研究称美国 AI 基建投入或超铁路与互联网时代，复杂融资引发系统性风险担忧

据 IT之家援引路透社 9 月 24 日消息，哥伦比亚大学商学院金融与房地产学教授斯泰恩·范·纽文伯格（Stijn Van Nieuwerburgh）在一篇为布鲁金斯学会会议准备的论文中警示，美国人工智能基础设施建设正在进入空前扩张阶段，其对经济产出的消耗可能超过铁路、州际高速公路、电信与互联网等历史性基础设施周期。研究认为，AI 数据中心、云计算和相关能源配套的投资规模迅速放大，同时融资结构日益复杂，可能在未来形成系统性金融风险。

论文预计，到 2032 年，美国每年约有 3.6% 的国内生产总值投入 AI 基础设施，累计规模超过 10 万亿美元。这一比例高于 19 世纪末美国铁路建设时期约占 GDP 2.2% 的年投入，也明显超过州际高速公路系统和 20 世纪 90 年代电信基础设施扩张每年略高于 GDP 1% 的水平。对于中文科技产业读者而言，这意味着 AI 竞争已不再只是模型能力与应用创新的竞赛，而是转向算力、能源、融资和地产等多要素绑定的长期资本战。

从科技公司现金投入，走向全社会杠杆扩张

研究指出，AI 基建投资最初主要由亚马逊、Meta、谷歌等大型科技公司依靠自有现金推动，但如今已经演变为覆盖更多主体的扩张计划。AI 企业、超大规模云服务商、银行、私人信贷机构、房地产公司以及数据中心建设方之间，正在形成更复杂的融资安排。

范·纽文伯格认为，目前投资规模已超过主要企业仅凭自身现金流可承受的范围。随着外部融资占比上升，产业整体杠杆率提高，风险也不再只停留在科技公司资产负债表内，而是被重新分散到更广泛的经济体系中。来源显示，他还将围绕 AI 产业形成的大量特殊目的实体（SPV）和相关融资安排，与美国次贷危机前复杂且不透明的金融结构相类比，但也强调这并不意味着金融危机已经迫近。

• 投入强度更高：预计到 2032 年，美国 AI 基建年投入占 GDP 比重或达 3.6%。
• 建设规模扩大：研究保守估计，未来 7 年美国将新增约 183 吉瓦数据中心容量，而当前已安装容量约为 57 吉瓦。
• 融资主体增多：科技公司、银行、私人信贷、地产与基础设施机构共同参与，结构透明度下降。
• 收入验证不足：未来现金流高度依赖 AI 应用增长、算力利用率和模型能力持续提升。

数据中心热潮带来的能源、通胀与地方压力

AI 基础设施的核心载体是数据中心。大模型训练、推理服务和企业级 AI 应用都需要大量算力，这直接推高了对电力、土地、冷却、水资源和网络设施的需求。来源显示，一些美国地方政府对大型数据中心项目的态度正在趋于谨慎，担心其对当地电网、水资源和公共基础设施造成压力。

与此同时，这轮建设热潮也进入宏观政策视野。美联储官员正在关注数据中心投资是否会加剧通胀压力：一方面，建设本身会拉动设备、建筑、能源等需求；另一方面，如果电力供给无法同步扩张，长期运行成本也可能传导至企业和消费者。对于 AI 行业来说，算力不再只是技术资源，也正在成为宏观经济变量。

影响解读：AI 泡沫不等于崩盘，但回报门槛正在抬高

这项研究的关键提醒并不是“AI 必然泡沫破裂”，而是指出当前投资回报对未来收入增长提出了极高要求。范·纽文伯格估算，到 2032 年，AI 行业每年需要创造约 3.7 万亿美元收入，才能支撑当前预期的投资回报。而目前外界对 OpenAI 和 Anthropic 年合计收入的估算约为 1000 亿美元，这意味着相关收入需要以每年约 80% 的速度增长，才可能达到目标。

从产业角度看，AI 的确具备长期通用技术潜力，企业自动化、软件开发、内容生产、客服、搜索、硬件终端和科学计算都可能成为收入来源。如果 AI 应用保持高速增长，数据中心利用率较高，模型能力持续提升，庞大的基础设施投资可能转化为稳定现金流。但不确定性同样明显：市场需求可能低于预期，模型技术路线可能快速变化，电力与供应链瓶颈可能推高成本，而高杠杆结构会放大预期反转时的冲击。

因此，这份研究对 AI 产业链的启示是：未来几年，判断 AI 公司和云服务商价值，不能只看模型参数、产品发布或用户增长，还要关注资本开支、融资结构、数据中心利用率和真实付费收入。当 AI 从“软件创新”走向“重资产基础设施竞赛”，行业机会仍然巨大，但风险也会更接近传统金融与地产周期。