我最近看科技巨头的 AI 投资，越来越觉得只盯着资本开支（capital expenditure, capex）会低估这场竞赛的真实规模。过去一年，几家头部科技公司的资本开支已经高达约 6000 亿美元，但如果把财报脚注里的未来付款义务也算进去，数字会一下子再增加约 3 万亿美元。

这里最关键的概念，是表外承诺（off-balance-sheet commitments）。它们不是已经付出去的钱，也不能简单理解成当前债务，而是企业已经签下、未来需要按照合同安排履行的租赁、采购和其他义务。由于会计确认时点不同，其中相当一部分暂时不会出现在资产负债表上。

《华尔街日报》对 Alphabet、亚马逊（Amazon）、微软（Microsoft）、Meta、甲骨文（Oracle）、英伟达（Nvidia）、博通（Broadcom）、SpaceX 和超威半导体（AMD）最新证券文件的脚注进行梳理后发现，这 9 家公司的相关表外承诺合计约 3 万亿美元，而且增长速度已经超过传统资本开支。

真正被低估的，是未来几年已经锁定的支出

为什么这些数字容易被忽略？原因其实很简单：今天公布的资本开支，主要记录已经发生或已经确认的投资；但 AI 基础设施是一个需要提前很多年锁定资源的生意。

数据中心要提前租，芯片产能要提前订，电力也要提前签长期合同。企业为了保证几年后的算力供应，会先把未来的容量、设备和能源锁下来。合同已经签了，但只要租赁尚未开始、设备和服务尚未交付，很多义务按照会计规则仍然可以留在资产负债表之外。

以 Alphabet、亚马逊、Meta 和微软四家公司为例，最新披露中，表内租赁负债约 2480 亿美元、长期债务约 3560 亿美元；与此同时，仅采购承诺就达到约 1.52 万亿美元，尚未开始的租赁承诺约 9040 亿美元。后两项才是最容易在只看资产负债表时被忽略的部分。

Meta 的 Hyperion：一座数据中心怎样“留在表外”

我觉得最能解释这种结构的，是 Meta 在路易斯安那州建设的 Hyperion 数据中心。这个项目占地规模大约相当于 1700 个美式足球场，但项目本身以及为建设项目融资的 270 亿美元债务，都没有直接出现在 Meta 的资产负债表上。

它的做法是引入一个特殊目的载体（special purpose vehicle, SPV）。Blue Owl Capital 管理的资金通过合资结构持有项目多数权益，Meta 是少数股东，同时也是未来的租户。

持有 Blue Owl 权益的 Beignet Investor 通过发行债券筹集建设资金。也就是说，建设阶段的债务首先落在项目融资结构里，而不是直接计入 Meta 自身的长期借款。

Meta 最初同意从 2029 年开始租用 Hyperion，首个租期为 4 年，并可以续租最长至 20 年。公司还承诺，如果没有完整履行这 20 年安排，将对债券持有人提供相应保障。不过 Meta 判断触发相关担保付款的可能性不高，因此目前没有把这项担保确认为资产负债表上的负债。

Hyperion 的初始租赁承诺约为 123 亿美元。更值得注意的是，截至 6 月，Meta 披露的“尚未开始租赁”相关义务总额已经达到 3470 亿美元，其中就包括 Hyperion。

租数据中心只是第一层，芯片和能源合同更大

把视野从 Meta 扩大到 9 家科技公司后，尚未开始执行的租赁承诺合计约 1.2 万亿美元，大约是一年前的 4 倍。但租赁还不是最大的部分。

数据中心最终要装进大量硬件。训练和运行 AI 模型需要英伟达等公司的加速芯片，也需要存储数据的内存和其他基础设施。为了确保供应，科技公司往往提前数年与供应商签订长期采购协议。

这些公司披露的采购承诺合计已经达到约 1.9 万亿美元。按照通常的会计处理，只有当产品或服务真正交付时，相应金额才逐步进入财务报表，因此今天看到的资本开支和负债，很难完整反映未来已经锁定的现金支出。

Alphabet 的 8110 亿美元，甚至锁到了 2054 年

Alphabet 是其中变化最明显的公司之一。截至 2026 年 6 月 30 日，它披露的采购承诺和合同义务达到 8110 亿美元，而仅仅三个月前还是 3320 亿美元。

公司没有逐项说明这些钱究竟会买什么，只表示主要涉及“技术基础设施和库存”，以及“为数据中心使用锁定能源的协议”。这些合同跨越多年，其中部分能源协议甚至延续到 2054 年。

这让我意识到，AI 投资已经不只是采购一批 AI 加速芯片、建设几个机房的问题。算力、电力、设备供应乃至项目融资，都开始被绑定到多年期合同里。今天的 AI 竞争，也是在提前争夺未来几年的基础设施供给。

类似的长期承诺并不只包括数据中心和设备。英伟达还承诺，从 2026 年 4 月 26 日到其 2027 财年结束前，将进行约 270 亿美元的股权投资。这些安排进一步扩大了科技企业未来需要动用资金的范围。

问题不是“3 万亿美元已经花掉”，而是这些合同很难退出

这里需要特别区分一个容易被误读的概念：3 万亿美元并不是科技公司今天已经烧掉的现金，也不是 3 万亿美元新增银行贷款。它代表的是已经形成的未来合同义务，其中很多会在未来多年逐步兑现。

乐观的一面很好理解。如果 AI 工具持续普及，算力需求继续增长，企业未来收入足够强，那么提前锁定数据中心、芯片和能源反而可能成为竞争优势。硬件供不应求，本身也让提前签约具有商业合理性。

真正的风险在另一边：如果几年后的 AI 需求、技术路线或者硬件效率与今天的假设差异很大，这些提前锁定的容量就可能变成昂贵负担。大部分已经签署的采购合同和租赁合同，并不能因为市场变化就轻易取消。

现金流已经开始出现压力

市场之所以越来越关心这些表外义务，还有一个背景：部分科技巨头原本极其充裕的现金流，也开始被 AI 投资明显侵蚀。

Alphabet 和亚马逊最近都出现了负自由现金流。自由现金流（free cash flow, FCF）简单理解，就是企业经营产生的现金在扣除资本开支之后还剩多少。当资本投资超过经营活动带来的现金时，自由现金流就可能转负。

如果只看当前债务，这些公司的财务状况依然可能显得很强。但把未来几年不能轻易取消的租赁和采购承诺一起考虑，投资者实际要判断的是另一件事：未来 AI 收入增长，能不能覆盖今天已经签下的长期账单。

摩根士丹利的会计分析师在 2026 年 4 月提出，随着表外承诺越来越频繁、规模越来越大、结构越来越复杂，投资者评估企业整体潜在杠杆的难度也在上升。

我更关注的，是 AI 竞赛正在从“投入多少”变成“提前押注多少年”

过去讨论科技公司的 AI 投入，我们习惯看一个数字：今年资本开支是多少。但这组数据提醒我，真正决定风险和回报的，可能不是今年花掉多少钱，而是公司已经为未来多少年的算力需求下注。

约 6000 亿美元，是过去一年已经发生的资本开支；约 3 万亿美元，是财报脚注中正在快速膨胀的未来承诺。前者告诉我们 AI 基础设施现在有多热，后者则告诉我们科技巨头究竟把多大的未来现金流押在了这条路上。

如果 AI 需求兑现，这些长期合同可能成为竞争优势；如果需求不及预期，它们也可能变成很难卸下的成本。对我来说，这才是理解这一轮 AI 基建竞赛时最值得盯住的数字。