AI 很熱，錢卻開始變貴：升息會如何改寫這場算力盛宴？

最近的 AI 市場，出現了一個很有意思的矛盾。

一邊是台積電、ASML〔4〕等半導體供應鏈，持續傳出強勁的 AI 需求。先進製程、先進封裝與高階設備，仍是科技巨頭爭相取得的戰略資源。

另一邊，債券市場卻開始對 AI 基礎建設產生疑慮。

10 月中旬，CoreWeave 的公司債殖利率一度接近 16%〔2〕。緊接著，Anthropic 傳出正在籌措高達 600 億美元的晶片融資，其中黑石集團承接的部分，總殖利率可能超過 10%〔1〕。

與此同時，Fed 才剛在 9 月重新升息〔5〕，全球主要央行也開始討論一個過去十多年很少需要正視的問題〔3〕：

如果 AI 真的需要這麼龐大的資本，世界是否正在進入一個資金長期不再便宜的時代？

這幾則新聞放在一起，值得我們思考。

當 AI 的技術需求仍在快速成長，資本市場卻開始提高融資價格，究竟意味著什麼？

AI 的繁榮，會不會反而成為壓抑自身成長的力量？

閱讀建議：第一、二節看兩個實際案例（Anthropic 的融資、CoreWeave 的債券）；第三、四節拆解 AI 投資為什麼會推高自己的資金成本，以及利率上升的影響為什麼可能突然放大；第五到七節談股價、三種劇本與降息的陷阱。時間不多的話，可以直接跳到第八節「五個訊號」。

讀前提醒：文中的 Anthropic 融資屬媒體報導的規劃交易，並非全部已完成；CoreWeave 債券殖利率為特定時間點的市場觀察，非全公司債務的平均利率。

一、600 億美元的 AI 融資，為什麼要付出超過 10% 的報酬？

先從 Anthropic 的新聞說起。

根據《金融時報》10 月 17 日的報導，Anthropic 正透過代號「北極星計畫」（Project North Star）的融資安排，為大規模 Google TPU 算力設備籌措資金〔1〕。

整體計畫規模約 600 億美元，其中約 180 億美元屬於次順位融資。黑石旗下基金預計提供其中 90 億美元，獲得 10% 的票面利率；加計折價發行等因素，實際總殖利率更高〔1〕。

這裡有兩個細節值得留意。

第一，這不是把 600 億美元全部直接借給 Anthropic 的一般公司債。

融資結構涉及晶片設備、租賃安排與不同清償順位。資金提供者實際承擔的風險，也會隨著擔保、契約及順位而不同。

第二，10% 並不代表 Anthropic 所有融資的平均成本，更不能直接拿來和一般投資級企業債券比較。

但這筆交易仍透露出一件事：

即使 AI 產業擁有強勁的成長預期，投資人也不願意再用過去那種相對便宜的價格，無條件提供龐大資金〔6〕。

四個月前，Anthropic 另一筆類似的晶片融資，次順位部分的報導利率約為 8.5%〔1〕。兩筆交易條件不同，不能直接將差距全數解讀為信用惡化。

不過，當我們把 Anthropic 的融資，和 CoreWeave 的債券市場變化放在一起，就能看見更值得關注的訊號。

市場正在重新衡量一個問題：

這些現在需要花費數百億美元興建的 AI 設備，未來真的能產生足夠的現金流，支持企業支付利息、設備折舊與後續擴張成本嗎？

過去，投資人關注的是誰能搶到最多 GPU、誰能建造最大資料中心。

現在，債券投資人開始追問另一件事：

如果五年後設備價值下降、租金收入不如預期，最後由誰承擔損失？

這是 AI 投資敘事正在發生的第一個變化。

二、CoreWeave 的警訊：合約很多，不代表現金流沒有風險

Anthropic 的融資案仍在規劃階段，但 CoreWeave 已經提供了一個可以觀察的實際案例。

CoreWeave 是 AI 基礎建設業者，透過大量購買高階晶片、建設資料中心，再將算力出租給客戶。

這種商業模式的特色，是先花錢，後收租。

如果客戶需求持續增加，資料中心如期完工，長期租賃合約便有機會創造可預期的收入。

但它也有一個天生的弱點：

建設成本必須先支付，收入卻需要等到未來才逐步實現。

根據 Reuters 10 月 16 日的報導，CoreWeave 面臨約 500 億美元債務，部分 2030 年到期的債券殖利率接近 16%〔2〕。

值得注意的是，CoreWeave 並非沒有客戶。

據 Reuters 報導，截至第二季末，公司的未來合約收入積壓額（Revenue Backlog）達到 1,042 億美元，之後又宣布取得額外的大型承諾〔2〕。

為什麼市場仍然擔心？

因為合約收入，不等於今天已經收到的現金。

公司必須先把資料中心蓋好、完成電力與設備部署、開始提供服務，才能逐漸把合約轉換為收入及現金流。

只要建設延遲，或融資成本比預期更高，原先看起來合理的財務安排就可能受到挑戰。

更何況，晶片並不是一種永遠不會過時的資產。

隨著新的運算架構推出，舊設備可能面臨效能、價格及殘值的壓力。

這讓 AI 資料中心和傳統不動產有一個很大的差別：

不動產的建物可能可以使用數十年，但支撐資料中心收入的高階運算設備，卻需要持續考慮技術更新與折舊風險。

一旦設備需要比預期更快更新，資金需求便可能持續增加。

這也是為什麼，對高槓桿的算力出租業者而言，市場最在乎的未必只是營收成長，而是營運現金流何時足以支應利息與資本支出。

然而，這個風險不能一概套用到整個 AI 產業。

Google、Microsoft、Amazon 等大型科技企業，有既有業務與現金流作為支撐。它們和高度依賴外部融資的算力出租業者，承擔的是不同的財務風險。

如果未來出現 AI 投資調整，最早承受壓力的，未必是技術最落後的公司，而可能是資產負債表最脆弱的公司。

三、真正有趣的地方：AI 投資本身，也可能正在推高利率

談到升息，我們通常會想到一個簡單的因果關係：

通膨太高，Fed 提高利率，企業融資成本增加，投資與消費逐漸放緩。

但這次可能多了一層不一樣的機制。

AI 投資不只是受到高利率影響，它也可能是推升資本需求與部分價格壓力的來源。

想像一下，一座大型 AI 資料中心需要什麼。

它需要大量晶片與伺服器，需要機房、冷卻系統、電力設備、變電站及輸電網路。

這些都不是只靠寫幾行程式，就能立即增加供給的東西。

當世界各地的科技巨頭同時擴建資料中心，就會共同爭奪有限的工程資源、設備產能、電力及資金。

10 月 16 日，Reuters 報導全球央行官員已開始關注這種現象〔3〕。

AI 投資所創造的資本與實體資源需求，可能在生產力效益全面顯現之前，就先對經濟造成需求壓力。

這揭示了一個很重要的時間差。

AI 帶來的成本，今天就要支付；AI 承諾的生產力提升，卻可能要幾年後才能完全實現。

以企業導入 AI 為例。

購買算力、導入軟體和訓練模型，可以相對快速地形成資本支出。

但企業要重新設計工作流程、調整組織、改造產品與建立新的商業模式，往往需要更長的時間。

在這段過渡期，經濟可能出現一種看似矛盾的狀態：

企業投資非常熱絡，資金與能源需求不斷增加，但生產力改善還沒有完全反映在經濟數據中。

如果這種狀況持續，央行就可能需要維持較高利率，避免需求過度擴張。

而高利率，又會反過來提高企業投入 AI 的成本。

於是，一個新的反饋循環可能出現：

AI 投資擴張 → 資本與資源需求上升 → 利率維持高檔 → AI 融資成本上升 → 部分投資計畫被迫調整。

這並不是說 AI 投資是所有通膨的來源。

能源價格、政府赤字、國際資本流動與地緣政治，都會影響利率。

但 AI 資本支出的規模，已經大到不能再被當成完全不影響總體經濟的個別科技產業現象。

四、利率提高一點，為什麼可能帶來很大的影響？

這裡需要釐清一個容易被忽略的問題。

企業借款成本並不只由 Fed 決定。

一筆長期融資的成本，可以粗略拆成兩部分：

企業融資成本 ≈ 無風險基準利率＋信用風險溢酬

假設某家資料中心業者計畫融資 100 億美元。

原先融資成本是 7%，每年利息約 7 億美元。

如果整體利率提高到 10%，每年利息就增加到 10 億美元。

對已經建好的成熟設備而言，增加的利息可能只是降低獲利。

但對尚未開始產生現金流的建設專案而言，每年額外數億美元的財務負擔，就可能改變原本的投資決策。

當然，如果既有債務已經鎖定固定利率，利息不會立刻全部調升；真正的壓力通常集中在新借款、浮動利率借款及到期再融資。

更麻煩的是，利率變化有時不是線性的。

如果市場只擔心 Fed 再升息一碼，企業的借貸成本可能只是逐步增加。

但若投資人開始懷疑企業未來能否償債，信用利差可能迅速擴大。

即使公債殖利率沒有繼續上升，企業借款利率仍可能突然變得非常昂貴。

最嚴重的情況，是投資人不再願意以合理條件提供資金。

這時候，問題就不再是利潤下降幾個百分點，而是專案能否繼續興建。

從利率上升到融資受阻，中間存在一個可能突然跨越的門檻。

這也是為什麼，債券市場有時比企業財報更早反映風險。

五、AI 需求還在增加，AI 股票卻可能先下跌

這是整個問題中，投資人最需要理解的部分。

一家企業的產品需求成長，不代表它的股票價格一定上漲。

因為股票價格不只取決於營收，更取決於市場願意為未來獲利支付多少價格。

當長期利率上升，遠期現金流的折現價值可能降低。

因此，即使企業營收持續增加，市場仍可能下修它的估值倍數。

這解釋了為什麼，近期市場會同時出現兩種現象：

半導體設備的實體需求依然強勁，但部分相關股票卻受到信用市場疑慮與估值壓力影響。

ASML 10 月的相關報導就呈現這樣的矛盾。公司展望仍顯示高階設備供不應求，但投資人開始更加關注未來幾年的資本支出是否能持續，以及目前股價反映的長期成長預期是否過高〔4〕。

對 AI 供應鏈而言，這是兩種不同層次的風險。

第一層，是估值風險。

企業仍然成長，市場卻不願意給同樣高的本益比。

第二層，是基本面風險。

如果客戶因為融資困難而延後資料中心建設，晶片、伺服器及設備採購的成長率，就可能真正開始下降。

估值調整可以在需求仍然強勁時發生。

但基本面轉折，需要觀察客戶是否實際取消訂單、下修資本支出或降低採購成長預期。

對台灣投資人來說，這個區別尤其重要。

台積電與其他半導體供應鏈，處在全球 AI 基礎建設的重要位置。

即使個別高槓桿資料中心公司出現財務困境，也不代表全球所有科技巨頭都會停止 AI 投資。

但如果融資限制從小型算力業者，逐漸傳導到大型科技公司的資本支出決策，影響就可能開始變得全面。

真正需要擔心的，不是某一家 AI 公司股價大跌。

而是企業資本支出的預期，是否從持續上修轉向集體下修。

六、接下來可能出現的三種劇本

那麼，未來的 AI 投資循環會如何發展？

我認為至少有三種可能。

劇本一：高利率沒有阻止 AI 革命，只是淘汰財務脆弱的業者

這是相對溫和的結果。

AI 應用持續發展，企業使用量與付費收入不斷提升。

大型科技公司可以利用既有現金流維持基礎建設投資，但較依賴借貸的業者，因為融資成本上升而被迫縮小規模。

市場因此出現整併，資本逐漸集中在財務條件較好的企業。

這種情況下，AI 長期成長趨勢不一定受到破壞。

但投資人必須接受一個現實：

同樣身處 AI 產業，未來的投資報酬可能出現極大差異。

劇本二：AI 投資仍在成長，但成長速度開始放緩

這可能是更需要留意的中間情境。

市場不需要發生大規模違約，AI 企業也不需要突然失去客戶。

只要資本成本持續偏高，企業就可能重新評估新建資料中心的經濟效益。

原本打算一年內完成的專案，可能延後到兩年。

原本計畫同時興建的數座資料中心，可能先完成其中一部分。

而客戶也可能優先提高既有設備的使用效率，而不是不斷增加新的運算設備。

如此一來，AI 算力需求仍然成長，但新增資本支出的成長率可能下降。

對股市而言，這不一定是好消息。

因為如果市場原先期待未來數年都維持極高速成長，那麼從高速成長轉為一般成長，本身就足以引發估值修正。

很多產業循環的轉折，並不是從需求負成長開始。

而是從市場發現：

未來沒有原本想像得那麼好。

劇本三：信用風險擴散，AI 投資進入收縮循環

這是需要防範，但目前尚未被證實的壓力情境。

假設高利率維持更久，部分 AI 專案進度延誤，而 AI 應用商業化又沒有如預期創造現金流。

投資人可能進一步提高信用風險溢酬。

企業融資成本增加，專案被迫延後，未來租金收入也跟著延後。

這又可能讓債權人重新評估企業的償債能力。

如果這個過程持續，信用壓力便可能由個別公司擴散到整個高槓桿 AI 基礎建設產業。

屆時，影響可能不只出現在債券市場。

AI 設備採購、能源建設、半導體訂單及科技股估值，都可能受到連鎖影響。

但這裡仍需要強調：

信用市場出現警訊，不等於信用危機已經發生。

截至 2026 年 10 月中旬，我們看到的是融資條件趨嚴、部分公司債券劇烈調整，以及市場重新審視 AI 投資報酬。

還不能據此認定，整個 AI 投資循環已經反轉。

七、另一個值得思考的問題：如果 Fed 降息，AI 就安全了嗎？

不一定。

因為降息的原因，可能比降息本身更重要。

如果 Fed 是因為通膨受到控制、生產力提升，而逐步降低利率，那麼 AI 企業可能同時享有較便宜的融資與持續成長的需求。

這對 AI 投資相對有利。

但如果 Fed 是因為經濟衰退、企業融資惡化而被迫降息，情況就完全不同。

即使公債殖利率下降，只要信用利差擴大得更快，高槓桿 AI 企業的借貸成本仍可能維持高檔。

例如，基準利率下降 1 個百分點，信用利差卻擴大 3 個百分點，企業整體融資成本反而可能上升 2 個百分點。

因此，判斷 AI 投資前景，不能只問 Fed 會升息還是降息。

更重要的是：

當 Fed 改變利率政策時，信用市場到底正在放鬆，還是在收縮？

這兩種情況，對 AI 投資的意義可能完全相反。

八、從現在開始，我會追蹤的五個訊號

如果想知道 AI 投資是否真的進入轉折，我認為不需要每天追逐所有 AI 新聞。

有五個訊號更值得定期檢查。

第一，Fed 利率與美國長期公債殖利率。

這可以幫助我們判斷，資金成本上升究竟來自央行政策，還是長期資本市場的重新定價。

第二，AI 企業的信用利差與債券價格。

特別觀察高槓桿算力公司，以及大型科技企業的信用風險是否同步擴大。單一公司債券大跌，與整個產業融資條件惡化，是兩種不同程度的訊號。

第三，大型科技公司的資本支出指引。

如果企業只是維持高額投資，但不再持續上修未來支出，可能意味著擴張速度開始正常化。

如果多家公司連續下修指引，才更值得警惕。

第四，AI 商業化帶來的現金流。

營收成長固然重要，但 AI 的長期投資回報，最終仍須反映在可以持續產生的現金流上。

尤其需要分辨會計上的調整後獲利，與實際扣除資本支出後的現金流。

第五，資料中心實際建設進度。

電力供應、完工延誤、設備交付，以及專案取消或縮減，都可能成為信用風險向實體投資傳導的早期證據。

這些訊號如果各自出現，可能只是正常的產業雜音。

但若信用利差持續擴大、建設專案反覆延誤，又同時出現資本支出指引下修，就代表 AI 投資循環可能正在發生更深層的變化。

九、最後的思考：AI 不一定是泡沫，但資本不會永遠便宜

回到最初的問題。

AI 技術快速進步，與 AI 投資出現財務風險，兩件事可以同時成立。

網際網路曾經如此。

網路技術並沒有因為 2000 年的科技股泡沫破裂而消失，但不是所有當年投入巨額資本的公司，都能活到最後。

這不代表 AI 必然會重演網路泡沫，也不代表今天的市場已經處於相同階段。

歷史真正提供的提醒是：

一項技術最終改變世界，不代表每一筆投入這項技術的資本，都能獲得理想報酬。

過去幾年，AI 投資的核心問題是：

誰擁有最好的模型？誰能取得最多晶片？誰能最快擴張算力？

未來幾年，這些問題仍然重要。

但市場可能會增加另一個更現實的問題：

誰能在不斷提高的資本成本下，把龐大的算力投入，轉換成足以支持自身成長的自由現金流？

如果 AI 商業化收益的成長速度，長期高於資本成本與資本投入的增長，那麼高利率可能只是加速淘汰效率不佳的業者，未必會終止整個 AI 投資循環。

反過來，如果資金成本持續攀升，而 AI 商業化回報始終無法追上投資規模，那麼資本市場終究會要求企業放慢腳步。

我認為，這才是近期 Anthropic、CoreWeave 與全球升息新聞真正值得我們一起思考的地方。

下一階段的 AI 競賽，除了比技術、比晶片、比算力，恐怕還要比誰的資本結構更有韌性。

市場可能已經開始為這場競賽重新定價。

但它會是一場溫和的產業整併，還是一輪更劇烈的信用收縮，答案仍需要接下來的資本支出、現金流與債券市場共同驗證。

市場負責倒酒，我們負責清醒。

市場負責倒酒，我們負責清醒。