Fitch Says AI Revenue Growth Needs to Keep Pace With Investment Expansion, While Commercial Returns Remain to Be Proven
English text is being prepared.
Fitch noted that the pace of AI commercialization and monetization may lag behind capital investment, with related credit pressure potentially spreading from frontier model developers to computing service providers and the hardware supply chain. Global annualized AI revenue currently stands at about $230 billion and is expected to reach $1.05 trillion by 2030, which could support approximately $500 billion in sustainable capital expenditure. However, the five largest hyperscalers' combined capital expenditure is projected to exceed $1 trillion in 2027. AI-related bond issuance is also rising, with hyperscale technology companies issuing about $277 billion in bonds from the start of 2026 through November 11.
Why read this
AI score 71
Fitch juxtaposes AI revenue growth with the scale of capital expenditure, providing a quantitative benchmark for assessing the commercialization gap and the pathways through which credit risk may spread.
Topics
Body
文章主体
国际评级机构惠誉11月17日发布报告指出,AI相关债券发行正在改变全球投资级企业债券市场结构。超大规模科技企业发债规模已从2020-2024年每年不足500亿美元,升至2026年以来至11月11日的约2770亿美元。
报告还预计,亚马逊、Alphabet、Meta、甲骨文和微软,这五大超大规模企业2027年合计资本开支将超过1万亿美元。AI相关行业在投资级债券市场中的占比持续上升,行业集中度提高可能加剧市场波动。
投资规模上去了,收入能不能跟上?
“收入得跑得更快一些才能赶得上投资。”惠誉评级亚太区信用评论与研究高级董事胡旸瑞说道。11月18日,胡旸瑞在“2026惠誉看中国”媒体交流会上表示,评估AI投资前景,不能只看资本投入规模,还需要关注算力能否按时交付、基础设施能否满足需求,以及最终能否产生相应回报。
惠誉评级亚太区企业评级高级董事黄筱婷则表示,当前AI产业链的主要信用风险,是商业化和变现速度可能慢于资本投入速度。如果收入增长无法匹配持续扩大的资本开支,市场对于AI投资回报的信心可能受到挑战。相关压力可能从前沿模型开发商,向算力服务商及硬件供应链传导。
胡旸瑞表示:“目前全球AI年化收入约为2300亿美元,我们预计,到2030年将达到1.05万亿美元,是现在的四倍多。”但他指出,按照惠誉估算,1.05万亿美元的收入能够支撑约5000亿美元的可持续资本开支,而市场预计明年资本开支将超过1万亿美元,“所以有这么一个缺口,收入得跑得更快一些才能赶得上投资。”他说道。
谈及AI商业化,胡旸瑞认为,企业能否将AI嵌入现有客户关系和业务场景,是实现商业价值的重要因素。拥有客户基础、专有数据和分发渠道的平台,通常具有更多价值捕获路径。不过,AI的采用、收入、利润和现金流改善并不同步,商业回报仍需进一步观察。
在基础设施方面,胡旸瑞指出,随着AI应用规模扩大,特别是推理需求上升,基础设施瓶颈正从GPU、存储等硬件环节延伸至电力和数据中心。“我觉得我们可以记住一点,一直会出现瓶颈,而且这个瓶颈会在不同的地方出现。”他说。
在现场问答环节,有媒体询问近期市场上有关算力中心采购订单变化的情况是否会影响投资者信心。胡旸瑞表示,算力中心建设面临的基础设施瓶颈,正在使投资者对相关项目的投入更加谨慎。部分地区的电力限制、算力资源部署条件以及融资安排,都可能影响项目推进。
他提到,数据中心建设项目即使具备投资意愿,也未必能够按照原定计划获得电力供应。美国部分地区的数据中心用电、用水及并网审批问题已经引发讨论,电力接入时间和基础设施建设进度也可能影响项目投产及算力交付。
潜在风险:商业化和变现速度可能落后于资本投入速度
风险通常从前沿模型企业开始传导,随后向算力供应链扩散。
“我们觉得前沿模型的开发商会是最脆弱的一个环节,因为他们受到开源模型的比较严重的竞争,那么前沿模型的开发商又是主要的算力购买者,所以也会向算力的供应链去扩展。”黄筱婷说。
相关影响将首先传导至云算力提供商和Neocloud服务商。这类企业前期通常需要大量投入购买GPU、建设数据中心或租赁算力资源,并承担相应融资成本。如果客户需求下降或无法履行合同,算力服务商可能面临现金流压力和再融资风险。
压力还可能进一步传导至硬件供应链,包括服务器、存储器以及部分半导体企业。黄筱婷表示,相关硬件产能规划往往需要提前一年甚至数年进行。如果AI需求突然放缓,企业可能需要调整订单和库存,产能利用率也可能受到影响。由于生产和产能建设涉及固定支出,相关企业未必能够迅速调整成本。
“相比之下,大型云服务商的抗风险能力相对较强。”黄筱婷表示,这类企业业务多元、客户基础广泛,拥有较强的现金流和融资能力,AI只是其整体业务的一部分,因此即使AI业务发展不及预期,对其整体信用状况的影响也相对有限。
对于数据中心项目,黄筱婷表示,惠誉评级覆盖的相关项目整体表现相对稳定,主要原因在于部分项目拥有长期合同、信用质量较高的承租人以及一定的结构性保护。此类项目的信用表现,更多取决于合同对手方能否履约,而不完全取决于短期AI需求变化。
(文章来源:澎湃新闻) 正文中部 内嵌广告
AI Trends