AI会带来新一轮的经济泡沫吗？

（来源：麻省理工科技评论）

当宾夕法尼亚大学沃顿商学院金融学教授杰西卡·瓦赫特（Jessica Wachter）试图评估未来几年 AI 将如何影响经济时，她首先面对的是一长串商业和技术上的不确定性。于是，她决定从一个几乎没有争议的“惊人事实”出发：少数几家超大规模科技公司，正在投入巨额资金建设 AI 数据中心。

与其预测未来 AI 模型究竟能有多大用处、会普及到什么程度，她提出了一个更直接的问题：这些公司的利润究竟需要以多快的速度增长，才能证明眼下的投入是值得的？按照她和合作者的估算，到 2027 年，相关支出将接近 1.1 万亿美元。于是，他们干脆使用一套简单的方法，来衡量这场史无前例的 AI 基础设施扩张到底意味着什么。结果相当惊人：如果把资本成本、15% 的投资回报率以及资产折旧都考虑进去，这些 AI 公司自身的生产率需要提高到现在的 2.7 倍，才能在 2030 年实现收支平衡。

瓦赫特认为，这并非完全不可能。如果真能做到，相当于把美国上世纪 90 年代中期开始、持续约十年的信息技术繁荣，在短短几年内重新上演一遍。但问题也正在这里。“这意味着大量增长必须被压缩在短短几年内完成。”她说。

如果这些超大规模科技公司达不到这样的利润目标呢？

“那么，它们可能连利息都无法按时偿还，并面临破产风险。”瓦赫特说。她曾担任美国证券交易委员会（SEC）首席经济学家，以及经济与风险分析部门负责人。她和合作者在论文中写道，如果预期中的生产率繁荣最终没有出现，“当前这轮建设潮将成为人类历史上规模最大的资本错配”。

其实，并不需要超级智能才能意识到，今天围绕 AI 基础设施展开的巨额投资，本身就蕴藏着巨大风险。仅今年一年，这些超大规模科技公司预计就将投入约 7500 亿美元，在美国各地建设大型数据中心，而且这场投资狂潮丝毫没有放缓的迹象。按照部分机构的预测，Alphabet、微软（Microsoft）、亚马逊（Amazon）、Meta 和甲骨文（Oracle）这几家公司未来四年的 AI 资本投入总额可能超过 5 万亿美元。其中，甲骨文还是 OpenAI 的重要合作伙伴。

这是有史以来单一行业规模最大的资本投资浪潮之一。但问题同样显而易见。麻省理工学院教授、曾在拜登政府时期担任 SEC 主席的加里·根斯勒（Gary Gensler）表示，在这些公司计划投入数万亿美元的同时，今年整个 AI 行业的收入大约只有 1500 亿至 2000 亿美元。他说，“问题在于，目前这些投入还没有对应规模的收入。这是事实。接下来的问题是，这些投资未来到底能不能收回来？”

这是一道价值万亿美元的问题。它不仅关系到几家 AI 巨头自身的财务状况，也关系到整个美国经济。未来，这些投资规模可能很快膨胀至美国 GDP 的 3% 左右。与此同时，它还可能决定这些造价惊人的数据中心最终会走向何方。

没人真正知道，几年后这些耗资数十亿美元的数据中心究竟能有多赚钱、多有用。过去几年，AI 模型的确取得了令人瞩目的进展，但未来究竟需要多少算力，仍然没人说得准。技术可能变得更加高效，从而减少对纯算力的依赖；AI 产品的需求也可能放缓；企业客户还可能转向更便宜的模型。

而今年，风险进一步上升了。因为这些公司已经开始大规模举债，用来建设越来越多的数据中心。市场预计，这几家公司的整体自由现金流，也就是经营现金流减去资本支出后的余额，很快可能转为负数。

就连一向以现金充裕著称的 Alphabet 也开始感受到压力。在最近一个季度中，公司营收接近 1200 亿美元，但庞大的 AI 基础设施投入消耗了大量现金，最终出现约 59 亿美元的自由现金流缺口。这也是 Google 自 2004 年上市以来首次出现这样的情况。

短期来看，对多数公司而言，这还算不上严重的财务危机。它们依然非常赚钱，资产负债表也足够雄厚。但借钱终究是有成本的，一些投资者也已经开始失去耐心。如果未来数据中心算力需求下滑，这些公司依然要偿还已经借来的钱。更重要的是，随着贷款通过各种金融工具被层层转移，风险已经开始从科技公司自身向整个经济体系扩散。

仅仅赚回数据中心本身的建设成本还远远不够。随着债务增加，超大规模科技公司还需要承担越来越高的资本成本；它们必须拿出足够高的投资回报，才能向投资者和债权人证明这一切是值得的。

除此之外，还有一个更容易被忽视的问题：折旧。数据中心里价值数十亿美元的芯片，会迅速贬值。这就像埋在整个投资逻辑中的一颗定时炸弹。数据中心最核心的昂贵 GPU 等计算设备，大约占总成本的 60%，其性能目前大致每两年翻一番。这样的技术进步推动了 AI 模型能力不断提升，但代价同样明显。今年和明年上线的数据中心，如果想在本世纪末依然保持竞争力，就必须继续花费数十亿美元，更换下一代芯片。

普林斯顿大学信息技术政策中心的米希尔·克希尔萨加尔（Mihir Kshirsagar）认为，如果不继续投入，这些数据中心可能最终变成一座座巨大的“空壳”，成为散落各地的搁浅资产。

说得简单一点，AI 公司必须开始赚更多的钱，而且必须尽快。但问题是，即使它们自身的收入大幅增长，也依然不足以长期支撑如此庞大的数据中心投资。最终，AI 还必须推动整个经济实现广泛增长，才能证明这些超大规模科技公司的持续投入是合理的。

根斯勒把今天围绕 AI 基础设施展开的巨额投资形容成一场资本市场和整个经济共同参与的“串关赌局”。要赢下这场赌局，至少需要同时满足三个彼此相关、却又相对独立的条件。

首先，超大规模科技公司必须创造巨额收入；其次，AI 必须真正推动整个经济的增长；与此同时，那些依赖大型数据中心运行、能力强但成本高昂的所谓前沿模型，还必须抵挡住廉价模型的竞争，因为对许多企业来说，更便宜、能力“够用”的模型或许已经足够。

棘手之处就在于，这三件事彼此依赖，却又各自面临不同的问题。如果超大规模科技公司在进入下一个十年后仍然继续大规模建设数据中心，那么它们的收入也必须飙升至数万亿美元级别。

哥伦比亚商学院金融学教授斯泰恩·范尼沃伯格（Stijn Van Nieuwerburgh）做过一项估算。他假设从 2025 年到 2032 年，全球将建成约 183 吉瓦的 AI 算力设施，而每吉瓦的成本约为 410 亿美元。按照 10% 的投资回报率计算，也就是大多数投资者可以接受的最低水平，到 2032 年，这些基础设施每年需要产生大约 3.7 万亿美元的收入。其他研究得出的数字也大致相似。

而要真正实现这样的收入规模，赌局的第二部分，也就是整个经济的生产率增长，就变得至关重要。未来几年，AI 公司或许还可以通过向大量争相采用 AI 的企业出售订阅服务和 token，不断扩大收入。但这种模式不可能永远持续。最终，甚至可能现在就已经开始，付钱购买 AI 的企业必须证明这笔钱花得值得。它们需要真正从 AI 中获得财务回报。

AI 必须兑现自己的承诺，让员工提高生产率，让企业运营得更高效、更赚钱，同时帮助企业扩展产品和服务。用经济学术语来说，企业必须真正看到生产率提升。如果大量企业都获得这样的改善，最终反映出来的，就是整个国家经济的繁荣和增长。

麻省理工学院经济学家、2024 年诺贝尔经济学奖得主达龙·阿西莫格鲁（Daron Acemoglu）说：“如果生产率没有提高，那么到了某个阶段，人们就会开始对 AI 失去兴趣，投资也会随之下降，收入增长同样会受到限制。”

他说，如果希望眼下这些投资在未来五到十年真正具有可持续性，“我们必须看到生产率提高”。但从目前的数据来看，这一点还没有真正发生。大多数密切追踪经济数据的经济学家都认为，截至目前，宏观统计数据几乎没有显示 AI 给整个经济带来了明显的生产率增长。

当然，也出现了一些相对乐观的迹象。最近，一项针对美国、英国、德国和澳大利亚约 6000 名企业高管的调查显示，绝大多数受访者，大约 90%，表示过去三年中 AI 并没有提高企业生产率。不过，他们预计未来三年，AI 将累计使生产率提高约 1.45%。美国企业高管的预期更高，认为未来三年的增幅可能达到 2.25%。在后续调查中，这些高管还表示，未来会进一步增加 AI 支出。研究人员据此预计，到 2026 年底，私营部门的 AI 投入可能达到约 2800 亿美元。

对超大规模科技公司来说，这是个好消息。但对于担心 AI 冲击就业的人而言，其中也藏着一个坏消息。这些企业高管预计，提高生产率的方式之一，是在增加销售额的同时大幅减少员工数量。如果 AI 是通过消灭工作岗位来提高生产率，那么社会对这项技术的反弹很可能进一步加剧。类似情绪已经在数据中心建设问题上出现。

或许，我们应该在根斯勒所说的这场“串关赌局”里再加上一关：普通公众和数据中心所在的当地社区，也必须真正感受到自己从这场规模庞大的 AI 投资中获得了收益。而且别忘了，这几场赌局高度相互依赖。

如果生产率提升主要来自企业使用 DeepSeek 之类的廉价模型，那么超大规模科技公司的收入可能大幅缩水。如果生产率提高主要依靠裁员实现，那么公众反弹又可能阻止大量数据中心项目落地，进而影响预期中的收入增长。换句话说，这几关必须同时押中，这场超大规模 AI 投资才真正算得上成功。

当 AI 公司只是拿自己过去多年积累的现金建设数据中心时，风险主要还局限在它们自己的资产负债表和股东身上。但当越来越多的钱来自借贷，游戏就完全不同了。例如，摩根士丹利（Morgan Stanley）估算，2025 年至 2028 年期间，超大规模科技公司将投入约 2.9 万亿美元建设 AI 数据中心，其中超过一半的资金将来自“外部资本”。

大量举债也促使部分公司设计出越来越复杂的融资结构，并逐渐与整个经济体系纠缠在一起。范尼沃伯格说：“大量金融机构都直接或间接暴露在这些数据中心的风险之下。它们可能是贷款方，也可能为部分债务提供担保，或者投资了为这些数据中心提供资金的私人信贷基金。”“很多人甚至不知道自己持有这些资产。它们可能藏在养老金基金的深处，最终又成为人寿保险背后的资产。风险正在被分散到整个体系中，而且很多地方根本看不见。”

随着数据中心投资激增，背后的金融工程也变得越来越复杂。Meta 正在美国路易斯安那州里奇兰教区（Richland Parish）建设的 Hyperion 数据中心，就是一个典型例子。2024 年底，Meta 宣布建设这一项目时，规划算力规模为 2 吉瓦，投资约 100 亿美元，是当时 Meta 计划建设的最大数据中心。

项目位于路易斯安那州东北部的乡村地区，州和地方政府对此表现得非常积极，因为它被视为当地经济发展的重大机会。该州最大的公用事业公司 Entergy Louisiana 也迅速提出方案，计划建设三座大型天然气发电厂，为这个庞大的数据中心供电。但到了去年秋天，项目预计成本已经膨胀至 300 亿美元，融资方式也开始变得复杂得多。对当地一些人来说，这套结构甚至令人更加不安。

Meta 将项目 80% 的股权转让给大型私人信贷机构蓝猫头鹰资本（Blue Owl Capital），双方成立了一家名为 Beignet 的合资企业，为数据中心筹措资金。Beignet 这个名字来自新奥尔良著名的贝涅饼。随后，Meta 与这家合资企业签订了一系列四年期租赁协议。Meta 表示，这种安排可以为公司提供“长期战略灵活性”。为了给协议兜底，Meta 还向合资企业提供了一项所谓的“剩余价值担保”。如果 Meta 不续租或者提前终止租约，公司将支付一笔现金，以弥补数据中心届时的剩余价值。

是不是已经有点绕了？实际上，背后的金融安排比这还复杂。整个结构中还包括一系列全资子公司和有限责任公司。Beignet 又成立了 Laidley LLC，由这家公司持有并运营数据中心资产，充当房东。随后，Laidley 再把数据中心设施出租给 Meta 的全资子公司 Pelican Leap LLC，由后者作为承租方。整个数据中心园区由多栋建筑组成，不同建筑又分别对应一系列四年期租约。

范尼沃伯格认为，这些租约刚好设置为四年，并非巧合，因为这个期限基本对应数据中心 GPU 的预期使用寿命。虽然如果 Meta 提前终止租约，公司仍然需要偿还相关贷款，但他说，到那时投资者手里剩下的可能只是“一栋没有现金流的空楼”。“然后，他们还得再给这么大一个数据中心找新租户。”他说。想做到这一点，可没那么容易。

与此同时，Meta 还在继续加码。今年 7 月，公司宣布将 Hyperion 数据中心的算力规模扩大至 5 吉瓦，总投资也随之上升至 500 亿美元。目前 Meta 尚未说明 Blue Owl 是否会参与这部分扩建项目的融资。与此同时，Entergy 现在还计划新建另外七座天然气发电厂，使相关发电设施总装机容量达到约 7.5 吉瓦，大约相当于新奥尔良全市用电规模的六倍。

如果说复杂的融资结构连许多投资者和金融专家都难以完全理解，那么对于直接受到数据中心建设影响的当地居民来说，就更让人摸不着头脑了。当地最主要的担忧，是 Entergy 为建设天然气发电厂投入的大量资金最终会如何影响电价，以及如果哪天 Meta 退出，到底谁来承担这些发电设施留下的成本。Entergy 表示，公司已经获得 Meta 为期 20 年的购电承诺。Meta 将在这段时间内购买足够的电力，以覆盖发电厂以及相关基础设施的建设成本。

但仍然有人对此持怀疑态度，尤其是在 AI 行业变化如此迅速的情况下。美国忧思科学家联盟（Union of Concerned Scientists，UCS）高级分析师保罗·阿尔巴耶（Paul Arbaje）问道：“四年后，马克·扎克伯格（Mark Zuckerberg）还会对这件事感兴趣吗？还是会干脆放弃？”

该组织一直试图推动路易斯安那州公共服务委员会提高数据中心及其融资安排的透明度，但目前收效甚微。即使这份 20 年合同最终能够履行，消费者权益组织依然担心，Meta 或其合作伙伴未必会承担所有成本。例如，发电厂日常运营和维护产生的费用，最终可能被转嫁给普通居民。

可负担能源联盟（Alliance for Affordable Energy）执行董事洛根·伯克（Logan Burke）还指出，如果 Meta 最终需要的电力并没有 Entergy 规划得那么多，而这些需求预测目前并未公开，那么消费者最后可能要为发电厂产生的过剩电力买单。

如果 Meta 提前终止租约呢？“事情会迅速变得非常复杂。”伯克说。她对未来不断变化的金融主体是否都会履行现有协议表示怀疑。“要相信未来 20 年里，所有人都会完全按照今天说的去做，真的很难。”

在 UCS 的阿尔巴耶看来，问题归根结底很简单：“他们正在豪赌这些数据中心最终物有所值。那就用你们自己的钱去赌，不要拿普通电力用户的钱去赌。”

试图预测 AI 投资泡沫究竟什么时候破裂，本身就是一件几乎不可能的事。但考虑到超大规模科技公司及其投资者如今表现出的非理性繁荣，一场清算迟早会到来，这一点几乎没有太大疑问。当然，你也可以说，这一次不一样。

或许传统会计规则和经济史的经验已经不适用了，因为 AI 的变革性实在太强。也许如此，但最好不要押得太满。根斯勒说：“历史告诉我们，在某个时点一定会出现投资收缩，真正的问题只是它什么时候发生，以及程度有多严重。”有可能，目前每年 7500 亿美元的投资规模明年就停止增长，甚至下降。

也有可能，一直等到 2028 年或 2029 年，等这些公司发现自己的算力已经足够之后，突然开始削减投资。但无论如何，“基本可以确定，收缩最终会发生”。即使所谓的投资收缩几乎不可避免，也值得记住一点：金融泡沫的命运，与 AI 技术革命本身的命运，未必是一回事。

事实上，硅谷已经有人开始期待泡沫破裂。长期从事风险投资的维贾伊·潘德（Vijay Pande）最近在一篇博客文章中写道：“即将到来的崩盘，可能会成为这项技术遇到的最好事情。”

这个观点并非完全没有道理。一次市场崩盘可能让 AI 投资重新回归理性，压制那种只要 CEO 坐飞机看到一块空地，就想在那里建一个十亿美元数据中心的冲动，并迫使投资者重新关注一个更实际的问题：如何利用 AI 创造真正可持续的价值。

但我们最好还是谨慎一点，别太期待这样的崩盘。2000 年代初互联网泡沫破裂之后，数十万人失业，大大小小的公司纷纷破产。硅谷和旧金山的经济一度遭受重创，冲击还促使美国经济在 2001 年进入轻度衰退。

对金融行业和大量科技从业者来说，那段经历一点也不好受。而对于整个经济和普通美国人而言，2007 年底开始的大衰退造成的伤害更加严重。如果把当年金融危机前复杂的金融工程，与今天超大规模科技公司采用的一些融资方式放在一起比较，多少会让人感到不安。

所谓特殊目的载体（SPV），如今又回来了。如果范尼沃伯格的担忧是对的，当超大规模科技公司的投资通过各种金融工具深度嵌入整个经济体系后，一旦出问题，后果可能相当严重。但另一方面，在过去两次危机中，技术本身不仅活了下来，后来甚至发展得更好。

即使经历了互联网泡沫的崩溃，2000 年代初依然是一个充满技术创新和科技乐观主义的时期。泡沫退去之后，一些荒唐技术项目不再获得大笔资金，资本反而开始更加集中到真正有前景的方向。

今天这些超大规模科技公司，有不少正是在互联网泡沫留下的废墟中成长起来的，或者在泡沫破裂后不久成立。而与互联网泡沫几乎同期出现的电信投资狂潮，当年修建的大量光纤基础设施，直到今天依然构成全球通信网络的重要骨架。如果没有这些基础设施，Facebook、Amazon 和 Google 后来可能都不会成为今天的样子。

但这一次，我们面对的是一种更特殊的风险。超大规模科技公司投入的巨额资金，已经把 AI 的未来，与遍布美国各地的大型数据中心紧紧绑在了一起。这套投资逻辑的核心，是人们对 AI“规模效应”的一种坚定信念：规模建得越大，模型就会越聪明。

这种判断也许是对的。但它还没有得到真正证明，而把数万亿美元押在这个假设上，本身就是一场高风险赌局。事实上，红灯已经亮起了不少。新建数据中心正在遭遇强烈的公众反对；廉价但“够用”的 AI 模型正在形成竞争压力；与此同时，小型、本地运行的 AI 模型也在快速进步。这些变化意味着，未来的 AI 未必会由部署在巨型数据中心里的前沿模型一统天下。围绕超大规模科技公司巨额支出形成的金融泡沫，最终很可能会破裂，甚至可能很快。

这在财务上或许会非常痛苦，但我们会挺过去。华尔街也会挺过去。AI 本身同样会继续存在，只是它届时的形态可能会和今天有所不同，也可能不再带着今天这般强烈的自信甚至傲慢。真正更难确定的，是那些由数万亿美元投资堆出来的巨型数据中心，最终在财务上会落得什么结局，又究竟能发挥多大的实际价值。

https://www.technologyreview.com/2026/09/15/1144028/ai-infrastructure-boom-investment-bubble-risk/