Anthropic冲刺IPO背后：缺电、举债与万亿美元算力豪赌

文｜周艾琳 编辑｜刘鹏 创造出Claude的模型公司Anthropic真的要上市了。

该公司已于10月27日正式向美国证券交易委员会（SEC）递交S-1招股书，这意味着11月IPO在即。

在招股书中，Anthropic 将“数据中心”与“电力供应”列为公司未来发展的核心财务开支与重大经营风险。

在算力基建计划中，招股书称，未来几年，Anthropic计划在数据中心和算力上投入5420亿至5670亿美元，在2026年底前拿下约5GW可用算力，并在2027年底再翻一倍。

高投入账单背后，最大的瓶颈是电。

美国老旧的电网与天量的算力需求行程极大矛盾。

招股书中，“能源（Energy）”一词出现了14次，Anthropic明确将“无法为运行大模型的数据中心锁定足够电力”列为重大经营风险。

要知道，AI热潮是人类历史上第一次“制造智能”，其数据中心耗电量已超过世界最大炼油厂。

一个千兆瓦级数据中心所需的电力相当于一个小国全国的用电量，而现有电网当初并非为这种体量设计。

于是，缺电、扰民、污染、举债、争议不断……这些是美国AI数据中心背后的负面标签，甚至有人高呼“AI版次贷危机”一触即发。

近期，全球AI基建股出现大幅回撤，对Anthropic IPO估值的担忧也扰动了各界对产业链的信心。

伴随这次备受瞩目的IPO，对整个AI基建链条（GPU、存储、光芯片、数据中心等）意味着什么？

AI基建投资背后的真相是什么？

真正的风险又在哪里？

腾讯财经独家对话了硅谷的资深AI基建投资人Christina Xu（辰子Tina）——目前在一家头部投资机构负责AI基础设施相关投资，她的判断直截了当："关于AI投资回报的担忧每隔几个月就冲顶一次，市场来一波闪崩，华尔街很难理解AI超级周期的本质——但这对我们反而是机会。

" 01 扩张的规模与逆风 美国当地时间10月27日早晨，Anthropic公开递交 S-1，拟以 ANT 登陆纳斯达克。

该公司上半年收入 163 亿美元，已是去年全年的 3.

5 倍。

更值得细读的是算力账单。

按招股书，SpaceX 的算力全部交付后，每月要付约 31 亿美元。

这次 IPO，本质上是一次算力融资。

根据伯恩斯坦数据，截至2026年8月，美国数据中心项目管线总容量已达404GW，同比增长246GW。

五大超大规模云厂商（亚马逊、谷歌、Meta、微软、甲骨文）2026年合计资本开支预计达7690亿美元，同比增长86%；

2027年有望进一步升至1.

18万亿美元。

然而，高速扩张的背面是空前强烈的社区阻力。

民调显示，61%的美国人强烈反对在其居住地附近新建数据中心，较今年2月的37%大幅跳升，反对情绪正在加速蔓延。

但Christina认为，需求端强劲得毋庸置疑。

“我觉得现在市场最大的误区，是还在用‘有没有需求’来讨论AI数据中心。

需求其实已经不是最核心的问题。

真正稀缺的是能够按时上线、并且能产生现金流的MW。

现在的瓶颈是电力、土地、GPU、网络、审批和资本能不能同时到位。

” 随着数据中心单体规模从数百兆瓦向GW级迈进，市场的核心问题正在从“有没有需求”转向“供应链和产能能否及时跟上”。

值得一提的是，在数据中心不断面临环保和社区审批压力之际，更多发电领域的新机会也开始萌芽。

02 缺电催生的投资机会 “美国不缺算力但缺电，中国不缺电但缺卡”——这一说法近两年广泛流传，基本符合现实。

Christina指出，美国电网审批流程缓慢，新建数据中心获取电网供电极为困难。

传统燃气发电机面临环保压力，风光储受限于地理和传输问题，核能落地至少需要五年以上。

因此，为了快速部署，又为了不增加公共电网负荷，争分夺秒的AI数据中心短期内只能依靠“现场发电”模式填补电力缺口——固态氧化物燃料电池和联合循环燃气轮机由此成为稀缺资源。

关键逻辑在于：现场发电即使价格达到传统电网的两三倍，客户仍愿意支付溢价。

对于AI数据中心而言，真正昂贵的不是电价，而是因为没有电，导致数十亿美元的数据中心和算力资产无法按时投产。

例如，SpaceX和Anthropic的公开算力合同，300MW级的算力对应每月约12.

5亿美元的合同价值，三个月就是37.

5亿美元。

这一逻辑直接催生了Bloom Energy的爆发——这家固态氧化物燃料电池公司过去一年股价涨幅超过1000%。

近期，摩根士丹利对话了Bloom 的CEO KR Sridhar。

他就提及，Bloom Energy的解决方案，是通过电化学方式（燃料电池）而非燃烧来发电——无论是沼气、天然气还是氢气，都直接提取分子中的化学能转化为电能，为千兆瓦级数据中心提供了绕开传统电网的供电路径。

除了环保和自给自足，Bloom还将"time to power"作为核心卖点，部分方案最快可在约90天内完成部署，因此即使要价是公共电网的3倍，客户仍趋之若鹜。

如今Bloom Boxes遍布在几乎所有商业和工业领域。

一个典型案例发生在新泽西州。

在Vineland的一座300MW AI数据中心，开发商DataOne最初计划采用32台高效天然气发动机，却因居民对空气排放、噪音及环境影响的反对而受阻。

随后转向Bloom燃料电池方案，并配套建设150万加仑LNG储罐。

2026年8月，经历约6小时听证会后，当地规划委员会以8比1通过了该方案。

不过，这一赛道并非无差别受益。

微软等巨头已大量投资于联合循环燃气轮机，与GE等OEM建立了长期合作，目前暂不寻求锁定新技术。

相比之下，Bloom的机会更多集中在需要快速部署、同时又面临排放和社区审批压力的项目。

当然，Bloom只是这个赛道的代表之一，一众公司都因为AI数据中心的紧俏而成为了十倍甚至百倍股。

例如变压器等关键电力设备同样面临全球短缺，这也是中美都存在的问题。

03 “AI版次贷危机”言过其实 在AI数据中心过度建设的担忧缓和之际，另一种担忧开始萌芽——AI版次贷危机一触即发？

2026年8月，英伟达联合阿波罗、黑石等六大顶级资管机构，搭建专属AI算力基建融资平台，计划撬动超5000亿美元第三方资本投入全球AI基础设施。

其中，英伟达推出GPU价值兜底机制，英伟达为部分项目提供GPU残值支持，相关支持规模最高可覆盖潜在融资规模的25%，相当于为GPU抵押融资增加了一层安全垫 质疑随之而来。

担忧者援引次贷危机逻辑：抵押品（GPU）一旦因技术迭代贬值，可能引发连锁崩溃；

科技巨头借助SPV、融资租赁等手段将债务移出资产负债表，形成“影子借贷”；

GPU租约、数据中心收益权被打包成ABS卖给养老基金，风险承担者远离资产本身。

Christina认为这种类比言过其实，并列出了几点关键差异： 第一，信用主体不同。

2008年次贷危机大量风险集中在低信用个人借款人和复杂的证券化链条上；

今天很多AI基础设施融资最终对应的付款人，仍然是微软、Meta、Google、Oracle、Amazon，以及Anthropic、OpenAI这类高信用科技公司。

这个底层信用质量完全不同。

” 第二，GPU不能只看折旧，还要看Residual Value，也就是残值。

传统房地产融资的抵押品是土地和建筑物，但AI基础设施里很重要的一项资产是GPU，而GPU会快速迭代。

三四年后如果旧GPU仍然有二手市场，资产就有回收价值；

如果下一代芯片让旧GPU迅速失去竞争力，那么资产抵押融资的安全垫就会明显变薄。

” 所以，投资人需要同时看三个东西：第一，合同现金流能覆盖多少债务；

第二，GPU多久能收回成本；

第三，融资到期时GPU还能值多少钱。

这个框架比单纯看‘债务有多少’更接近真正的信用风险。

第三，AI基础设施的回收周期正在被压缩。

如果一个项目有长期客户合同，而且新增1MW的资本开支可以在大约两年甚至更短时间内回收，那么杠杆是在放大一个有现金流支撑的生意；

反过来，如果回收期不断拉长，而债务和资本开支还在增长，风险才会真正积累。

” 值得一提的是，近两年英伟达饱受媒体铺天盖地的质疑，理由无非是“循环融资”“给客户钱让客户买自己的卡” ，但在更多专业投资人看来， 英伟达通过联合资管公司推动GPU抵押融资，实质是用高额利润反哺基础设施建设。

关键的一点是，美国并没有可以自上而下调度资源的政府，考虑到政府债台高筑，私营部门调动资源本身具有积极意义。

04 值得警惕的是融资链条 虽然“AI版次贷危机”言过其实，但警报并未完全拆除。

在Christina看来，今天AI融资不是一种债，而是一整条资本链。

具体而言，最上面是云厂商自己的现金流和资产负债表，然后是公司债、数据中心租赁；

再往下是项目融资（project finance）、私人信贷（private credit）、资产抵押融资；

上市之后还有可转债和股票融资。

另外，客户预付款和客户自带GPU，本质上也是在给基础设施建设提供资本。

” 所以真正的问题不是融资工具多不多，而是这条资本链最后由谁承担风险。

合同现金流能不能覆盖债务？

如果现金流不及预期，抵押品还能值多少钱？

这才是我认为应该看的“AI信用周期”。

05 回报可能好于市场预期 因此，比起系统性风险，投资人更真实的担忧是：AI产生的现金流，能否跑赢债务和资本开支的增长？

尤其是在美联储重启加息周期的背景下。

多位投资人对腾讯财经表示，目前资金供给端仍有巨大腾挪空间。

原本投向软件领域的万亿级资金池，因软件行业疲软而转向基础设施；

通过SPV等结构化金融工具，市场流动性依然充足。

当前风险更多在于ROI与资本成本的匹配，而非系统性债务崩溃。

7月AI主题闪崩后，摩根士丹利发布深度报告，推出三套生成式AI底层ROIC量化框架，预计不同类型公司的ROIC可能在25%—50%+之间，一定程度上缓和了市场情绪。

但Christina认为，摩根士丹利甚至可能低估了回报。

“我觉得大摩的框架方向是对的，但最大的挑战是数据滞后。

AI基础设施的价格和单位经济性变化太快，价值已经大大提升，而大摩研究时采用的项目成本和收入假设，已落后于现在的市场。

所以我反而觉得，实际ROIC可能比报告中的数字更高。

” 在她看来，最关注的是边际资本回报，而不是整个AI行业平均ROIC。

只要新增资本回报率（incremental ROIC）持续高于资本成本（cost of capital），债务其实是在加速一个正向周期；

一旦边际回报跌破资本成本，资本开支越大，股东价值损失反而越快。