AI 公司互相投资：算力、订单与资本形成循环生态

正文：

2026年10月1日，国际清算银行发布了一份简短的研究报告，题为《AI 公司之间的循环关系》。该报告探讨了AI行业资金流动的动态：云服务提供商对模型公司的投资，使得模型公司能够利用获得的资金继续购买云服务；模型公司通过投资算力供应商以确保未来的计算资源；这两家公司则在采购和股权方面形成相互依赖的关系。

这种模式在传统行业中早有先例，但AI产业将其推向了更大规模。芯片、数据中心、云计算和基础模型的持续投资需要巨额资本，而订单周期较长，单靠一次采购合同难以建立稳定的合作关系。因此，股权、贷款、长期采购承诺和算力预留被整合到同一交易中。投资决策带来了订单，而订单又支撑了收入和估值，从而在产业链上形成了一张同时连接资本与商业往来的网络。

图 1｜服务器、网络与冷却设备构成AI投资落地的基础设施

BIS对1,246家AI企业进行了整理，涵盖了算力、基础设施、数据工具、模型及应用五大环节，并将PitchBook的投融资记录与FactSet的供应链关系进行了整合，逐笔经过人工核验。研究识别出2021至2025年间972组AI企业内部的投资关系。

数据显示，当AI公司作为投资者时，28.7%的投资资金流向了其他AI公司；而从融资方来看，AI企业获得的投资中有55.2%来自其他AI企业。资本在产业内部频繁流动，上游巨头、模型公司和基础设施供应商往往同时出现在投资者和客户名单中。

报告将“循环关系”定义为：两家AI企业之间既存在投资关系，也在同一时期存在供应商与客户关系。该定义关注五年内持续存在的企业关系，不要求某一笔投资必须明确绑定某一笔采购。这更接近真实的产业网络，因为企业可能先进行投资，数月后再签署采购协议，或先建立合作关系，再通过股权安排巩固长期合作。

这种网络还会改变企业对单一客户的依赖程度。客户贡献的收入越高，持股关系和长期采购承诺显得越重要，管理层需要更清晰地解释未来需求的来源，以及在行业降温时合同能否继续履行。

这也会影响市场对收入质量和客户集中度的定价。

图 3｜AI企业之间三种常见的循环投资关系

第一种关系由供应商出资。芯片公司、云服务商或数据中心运营商投资其客户，客户随后采购算力、芯片或云服务。资金与产品沿着同一方向流动，供应商能够更早地观察到客户的实际用量和扩张速度，较普通投资者更早接触经营数据；而客户获得资金后，更有能力签下长期订单。

第二种关系则是客户出资。模型公司或大型科技企业投资其关键供应商，资本流向上游，而芯片和算力服务再流回下游。这里的核心在于资源保障。高端芯片、机房电力和专用数据中心的建设周期较长，一笔投资可以换来更稳定的产能安排，使客户更早参与供应商的扩张计划。

第三种关系较为复杂，双方相互采购对方的产品或服务。模型可能专为某种芯片进行优化，云平台将模型接入企业产品，而模型公司又采购云平台的训练和推理资源。资本关系将这些合同连接起来，双方因此更愿意投入定制开发、专用设备和长期运维。

经济学中常用“专用性投资”来描述这类投入，即一项资产为了特定合作对象而建设，若转让给其他客户，价值将显著下降。为某个模型设计的数据中心集群，或为特定芯片改写的软件栈，均属于此类。股权关系能够稳定合作预期，减少双方在设施建成后重新议价的冲动。

图 2｜Wikimedia服务器机房，算力需求最终落实为大量机柜与设备投入

微软与OpenAI是最受瞩目的案例之一。微软在2023年宣布将继续进行数十亿美元的长期投资，并将Azure作为OpenAI的独家云服务提供商。这笔资金不仅支持了模型的研发和算力扩张，云服务合同也将部分支出反向带回Azure。微软还通过自身产品分发模型能力，使同一合作关系中同时存在投资、采购、基础设施和产品渠道。

亚马逊与Anthropic采取了类似的组合。亚马逊宣布将投资最多40亿美元，Anthropic则将AWS作为其主要云服务商，并使用Trainium和Inferentia芯片进行模型的训练和部署。对亚马逊而言，这笔投资带来了模型合作和云端使用；对Anthropic而言，资金、芯片和客户渠道被纳入同一长期合作框架。

大型合作还会嵌入技术迁移成本。一旦模型在某类芯片上完成训练优化，推理工具、数据管线和监控系统都会围绕这一环境展开。更换云平台将影响工程团队和产品稳定性。投资关系延长了合作周期，使双方更愿意共同承担初期适配成本。

算力租赁公司CoreWeave展示了芯片供应商与新型云基础设施之间的联系。英伟达不仅为CoreWeave提供GPU生态，还参与其融资和扩张规划。CoreWeave持续建设数据中心，英伟达则能获得稳定的大规模部署场景。双方的合作直接影响设备采购、产能利用和下一轮资本开支。

这些交易各具合同结构，处于不同的发展阶段，但有一个共同点：AI产业中最稀缺的资源集中在少数企业手中，单纯的现货采购难以满足数年的建设和产品周期，因此资本关系成为供应合同的延伸。

图 4｜2021—2025年AI企业投资关系的关键数据

BIS的统计显示，AI企业之间的投资交易中，有16.1%同时存在商业供应关系；而按披露的交易金额计算，这一比例高达46.4%。大额交易与供应链合作的重叠更为明显。在循环关系中，有64%的投资者同时向被投资企业提供产品或服务。

上游环节则显得尤为集中，73%的循环投资关系源自算力或基础设施企业。芯片、云平台及数据中心掌握着高成本且建设周期较长的资源，模型公司需要提前确保供给，而上游企业同样希望看到长期需求。双方各自承担一定风险，合作因此自然延伸至融资领域。

BIS还引用了传统产业的对比数据。在超过一万组美国客户与供应商关系中，直接持有交易伙伴股权的比例约为3.3%；而在AI算力、云和相关基础设施子市场，这一比例达到了15.2%。AI产业的资金需求、供给集中度及定制化程度共同抬高了资本联系出现的频率。

统计口径同样值得关注。BIS按整笔公开交易金额进行统计，数据无法拆解出每轮融资中每位投资者的实际出资额。46.4%的比例反映了大额融资与商业关系的高度重叠，并不等同于同等比例的资金被明确指定用于采购投资者的产品。商业合作已经成为AI融资的重要背景条件。

循环关系最直接的财务影响在于需求来源变得更加复杂。供应商投资客户后，客户利用新增资金购买供应商的产品，供应商因此获得收入，同时在资产负债表上持有客户的股权或债权。收入、投资收益预期与客户估值被同一关系紧密联系。

只要终端用户持续付费，这种结构能够加速产业扩张。模型公司提前获得算力，数据中心则有了长期订单，芯片厂商也能据此安排产能。然而，问题将在最终需求低于预期时集中显现：客户削减采购，供应商不仅失去订单，还要面对股权减值、贷款损失或担保责任。

上世纪90年代末的电信设备行业提供了相似的经验教