人工智能
NextFin News - 人工智能基础设施建设正有望成为美国历史上规模最大的单一行业经济押注，而支撑这一押注所需的算术逻辑如今才逐渐清晰。根据经济学家 Stijn van Nieuwerburgh 提出、布鲁金斯学会发布的估算，2025 年至 2032 年间，数据中心及相关人工智能基础设施的总投资预计将达到 10.3 万亿美元，相当于年均占国内生产总值的 3.6%。美国经济从未如此依赖单一行业的建设周期。要实现 10% 的回报率，这些基础设施需在六年内创造约 3.7 万亿美元的年营收——约占 GDP 的 9%。迄今为止，回报尚未在科技行业之外显现。
押注规模与回报规模之间的差距，正是人工智能繁荣背后的经济风险。这一风险贯穿资本市场、电网和实体经济，其规模之大，足以使任何逆转都无法被局限在科技行业内部。
投入规模在现代史上无先例
支出高度集中且正在加速。国际清算银行在其全球经济展望年度报告中表示，五大"超大规模云厂商"2025 年和 2026 年用于人工智能相关资本支出的资金将超过 1 万亿美元。瑞银已将全球人工智能资本支出预期上调至 2026 年 1 万亿美元、2027 年 1.4 万亿美元、2028 年 1.5 万亿美元。高盛预计，超大规模云厂商的人工智能资本支出将在 2027 年增长逾 50%，达到 1.2 万亿美元，高于华尔街共识预期的 1.1 万亿美元。
支撑上述支出所需的营收则属于另一个数量级。高德纳表示，人工智能数据中心运营商需到 2030 年累计创造 8.5 万亿美元营收，才能覆盖资本支出、融资成本并实现 12% 的投入资本回报率。该公司预测，同期可归因的企业与消费者人工智能营收不超过 3.6 万亿美元——不足所需金额的一半。若供应商维持当前支出节奏，到本年代末，超过 3.5 万亿美元的人工智能基础设施支出可能面临减值风险。人工智能软件、服务及消费类产品的总营收预计到 2030 年仅达 4.4 万亿美元，而高德纳估计其中不超过 30% 将计入相关资本投资。
"每投入一美元用于算力，其中只有一小部分会流向算力所有者，"高德纳高级总监分析师 Will Sommer 表示。
集中度风险是双向的。首先，美国近期的增长、资本支出和股市涨幅中，很大一部分可追溯到同一家族企业。据 Kobeissi Letter 数据，标普 500 指数前 15 大成分股目前占该指数市值的 46.7%，而 2000 年互联网泡沫时期这一比例为 27.2%。其次，融资越来越依赖债务：超大规模云厂商预计到 2026 年底将发行 2500 亿美元的全球投资级债券，以弥补内部现金的不足。Apollo Global Management 汇编的共识预期显示，超大规模云厂商的经营现金流将从 2025 年的约 6000 亿美元增长到 2030 年的约 2 万亿美元——五年内增长逾两倍。这一轨迹是当下价格中隐含的基准情形。如果 AI 营收最终接近 Gartner 预测的累计 3.6 万亿美元，而非所需的 8.5 万亿美元，现金流账目就会失衡。
机制很简单：当一个行业的资本支出周期在 GDP 中占据有意义的份额时，该周期的逆转就不再是单一行业事件。它会通过半导体订单、建筑、公用事业和信贷市场传导为需求冲击。
生产力回报尚未惠及建设者
生产力数据解释了营收缺口为何存在。杜克大学富卡商学院与里士满、亚特兰大联邦储备银行的研究人员撰写的一份工作论文，基于对近 750 名高管的调查，发现尽管 CFO 报告称 2025 年 AI 驱动的生产力提升平均为 1.8%，但根据实际营收和就业数据计算出的营收隐含增幅在 2025 年和 2026 年所有主要行业中都要小得多。Apollo Global Management 首席经济学家 Torsten Slok 说得更直白：“Mag 7 的人均营收在上升，但标普 493 却持平，”他在一份报告中写道。“利润率的情况也是如此，而目前还没有迹象表明 AI 正在推动生产力增长。”
这种模式有个名字。1987 年，经济学家 Robert Solow 指出，“你到处都能看到计算机时代，唯独在生产率统计中看不到。”杜克大学和美联储的研究人员认为，AI 正沿着同样的轨迹发展。悖论不在于这项技术毫无作用，而在于任务层面的增益不会自动转化为全经济范围的产出增长。
BCG 的《2026 年全球 AI 应用报告》调查了近 12,000 名一线员工，发现 42% 的受访者表示，经常使用 AI 每周节省了 8 小时——整整一个工作日。但 66% 的人表示，对于如何利用节省下来的时间，他们得到的指导有限或根本没有。74% 没有管理职责的白领员工现在自认为是 AI 的常规用户，较一年前上升了 23 个百分点。节省下来的时间若未被重新投入到额外产出中，就不是生产力增长，而是闲置产能。
“高管们真的很难说清楚人工智能的愿景和战略是什么，”波士顿咨询公司（BCG）人力与组织业务全球负责人 David Martin 表示。
这一历史类比削弱了关于时机的看多论点。20 世纪 80 年代和 90 年代，信息技术带来的生产力回报最终到来——但滞后了十年甚至更久，而且只有在企业围绕技术重组工作、而非简单自动化现有任务之后才实现。如今的不同之处在于顺序：资本先行投入，其规模和速度都预设回报近在眼前。杜克大学研究的合著者 Graham 建议采取多年视角：“如果你无法在三到四年的期限内证明这一点，那么你可能需要更加谨慎。”
能源约束正演变为财务约束
人工智能热潮也是一场能源热潮，物理极限正开始以成本形式显现。一项能源转型研究分析显示，截至 2026 年年中，数据中心占美国用电量的 5.9%，并有望到 2035 年消耗全国约 20% 的电力。这意味着该行业在电网中的占比将在十年内增长近四倍。
这种压力已在引发机构层面的紧张。联邦官员已暗示拆分 PJM Interconnection——美国最大的电网运营商，其服务覆盖 13 个州，包括被称为“数据中心巷”的北弗吉尼亚走廊。飙升的电费账单和缓慢的并网排队正在推高电价，并助长政治反弹。与此同时，人工智能数据中心电力需求的快速波动正在给电池、发电机和冷却系统带来压力，导致它们比预期更早出现故障或磨损——这意味着设施的折旧速度可能快于估算。
经济传导渠道十分直接：更高的电价推高了每个数据中心的运营成本，而在受限地区被延迟或阻断的产能则限制了资本支出周期所支撑的增长。一个商业模式假设算力需求呈指数增长的行业，如今面对的却是无法以同样速度扩张的电网。
互联网泡沫类比是时机判断，而非泡沫判断
高盛策略师表示，人工智能交易目前的形态与 1997 年的科技股相似，距离互联网泡沫破裂还有数年。这一类比精准而非危言耸听。20 世纪 90 年代末，企业利润在 1997 年末见顶，而技术投资在 21 世纪初见顶——恰在互联网股泡沫开始破裂之时。顺序至关重要：实体经济拐点出现在股市拐点之前，而非之后。
“最近出现了 20 世纪 90 年代繁荣时期拐点迹象的回响，”该行写道。
高盛指出的预警信号是大型科技公司的投资强度与债务水平。这正是国际清算银行所描述的情形：激烈竞争正推动投资达到过度水平，“威胁领先企业的盈利能力，并可能引发急剧逆转，使部分经济体陷入衰退”。
反方观点确实存在，且应完整陈述。2026 年的市场拥有一个互联网泡沫时期所不具备的因素：处于 AI 交易核心的公司是史上盈利能力最强的企业，而非亏损的初创公司。仅英伟达一家就按指数权重占标普 500 指数的 6.9%，而“七巨头”合计占该指数总市值的近 35%。高盛首席全球股票策略师彼得·奥本海默曾撰文指出，尽管“当前投资者行为与市场定价中存在与以往泡沫相似的元素”，但科技相关公司的合计市值尚未达到互联网泡沫时期或 2020 年至 2021 年上涨末期的极端水平。“虽然看起来我们尚未处于泡沫之中，但市场高度集中与 AI 领域竞争加剧表明，投资者应继续聚焦分散化配置，”他写道。
多头论点的最强版本是：这并非估值泡沫，而是一场资本支出超级周期，其将由杰文斯悖论的回报所验证：更便宜、更充裕的智能将推动计算需求的增长速度快于供给，而收入则会滞后到来，正如互联网时代那样。瑞银指出，Alphabet、微软与甲骨文云业务增长正在加速——在最近一个报告季度，其云营收增速分别为 103%、48% 和 62%——以此作为需求依然强劲的证据。
空头论点则是：滞后时间长于融资期限。资本支出具有合同约束且前置，收入则不确定且后置。如果生产率数据继续显示增长集中在“七巨头”，而标普 493 指数成分股持平，那么资本支出周期就必须在回报到来之前收缩——而一个占 GDP 3.6% 的投资计划出现收缩，将是衰退性事件，而非投资组合再平衡。
谁面临风险，以及什么能证伪这一判断
周期性判断与结构性判断需要区分开来。AI 基础设施建设本身是一轮将均值回归的周期性投资浪潮。占 GDP 3.6% 的资本支出无法无限期维持，历史也表明它不会如此——互联网资本支出周期在 2000 年后急剧收缩，而 2000 年代的电信光纤建设留下了大量过剩产能。结构性主张——即人工智能永久提升经济生产能力——则是另一回事，它仍可能成立。即使该技术最终确实改变了生产率，周期性资本支出崩盘仍可能发生，因为崩盘关乎投资的时机与定价，而非技术的真伪。
第二类风险是市场尚未充分定价的风险。共识观点认为，AI 支出放缓将打击半导体和数据中心供应链。较少被讨论的传导路径是通过信贷市场和更广泛的经济：如果超大规模云厂商必须削减资本支出以保护利润率，2026 年发行的 2500 亿美元投资级债务就必须在更疲弱的现金流叙事下再融资；为数据中心负荷举债建设产能的公用事业公司和地区将面临搁浅资产；而一个占 GDP 3.6% 的投资计划到期续作，将直接拖累总需求。科技板块的失望正是这样演变成宏观经济事件。
在放缓情景下，受冲击的是纯基础设施建造商：新云服务商，其中 Gartner 预计超过 80% 到 2030 年将无法独立运营；营收与超大规模云厂商资本支出而非终端用户需求挂钩的半导体和设备制造商；以及已将永续两位数负荷增长计入估值的公用事业公司和房地产投资信托。相对受益者是拥有定价权、收入多元化和强劲资产负债表的公司，以及那些若资本和工程人才从 AI 建设中撤出将会受益的科技以外行业。
按时间维度需要关注的要点：
- 短期（流动性与情绪）：超大规模云厂商 2027 年资本支出指引、投资级债券发行节奏，以及 1.2 万亿美元 2027 年资本支出共识能否守住。
- 中期（基本面）：关于 AI 投资回报率的 CFO 调查、标普 493 相对于“七巨头”的人均营收趋势，以及 Alphabet、微软和甲骨文的云业务增速。
- 长期（结构性）：全经济范围的生产率增长、数据中心用电占比相对于 2035 年 20% 的轨迹，以及 PJM 和其他受限地区的电网扩张速度。
证伪信号：如果标普 493 的人均营收连续两年每年增长超过 1.5%，同时 AI 资本支出保持在 1 万亿美元以上，那么“回报尚未到来”的论点就被推翻。在此之前，基准情形是资本支出周期在生产力回报普及之前见顶并收缩；上行情形是 AI 营收出现杰文斯悖论式加速，从而验证支出的合理性；下行情形是减值潮逼近 Gartner 估计的 3.5 万亿美元，迫使大幅收缩。
AI 繁荣几乎肯定会改变经济。问题在于，为它买单的投资者能否保住价值。对证据最稳妥的解读是：技术是真实的，但回报在建造商之外尚不可见；在证据出现之前押注 10 万亿美元，是一场周期性赌注，而非结构性必然。
更多独家洞察尽在 nextfin.ai.
