一笔钱在AI圈里转了三圈，最后变成了谁的营收？

2026年10月1日，国际清算银行（BIS）甩出了一份只有八页的研究简报，标题很直白——《AI公司之间的循环关系》。别看篇幅短，它把AI产业里那些盘根错节的资金流向扒了个底朝天。

简单说就是：一家云服务商掏钱投资模型公司，模型公司转头拿这笔钱去买云服务；一家模型公司投资算力供应商，为的是提前锁定未来的计算资源；两家公司既互相采购，又互相持股。钱在产业链里转圈，订单和股权缠在一起，分不清哪笔是投资，哪笔是采购。

这种玩法在传统行业不算新鲜，但AI把它推到了前所未有的规模。芯片、数据中心、云计算、基础模型——每一个环节都是吞金兽，建设周期动辄以年计。供应商和客户之间，光靠一纸采购合同根本绑不住。于是，股权、贷款、长期采购承诺、算力预留被打包塞进同一份交易里。投资带来订单，订单撑起收入和估值，整条产业链上的公司就这样织成了一张资本与商业关系交织的大网。

千余家AI企业，近千组投资关系

BIS这次下了硬功夫。他们整理了1,246家AI企业，横跨算力、基础设施、数据工具、模型和应用五个环节，把PitchBook的投融资记录和FactSet的供应链关系并在一起，再逐笔人工核验。最终识别出2021年至2025年间972组AI企业内部投资关系。

几个关键数字值得留意：

  • AI公司作为投资人时，28.7% 的投资金额流向了其他AI公司；

  • 从融资方角度看，AI企业获得的投资金额中，55.2% 来自其他AI企业。


资本正在产业内部高频循环。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和客户两份名单上。

报告对"循环关系"的定义很明确：两家AI企业之间既有投资关系，又在同一时期存在供应商与客户关系。它不要求某笔投资必须在合同里绑定某笔采购，而是关注五年内持续存在的企业关系。这更贴近现实——企业可能先投资，几个月后才签采购协议；也可能先合作，再用股权安排巩固长期关系。

这种网络会直接改变企业对单一客户的依赖逻辑。客户贡献的收入越高，持股关系和长期采购承诺就越重要。管理层需要解释未来需求从哪里来、合同能否在行业降温时继续履行。市场对收入质量和客户集中度的定价，也会因此受到影响。

三种循环关系，三种绑定逻辑

AI企业之间的循环投资，大致可以归为三类：

第一种：供应商出资投资客户。 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。资金和产品沿着同一方向流动。供应商能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；客户拿到钱后，也更有能力签下长期订单。

第二种：客户出资投资供应商。 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。核心是资源保障。高端芯片、机房电力、专用数据中心都有建设周期，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：双向商业关系。 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串起来，双方更愿意投入定制开发、专用设备和长期运维。

经济学里有个词叫"专用性投资"，专门描述这类投入——一项资产为了特定合作对象而建，换到其他客户手里价值会大幅缩水。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，都属于这一类。股权关系能稳定合作预期，也减少双方在设施建成后重新议价的冲动。

微软、亚马逊、英伟达：这张网已经铺开了

公开案例里，微软和OpenAI是最受关注的一对。微软2023年宣布继续进行多年、数十亿美元的投资，同时把Azure列为OpenAI的独家云服务提供商。资金帮助模型研发和算力扩张，云服务合同又把相当一部分支出带回Azure。微软还通过自身产品分发模型能力，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。

亚马逊和Anthropic采用了相近的组合。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。对亚马逊来说，投资带来模型合作和云端用量；对Anthropic来说，资金、芯片和客户入口被装进同一个长期合作框架。

大型合作还会嵌入技术迁移成本。模型在某一类芯片上完成训练优化后，推理工具、数据管线和监控系统都会围绕这套环境展开。更换云平台会牵动工程团队和产品稳定性。投资关系把合作周期拉长，也让双方更愿意共同承担前期适配成本。

算力租赁公司CoreWeave则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。CoreWeave持续建设数据中心，英伟达获得稳定的大规模部署场景。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。

这些交易各有各的合同结构，也处在不同发展阶段。但共同点很清楚：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，资本关系于是成了供应合同的延伸。

46.4%的大额交易，同时连着商业关系

BIS的统计揭示了一个更惊人的比例：AI企业之间的投资交易，按数量计算有16.1%同时存在商业供应关系；但按披露的交易金额计算，这一比例飙升到46.4%。大额交易与供应链合作重叠得更加明显。循环关系中还有64%属于投资人同时向被投企业供应产品或服务。

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。两边各自承担一部分风险，合作自然延伸到融资领域。

BIS还引用了传统产业的对照数据：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。

不过，统计口径也值得留意。BIS按整笔公开交易金额计算，无法拆出一轮融资中每位投资人的实际出资额。46.4%反映的是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。商业合作已经成为AI融资的重要背景条件，但具体绑定程度需要逐笔审视。

订单增长里，有多少是资本催出来的？

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。

只要终端用户持续付费，这个结构可以帮助产业更快扩张。模型公司提前获得算力，数据中心有了长期订单，芯片厂商也能据此安排产能。问题会在最终需求低于预期时集中爆发：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。

上世纪90年代末的电信设备行业提供了一次相似的经验。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。单看一家公司公布的投资金额或采购合同，很难完整还原实际出资、未来承诺和担保责任。

合同定价也会影响外部判断。长期算力协议可能包含预付款、最低用量、价格折扣和扩容选择权，股权投资又可能改变双方对未来订单的预期。分析一家AI公司的客户质量时，需要把现金收入、合同负债、剩余履约义务和来自关联合作方的采购放在同一张表里，才能看清订单的期限和真实支付能力。

监管和投资者，需要看见完整的合同链

循环投资本身服务于真实的产业需求，监管的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。收入确认、客户集中度、或有负债和投资减值，都可能受到这些条款影响。

竞争问题也会进入讨论。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。

对市场来说，更实用的观察方法是把融资和订单放在一起看。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。

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。