AI 万亿豪赌：算力基建狂潮背后的三重赌注与系统性风险

一场没有保底收益的万亿级押注

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 AI 对未来几年经济的影响时，她面对的是长长的商业与技术不确定性清单。于是她绕开这些变量，从一个无需争论的「显著事实」出发：少数几家超大规模云厂商（hyperscalers）正在投入天文数字的资金建设 AI 数据中心。

她没有去预测 AI 模型最终会有多好用、多普及，而是换了一个角度提问——这些厂商的盈利需要以多快的速度增长，才能让截至 2027 年的支出变得合理？她与合著者估算，届时相关资本开支将逼近 1.1 万亿美元。这是一种不谈愿景、只算账的务实方法，用来理解当下这场历史性的 AI 基建扩张。

结论相当惊人：考虑到资本成本、15% 的回报要求以及资产折旧，这些 AI 公司需要在 2030 年前将自身生产率提升约 2.7 倍才能实现盈亏平衡。瓦赫特认为这并非不可能——其对应的经济增长强度，大致相当于美国自 1990 年代中期开启、持续约十年的 IT 繁荣期。但她也提醒，若要在 2030 年前完成，「意味着把大量增长压缩进短短几年」。

如果无法达成这样的利润目标呢？曾担任美国证券交易委员会（SEC）首席经济学家、经济与风险分析部主任的瓦赫特给出了直接判断：企业将拖欠利息，进而面临破产风险。她与合著者在论文中写道，若生产率繁荣「未能兑现」，「当前的基建扩张将成为历史上规模最大的资本错配」。

三重赌注：必须同时押中

这场万亿赌局的本质，是三个必须同时成立的假设。

第一，收入必须跟上。 今年超大规模厂商的资本开支约为 7500 亿美元，且毫无放缓迹象。据高盛等机构预测，Alphabet、微软、亚马逊、Meta 以及甲骨文（Oracle，与 OpenAI 合作）未来四年的 AI 资本投资总额可能超过 5 万亿美元，堪称任何行业历史上最大规模的资本投入之一。但问题显而易见：今年 AI 相关总收入预计仅 1500 亿至 2000 亿美元。曾在拜登政府时期执掌 SEC、现为麻省理工学院斯隆管理学院教授的加里·根斯勒（Gary Gensler）直言：「挑战在于，支出尚未带来与之相称的收入，这是事实。接下来的问题是，这笔投资未来能否收回？」

第二，AI 必须驱动广泛的经济增长。 若 AI 只是让少数公司效率提升，而无法外溢为整体经济动能，那么支撑当前估值与债务的宏观基础就会动摇。

第三，昂贵的前沿模型必须跑赢廉价替代品。 技术可能变得更高效，从而降低对算力的依赖；需求也可能放缓，客户转向更便宜的模型。这些都会削弱天价数据中心的价值。

这场豪赌牵涉的不只是巨头自身的财务健康，还有整体美国经济——相关投资很快可能膨胀至 GDP 的约 3%。它同样决定了这些耗资数十亿美元的数据中心本身的命运。

风险正在悄然扩散到普通人身上

真正值得警惕的变化发生在今年：这些 AI 公司开始大规模举债建设数据中心。自由现金流（经营现金流减去资本开支）预计很快将转为负值。即便是以现金储备雄厚著称的 Alphabet，最新季度近 1200 亿美元的营收也伴随着资本开支的急剧攀升。

关键在于，大量支出将通过借贷融资，而这些债务被打包进养老金、保险产品等金融工具中。用一位经济学家的话说：「人们甚至不知道自己持有这些东西。」这意味着，一旦 AI 投资回报不及预期，风险不会只停留在硅谷的资产负债表上，而会沿着金融系统传导至普通家庭。

泡沫可能破裂，但技术或许能穿越周期

历史经验表明，金融层面的收缩几乎难以避免。但正如互联网泡沫破裂后，互联网本身并未消失一样，底层技术有可能比泡沫活得更久——即便今天这些庞大的数据中心未必如此。

参考 SEC 官方文件 与 MIT 斯隆管理学院 的相关研究，可以看到监管者与学界对这场资本周期的关注正在升温。

国内视角：中国 AI 基建的不同节奏

与海外超大规模厂商以债务驱动、追求前沿模型军备竞赛的路径不同，国内 AI 厂商更强调「算力—模型—应用」的闭环与成本控制。百度文心一言、阿里通义千问、DeepSeek、字节豆包、月之暗面 Kimi、智谱 GLM、科大讯飞星火等，普遍采取更务实的商业化策略：一方面通过开源与模型压缩降低推理成本，另一方面依托国内庞大的应用场景（政务、制造、教育、电商）快速落地。DeepSeek 以极低训练成本推出高性能模型，曾引发全球对「算力堆砌是否必要」的重新讨论，这恰好呼应了瓦赫特所担心的核心问题——如果技术效率提升快于预期，天价数据中心的回报周期将被进一步拉长。

换言之，中国厂商的路径未必更「安全」，但其对成本与效率的敏感度，为全球 AI 资本周期的可持续性提供了一个值得对照的样本。

常见问题

AI 数据中心投资规模到底有多大？

今年超大规模厂商资本开支约 7500 亿美元，预计到 2027 年累计接近 1.1 万亿美元；部分预测认为未来四年 AI 资本投资总额可能超过 5 万亿美元。

为什么说这是一场「赌注」？

因为今年 AI 总收入仅约 1500 亿至 2000 亿美元，远低于支出规模。企业需要将生产率提升约 2.7 倍才能在 2030 年前实现盈亏平衡，否则可能面临债务违约与破产风险。

风险会传导到普通人吗？

会。大量数据中心建设通过借贷融资，相关债务被打包进养老金和保险产品，普通投资者可能在不知情的情况下承担风险。

AI 泡沫破裂后技术会消失吗？

不一定。参照互联网泡沫，底层技术往往比泡沫本身更持久，但当前这批高成本数据中心未必能全部存活。

中国 AI 厂商的做法有何不同？

国内厂商更注重成本控制与场景落地，通过开源、模型压缩和丰富应用场景降低推理成本，DeepSeek 等案例表明高效模型可能削弱对巨额算力堆砌的依赖。

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。

编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com

© 2026 Bingdada. 保留所有权利。