美联储12:0加息：同一场AI竞赛，中美到底怎么筹钱？

美联储 12:0，和中国普通人有什么关系？

美联储 9 月 16 日以 12:0 全票加息 25 个基点，利率区间升到 3.75%—4%（来源：Federal Reserve, FOMC Statement, 2026-09-16）。这条新闻看起来离中国普通人很远——事实也确实如此：中国不会因为美联储一次加息，就机械地跟着调整自己的利率，两国的货币政策各有节奏。

但如果你把镜头拉远一点，会看到一件更值得普通人关心的事：AI 已经成为一轮需要大量资本、能源和基础设施才能推进的投资周期。 美国和中国都在给这场 AI 竞赛筹钱，只是筹钱和承担风险的方式并不一样。

这种差别，最终会影响三件事：AI 投资能持续多久、生产率能提高多少，以及这场投资的成本和收益怎样传到企业和普通人。

所以真正的问题不是沃什投了什么票，而是：

中美正在怎样为 AI 的未来融资？而这场投资的成本，最后会落到谁身上，收益又由谁拿到？

「谁的钱」问的，不是最终谁掏出现金，而是资本通过什么渠道进入 AI，以及风险最终由谁承担。把这个问题问清楚，你会发现：中美面对的是同一场 AI 基础设施竞赛，但金融资源进入这场竞赛的路径，并不相同。

美国：AI 正在变成一场资本开支竞赛

美国这边的 AI 投资，已经明显变成了一场资本开支竞赛。

美联储 2026 年 7 月的货币政策报告观察到：2026 年一季度，美国商业固定投资按年率增长 11%，其中大部分投资强度与建设 AI 服务所需的基础设施有关；与此同时，大型上市科技企业推动了投资级公司债净发行的增长，并增加了 AI 基础设施的债务融资（来源：Federal Reserve, *Monetary Policy Report*, July 2026）。

这里要小心一句话：美国不是「靠借债搞 AI」。真实的资本结构要宽得多——

企业现金流 ＋ 股权资本 ＋ 公司债 ＋ 银行 / 私人信贷 ＋ 基础设施融资。

举两个例子，但表述必须说准。Alphabet 今年进行了超过 800 亿美元规模的股权融资，其中部分募集资金明确用于扩大 AI 基础设施和全球算力（来源：公司公告及 SEC 备案；6 月初规模由 800 亿上调至 847.5 亿美元，且备案显示部分资金用途含「一般公司用途」，并非全部专用于 AI）。Meta 今年 5 月又发行 250 亿美元高级无担保票据，显示大型科技公司仍在通过债务市场补充长期资金（来源：SEC 备案 meta-20260630）。债务只是其中一块，股权和自有资金同样是主力——所以不要把每一笔债都贴成「AI 债」。

更值得记住的是：AI 已经进入了美联储的金融稳定讨论，而不只是科技产业的叙事。联储 2026 年 5 月的金融稳定报告把「AI 资本支出越来越由债务融资支持，从而增加金融体系杠杆」列为风险点，并提示 AI 广泛采用可能带来劳动力市场走弱等连锁影响（来源：Federal Reserve, *Financial Stability Report*, May 2026）。当越来越多资本涌进 AI，债权市场承不承受得住、风险往哪里积累，已经成了央行必须盯的东西。

中国：AI 正在变成一场政策金融与基础设施建设

中国这边，不应该简单理解为「美联储加息，中国跟着加息」。真正值得问的是：如果中美都要继续大规模发展 AI，它们到底靠什么，把钱、能源、算力和基础设施组织起来？

中国已经形成另一条很清晰的「政策—金融—基础设施」通道。2026 年，人民银行、发改委、财政部扩大科技创新和技术改造再贷款支持，额度由 5000 亿元扩大到 1.2 万亿元，支持范围加入人工智能等 14 个领域；这工具自身的利率也从 1.75% 降至 1.25%（来源：国家发改委，三部门《关于扩大科技创新和技术改造贷款投放 进一步支持设备更新的通知》，2026-04；国家发改委 2026 年 5 月新闻发布会）。政策工具箱里已经摆着：科技创新债券、银行科技金融、算力网、算电协同。

同样要小心一句话：中国也不是「政府出钱搞 AI」。真实的资本结构同样是组合的——

银行信贷 ＋ 结构性货币政策工具 ＋ 财政支持 ＋ 企业自身资金 ＋ 债券 / 股权资本 ＋ 基础设施投资。

国家发展改革委今年 8 月把算力网纳入「六张网」战略性基础设施；关于「十五五」时期算力网建设新增直接投资 约 4 万亿元，是国家信息中心等相关方面对新增直接投资的测算，并非「国家决定投入 4 万亿元」。更重要的是，相关答复明确：算力建设以企业投资为主（来源：国家发改委，2026-08 算力网建设相关报道）。这就把「AI 能力」从一家家企业的采购，升级成了国家级的基础设施工程，但主导投资的仍是市场主体，而非财政直接掏钱。

于是出现一个中美对照：美国的 AI 资本更多通过企业资产负债表和资本市场进行配置；中国的 AI 资源配置更多同时经过政策工具、金融体系和基础设施规划的通道，被组织进算力、电力和 AI 产业。这里不是比较谁好谁坏，而是：同一场 AI 革命，两套不同的资源组织方式。

中美融资约束，其实不一样

把两边摆在一起，你会发现真正有意思的，不是「谁利率更低」，而是——钱进入 AI 以后，分别在接受什么检验。这比给两国贴标签更严谨，也更可验证。

这张表要说明的不是「谁没钱」，而是：钱通过什么管道进入 AI。

美国一侧，AI 投资更多直接接受资本市场的回报率检验。 一个数据中心、一座芯片厂，要不断回答：未来现金流够不够覆盖资本成本？股东愿不愿意继续投入？债权人愿不愿意继续提供融资？长期利率上升以后，项目回报率还划不划算？美联储和联储官员现在已经在公开讨论这些问题（来源：Federal Reserve, *Monetary Policy Report*, July 2026）。

中国一侧，AI 投资更多同时接受政策工具、金融体系和基础设施落地能力的检验。 要回答的是另一组问题：金融资源能不能进入？项目能不能建？电力能不能接？算力能不能调度？最终能不能形成真实的产业需求和生产率？科技创新再贷款能不能落地、算力中心能不能接上电、算电协同网络能不能铺开，都是这一侧的检验项。

注意我这里用的是「更多接受……检验」，不是说美国没有政策引导、也不是说中国没有市场资本——两套体系里都有混合成分。只是说，在这一轮 AI 竞赛里，资本怎么进入、项目怎么落地、风险在哪里暴露，两边被压力测试的机制重心并不一样。这就比「两个温度计」有研究感得多，也更容易用公开数据去核对。

从融资方式到普通人，中间隔着几步

把两边的机制摆清楚之后，普通读者还会追问一句：好吧，这些钱的路径不同，可它怎么真的传到我这里？

答案不是一句「关系到每个人」就完了，而是一条可以一步步追的链：

中美融资方式不同
→ 决定 AI 基础设施投资能持续到什么程度
→ 决定算力、电力、设备、芯片、数据中心这些上游需求
→ 影响企业的订单、投资、就业，以及 AI 服务的成本
→ 最后才来到普通人的工资、工作机会和用 AI 的花费

所以「融资方式」从来不是金融圈的自娱自乐。它决定的是：这场 AI 竞赛能跑多快、跑多远，以及跑出来的成本和收益，最后落在谁的账上。

最终谁承担成本，谁拿到收益？

这才是最值得普通人关心的地方，但结论不能说死。

因为 AI 的收益，可能出现在很久以后：更高生产率、更低成本、新产品、新行业、新工作。但前面的投入，是现在就要发生的：数据中心、芯片、电力、电网、土地、网络、融资。

于是出现一个时间错配：

成本现在发生，收益未来发生。

不同的融资体系，意味着「谁先承担风险」也不一样——这里同样只作比较，不下定论：

• 美国：企业和资本市场，先承担了更多市场化融资的风险。项目回报率不及预期、债券收益率上行、融资收紧，会先由股东、债权人和企业自己消化；这类信号往往通过股价、信用利差、债务成本，比较快地反映到新项目融资上。
• 中国：银行体系、政策工具、企业和基础设施投资体系，共同承担前期投入的风险。一笔贷款、一项再贷款、一座算力中心，前期成本由这套组合一起扛；若回报不及预期，信号更多沿企业收益、银行资产质量、项目回收、相关金融资源继续投放这条路径传导。

这里不是要你现在就宣布「美国一定由股东承担、中国一定由银行承担」。而是把「失败以后谁先疼、疼在哪里」作为一个比较问题摆出来——同样是 100 块钱投进 AI，进入的管道不同，「疼」的顺序和位置也不同。

再往下问一层：如果 AI 最终真的把生产率拉起来，谁获得收益？如果收益低于预期，谁承担损失？这些成本和收益，最终可能通过利率、税收、企业利润、就业和生产率等不同渠道，传导到居民和劳动者——这是一篇研究「传导机制」的文章该说的边界，而不是提前替读者宣布「最后一定是谁承担」。

普通人真正需要关心的，其实不是这笔钱到底来自华尔街还是银行，而是这笔钱最后有没有变成生产率。如果 100 块钱投进 AI，最终变成 100 块钱新的生产率，那是一场值得的投资；如果 100 块钱投进去，只变成越来越昂贵、却没带来足够真实需求和效率提升的基础设施，那就是另一回事。而这笔账，最终会通过工资、工作、商品与服务的成本、企业效率、财政资源配置，以及我们用 AI 的花费，传导到普通人——这里没有任何投资建议，只是在讲一条传导链。

美国的钱，为什么会流到中国？

前面说的都是中美各自怎么筹钱。但还有一个容易被忽略、却最能把「美联储」和「中国普通人」连起来的事实。

美联储 2026 年 7 月的报告已经观察到：美国 AI 投资不仅推高本国商业固定投资，还带动了亚洲一些经济体的高科技出口（来源：Federal Reserve, *Monetary Policy Report*, July 2026）。美国 AI 资本开支，不会停在美国国境线内——它沿着一条很具体的链往外走：

数据中心
→ 芯片
→ 服务器
→ 网络设备
→ 电力设备
→ 各类电子产业链
→ 亚洲供应商的订单

所以「美国的 AI 融资为什么和中国有关」，答案就在这里：美国融资成功或失败，不只是美国自己的事。对中国，它可能沿着「全球 AI 资本开支 → 亚洲高科技需求 → 中国相关产业链的订单、投资与就业」传回来。

那么中国真正值得问的，也不只是「自己怎么给 AI 筹钱」，还可以是：在这场全球 AI 资本开支里，中国到底扮演融资者、基础设施建设者、设备提供者，还是产业链承接者？这恰好能和你此前做过的中国出口、产业链与 AI 产业研究接起来——但这里我只把问题提出来，不硬接前一篇的结论。

B 面：两种体系，都不是没有风险

写到这里，必须诚实地说另一面。AI 投资能不能如期换来收益，没有人能提前打包票。两套体系都面临「前期投入巨大、回报路径不确定」的压力，而且两边的问法完全对称：

• 美国要面对的：债务融资扩大以后，未来 AI 现金流能否覆盖资本成本——这是市场需要持续回答的问题。
• 中国要面对的：政策和金融资源持续投入以后，项目最终形成的生产率和经济回报，是否足以覆盖前期投入——这同样是未定之数，不是已经证明的结果。

一个问的是「市场愿不愿意继续付」，一个问的是「体系能不能持续送」。这里不做谁好谁坏的判断，只是把两种「前面砸下去的钱，后面能不能回来」的机制，并排放在读者面前。我没有用「低效产能」这类措辞——因为目前公开数据还不足以支撑「某种 AI 投资已经形成低效产能」的结论，那会是一个证据不足的强判断。

结尾：沃什只是把门打开的人

今天看到的，只是一次美联储加息。但真正正在发生的，是一场更大的竞争——谁能把资本、能源、芯片、基础设施和金融体系组织起来，并最终把这些投入，转化成生产率。

这篇文章真正想验证的命题只有一句：

AI 竞争表面上是在比模型，底层却越来越是在比「把资本持续转换成算力和生产率」的能力。

>

美国更多让这场转换接受资本市场和融资成本的持续检验；中国则更多同时依赖金融政策、企业资本和基础设施体系来组织这场转换。

>

真正值得普通人关心的，不是谁的模型先赢，而是谁承担前期成本、谁承担投资失败的风险，以及 AI 最终创造的生产率收益如何被分配。

12:0 只是新闻钩子。沃什只是把门打开的人。真正的文章，是「中美如何为 AI 时代购买未来」——而这个问题的答案，不会在一次加息里写完，它会在一笔笔融资、一座座算力中心、一条条电力通道里，慢慢显形。

数据来源

• Federal Reserve. *FOMC Statement*, 2026-09-16.（12:0 加息 25bp 至 3.75%–4%）
• Federal Reserve. *Monetary Policy Report*, July 2026.（2026Q1 商业固定投资按年率 +11%、大部分与 AI 基础设施相关；大型科技企业推动投资级公司债净发行增长、增加 AI 基建债务融资；美国 AI 投资带动亚洲高科技出口）
• Federal Reserve. *Financial Stability Report*, May 2026.（「AI 资本支出越来越由债务融资支持，从而增加金融体系杠杆」列为风险；提示 AI 广泛采用或带来劳动力市场走弱）
• 国家发展和改革委员会. 三部门《关于扩大科技创新和技术改造贷款投放 进一步支持设备更新的通知》, 2026-04.（科技创新和技术改造再贷款由 5000 亿元扩至 1.2 万亿元，支持范围加入人工智能等 14 个领域，做好企业购买 AI 设备和软件金融服务）
• 国家发展和改革委员会. 2026 年 5 月新闻发布会（李超）.（科技创新和技术改造再贷款利率由 1.75% 降至 1.25%）
• 国家发展和改革委员会. 2026 年 8 月算力网建设相关报道 / 7 月新闻发布会（蒋毅）.（算力网纳入「六张网」战略性基础设施；「十五五」新增直接投资约 4 万亿元为相关方面测算；明确算力建设以企业投资为主）
• U.S. SEC. Alphabet / Meta 股权与债务融资相关备案（Alphabet 股权融资规模超 800 亿美元、部分用于 AI 基础设施；Meta 2026-05 发行 250 亿美元高级无担保票据）