机房能用二十年，GPU三五年就要换代。让资金的期限与资产的寿命各归其位，是这轮算力投入从资本开支热潮转为生产性资产的前提。
过去一年，很少有哪座地级市像乌兰察布这样频繁地出现在算力话题里。
从2013年与华为共建第一个数据中心算起，这座内蒙古城市用十余年时间聚集了华为、阿里巴巴、苹果、快手、字节跳动等一批企业。据市政府2026年3月公开材料，截至2025年底，全市投运算力已达12.5万P，其中智能算力占比超过九成；签约落地数据中心项目84个（智算中心81个），至北京时延4.2毫秒，已承接北京地区超过6万P的大模型训练业务。2025年底当地提出"草原云谷—智算之城—Token之都"的三级发展路径并出台三年行动计划。这些进展有真实的禀赋支撑：北纬42度、年均气温4.3℃、PUE能控制在1.2以下、清洁能源装机1873万千瓦占总装机62.2%，以及2025年7月并网的中金数据零碳算力基地。它被视为"东数西算"的标杆，并不是包装出来的。
但如果换一个角度提问——这些资产靠什么偿还建设它们的债务——公开信息能给出的答案就少得多。
同一份市政府材料里还有一行字：2024年，乌兰察布市算力关联产业链营收2.6亿元，缴税756万元。
这个数字不能拿去和投资额相比。"算力关联产业链"指的是服务器机柜制造、数据标注、运维和热线服务这类配套业务，并不包含数据中心自身的算力服务收入，两者不是同一个口径，用前者去除后者是错误的算法。但它恰好说明了一个现实：算力投资需要项目级的现金流判断，而上架率、可计费利用率、租金水平、回款账龄这些指标，在公开层面很难获得。
乌兰察布并不是特例，恰恰相反，它是因为规模领先、信息相对充分，问题才更容易被看清。全国正在推进的智算中心远不止这一处，多数项目连这个程度的公开信息都没有。
围绕这轮算力投资的讨论，多数集中在需求真不真、有没有泡沫。这些问题重要，但对融资安排而言不够具体。一个更能决定融资成败的问题是：这笔钱，投的究竟是什么资产？
算力是五类资产的组合
融资方案设计的第一步，是不要把"算力中心"当成一类资产。
实际拆开看，一个算力中心至少包含四类性质迥异的物理和组织资产，外加一组决定偿债能力的合同安排。土地、机房和园区，寿命以十年、二十年计；变电站、配电和液冷系统，寿命也长，但受电力接入、能耗指标和地方审批约束；GPU、服务器、存储和交换机，价值高、折旧快，面临代际替换；调度平台、运维系统和客户获取能力，属于无形资产和组织能力，难以抵押、难以转让。最后是客户合同、最低采购承诺和实际回款——它本身不是资产，却是债务能否被偿还的唯一来源。
这几类东西的寿命不一样，现金流形态不一样，风险的性质也不一样，因此需要的资金期限和资金性质也不应当一样。
土地、机房和电力设施接近准基础设施，投资前置、回收期长、残值稳定，适合长期贷款、项目融资和基础设施资本。GPU和服务器则相反：技术迭代快，二手价格随新一代芯片发布而跳水，更适合设备租赁、中短期融资和权益资本承担。软件和组织能力没有抵押价值，本应由企业自有资金和股权承担。已经验收、可以回款的应收账款和长期租约，才真正具备现金流融资的基础。
一旦用一套统一期限的刚性债务去覆盖全部资产，错配就不可避免。最典型的情形是：五年期的债务，本金尚未还完，抵押的GPU已经进入换代周期，账面价值和处置价值同时下降。项目这时既要还本付息，又要投入新一轮设备更新，而收入端未必同步增长。
这张表的逻辑并不复杂，难的是在实际项目里守住它。现实中的压力往往是反向的：项目方希望一次性拿到覆盖全部投资的长期低成本资金，资金方也倾向于用单一授信解决问题。结果是长期限的钱压在了短寿命的设备上。
成本结构决定资金结构
从成本端看，同样的分层也成立。
算力中心的投入至少可以分为五层：土地和园区、土建和机房、供配电与制冷、IT设备、软件运维与客户获取。其中IT设备通常是最大的一块。业内的经验区间大致在总投资的五成到七成之间，高功率密度、算力优先的项目可能更高，而土建、电力接入和园区配套较重时会明显下探。这个区间只能用作量级判断，随功率密度、机房自建还是外包、冷却方案和设备是买是租而变动，正式测算必须以项目概算和采购合同为准。
关键在于，这些成本项在融资模型中必须分别列示，而不能被压缩成一个"每张卡多少钱"的单价。
原因是它们进入现金流的方式完全不同。一次性建设成本形成折旧和债务本金；电力和网络费用随利用率浮动；GPU更新是周期性的资本开支，不是一次性支出；客户获取和软件投入则可能在很长时间里没有可抵押的对应物。把它们混在一起算，就无法回答一个项目最该回答的问题——利用率下降十个百分点、电价上涨一毛钱、设备寿命缩短一年，分别会让偿债能力损失多少。
从合同到现金流，中间有六道关
如果说资产分层是融资结构的横轴，那么现金流的形成过程就是纵轴。
国内上市公司的公告已经把这个过程描述得相当清楚。
广东东阳光科技控股股份有限公司（600673）2026年5月6日的公告披露，控股子公司东阳光云智算与一家未披露名称的A公司签署算力服务采购框架合同，预计含税总金额160亿至190亿元，服务期为订单验收通过后60个月。金额很大，但公告里另有几行字更值得读：服务需经交付、验货、验收之后才正式计费；若因性能、部署、稳定性或硬件合规等原因未通过验收，客户可以解除相应订单或合同，且无需承担违约责任。公告同时提示，前期采购服务器需要大量资金，可能动用自有资金并向金融机构融资，融资成本和利率变化会影响净利润。
北京亚康万玮信息技术股份有限公司（301085）2026年8月27日的公告披露，子公司亚康智算与一家匿名客户签订通用算力技术服务协议，含税总金额9.2544亿元，服务期60个月，客户在取得验收报告次日起计费，按月整月计费，付款安排为"押一预付一"。服务内容是算力服务和网络相关产品服务，客户并不取得服务器及组网设备的移交或归还——也就是说，设备残值风险留在服务商这一侧。
把这类公告的条款连起来，一笔算力收入要走完的路径是：签约、采购、上架、验收、计费、回款。六个环节，每一个都可能卡住，而且越往后越难由项目方单方面控制。
这意味着几个在实务中经常被混用的概念，其实相差很远。框架合同金额不等于已生效订单，已生效订单不等于已确认收入，已确认收入不等于已回款现金流。东阳光的公告明确写了，合同预估金额和已生效订单不构成业绩承诺或盈利预测。一份百亿量级的框架合同，能支撑多少债务，取决于走到第六关的那部分有多少。
因此项目层面的测算必须按现金流顺序推进，而不是从合同总额倒推。先从客户合同或算力收入出发，扣除折扣、坏账和回款延迟，得到实际现金收入；再扣除电力成本——它约等于IT负载乘以电能使用效率（PUE）再乘以电价——以及机房、网络、存储、制冷、运维、软件、人员、税费和营运资金占用，剩下的才是可用于偿债的现金流；最后扣除本金、利息和维持运转所必需的设备更新支出，余下的才轮到股东。
名义月租相对采购价看起来能在三年左右回本，与项目真正能否按期还本付息，完全是两回事。静态回收期计算的是采购价和名义租金的关系，它既不能替代股东回报分析，也不能替代偿债分析。
从主体信用到设备信用
如果现金流的形成需要时间，抵押品能否先顶上？国内的公告显示，设备的独立信用还在形成之中。
协创数据技术股份有限公司（300857）在2026年7月17日和8月18日的两份公告中，披露了一组高性能服务器的租赁安排：与冀银金租的直租，融资4.984亿元、期限60个月，期满履约后可按100元留购，租赁物同时抵押给出租人；与紫金租赁的售后回租，融资1.30亿元、期限30个月，设保证金和设备抵押；与浙银金租签订意向规模3亿元、期限6年的合作框架，已落地一笔2415.78万元、期限60个月的售后回租，并以部分现有及未来应收账款质押；与越秀租赁的售后回租2.980432亿元、期限60个月，在设备抵押之外，还以租金、服务费等应收账款质押。
工具是齐的——直租、售后回租、设备抵押、应收账款质押，国内市场都已经在用。但注意这些交易的共同点：设备抵押从来不单独出现，总是叠加保证金、应收质押或主体信用。而且租赁期限最长达到60个月，与GPU的代际替换周期并不匹配。公告也没有披露具体租金利率、设备残值、GPU型号和对应的服务合同。
北京青云科技集团股份有限公司（688316）2024年10月25日的公告更直接。子公司青云智算以GPU服务器开展售后回租，融资额仅1800万元、期限24个月，但增信叠了三层：上市公司提供连带责任保证担保，实际控制人另外提供连带责任保证担保，同时将8台GPU服务器算力服务产生的全部收益、收入和其他收益质押给出租人。协议还设置了与公司当年业绩挂钩的触发条件，未达条件时出租人可要求提前清偿。
一笔1800万元的设备融资，需要上市公司担保、实控人担保、收益权质押和业绩对赌四重安排。这说明，GPU在中国尚未形成独立的资产信用——融资的真实依托仍然是主体信用，设备只是附加担保物。
这背后是抵押品估值的透明度问题。GPU的价值取决于型号、显存、软件生态、网络配置、功耗、合规交付条件和二手市场深度，而不只是采购发票上的价格。没有活跃的二手市场和公开的残值曲线，金融机构就无法独立给设备定价，只能退回到看主体、看担保。
与此相关，还有两个结构性问题需要同时处理。一是信用错位：最终需求方可能是大型云厂商或模型公司，但融资主体往往是租赁公司、地方平台或数据中心开发商，承担债务的主体与产生需求的主体并非同一个。二是杠杆分散：企业债、银行贷款、融资租赁、私募信贷、客户预付款和证券化可以共同支持一个项目的建设，也可能让真实杠杆水平在不同主体的报表之间被稀释、被遮蔽。
美国的参照系：需求信用与设备信用分开定价
美国的情况值得看，但不是用来照搬。国际清算银行关于AI投资融资的研究指出，随着投资规模扩大，领先科技公司可能从主要依赖经营现金流，转向更多使用债务融资，私人信贷的作用也在上升。这说明美国的算力投资已经超出了大型科技公司自身的资本开支范畴，形成了由超大规模云厂商、数据中心开发商、基础设施基金、私募信贷、设备租赁、客户合同和供应商信用共同支撑的分工格局。
这套安排真正的技术含量，在于把两种信用分开处理。一种是需求信用。超大规模云厂商或其他高信用客户，通过长期采购、最低采购承诺、预付款或自身主体信用，为项目提供收入锚。另一种是设备信用。设备厂商通过产品生态、维保、升级路径和某些有边界的残值安排，帮助金融机构判断设备在未来某个时点还值多少钱。两者共同作用，但责任边界分别写进合同。
需要说明的是，美国的这类安排并不意味着所有需求都已稳定兑现，大量项目仍需接受预算、合同和回款的持续核验。真正可迁移的，不是某种具体工具，而是一条原则：让每一类资本承担自己能够识别、能够控制、能够定价的风险。
供给节奏和电力条件应当进入融资条件
期限匹配的另一个变量，是区域供给的投放节奏。回到开头的乌兰察布，把官方口径和第三方研究并在一起看，画面会更完整。
高盛2026年8月11日的一份中国数据中心研究报告称，截至2026年6月，乌兰察布已获得约12.5GW的数据中心容量承诺，高于2025年7月的3.3GW；这一数字包含已投运、在建和规划项目，并不等于已建成、已上架或已出租容量。报告同时称，2025年当地已利用容量超过800MW，同比增长七成以上，但因投运供给快速增加，区域综合利用率降至约66%。
需求在增长，利用率却在下降，两件事同时发生，并不矛盾——这正是供给投放快于需求爬坡时的典型形态。报告还将乌兰察布12.5GW的管道容量与全国2025年约28GW的已投运供给相比，判断内蒙古、宁夏、甘肃等快速增长枢纽的供给扩张，可能压制数据中心租金的显著上行。
需要谨慎的是，66%是区域汇总口径，不能直接等同于单个项目的可计费率或可偿债利用率；单一区域的数据也不足以证明存在全国性的过度投资。但对融资安排而言，它提示了一个必须做的动作：在区域新增供给较快的地方，项目模型对租金和利用率的压力情景应当设得更严，债务提款节奏应当与投产和客户预承诺挂钩，而不是与建设进度挂钩。
电力条件是同一个问题的另一面。开头提到的低温、绿电和高比例清洁能源装机都是真实优势，前述高盛报告也称，乌兰察布终端数据中心用户电价约0.33至0.36元每千瓦时，明显低于北京的约0.60至0.70元。但优势不等于电力成本没有约束。
市政府材料在介绍中金数据零碳算力基地时给出了一个值得留意的数字：该项目配套新能源全容量投产后，每年可提供8.48亿千瓦时自发自用绿电，可再生能源替代率为38.74%。按这一口径，即便是全国首个绿电直连项目，其余六成左右的用电仍需依靠电网供电和市场化采购。绿电和低温确实能改善能效与成本，但项目现金流模型必须完整计入购电协议价格、绿证溢价、输配电与系统费用、储能和备用电源的资本开支，而不是只把一个低电价数字放进模型。
对融资安排来说，这里还有一层不应被忽略的顺序问题。变电站和接入工程的审批进度、储能与调节电源的配套方案、长期购电协议能否签下来——这三件事决定了一个算力项目的电力成本是否可预期，而它们都不在项目公司的单方控制之内。数据中心是长周期资产，需要的是可预期的长协电价，而不是现货市场的波动。因此带电土地、并网条件和长期电价安排，应当作为债务提款的前置条件，而不是建成之后再去解决的配套问题。
让资金的期限和风险各归其位
把上面的分析归拢，中国算力融资需要处理的是三组对应关系：资产寿命与融资期限、需求主体与融资主体的信用、投入规模与可核验的信息。三组关系分别对应三条改进主线。
第一，按资产属性安排资金期限。长期资本投向土地、机房、电力和冷却；设备租赁和中短期融资承担GPU的迭代风险；应收账款融资只依托已验收、可回款的客户合同；软件和组织能力由股权资本承担。公共资金优先覆盖电力接入、园区配套和统一调度等公共属性较强的部分，客户需求本身仍需由市场核验。这条原则看似基础，实践中却最容易被突破。
第二，按项目阶段安排资金性质。项目处在技术路线未定、建设未完、需求未验证的阶段时，风险应由股权资本和强信用主体承担，此时引入刚性债务是错配。项目进入可由债权资金承接的阶段后，再引入公司债、项目融资、私募信贷、租赁和客户预付款，并设置较低的贷款价值比、宽限期和债务偿付覆盖率触发条件。等到现金流稳定、资产成熟，再扩大资产支持证券、不动产投资信托基金、保险和养老金资金以及低成本长期债务的使用。
第三，用合同和数据把现金流信用建起来。最低采购、预付款、照付不议、回款专户、应收质押和客户信用增级，都能改善现金流的确定性，但前提是核验客户自身的现金流、合同的取消条款、是否存在关联交易，以及最终用户是谁。更具操作性的一条是：债务提款应当与"签约—采购—上架—验收—计费—回款"这条状态链相匹配，走到哪一环，放到哪一笔。
在此之上，还有两项配套机制需要补。
一是有边界的残值和处置机制。厂商回购、升级置换、跨项目调度、专业二手市场和保险，都能降低残值风险，但这些支持条款必须设定上限、保持透明、按项目单独定价，不能作为口头承诺存在于商务谈判里。国产设备项目尤其应当把特定任务下的有效性能、功耗、软件迁移成本、维保和置换条款，直接写进承销依据。
二是以真实现金流为基础的证券化。证券化不会自动降低风险或资本成本，它只是把一组基础资产的现金流和风险转交给新的投资者。只有当底层合同、利用率、回款记录和资产服务机制都能被验证时，融资成本才可能真正下降。对算力资产而言，一个值得试点的方向，是把设备运行状态、利用率、PUE、客户计费和回款等持续运营数据纳入信用判断——不是把数据本身当作证券化资产，而是用可信、连续的运营数据，补充传统的主体信用和静态资产评估。这需要相应的数据标准、现金流管理和监管机制配套，宜先试点、后推广。
早期项目的分层承接：母基金—子基金体系
按上述原则，最难安排的是那些尚未形成稳定现金流、但具有培育价值的早期项目。如果融资体系只接受已经产生稳定现金流的资产，这类项目会系统性地拿不到钱。
一种可行的结构，是由中央资金、地方国资、开发性金融和央企资本共同设立母基金，再由母基金参股若干市场化子基金。母基金负责确定投资方向、建立项目数据和风险评价规则，并以认缴、跟投、阶段性出资或有上限的风险分担工具撬动社会资本。子基金面向具体区域、设备路线或客户场景募资，由专业管理人独立完成项目筛选、投资、运营培育和退出。
每个项目通过专门的项目公司独立持有资产、签署客户合同和管理回款。子基金先以股权、可转债或股东借款承担建设期、技术路线和早期利用率风险；项目完成设备验收，并同时达到约定的客户合同生效、可计费利用率和实际回款里程碑之后，再引入银行贷款和融资租赁等项目债务；稳定的应收账款可进一步使用资产支持证券或保理；成熟的机房和电力资产，最终对接不动产投资信托基金和长期机构资金。
这个体系能否成立，不取决于募集规模，而取决于三件事：子基金是否拥有真实的投资决策权，管理人是否对项目尽调和退出结果负责，以及母基金的后续出资是否与客户合同、技术验收、利用率和回款等里程碑严格挂钩。子基金的尽调也不能只核对规划规模和设备采购额，而应穿透核对区域新增供给、并网与投产节奏、客户预承诺、可计费利用率、租金敏感性和回款安排。
母基金不应对项目债务提供泛化担保，政府背景不能被宣传为保本承诺；出资身份不自动等同于担保责任，关联交易、设备商自供货和损失处置也必须充分披露。
结语
判断一个算力项目是否具备融资基础，最终要回答五个问题：谁出资，谁控制资产，谁获得现金流，谁负责偿债，谁承担失败的损失。
算力投资的规模注定不会小，长期只依靠少数运营商、地方国资和政府资金难以持续。社会资本持续进入的前提，是能清楚知道自己承担哪一种风险、获得什么回报，以及项目失败之后资产如何退出。
AI算力融资的目标，不应当是让每一个项目都拿到钱，而是让真实的需求、可复用的资产和合适期限的资本形成稳定连接，同时把技术迭代和需求不确定性，留在能够承担它们的主体手里。只有当这些问题可以由合同、数据和责任安排清楚回答，AI算力才可能从一轮资本开支热潮，转化为可持续的生产性资产。。
（作者系北京大学光华管理学院金融学教授张峥 闫云松博士对本文亦有贡献）
