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。
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。
一、AI 产业里的钱开始沿着供应链循环
图 1｜服务器、网络与冷却设备构成 AI 投资最先落地的基础设施
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。
其中，AI 公司作为投资人时，28.7%的投资金额流向了其他 AI 公司；从融资方看，AI 企业获得的投资金额中有 55.2%来自其他 AI 企业。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。
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，因为企业可能先投资，数月后签采购协议，也可能先合作，再用股权安排巩固长期关系。
这张网络还会改变企业对单一客户的依赖。客户贡献的收入越高，持股关系和长期采购承诺越重要，管理层越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。
这也会影响市场给收入质量和客户集中度的定价。
二、三种循环关系怎样形成
图 3｜AI 企业之间三种常见的循环投资关系
第一种关系由供应商出资。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。供应商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；客户获得资本后，也更有能力签下长期订单。
第二种关系由客户出资。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。这里的核心是资源保障。高端芯片、机房电力和专用数据中心都存在建设周期，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。
第三种关系更复杂，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。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。
三、公开合作已经展示了这张网络
图 2｜Wikimedia 服务器机房，算力需求最终落实为大量机柜与设备投入
微软与 OpenAI 是最受关注的例子之一。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。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，因此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 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。对亚马逊而言，投资带来模型合作和云端用量；对 Anthropic 而言，资金、芯片和客户入口被放在同一个长期合作框架里。
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。
四、46.4%的投资金额同时连着商业关系
图 4｜2021—2025 年 AI 企业投资关系的关键数据
BIS 的统计显示，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；按披露的交易金额计算，这一比例达到 46.4%。大额交易与供应链合作重叠得更明显。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，合作因此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%；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。
统计口径也值得留意。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。商业合作已经成为 AI 融资的重要背景条件。
五、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。
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出现：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，才能看见订单的期限和真实支付能力。
六、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。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。
对市场而言，更实用的观察方法是把融资与订单放在一起看。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。
本文仅用于法律、政策及行业研究交流，旨在对数字金融、稳定币、数字资产及相关监管动态进行客观分析，不构成任何形式的投资建议、法律意见、税务意见或其他专业建议，也不构成任何金融产品、数字资产或商业项目的推荐、宣传或招揽。文中涉及的监管规则、市场数据及机构信息主要来源于公开资料，可能因法律法规、监管政策、市场环境及项目进展变化而发生调整，请读者结合最新公开信息独立判断，并遵守所在国家或地区适用的法律法规。作者及发布平台不对任何因依赖本文内容所产生的投资、交易或其他商业决策承担责任。
