- A+
2026年10月1日，国际清算银行发布了一份只有八页的研究简报，标题是《AI公司之间的循环关系》。报告把视线放在AI产业的钱如何流动：一家云服务商投资模型公司，后者再用获得的资金购买云服务；一家模型公司投资算力供应商，以便锁定未来的计算资源；两家公司既相互采购，也相互持股。
01. 核心发现：AI产业的钱沿着供应链循环
这种关系在传统产业里早有先例，AI把它推到了更大的规模。芯片、数据中心、云计算和基础模型需要连续投入巨额资本，订单周期又很长，供应商和客户很难只靠一次采购合同建立合作。
股权、贷款、长期采购承诺和算力预留开始被装进同一份交易里。投资决定带来订单，订单又支撑收入和估值，产业链上的公司逐渐形成一张同时连接资本和商业往来的网络。
02. 研究范围与关键数据
BIS整理了 1,246家 AI企业，覆盖算力、基础设施、数据工具、模型和应用五个环节，又把PitchBook的投融资记录与FactSet的供应链关系合并，最后逐笔补充人工核验。
研究识别出 2021年至2025年间972组 AI企业内部投资关系。
| 维度 | 数据 |
|---|---|
| AI公司作为投资人时，流向其他AI公司的金额占比 | 28.7% |
| AI企业获得的投资金额中，来自其他AI企业的占比 | 55.2% |
资本正在产业内部高频流动，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人与客户名单里。
“循环关系”的定义
报告把“循环关系”定义为：两家AI企业之间既有投资关系，也在同一时期存在供应商与客户关系。
这个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在合同里明确绑定某一笔采购。它更接近真实的产业网络。
03. 三种循环关系如何形成
第一种：供应商出资
芯片公司、云服务商或数据中心运营商投资自己的客户，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。
| 维度 | 说明 |
|---|---|
| 供应商优势 | 能够观察客户的实际用量和扩张速度，比普通财务投资人更早接触经营数据 |
| 客户优势 | 获得资本后，更有能力签下长期订单 |
第二种：客户出资
模型公司或大型科技企业投资关键供应商，资本流向上游，芯片和算力服务再流回下游。
| 维度 | 说明 |
|---|---|
| 核心 | 资源保障 |
| 背景 | 高端芯片、机房电力和专用数据中心都存在建设周期 |
| 效果 | 一笔投资可以换来更稳定的产能安排，也让客户更早参与供应商的扩张计划 |
第三种：双方同时采购对方的产品或服务
模型可能针对某种芯片优化，云平台把模型接入企业产品，模型公司又采购云平台的训练和推理资源。
资本关系把这些合同连接起来，合作双方因此更愿意投入定制开发、专用设备和长期运维。
经济学视角：专用性投资
经济学中常用 “专用性投资” 描述这类投入。它指一项资产为了特定合作对象而建设，换到其他客户手里时价值会明显下降。
| 例子 | 说明 |
|---|---|
| 为某个模型设计的数据中心集群 | — |
| 为特定芯片改写的软件栈 | — |
股权关系能够稳定合作预期，也减少双方在设施建成后重新议价的冲动。
04. 公开合作案例
微软与OpenAI
微软在2023年宣布继续进行多年、数十亿美元投资，同时把Azure列为OpenAI的独家云服务提供商。
| 维度 | 说明 |
|---|---|
| 资金 | 帮助模型研发和算力扩张 |
| 云服务合同 | 把相当一部分支出带回Azure |
| 产品分发 | 微软还通过自身产品分发模型能力 |
| 结果 | 同一段合作关系里同时出现投资、采购、基础设施和产品渠道 |
亚马逊与Anthropic
亚马逊宣布最多投资 40亿美元，Anthropic把AWS作为主要云服务商，并使用Trainium和Inferentia芯片训练、部署模型。
| 维度 | 说明 |
|---|---|
| 对亚马逊 | 投资带来模型合作和云端用量 |
| 对Anthropic | 资金、芯片和客户入口被放在同一个长期合作框架里 |
英伟达与CoreWeave
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。英伟达既向CoreWeave提供GPU生态，也参与其融资和扩张安排。
| 维度 | 说明 |
|---|---|
| CoreWeave | 持续建设数据中心 |
| 英伟达 | 获得稳定的大规模部署场景 |
| 影响 | 双方的合作会直接影响设备采购、产能利用和下一轮资本开支 |
这些交易各有合同结构，也处在不同的发展阶段。共同之处很清楚：AI产业最稀缺的资源集中在少数企业手中，单纯的现货采购难以覆盖数年的建设和产品周期，资本关系于是成为供应合同的延伸。
05. 46.4%的投资金额同时连着商业关系
| 统计口径 | 比例 |
|---|---|
| 按数量计算，同时存在商业供应关系的投资交易 | 16.1% |
| 按披露的交易金额计算 | 46.4% |
| 循环关系中，投资人同时向被投企业供应产品或服务的比例 | 64% |
大额交易与供应链合作重叠得更明显。
上游环节最集中
73% 的循环投资关系来自算力或基础设施企业。
芯片、云平台和数据中心掌握着昂贵且建设周期较长的资源，模型公司需要提前确保供给，上游企业也希望看到长期需求。
传统产业对照
| 市场 | 直接持有交易伙伴股权的比例 |
|---|---|
| 超过一万组美国客户与供应商关系 | 约 3.3% |
| AI算力、云和相关基础设施子市场 | 15.2% |
AI产业的资金需求、供给集中度和定制化程度共同抬高了资本联系出现的频率。
统计口径的说明
BIS按整笔公开交易金额计算，数据无法拆出一轮融资中每位投资人的实际出资额。46.4%反映大额融资与商业关系高度重叠，并不等同于同等比例的资金被指定用于采购投资人的产品。
06. 订单增长里会混入资本推动的需求
循环关系最直接的财务影响，是需求的来源变得更难分辨。
供应商投资客户后，客户用新增资金购买供应商的产品，供应商当期获得收入，同时在资产负债表上持有客户的股权或债权。收入、投资收益预期和客户估值被同一段关系连接起来。
| 情景 | 结果 |
|---|---|
| 终端用户持续付费 | 这个结构可以帮助产业更快扩张 |
| 最终需求低于预期 | 客户削减采购，供应商先失去订单，随后还要面对股权减值、贷款损失或担保责任 |
历史参照：90年代末电信设备行业
Lucent和Nortel等设备商曾为网络运营商提供融资，运营商再采购它们的设备。网络建设高峰期，销售和贷款资产同时增长；终端收入放缓后，运营商偿债和采购能力一起下降，设备商承受了销售下滑与金融损失的双重压力。
AI产业的连接范围更广。部分基础设施通过私募信贷、特殊目的载体和长期资产残值保证融资，风险可能分散在上市公司、私人企业、信贷基金和项目公司之间。
07. 监管和投资者需要看见完整合同链
循环投资本身服务于真实的产业需求。监管关注点会落在信息能否充分呈现。
企业披露一笔股权投资时，投资者还需要知道同期是否存在最低采购量、云服务抵扣、预留算力、资产残值保证以及排他安排。
| 影响维度 | 说明 |
|---|---|
| 收入确认 | 可能受到相关条款影响 |
| 客户集中度 | — |
| 或有负债 | — |
| 投资减值 | — |
竞争问题
掌握芯片、云平台或模型入口的企业，通过投资绑定关键客户和供应商，能够加快产品协同，也会影响其他企业获得算力、接入模型或争取客户的条件。
不同法域的竞争机构、证券监管机构和银行监管者看到的是同一张网络的不同部分，跨部门的信息交换会越来越重要。
08. 更实用的观察方法
对市场而言，更实用的观察方法是把融资与订单放在一起看。
| 关键问题 | 说明 |
|---|---|
| 新增投资带来了多少外部客户 | — |
| 多少收入来自被投企业 | — |
| 采购承诺持续多久 | — |
| 相关资产由谁融资 | — |
这些问题比单独追踪融资估值更能说明产业热度的质量。
结语
BIS这份简报把AI投资热潮拆成了一组可以核对的关系。算力供应商、模型公司和应用平台正在用资本换取需求、资源和合作稳定性。
接下来几年，AI行业的增长仍会由这张网络推动，市场也会更频繁地追问：一笔收入背后，究竟有多少来自终端客户，又有多少来自产业链内部提前投入的资本。
