AI万亿美元豪赌的风险所在

# AI万亿美元豪赌的关键所在 来源：https://www.technologyreview.com/2026/09/15/1144028/ai-infrastructure-boom-investment-bubble-risk 宾夕法尼亚大学沃顿商学院金融教授杰西卡·瓦赫特评估未来几年AI对经济的影响时，面对的是商业与技术不确定性的漫长清单。于是她从一个“无需质疑的事实”切入：少数被称为“超大规模企业”的巨头正斥巨资建设AI数据中心。 她没有试图预测AI模型的应用广度与实用性，而是直接计算这些企业需要以多快的盈利增长来证明其支出合理性——她与合作者估计，到2027年AI基础设施支出将接近1.1万亿美元。这种务实的会计分析方法，为理解当前历史性的AI建设浪潮提供了清晰视角。 计算结果令人震惊（https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6465519）：若考虑资本成本、15%的回报率及资产折旧，AI企业需将自身生产率提升2.7倍，方能在2030年前实现盈亏平衡。瓦赫特认为这并非不可能，其带来的经济增长可能堪比1990年代中期持续约10年的美国IT繁荣期。但她同时指出，若要在2030年前实现该目标，“意味着大量增长需压缩在数年内完成”。若超大规模企业未能达成盈利目标会如何？ “他们将无力偿付利息，进而面临破产风险。”曾任美国证券交易委员会首席经济学家兼经济与风险分析部主任的瓦赫特表示。她在研究报告中总结道：若生产率爆发“未能如期而至，当前建设将成为史上最大规模的资本错配”。 无需超凡智慧也能意识到，当前人工智能基础设施的大规模投资伴随着巨大风险。超大规模企业今年将投入约7500亿美元，在全美各地兴建巨型数据中心。这种投资狂潮毫无放缓迹象。据预测，Alphabet、微软、亚马逊、Meta及与OpenAI合作的甲骨文等超大规模企业未来四年的AI资本投资总额可能超过5万亿美元（https://www.goldmansachs.com/insights/articles/private-markets-expected-to-have-growing-role-in-data-center-financing）。 这堪称历史上单一行业最大规模的资本投入之一，但问题也显而易见。 拜登政府时期执掌SEC、现任职麻省理工学院斯隆管理学院的加里·根斯勒指出：“尽管超大规模企业计划投入万亿，但今年AI总收入仅约1500-2000亿美元。关键在于：支出目前尚无相匹配的收入——这是事实。那么问题在于：这会是未来能收回成本的投资吗？” 这场万亿美元赌局的关键，关乎巨型AI企业乃至整个美国经济的财务健康——这些投资可能很快攀升至GDP的3%左右。答案也可能决定那些耗资巨大的数据中心自身的命运。 无人真正知晓这些耗资数十亿美元的庞然大物未来能产生多少利润、发挥多大价值。尽管AI模型近年来取得惊人进步，但未来究竟需要多少算力仍是未知数。技术可能变得更高效，从而降低对原始算力的依赖；AI产品的需求可能放缓；客户也可能转向更廉价的模型。 今年，随着这些AI企业开始大规模举债扩建数据中心，投资者与经济体面临的风险进一步加剧。该群体的自由现金流（经营现金流减去资本支出）预计将很快转为负值（https://www.apollo.com/wealth/insights-news/insights/daily-spark/consensus-just-revised-up-capex-for-hyperscalers）。即便是以产生和囤积大量现金著称的Alphabet，最新财报也显示其近1200亿美元的惊人营收（https://s206.q4cdn.com/479360582/files/doc_financials/2026/q2/2026q2-alphabet-earnings-release.pdf）已被AI基础设施支出吞噬，导致约59亿美元的自由现金流赤字——这是自谷歌2004年上市以来首次出现缺口。 短期内，这对大多数企业并非重大财务隐忧。它们盈利能力强劲且资金雄厚。但债务成本高昂，部分投资者已失去耐心（https://www.wsj.com/finance/stocks/investors-zero-in-on-runaway-tech-spending-putting-dent-in-ai-trade-1da74e98?mod=hp_lead_pos6%20%20https://www.wsj.com/tech/ai/meta-q2-earnings-report-2026-stock-9808dd3c?mod=hp_lead_pos3）。一旦数据中心算力需求未来下降，企业仍需偿还借款。更值得关注的是，随着贷款通过各类金融机制流转，风险正扩散至整体经济。 仅覆盖数据中心的巨额标价还远远不够。超大规模企业还需承担因持续借贷而上升的资金成本。它们必须向投资者和债权人证明，回报率足以支撑所有支出。此外，为弥补数据中心内数十亿美元芯片设备的折旧——这笔埋在投资中的“定时炸弹”——它们还面临更大压力。 数据中心核心的高性能GPU芯片（约占成本60%）的性能大致每两年翻一番（https://futuretech.mit.edu/publication/howMuch-progress-has-there-been-in-nvidia-datacenter-gpus）。这种进步速度解释了AI模型能力的飞速提升，但也伴随着代价。今年及明年上线的AI数据中心所有者若想保持竞争力，需在本十年末再投入数十亿美元升级下一代芯片。普林斯顿大学信息技术政策中心的米希尔·克希尔萨加尔指出：若无后续投资，这些数据中心将沦为“巨型残骸”，成为“散落各地”的搁浅资产。 简言之：AI企业需要大幅提升盈利能力，且必须迅速行动。但仅提升自身盈利仍不足以长期支撑其数据中心投资。 ### **生产率是核心关键** 在某个阶段，AI还必须带动广泛的经济增长，才能为超大规模企业的持续投资正名。 根斯勒将当前AI基础设施的大规模投资描述为“资本市场与经济的连续投注”。这意味着成功需同时赢下三场相关但独立的赌局：超大规模企业必须创造巨额收入；AI必须推动整体经济增长；且在数据中心所依赖的强大但昂贵的所谓“前沿模型”抵御更廉价替代版本（许多企业可能认为其足够好用）的同时，前两项必须实现。 如此复杂的原因在于，每场赌局都依赖于另外两场，同时自身也面临挑战。 若超大规模企业延续当前投入节奏直至下个十年，收入需飙升至万亿级别。哥伦比亚大学商学院金融教授斯泰恩·范·尼厄沃思基于“2025至2032年间约183吉瓦规划AI算力被建成”的情景估算（每吉瓦成本约410亿美元），并假设10%回报率（多数投资者的最低要求），得出结论：到2032年“所需”年收入约为3.7万亿美元。 其他研究也得出类似数据（https://www.bvp.com/atlas/inside-the-biggest-bet-in-corporate-history）。 赢得第二场赌局——提升全社会生产率——对实现该数字至关重要。 短期内，AI企业或许可通过向热衷AI的企业销售订阅服务与算力令牌提升收入。但最终（或许已开始发生），付费客户需要通过技术带来的实际效益证明支出的合理性。AI必须兑现其承诺：提升员工生产率，使企业更高效、更具盈利能力，并扩展其产品与服务。 用经济学术语而言，这意味着客户需要看到生产率增长。这些成果综合起来，将意味着国家的繁荣与发展（https://www.technologyreview.com/2024/08/20/1096733/how-to-fine-tune-ai-for-prosperity/）。 “若未实现生产率提升，人们迟早会对AI产生负面情绪，这将抑制投资并限制收入增长。”2024年诺贝尔经济学奖得主、麻省理工学院经济学家达龙·阿西莫格鲁强调，“要使投资在未来五到十年可持续，我们绝对‘需要看到生产率提升’。” 多数关注数据的经济学家一致认为，目前全行业统计数据（https://eig.org/wp-content/uploads/2026/08/TAWP-Syverson.pdf）尚未显示AI带来显著生产率增长。但已有积极迹象浮现。近期一项针对美、英、德、澳约6000名高管的调查（https://siepr.stanford.edu/publications/working-paper/firm-data-ai）显示，约90%受访者表示过去三年未见生产率提升，但他们预计未来三年将总体增长约1.45%；美国高管预期增幅达2.25%。 在后续调查中，受访者还表示计划增加AI支出，由此预计2026年底私营部门AI支出将达2800亿美元（https://www.atlantafed.org/research-and-data/publications/policy-hub-macroblog/2026/05/06/how-much-firms-spending-on-ai-and-what-will-happen-to-headcounts）。 这对超大规模企业是利好，但对担忧AI就业影响者则伴随坏消息：高管们预期通过削减员工数量同时提升销售额来增加企业生产率。 若AI通过取代岗位提升生产率，公众对该技术的抵触（如数据中心引发的争议）可能加剧。或许值得在根斯勒描述的连续投注中增加一项：公众与地方社区必须感受到自身也从AI巨额投资中受益。 切莫忘记这些赌局的相互依存性：若生产率增长来自运行DeepSeek等模型的企业，超大规模企业收入可能崩塌；若生产率提升源于岗位削减，公众反对可能阻碍众多计划中的投资并抑制预期收入。只有全盘赢得所有赌局，超大规模企业的押注才能成功。 ### 我们已置身AI赌局之中 当AI企业使用历年积累的现金自建数据中心时，风险主要局限于其资产负债表与股东。但当资金主要来自借贷，游戏风险等级陡然提升。摩根士丹利估算，超大规模企业（https://www.morganstanley.com/insights/articles/ai-market-trends-institute-2026）2025至2028年建设AI数据中心的2.9万亿美元支出中，超过半数将依赖“外部资本”融资。 举债促使部分企业构建错综复杂的融资网络，这些网络正与经济其他领域交织渗透。哥伦比亚大学的范·尼厄沃思指出：“许多金融机构直接或间接暴露于这些数据中心风险中——或作为贷款方，或为部分债务提供担保，或支持为数据中心融资的私人信贷基金。人们甚至未意识到持有相关资产。它们深藏于养老基金内部，最终支撑着人寿保险单。这种风险正以不可见的方式扩散至各处。” 随着数据中心投资激增，金融工程设计变得愈发复杂。 以Meta位于路易斯安那州里奇兰的Hyperion数据中心为例。2024年末Meta宣布该项目时，规划2吉瓦算力、造价约100亿美元（https://www.technologyreview.com/2025/05/20/1116272/ai-natural-gas-data-centers-energy-power-plants/），为其最大规模规划数据中心。该项目受到州与地方政界热烈欢迎，被视作该州东北部农村地区的福音。该州最大公用事业公司Entergy Louisiana迅速提出建设三座大型天然气电厂的方案。 然而去年秋季——项目预估成本已升至300亿美元——融资结构变得异常复杂，部分社区人士更感不安。Meta将80%股权转让予陷入困境（https://roddubitsky.substack.com/p/the-everything-bubble-ai-data-centers）的私人信贷巨头Blue Owl Capital，组建名为Beignet（源自新奥尔良著名糕点）的合资企业为数据中心融资。Meta随后与该合资企业签订系列四年期租约，称该安排赋予其“长期战略灵活性”（https://investor.atmeta.com/investor-news/press-release-details/2025/Meta-Announces-Joint-Venture-with- Funds-Managed-by-Blue-Owl-Capital-to-Develop-Hyperion-Data-Center/default.aspx）。为支持协议，Meta向合资企业提供残值担保，承诺在租约到期或终止后支付现金补偿设施价值。 希望各位跟上了这些操作。实际金融运作甚至更为复杂（https://www.spglobal.com/ratings/en/regulatory/article/-/view/sourceId/101651795），涉及一系列全资子公司与有限责任公司。Beignet设立Laidley LLC作为场地所有者与运营商，后者再将设施租赁给Meta全资子公司Pelican Leap LLC作为租户。系列四年期租约覆盖数据中心园区内各独立建筑。 范·尼厄沃思指出，租约期限与数据中心GPU预期寿命吻合绝非巧合。即使Meta提前终止租约需偿还贷款，其投资者仍将“面对空楼且无现金流”，之后需为巨型数据中心寻找新租户——这无异于天方夜谭。 与此同时，Meta正加倍押注。7月该公司宣布扩建至5吉瓦算力（https://datacenters.atmeta.com/2026/07/deepening-our-investment-in-richland-parish-louisiana/），总投资升至500亿美元（目前Meta未说明Blue Owl是否参与扩建融资）。而Entergy公司...