向收缩。
这条链条说明产业泡沫已经拥有了向信用市场传导的通道。真正决定它会不会走向2008式系统性风险的，是这些通道之上究竟叠加了多少杠杆和流动性风险。
AI基建已经出现了未来收入资本化、表外融资和风险扩大，但这并不意味着2008年的剧本一定会重演。
首先，今天和2008最重要的区别，是站在合同另一端的是全球现金流最充裕的科技公司，而不是本就缺乏偿债能力的普通家庭。科技巨头不会最先倒下，但它们一旦减少新增项目或放慢签约，压力就会沿着合同迅速传向产业链。真正脆弱的环节，仍是那些杠杆更高、客户更少、依赖持续融资的数据中心开发商、AI云服务商和供应链企业。
第二个区别在于，今天的AI债务还没有形成2008年那样庞大而脆弱的金融网络。次贷危机之所以失控，不只是因为住房贷款质量下降，更因为这些贷款被证券化、分层打包并广泛分销，并由大量高杠杆、依赖短期资金的金融机构持有。
美国金融危机调查委员会指出，当时部分投资银行的杠杆率高达40倍，房利美和房地美的合计杠杆率达到75倍，而部分资金期限甚至短至一天。一旦抵押品价格下降，资金便可以在一夜之间撤走[21]。目前还没有充分证据表明，AI数据中心债务被如此大规模地证券化和分层销售，也没有证据显示整个金融体系正在依靠隔夜资金持有这些资产。
但这道防线并非牢不可破。BIS指出，直接贷款基金对AI和信息技术行业的贷款在5年内增长了3倍，目前约占其投资组合的15%；部分面向个人投资者的私人信贷基金已经遭遇赎回压力，银行与私人信贷基金之间的资金联系又缺乏足够透明度[3]。
如果越来越多项目依赖短期融资滚动长期债务，如果缺乏流动性的项目贷款被装进可以随时赎回的基金，如果相似债务被证券化、分层销售并集中进入同一批金融机构，那么一次需求下滑就可能同时触发抵押品贬值、融资收缩和被迫抛售。
所以，AI基建已经形成信用风险，却还没有形成2008年那种随时可能发生挤兑的融资结构，它们之间隔着的门槛是——项目损失是否会与高杠杆、短期资金和流动性承诺结合起来。
住房需求是真的，互联网改变世界也是真的，但真实的需求从来不是避免泡沫的充分条件。新技术可以创造长期价值，却不能保证每一座今天建成的数据中心、每一批按高价采购的GPU，都能在债务到期前产生足够回报。
AI基建已经具备部分“次贷式”金融化特征：科技公司把未来需求写进长期合同，项目公司把合同转化为资产价值，金融机构再围绕这些价值提供贷款、债券和私人信贷。风险也由此从一次技术投资能否赚钱，变成一整条信用链能否持续获得现金流。
最先需要担心的未必是科技巨头违约，而是那些依赖单一客户、持续技术更新和不断再融资的边缘项目。当AI收入低于预期，巨头可以削减新增投资，项目公司却仍要偿还债务，金融机构也必须重新评估抵押品和合同价值。一次资本开支降温，就可能沿着租约、估值和融资关系逐渐转化为信用收缩。
因此，判断AI泡沫的风险，不能只看模型能力、芯片销量和科技股估值，还要看未来AI现金流能否覆盖已经锁定的租约，以及金融体系围绕这些承诺叠加了多少杠杆。AI需求决定这些基础设施最终有没有用途，现金流却决定它们能不能还债——而危机通常发生在两者之间的距离被低估的时候。
【声明建议】本文基于监管文件、企业公告及公开资料进行分析，相关数据可能因统计口径和披露时点不同而存在差异。文中“次贷式风险”仅指潜在的信用传导结构，不代表相关企业已经出现偿付困难，也不意味着金融危机必然发生。本文仅供产业研究与信息交流，不构成任何投资建议，投资者应独立判断并自行承担风险。
参考资料：
[1] RUDEGEAIR P, SANTILLI P. Why Big Tech's AI spending is $3 trillion higher than it seems[N/OL]. The Wall Street Journal, 2026-08-16[2026-08-20].
[2] EREN E, KROHN I, TODOROV K. Financing the AI infrastructure boom: on- and off-balance sheet borrowing[R/OL]. Basel: Bank for International Settlements, 2026[2026-08-20].
[3] BANK FOR INTERNATIONAL SETTLEMENTS. Annual Economic Report 2026: Chapter I, Progress and peril[R/OL]. Basel: Bank for International Settlements, 2026[2026-08-20].
[4] COOPER A. Explainer: What are credit default swaps and why are they spooking AI investors?[N/OL]. Reuters, 2026-07-29[2026-08-20].
[5] META PLATFORMS, INC. Meta announces joint venture with funds managed by Blue Owl Capital to develop Hyperion data center[EB/OL]. (2025-10-21)[2026-08-20].
[6] META PLATFORMS, INC. Form 10-Q for the quarterly period ended September 30, 2025[R/OL]. [2026-08-20].
[7] COREWEAVE, INC. Form 10-K for the fiscal year ended December 31, 2025[R/OL]. [2026-08-20].
[8] COREWEAVE, INC. CoreWeave completes $8.5 billion investment-grade financing[EB/OL]. (2026-03)[2026-08-20].
[9] COREWEAVE, INC. CoreWeave completes $3.1 billion publicly syndicated financing[EB/OL]. (2026-05)[2026-08-20].
[10] IRWIN N. Nvidia and Wall Street partner on $500B AI financing[N/OL]. Axios, 2026-08-10[2026-08-20].
[11] BLACKROCK, GLOBAL INFRASTRUCTURE PARTNERS, MICROSOFT, et al. Global infrastructure partners, Microsoft, BlackRock and MGX launch new AI partnership to invest in data centers and supporting power infrastructure[EB/OL]. (2024-09-17)[2026-08-20].
[12] S&P GLOBAL RATINGS. ABS frontiers: Equipping data centers through securitization[R/OL]. [2026-08-20].
[13] AMAZON.COM, INC. Form 10-K for the fiscal year ended December 31, 2025[R/OL]. [2026-08-20].
[14] CORE SCIENTIFIC, INC. Earnings presentation: High-performance computing infrastructure contracts[R/OL]. [2026-08-20].
[15] Moody's: Hyperscalers understating risks of short-term AI data center lease agreements, leaving investors in the dark[N/OL]. Data Center Dynamics[2026-08-20].
[16] GALAXY DIGITAL INC. Project financing and lease arrangements for the Helios data center campus[R/OL]. (2026-07-22)[2026-08-20].
[17] COREWEAVE, INC. Registration statement: Form S-1/A[R/OL]. (2025-03)[2026-08-20].
[18] CIPHER MINING INC. Form 10-K for the fiscal year ended December 31, 2025[R/OL]. [2026-08-20].
[19] ASSOCIATED PRESS. Microsoft takes over a Texas AI data center expansion after OpenAI backs away[N/OL]. 2026-03-27[2026-08-20].
[20] COHEN G, KILLEN C, LAU S. Tail risk for banks posed by investments in generative artificial intelligence[EB/OL]. Federal Reserve Bank of Chicago, 2026-02[2026-08-20].
[21] FINANCIAL CRISIS INQUIRY COMMISSION. The Financial Crisis Inquiry Report: Chapter 11, The bust[R/OL]. Washington, D.C.: U.S. Government Printing Office, 2011[2026-08-20].
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-08-22 18:26:09
（本文作者为 节点财经，钛媒体经授权发布）
文 | 节点财经，作者 | 董轩
2026年8月17日，国家金融监督管理总局上海监管局公示，核准闫大伟出任中银消费金融有限公司（以下简称“中银消金”）董事。
公开资料显示，闫大伟来自中国银行总行，长期负责个人金融数字化板块。
闫大伟到任前夕，中银消金刚刚交出了一份令人瞩目的中期业绩快报：营收34.05亿元，同比下降7.50%；净利润2.99亿元，同比大增99.33%。
“一升一降”，中银消金这份成绩单究竟成色几何？
营收34.05亿元，同比下降7.50%；净利润2.99亿元，同比大增99.33%；截至6月末，公司资产合计768.91亿元，较年初减少0.49%。
资产收缩、营收向下，利润向上，数据直观勾勒出2026年上半年中银消金的复杂切面。
拉长视线，中银消金2026年上半年的净利润已超2025年全年水平（2.15亿元），更创出自2022年以来同期高点。
图源：企业预警通
营收端和资产端都没有壮大，净利润却近乎翻倍。中银消金是如何做到的？
《节点财经》深入分析，这种反差并非经营能力的突然跃升，而是一场持续数年的“存量风险出清”在报表端的集中兑现。
财报显示，2022至2024年，中银消金的信用减值损失逐年攀升，分别达48.76亿元、59.29亿元和62.93亿元，严重吞噬净利润。
2025年，随着大量不良历史“包袱”被清理出户，信用减值损失回落至56.71亿元，大大缓解了净利润的负重状态。
进入2026年，压力继续释放，进一步打开利润上涨空间。
不良资产批量转让是其中最关键的“阀门”。2025年，中银消金在银登中心挂牌转让的个人不良贷款合计约138.37亿元。
2026年出清节奏明显加快，据不完全统计，年初至今，中银消金累计挂牌转让的不良资产期数超过40期，规模突破120亿元，位居行业前列。
比如，其5月13日单日挂牌27.96亿元不良资产，创下消金行业公开记录以来最大单日转让规模，占当日全行业挂牌总量的近90%。
换句话说，信用减值损失的压降是驱动中银消金此番净利润暴涨的核心动力。
值得一提的是，这批被甩卖的不良资产，几乎全是沉淀多年的“僵尸债权”。以5月13日挂牌的三期资产为例，加权平均逾期天数均超过2700天，折合近8年，15.25万笔资产中仅3笔进入司法程序，回收难度极高。
再如7月23日的不良资产转让公告（2026年第35期—41期），涉及债权金额1.65亿元、1.84亿元、1.60亿元、2.0亿元、2.11亿元、2.94亿元、1.67亿元，加权平均逾期天数均在三年以上，最短1354.04天，最长3079.18天，约合8.4年。
这类资产此前已足额计提减值准备，批量转让后对应拨备得以回冲，直接增厚当期利润。
对此，业内人士有着清晰判断：中银消金本轮盈利改善更多来自内部经营因素，并非业务规模扩张带来的增长。即利润反弹的根基在于“拆旧账”，而非“开新源”。
与此同时，股权层面的变化也为这一轮战略调整提供了制度支撑。2025年12月，博德创新和红杉盛远两家外部投资机构正式退出中银消金，中国银行持股比例升至47.98%，并通过中银信用卡间接持股13.23%，合计占股61.21%。大股东话语权强化，为公司在风险处置和业务转型上推行更稳健的策略扫清了障碍。
亮眼的净利润数据之下，中银消金面临的挑战同样不容回避。
其一，营收持续承压，内生增长动能不足。
2026年上半年，中银消金营收同比下降7.5%，对比2024年下降3.94%、2025年下降5.43%，降幅进一步扩大。
图源：企业预警通
在资产端主动缩表、贷款余额微降的背景下，公司的收入来源正在收窄。利润修复主要靠“存量变现”，而非“增量创造”。一旦历史不良资产出清步入尾声，基数效应消退，利润增长能否延续，需要打个问号。
截至2025年末，中银消金贷款余额为773.78亿元，较上年末下降1.31%。
其二，资产质量仍存隐忧。
尽管中银消金2025年末不良贷款率从3.56%回落至3.3%，但仍处3%+的行业警戒线之上。
尤其要注意的是，关注类贷款占比从2023年的2.46%上升至2025年末的4.24%，叠加客户中抗风险能力相对较弱的小微企业主、个体工商户占比较高，导致抵押类贷款形成不良后诉讼、清收周期较长。
这意味着，存量风险尚未完全出清，新增风险的苗头或已经浮现。
其三，业务转型的结构性矛盾：线上自营占比偏低。
区别于大多数同业，中银消金的显著特征是其线下业务的庞大布局。截至2025年末，公司共拥有23家区域中心，覆盖近30个省市，线下合作代理渠道达118家。
但在掌上生活时代，这种“重资产”模式一定程度地拖累了公司的发展进程。
中银消金已经意识到问题所在，近几年加大了向线上迁移的力度，其线下贷款余额从2022年的295.15亿元逐步下降至2024年的212.96亿元，占比从47.76%缩小至27.16%。
根据联合资信发布的评级报告，截至2025年末，中银消金线上贷款余额占比为80.68%。而在2020年末，中国银行财报披露，中银消金线上贷款余额占比仅为7.06%。
图源：联合资信报告
从7.06%到80.68%，中银消金线上转型看似迅猛，可结构并不均衡。截至2024年末，线上业务中真正属于公司自主获客的“线上自营”占比不到2%，绝大部分仰仗度小满、蚂蚁、抖音、美团等外部合作平台。
而在助贷新规落地、“自主风控”“名单制管理”等强监管趋势下，这种渠道依赖既是增长引擎，也是潜在风险。如何在合规框架内培育自主获客能力，是摆在管理层面前的紧迫课题。
2025年末，两家外部投资机构退出，大股东中国银行的地位大幅强化，或许正是为这一转型铺路。新任董事闫大伟在中国银行总行个人金融数字化板块的丰厚积淀，能否与中银消金的转型需求形成化学反应，值得关注。
此外，消保也是一道绕不过的坎。截至目前，在黑猫投诉上，众多用户反映中银消金存在暴力催收、乱扣费等问题。
当前，消金行业正站在十字路口，过往大开大合、低垂的果实挂满枝头的时代已经落幕，取而代之的是缓步慢行，存量博弈的新周期。
对于中银消金而言，风险出清只是起点。如何在新的环境里，精耕细作，找到可持续的增长路径，如何在“线上依赖”与“线下包袱”之间实现结构性突围，将决定这家老牌机构在行业洗牌中的最终位次。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-08-22 18:14:44
（本文作者为 AIX财经，钛媒体经授权发布）
文 | AIX财经，作者 | 雷晶，编辑 | 金玙璠
8月14日，智谱发布新一代旗舰模型GLM-5.3。8月19日，API正式开放调用，定价与GLM-5.2持平。
GLM-5.3沿用GLM-5.2模型的基座，主要靠扩大后训练规模提升Coding、长程Agent和网络安全能力。目前，模型已经向全部GLM Coding Plan用户开放，并上线ZCode、Claude Code、OpenCode等主流编程工具。模型权重将于下周五开源。
从测试结果看，GLM-5.3进步明显。在Artificial Analysis最新综合智能指数中，GLM-5.3拿到60分，进入全球前沿模型区间，和Claude Fable 5、GPT-5.6 Sol等闭源旗舰处在同一档，并与Kimi K3并列开源模型第一。此外，按照Artificial Analysis统计的单任务成本，GLM-5.3在同档模型中属于低成本选手。
但模型能力提升，并没有延续与前代的市场热度。4月GLM-5.1发布时，智谱收盘上涨11.5%；6月GLM-5.2发布，股价又涨了32.8%。但GLM-5.3模型发布当天，智谱股价下跌3.6%。模型发布后的行业讨论度，也远不如此前几次旗舰亮相。模型明明更强了，为什么没有再次成为市场焦点？
这种反差并不意味着GLM-5.3没有变强，而是说明在国产模型密集迭代、能力差距快速收窄的当下，模型跑分领先已经很难让市场兴奋。对智谱来说，更重要的问题是，更强的模型还能带来多大的差异化优势？这种优势又能不能继续转化成产品和收入？
GLM-5.3最值得关注的变化，是通过扩大后训练规模，取得了较为明显的成绩提升。简单理解，智谱没有重新训练一个更大的基座模型，而是让现有模型在更复杂、更接近真实工作的环境里反复训练，把已有能力继续“练深”。
大模型研究员曾小健告诉「AIX财经」，预训练更多是在增加模型“读过的东西”，后训练则是在增加模型“做过的事情”。模型不只是继续学习知识，还要进入真实环境做任务、拿到反馈，再根据结果调整自己的做法。
支撑起这轮后训练的，是此前打造的一套训练方式。IndexShare主要降低长上下文的计算成本；SAO让一条任务完成后就可以进入训练，不必等整批任务全部结束；slime框架则把模型执行任务和根据结果更新模型两个环节拆开运行，减少不同任务耗时差异带来的算力闲置。
曾小健举例，假设100个Agent任务里，有80个十分钟就能完成，有15个需要半小时，最后5个却要跑两个小时。传统训练方式会要求这一批任务全部结束后才能进入下一步，先完成的任务也只能干等着最慢的那5个，昂贵的GPU就会闲着。新的框架不再等所有任务一起“交卷”，这样可以减少等待时间，提高算力利用率。
训练效率提高之后，还得有足够多的“题”给模型练。GLM-5.3搭了一套自动生成训练环境的流程。Research Agent负责从真实工作中寻找任务，再由Judge Agent亲自跑一遍，确认任务确实能完成；系统还会检查模型有没有利用评分漏洞抄近路。可以理解为让AI自己出题、试做和验题，再把合格的题目送进训练。
了解完这个大的前提，我们来具体看看GLM-5.3在哪些方面有了进步。
这一套方法的效果首先体现在编程能力上。从基准测试成绩来看，GLM-5.3提升比较明显的项目，大多和长程软件工程、终端操作和自动化任务有关。比如，强调长程软件工程的DeepSWE v1.1，从前代的46.2分提高到66.9分。说明GLM-5.3更能把一项复杂任务从头干到尾。它能够理解一个陌生项目，自己定位问题、调用工具、修改代码，再根据测试结果继续修正。
智谱自己的Code Bench也在强调这一点。这套测试直接把模型放进本地开发环境，任务设置不同难度，在最高难度下，GLM-5.3用平均约7.5万输出Token取得34.5%的成绩，GLM-5.2则需要约9.6万Token，成绩只有23.4%。
曾小健认为，完成率提高、Token消耗反而下降，比单纯的跑分上涨更值得关注，这说明模型学会了更有效地探索，而不是靠堆更长的思考时间换成绩。
独立开发者李然的体验也印证了这种变化。他认为，GLM-5.3相比GLM-5.2进步明显，ZCode的Goal Mode是他感受最深的功能。给定一个目标后，模型会持续推进、检查和验证，直到任务完成，长任务的可靠性比上一代更高。
另一块提升更加显眼，是网络安全。在考验漏洞利用推理的ExploitBench中，GLM-5.3从前代的24.4%提高到54.4%，提升超过一倍。安全任务要求模型不仅读懂代码，还要继续判断漏洞藏在哪里、怎样触发，对代码理解、工具调用和长程规划的要求更高。
这项能力也已经进入真实项目。智谱官方提到，从GLM-5.2开始，智谱就联合国内多家安全机构，用模型持续寻找真实项目中的漏洞。到GLM-5.3发布时，经过专家复核、筛选和去重，累计发现2436个漏洞，覆盖269个项目，其中1097个属于中高危问题，部分漏洞已经存在数十年。
综合来看，GLM-5.3相对前代的变化在于：编程能力更接近完整工程任务，长任务的稳定性有所提升，网络安全能力的进步幅度尤其明显。
但一款模型有没有竞争优势，还得放到同期对手中看。我们选择阿里、月之暗面和深度求索的最新旗舰模型作为参照，一方面因为这几款模型都在近期迎来更新，另一方面，Coding、Agent和长程任务也是它们共同投入的重点方向。
单从成绩来看，GLM-5.3的确拿到了不少第一，其中网络安全的优势最明显；Coding和长程Agent也已经进入第一梯队，但和Kimi K3、DeepSeek V4 Pro相比，没有形成明显差距。
再看各家手里的牌。DeepSeek V4 Pro仍有综合能力和价格优势；Kimi K3在长程软件工程上与GLM-5.3几乎贴身竞争，同时拥有原生多模态，能力覆盖更完整；Qwen3.8-Max虽然部分跑分不占优，但背靠阿里生态，在企业工作流和应用落地上更有基础。
所以，GLM-5.3确实更强了，但还没有形成让同期国产旗舰模型短期难以追赶的优势。
那么，为什么GLM-5.3的能力提升没有带来同等规模的传播？
一个直接原因，是它选择的升级方向相对“专业”。这轮更新主要升级的两个方向，一个是编程能力，主要服务开发者；另一个是网络安全能力，受众主要是安全研究人员和企业客户。能力都实用，但受众也相对集中。
这和GLM-5.3发布前的用户期待存在错位。此前智谱创始人唐杰在X上征集用户对新模型的期待，视觉、多模态能力是呼声较高的方向。原因并不难理解，现在越来越多的Agent任务已经不只是处理文字。做网页要看截图，改UI要理解设计稿，分析报告可能包含图表和PDF，甚至写代码时也经常需要根据页面效果继续调整。
李然提到，不少开发任务其实很难完全用语言描述清楚，尤其是页面设计和创意编码。有了视觉能力后，模型能直接“看结果”，就不用反复把需求翻译成文字。在他的实际使用中，GLM-5.3做常规代码任务好用，水平高过Kimi K3、略逊于GPT-5.6 Sol，但到了游戏生成、创意编码这类依赖视觉反馈的场景，体验就比较一般，还出现过生成的页面按钮都是歪的情况。
更大的变化在于，新模型的新鲜感正在被密集的发布节奏快速消耗。仅智谱一家，GLM-5.1在4月发布，GLM-5.2在6月更新，8月14日GLM-5.3又接棒，基本保持两个月左右一次旗舰迭代。同行自然也没闲着。7月中旬Kimi K3上线，8月初Qwen3.8-Max跟进，8月中旬DeepSeek V4 Pro正式版发布。
不到一个月，就连续迎来四款国产旗舰模型。一个模型刚刚凭跑分冲到前面，几周后就有新版本把它盖过去。
频率提高之后，“第一”的含金量就没那么高了。前两年，一家公司突然在某项核心能力上追平甚至超过海外旗舰，很容易成为行业热点事件。到了现在，头部国产模型已经基本站到了相近的能力区间。智谱这次把Coding往前推了一截，Kimi下一代也可能继续强化长程软件工程，DeepSeek做好后训练，同样可以迅速追赶Agent任务。领先的窗口期，开始按周计算。
能力趋同的背后，是各家在解同一道题。Coding需要更好的训练环境和高质量代码数据，Agent需要更长的任务轨迹和工具调用训练，多模态需要补足图片、视频等信息理解。一家公司验证出一条有效路径以后，同行很快就会投入算力、数据和工程资源。结果就是大家都在卷Coding、强调Agent、拉长上下文、补多模态。GLM-5.3提升的方向，恰好是竞争最拥挤的方向。
“爆款”的门槛也因此变高了。光靠能力提升不够，还得有一个“人无我有”的话题点。以与GLM-5.3几乎同期发布的DeepSeek V4 Pro正式版为例，深度求索还同步开源了首款Harness产品，主打“一切皆插件”，通过模型、工具、Agent运行组件都可以重新组合的玩法给常规升级造出了新话题。
这样来看，GLM-5.3没有形成此前的传播热度几乎是必然。能力的提升没有超出预期，方向上又绕开了用户最想要的多模态，发布的时间节点还撞上DeepSeek。
回到公司层面，真正影响长期价值的，是过去靠编程跑出来的增长还能不能延续。
2025年9月，智谱推出GLM Coding Plan。进入GLM-5系列后，又持续强化编程和长程任务能力，并进一步推出编程工具ZCode。开发者愿意为效率付费，编程成了智谱API增长最快的场景，也初步验证了模型能力、用户调用和商业收入之间的联系。
但智谱早期吃到的先发红利正在减弱。其他国产厂商都已经把编程当作旗舰模型的升级方向，开发者可选择的模型越来越多。此外，智谱也在告别低价获客。GLM Coding Plan刚推出时，入门价格只需20元/月，7月底全面开放购买后，Lite版已经涨到118元/月。同时改为积分制，设置每5小时和每周的额度上限。
涨价有现实的难处。Coding Agent比普通聊天“吃”Token，一项长任务可能连续运行数小时，消耗数万甚至数十万Token。需求在涨，智谱的推理算力供给却有限，低价很难长期维持。
但对开发者来说，价差足够大时，便宜就会成为换模型的理由。况且模型的切换成本并不高，开发者完全可以同时使用多款模型。
所以，编程场景已经证明智谱能够把模型能力变成收入，但接下来的考验，是能否把这批靠模型优势吸引来的用户留下来。
智谱的解法是往产品上走。单纯卖API，开发者可以随时切换模型；但进入Agent之后，项目上下文、工具配置和工作流程会逐渐沉淀，迁移成本自然就高了。ZCode和AutoClaw的作用，就是让智谱从模型供应商进一步进入真实工作流，在模型能力之外建立更长期的用户关系。
到了产品层，智谱面对的是两拨对手。一边是阿里、字节这样的大厂，手握用户、账号、数据和业务生态，可以把AI直接接进办公、云服务和消费场景；另一边是月之暗面、深度求索这样的模型公司，正在不断向上做产品。智谱既要和大厂拼入口，又要和同类公司抢开发者。
产品对智谱还有一层价值在于用户反馈。曾小健提到，GPU可以买，开源框架可以复制，算法论文会扩散，但真实工作环境、任务分布、可靠的验证机制和用户反馈会成为更难复制的资产。沿着这个判断看，产品除了能积累订阅用户，还能让这些真实反馈进一步帮助它打造下一轮后训练的“真题”。
模型能力带来用户，产品沉淀真实任务，真实任务再帮助模型继续提升，这套循环转起来，智谱才能把阶段性的模型优势沉淀得更久。
但只有编程一个场景还不够。GLM-5.3新强化的网络安全已经表现出明显优势，也有机会打开企业需求，但还没有验证出能带来大规模、持续增长的Token调用。
智谱的MaaS业务已经证明市场愿意为模型能力付钱。2025年，云端MaaS服务收入占总营收26.3%；截至2026年3月，MaaS平台ARR约17亿元，过去一年增长约60倍。与此同时，本地化部署收入仍占73.7%。这说明“中国版Anthropic”的故事已经有了商业基础，但距离主要依靠标准化API和产品持续放大收入，还有一段路要走。
7月，唐杰提出“摸高计划”，未来两年继续押注长程任务、自治智能体系统、完全自我训练和安全治理。智谱仍要继续把模型能力往上推，但商业上还需要找到第二个、第三个像编程一样的高频付费场景，把技术领先尽快转化为产品使用和收入增长。
GLM-5.3证明智谱还能把模型做强，更难的考题是，如何把这种能力持续转化为产品和生意。
*应受访者要求，李然为化名。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-08-22 18:14:38
（本文作者为 新品略财经，钛媒体经授权发布）
文｜新品略财经，作者｜吴文武
泡泡玛特最新财报呈现出AB两面，面对市场质疑声，段永平依然长期看好泡泡玛特，但泡泡玛特依然需要不停讲出新故事。
又到了财报季，上市公司纷纷公布中期财报，这几天，潮玩品牌泡泡玛特的半年财报数据，呈现出较为明显的AB两面，引发市场关注。
据泡泡玛特8月20日发布的2026年半年财报显示，上半年，该公司实现营业收入171.7亿元，同比增长23.8%；经调整后净利润51.6亿元，同比增长9.5%。毛利为119.66亿元，同比增长22.6% 。
从营收及利润两个关键指标看，泡泡玛特的业绩表现还是很亮眼的，比其他很多上市公司的业绩表现要强多了。
拆解财报数据发现，自有IP产品已经成为泡泡玛特的绝对主力。财报显示，2026年上半年，泡泡玛特自主产品收入为170.61亿元，同比增长24.0%，占总收入99.3%。
从具体IP表现来看，LABUBU依然是泡泡玛特的现金牛产品。财报显示，LABUBU所在的THE MONSTERS家族仍是公司第一大IP，营收44.50亿元。
但值得关注的是，LABUBU产品收入占比从去年同期的34.7%降至26.0%，该数据直接反映出LABUBU的产品热度持续降低了。
当然，泡泡玛特的财报数据也有另外一面。泡泡玛特财报显示，财报期内该公司毛利率由去年同期的70.3%降至69.7%，下滑0.6个百分点。
财报数据显示，泡泡玛特三大区域表现分化，整体承压，海外市场承压明显。
2026年上半年，该公司亚太（不含中国）地区收入25.75亿元，同比下降9.7%；美洲地区收入18.92亿元，同比下降16.5%；欧洲及其他地区收入5.06亿元，同比增长5.9%，是唯一增长的海外区域。
泡泡玛特解释称，海外高毛利销售地区，海外销售占比下降带动毛利率的降低，同时原材料价格上涨也导致商品采购成本的增长，进而影响到毛利率。
泡泡玛特进一步解释称，LABUBU在海外市场热度降低，导致其海外收入同比下降约为11%，规模效应减弱，单店效率有所回落。
另一个原因是泡泡玛特在海外市场还处于扩张期，较多新店计划下半年开业，新店筹备期间的租赁及人员费用已经对上半年经营利润率造成一定影响。
值得关注的是，泡泡玛特创始人王宁坦言，今年大概率完不成年初既定的20%增长的目标，很快引发市场关注和热议，还让该话题冲上百度热搜财经榜。不过，王宁也同时表示，公司健康度在提升。
尽管泡泡玛特核心财务指标保持正增长，但业绩略低于市场预期，导致泡泡玛特股价在8月21日开盘后大跌逾8%，截至当日收盘，泡泡玛特股价有所回升，跌幅收窄至3.06%，总市值约1984亿港元，仍跌破2000亿港元关口。
在《新品略财经》看来，王宁对外表示今年大概率完不成既定业绩增长目标，很显然是想进一步给泡泡玛特降温，提前给市场，特别是给资本市场打一个“预防针”。
在资本市场上，有多个与泡泡玛特紧密深度捆绑的标签，过去是盲盒、创始人王宁，以及去年爆火全球的LABUBU。
特别是在2026年，在资本市场上和泡泡玛特捆绑最紧密的一个标签就是被誉为是“中国巴菲特”的段永平。
段永平投资泡泡玛特的故事及时间线等一直是热点新闻，自从段永平开始关注泡泡玛特，到后来投资泡泡玛特，两者进行深度捆绑，两者相互牵动。
公开资料显示，段永平管理的H&H International Investment, LLC持有泡泡玛特H股的持仓比例于8月6日从5.55%升至7.7%。
此次泡泡玛特发布的半年财报数据后，面对市场看多、看空及吃瓜等多方观点，资本市场，特别是持有泡泡玛特股票的投资者，当然很关注段永平是怎么看泡泡玛特的最新财报数据的。
段永平在社交平台上回答道，我不在乎短期的东西。我看了一下财报，觉得蛮好。我不关心大众预期，只关心公司未来会怎么样，不然我凭什么赚钱？
至少从段永平的回复来看，不会过多关注泡泡玛特短期业绩波动和股价震荡，还是更关注泡泡玛特的未来发展前景和长期价值，算是给泡泡玛特投下了长期价值投资的信任票。
如果说之前段永平从不懂，到投资泡泡玛特，是段永平爱上及越来越爱泡泡玛特，那么，现在段永平的最新观点就犹如再次向市场表态：段永平还是深爱泡泡玛特的。
段永平对泡泡玛特的投资及持续看好观点，以及最新发表的观点来看，很容易让不少人想起段永平的一投资信条：在好公司遇到阶段性困难时候，敢于重仓，敢于死磕。
在当前的资本市场对泡泡玛特持有鲜明对比的两派观点，一派观点当然是看好派，段永平当然是最直接的代表，另一派则是看空派，甚至是质疑派，也就是泡泡玛特到底是“黄金坑”，还是“无底洞”。
很显然，从段永平对泡泡玛特的投资、长期持有及观点来看，泡泡玛特是段永平想长期持有的投资标的，段永平越来越了解泡泡玛特及其创始人王宁。
段永平一直看好茅台代表着其对传统消费品的价值投资，那么，现在段永平持续看好泡泡玛特，就代表着段永平把泡泡玛特视为未来“中国版迪士尼”。
放大潮玩行业背景看，泡泡玛特是超头部企业，段永平要投资年轻人新消费的价值企业，至少现阶段及未来很长一段时间看，也只有泡泡玛特可选。
在中国潮玩市场，泡泡玛特是抢先跑的那个，从最开始代理IP，后来做起盲盒生意，后来开始创造出IP矩阵等，早已开始不断探索多元化跨界新业务。
从盲盒及潮玩IP消费视角来看，王宁和泡泡玛特是很懂年轻人的消费心理、消费需求，特别是年轻人的情绪消费等，让泡泡玛特一枝独秀，身后也有一众追随者，泡泡玛特依然跑在行业前面。
经历了多年的发展，泡泡玛特已经有了成熟的商业模式、有了原创IP的价值创造及IP矩阵，特别是LABUBU这样全球现象级IP，让泡泡玛特再度走红，商业模式已经跑出来了，商业化能力已经得到市场验证。
潮玩行业主要靠IP，特别是要靠现象级IP来作为支撑和驱动，2025年泡泡玛特的LABUBU在全球不仅卖疯了，还卖断货，黄牛更是蜂拥而至。
据泡泡玛特财报，2025年全年LABUBU 所属的THE MONSTERS 家族营收约为141.6 亿元，占泡泡玛特全年总营收（371.2 亿元）约38% 。
泡泡玛特最新财报显示，LABUBU所在的THE MONSTERS仍然是泡泡玛特的超级“销冠”。
任何一个IP，就算是LABUBU这样的现象级IP也具有热度时效性，泡泡玛特2025年业绩暴增，背后的关键驱动力就是LABUBU销售爆火，也造成了去年同期相当高的业绩基数。
LABUBU如今在国内外市场的热度明显降低，这正是LABUBU所在阵营第一大IP，在该公司占比从去年同期的34.7%降至26.0%的原因。
可以预见的是在短期及未来较长一段时间内，LABUBU依然会是泡泡玛特的第一大IP，LABUBU的热度大概率会持续回落，也必然带来泡泡玛特的业绩波动及估值波动。
泡泡玛特的产品及业务属性就会注定其特殊性，一直以来，泡泡玛特需要IP、需要热度、需要泡沫、需要降温的循环中，需要通过打造爆款IP去打造热度和吸引消费者，及带来业务营收增长和营收新增量空间。
所以，这也是为什么泡泡玛特去年在LABUBU爆火的时候，愿意自己主动戳破泡沫，甚至最新王宁也坦然表态达不成既定业绩增长目标，也是在适度降温及给市场提前传递出预期，修复市场预期及业绩股价波动带来的影响。
所以，泡泡玛特不仅需要保持LABUBU的热度，同时加码发力打造新的现象级IP，泡泡玛特在过去一年正在大力发展星星人IP，想打造成第二个LABUBU。
从最新财报来看，星星人成为上半年最大的变量，2026年上半年，该IP营收26.50亿元，同比增长580.6%，收入占比从2.8%升至15.4%，成为第二大IP，也是增速最快的IP。
从IP产品组合及公司未来发展稳健性角度看，泡泡玛特正在打造新的现象级IP，让整个IP的分布更健康，该公司管理层最新的观点也说明了这一点。
《新品略财经》认为，对泡泡玛特而言，就是要持续创造出新IP，打造新的现象级IP，去不断讲出新故事，才能摆脱市场认为其对单一IP的过度依赖，同时也要去探索更多的多元化新业务。
泡泡玛特是新一代消费企业，区别于传统零售企业，我们当然不能用看传统零售企业的眼光去看它，需要耐心和信心。
但站在资本市场角度来看，企业财报数据及变动才是最直接的反馈，泡泡玛特需要兑现长期价值，也才能匹配段永平的长期投资的预期。
参考资料：
[1] 泡泡玛特国际集团有限公司2026年中期业绩公告，泡泡玛特
[2] 段永平不吃泡泡玛特增长乏力的压力，界面新闻
[3] 段永平死磕，泡泡玛特第二春要来？钱江晚报/潮新闻
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
