AI公司開始相互投資：算力、訂單與資本形成循環網絡

2026 年 10 月 1 日，國際清算銀行發布了一份只有八頁的研究簡報，標題是《AI 公司之間的循環關係》。報告把視線放在 AI 產業的錢如何流動：一家雲端服務商投資模型公司，後者再用獲得的資金購買雲端服務；一家模型公司投資算力供應商，以便鎖定未來的計算資源；兩家公司既相互採購，也相互持股。

這種關係在傳統產業裡早有先例，AI 把它推到了更大的規模。晶片、資料中心、雲端運算和基礎模型需要連續投入巨額資本，訂單週期又很長，供應商和客戶很難只靠一次採購合約建立合作。股權、貸款、長期採購承諾和算力預留開始被裝進同一份交易裡。投資決定帶來訂單，訂單又支撐收入和估值，產業鏈上的公司逐漸形成一張同時連接資本和商業往來的網絡。

一、AI 產業裡的錢開始沿著供應鏈循環

圖 1｜伺服器、網路與冷卻設備構成 AI 投資最先落地的基礎設施

BIS 整理了 1,246 家 AI 企業，覆蓋算力、基礎設施、資料工具、模型和應用五個環節，又把 PitchBook 的投融資記錄與 FactSet 的供應鏈關係合併，最後逐筆補充人工核驗。研究識別出 2021 年至 2025 年間 972 組 AI 企業內部投資關係。

其中，AI 公司作為投資人時，28.7%的投資金額流向了其他 AI 公司；從融資方看，AI 企業獲得的投資金額中有 55.2%來自其他 AI 企業。資本正在產業內部高頻流動，上游巨頭、模型公司和基礎設施供應商往往同時出現在投資人與客戶名單裡。

報告把「循環關係」定義為：兩家 AI 企業之間既有投資關係，也在同一時期存在供應商與客戶關係。這個定義關注五年內持續存在的企業關係，不要求某一筆投資必須在合約裡明確綁定某一筆採購。它更接近真實的產業網絡，因為企業可能先投資，數月後簽採購協議，也可能先合作，再用股權安排鞏固長期關係。

這張網絡還會改變企業對單一客戶的依賴。客戶貢獻的收入越高，持股關係和長期採購承諾越重要，管理層越需要解釋未來需求從哪裡來、合約能否在行業降溫時繼續履行。

這也會影響市場給收入品質和客戶集中度的定價。

二、三種循環關係怎樣形成

圖 3｜AI 企業之間三種常見的循環投資關係

第一種關係由供應商出資。晶片公司、雲端服務商或資料中心營運商投資自己的客戶，客戶隨後採購算力、晶片或雲端服務。資金與產品沿著同一方向流動。供應商能夠觀察客戶的實際用量和擴張速度，比普通財務投資人更早接觸經營數據；客戶獲得資本後，也更有能力簽下長期訂單。

第二種關係由客戶出資。模型公司或大型科技企業投資關鍵供應商，資本流向上游，晶片和算力服務再流回下游。這裡的核心是資源保障。高端晶片、機房電力和專用資料中心都存在建設週期，一筆投資可以換來更穩定的產能安排，也讓客戶更早參與供應商的擴張計劃。

第三種關係更複雜，雙方同時採購對方的產品或服務。模型可能針對某種晶片優化，雲端平台把模型接入企業產品，模型公司又採購雲端平台的訓練和推理資源。資本關係把這些合約連接起來，合作雙方因此更願意投入客製化開發、專用設備和長期維運。

經濟學中常用「專用性投資」描述這類投入。它指一項資產為了特定合作對象而建設，換到其他客戶手裡時價值會明顯下降。為某個模型設計的資料中心叢集、為特定晶片改寫的軟體堆疊都屬於這一類。股權關係能夠穩定合作預期，也減少雙方在設施建成後重新議價的衝動。

三、公開合作已經展示了這張網絡

圖 2｜Wikimedia 伺服器機房，算力需求最終落實為大量機櫃與設備投入

微軟與 OpenAI 是最受關注的例子之一。微軟在 2023 年宣布繼續進行多年、數十億美元投資，同時把 Azure 列為 OpenAI 的獨家雲端服務提供商。資金幫助模型研發和算力擴張，雲端服務合約又把相當一部分支出帶回 Azure。微軟還透過自身產品分發模型能力，因此同一段合作關係裡同時出現投資、採購、基礎設施和產品通路。

亞馬遜與 Anthropic 採用了相近的組合。亞馬遜宣布最多投資 40 億美元，Anthropic 把 AWS 作為主要雲端服務商，並使用 Trainium 和 Inferentia 晶片訓練、部署模型。對亞馬遜而言，投資帶來模型合作和雲端用量；對 Anthropic 而言，資金、晶片和客戶入口被放在同一個長期合作框架裡。

大型合作還會嵌入技術遷移成本。模型在某一類晶片上完成訓練優化後，推理工具、資料管線和監控系統都會圍繞這套環境展開。更換雲端平台會牽動工程團隊和產品穩定性。投資關係把合作週期拉長，也讓雙方更願意共同承擔前期適配成本。

算力租賃公司 CoreWeave 則展示了晶片供應商與新型雲端基礎設施之間的聯繫。輝達既向 CoreWeave 提供 GPU 生態，也參與其融資和擴張安排。CoreWeave 持續建設資料中心，輝達獲得穩定的大規模部署場景。雙方的合作會直接影響設備採購、產能利用和下一輪資本開支。

這些交易各有合約結構，也處在不同的發展階段。共同之處很清楚：AI 產業最稀缺的資源集中在少數企業手中，單純的現貨採購難以覆蓋數年的建設和產品週期，資本關係於是成為供應合約的延伸。

四、46.4%的投資金額同時連著商業關係

圖 4｜2021—2025 年 AI 企業投資關係的關鍵數據

BIS 的統計顯示，AI 企業之間的投資交易按數量計算有 16.1%同時存在商業供應關係；按披露的交易金額計算，這一比例達到 46.4%。大額交易與供應鏈合作重疊得更明顯。循環關係中還有 64%屬於投資人同時向被投企業供應產品或服務。

上游環節最集中。73%的循環投資關係來自算力或基礎設施企業。晶片、雲端平台和資料中心掌握著昂貴且建設週期較長的資源，模型公司需要提前確保供給，上游企業也希望看到長期需求。兩邊各自承擔一部分風險，合作因此自然延伸到融資領域。

BIS 還引用了傳統產業的對照數據。在超過一萬組美國客戶與供應商關係中，直接持有交易夥伴股權的比例約為 3.3%；在 AI 算力、雲端和相關基礎設施子市場，這一比例達到 15.2%。AI 產業的資金需求、供給集中度和客製化程度共同抬高了資本聯繫出現的頻率。

統計口徑也值得留意。BIS 按整筆公開交易金額計算，數據無法拆出一輪融資中每位投資人的實際出資額。46.4%反映大額融資與商業關係高度重疊，並不等同於同等比例的資金被指定用於採購投資人的產品。商業合作已經成為 AI 融資的重要背景條件。

五、訂單增長裡會混入資本推動的需求

循環關係最直接的財務影響，是需求的來源變得更難分辨。供應商投資客戶後，客戶用新增資金購買供應商的產品，供應商當期獲得收入，同時在資產負債表上持有客戶的股權或債權。收入、投資收益預期和客戶估值被同一段關係連接起來。

只要終端用戶持續付費，這個結構可以幫助產業更快擴張。模型公司提前獲得算力，資料中心有了長期訂單，晶片廠商也能據此安排產能。問題會在最終需求低於預期時集中出現：客戶削減採購，供應商先失去訂單，隨後還要面對股權減值、貸款損失或擔保責任。

上世紀 90 年代末的電信設備行業提供了一次相似的經驗。Lucent 和 Nortel 等設備商曾為網路營運商提供融資，營運商再採購它們的設備。網路建設高峰期，銷售和貸款資產同時增長；終端收入放緩後，營運商償債和採購能力一起下降，設備商承受了銷售下滑與金融損失的雙重壓力。

AI 產業的連接範圍更廣。部分基礎設施透過私募信貸、特殊目的載體和長期資產殘值保證融資，風險可能分散在上市公司、私人企業、信貸基金和專案公司之間。單看一家公司公布的投资金額或採購合約，很難完整還原實際出資、未來承諾和擔保責任。

合約定價也會影響外部判斷。長期算力協議可能包含預付款、最低用量、價格折扣和擴容選擇權，股權投資又可能改變雙方對未來訂單的預期。分析一家 AI 公司的客戶品質時，需要把現金收入、合約負債、剩餘履約義務和來自關聯合作方的採購放在同一張表裡，才能看見訂單的期限和真實支付能力。

六、監管和投資者需要看見完整合約鏈

循環投資本身服務於真實的產業需求。監管關注點會落在資訊能否充分呈現。企業披露一筆股權投資時，投資者還需要知道同期是否存在最低採購量、雲端服務抵扣、預留算力、資產殘值保證以及排他安排。收入確認、客戶集中度、或有負債和投資減值都可能受到這些條款影響。

競爭問題也會進入討論。掌握晶片、雲端平台或模型入口的企業，透過投資綁定關鍵客戶和供應商，能夠加快產品協同，也會影響其他企業獲得算力、接入模型或爭取客戶的條件。不同法域的競爭機構、證券監管機構和銀行監管者看到的是同一張網絡的不同部分，跨部門的資訊交換會越來越重要。

對市場而言，更實用的觀察方法是把融資與訂單放在一起看。新增投資帶來了多少外部客戶、多少收入來自被投企業、採購承諾持續多久、相關資產由誰融資，這些問題比單獨追蹤融資估值更能說明產業熱度的品質。

BIS 這份簡報把 AI 投資熱潮拆成了一組可以核對的關係。算力供應商、模型公司和應用平台正在用資本換取需求、资源和合作穩定性。接下來幾年，AI 行業的增長仍會由這張網絡推動，市場也會更頻繁地追問：一筆收入背後，究竟有多少來自終端客戶，又有多少來自產業鏈內部提前投入的資本。

本文僅用於法律、政策及行業研究交流，旨在對數位金融、穩定幣、數位資產及相關監管動態進行客觀分析，不構成任何形式的投資建議、法律意見、稅務意見或其他專業建議，也不構成任何金融產品、數位資產或商業專案的推薦、宣傳或招攬。文中涉及的監管規則、市場數據及機構資訊主要來源於公開資料，可能因法律法規、監管政策、市場環境及專案進展變化而發生調整，請讀者結合最新公開資訊獨立判斷，並遵守所在國家或地區適用的法律法規。作者及發布平台不對任何因依賴本文內容所產生的投資、交易或其他商業決策承擔責任。