當賓州大學華頓商學院的財經教授 Jessica Wachter 試圖評估 AI 在未來幾年對經濟的影響時，她面臨著一長串商業和技術上的不確定性。因此，她從一個她稱之為「顯著事實」且無可爭議的點開始：少數幾家超大規模業者正投入巨資興建 AI 資料中心。
她沒有試圖預測 AI 模型將會多麼有用和廣泛部署，而是直接詢問這些超大規模業者需要多快的收益成長，才能在 2027 年之前證明其支出的合理性。她和她的合作者估計，屆時支出將達到近 1.1 兆美元。這是一種務實的會計方法，旨在理解當前歷史性的 AI 基礎設施建置。
結果令人大開眼界：考量到資本成本、15% 的回報率以及資產折舊，AI 公司需要在 2030 年前將自身生產力提高 2.7 倍才能損益兩平。Wachter 表示這並非不可能，這樣的結果將帶來類似 1990 年代中期美國 IT 榮景時期約十年內的經濟成長。但她也說，若要在 2030 年前實現，「這是在短短幾年內壓縮了大量的成長」。
如果這些超大規模業者無法達到這樣的利潤目標呢？曾任美國證券交易委員會（SEC）首席經濟學家兼經濟與風險分析部門主任的 Wachter 表示：「那麼他們將無法支付利息，這將導致破產風險。」她和她的合著者在研究論文中總結道，如果生產力繁榮「未能實現」，「目前的基礎設施建置將是歷史上最大的資本錯配」。
要意識到當今對人工智慧基礎設施的巨額投資伴隨著巨大風險，並不需要超級智慧。這些超大規模業者今年將花費約 7,500 億美元，在全國各地建立大型資料中心。而且這股支出狂潮沒有任何減緩的跡象。根據一些預測，Alphabet、Microsoft、Amazon、Meta 和 Oracle（與 OpenAI 合作）等超大規模業者在未來四年內的 AI 資本總投資可能超過 5 兆美元。
這是歷史上任何產業中最大規模的資本投資之一。但對於任何關注此事的人來說，存在一個顯而易見的問題。
曾於拜登政府時期擔任 SEC 主席，現為麻省理工學院史隆管理學院教授的 Gary Gensler 表示，雖然超大規模業者計劃投入數兆美元，但今年 AI 的總收入約為 1,500 億至 2,000 億美元。他說：「挑戰在於，目前的支出尚未帶來相稱的收入。這是一個事實。那麼問題是，這是一項未來會獲得回報的投資嗎？」
這個兆元問題的成敗，攸關著這些大型 AI 公司的財務健康以及美國整體經濟——這些投資可能很快就會膨脹到約佔 GDP 的 3%。答案也可能決定這些耗資數十億美元的龐大資料中心本身的命運。
沒有人真正知道這些耗資數十億美元的龐然大物未來會有多大的盈利能力和實用性。儘管 AI 模型在過去幾年取得了驚人的進展，但我們需要多少運算能力仍是未知數。這項技術可能會變得更有效率，因此對原始運算能力的依賴會減少。或者對 AI 產品的需求可能會放緩，或者客戶可能會轉向更便宜的模型。
今年，隨著這些 AI 公司開始大量借貸以建立越來越多的資料中心，對投資者和經濟的風險變得更大。預計這些公司的自由現金流（營運現金流減去資本支出）很快將轉為負值。即使是以產生和囤積大量現金而聞名的 Alphabet，在最新一季的報告中也指出，其近 1,200 億美元的驚人收入被 AI 基礎設施支出吞噬，導致其自由現金流出現約 59 億美元的赤字——這是 Google 自 2004 年上市以來的首次虧損。
短期內，這對大多數公司來說並不是一個巨大的財務擔憂。他們賺了很多錢，而且財力雄厚。但債務是昂貴的，一些投資者正在失去耐心。如果未來對資料中心運算能力的需求下降，這些公司仍將承擔償還借款的責任。更重要的是，隨著貸款透過各種金融機制傳遞，風險正在蔓延到經濟的其他部分。
僅僅支付新資料中心的巨額成本是不夠的。超大規模業者還必須支付隨著借款增加而上升的資本成本。他們需要足夠可觀的回報，才能向投資者和債權人證明所有支出的合理性。此外，他們還必須彌補設施內數十億美元晶片的折舊——這是一個埋藏在投資中的定時炸彈。
資料中心核心昂貴的 GPU 晶片性能（這些運算電子設備約佔成本的 60%）大約每兩年翻一番。這種進步速度有助於解釋 AI 模型日益增長的魔力，但它也伴隨著成本。今年和明年上線的 AI 資料中心所有者，如果想保持競爭力，就必須在十年底前再投入數十億美元購買下一代晶片。
普林斯頓大學資訊科技政策中心（Center for Information Technology Policy）的 Mihir Kshirsagar 表示，如果沒有這些投資，資料中心就有可能變成「廢棄物」，成為「散佈各處」的擱淺資產。
坦白說：AI 公司需要開始賺更多的錢。而且他們需要快速做到。但僅僅提高收益，仍不足以長期維持其資料中心投資。
生產力就是一切。在某個時候，AI 也必須創造廣泛的經濟成長，才能證明超大規模業者持續的支出狂潮是合理的。
史隆管理學院的 Gensler 將當今對 AI 基礎設施的大規模投資描述為「資本市場和經濟的連本帶利下注」。這意味著成功將需要贏得三個相關但獨立的賭注：超大規模業者必須產生巨額收入；AI 必須促進廣泛的經濟成長；而且這兩者都必須在強大但昂貴的所謂「尖端模型」抵禦住許多企業可能認為「足夠好」的更便宜版本時發生。
這之所以如此棘手，是因為每個賭注都依賴於其他兩個，但同時也帶來了自身的挑戰。
如果超大規模業者在未來十年繼續在資料中心上投入巨資，收入將需要飆升至數兆美元。哥倫比亞商學院的財經教授 Stijn Van Nieuwerburgh 根據一個情境進行估計，即在 2025 年至 2032 年間將建置約 183 吉瓦的 AI 運算能力；他計算出每吉瓦的成本約為 410 億美元。
他表示，假設有 10% 的回報率（大多數投資者可接受的最低標準），到 2032 年，「所需」的年收入將約為 3.7 兆美元。
其他人也得到了類似的數字。贏得賭注的第二部分——整個經濟的生產力成長——對於實現這些數字至關重要。
幾年來，AI 公司可能只需向所有渴望進入 AI 領域的企業銷售訂閱和代幣，就能提高收入。但最終——這可能已經在發生——那些付費客戶將需要透過看到技術帶來的實質效益來證明其支出的合理性。AI 需要兌現其承諾，讓員工更具生產力，讓企業更有效率、更有利潤，同時擴展其產品和服務。
用經濟學術語來說，這意味著客戶需要看到生產力成長。總體而言，這些結果將意味著國家正在繁榮和成長。
麻省理工學院經濟學家、2024 年諾貝爾獎得主 Daron Acemoglu 表示：「如果你沒有獲得生產力提升，那麼在某個時候人們就會對 AI 感到厭倦，這將導致投資下降，也會限制收入成長。」他表示，為了使這些投資在未來五到十年內可持續，我們絕對「需要看到生產力提升」。
大多數密切關注數據的經濟學家都同意，就目前而言，整體經濟數據顯示 AI 帶來的生產力成長微乎其微或根本沒有。不過，有一些令人鼓舞的跡象表明它即將到來。在最近對美國、英國、德國和澳洲約 6,000 名高階主管進行的一項調查中，絕大多數（約 90%）報告過去三年生產力沒有增加。但他們預計未來三年總體將增長約 1.45%；美國高階主管預計同期將增長 2.25%。
在一項後續調查中，受訪者還報告了其企業計劃增加對 AI 的支出，這讓作者預計到 2026 年底，私營部門的 AI 支出將達到約 2,800 億美元。
這對超大規模業者來說是個好消息。但對於那些擔心 AI 對就業影響的人來說，這也帶來了一些壞消息。高階主管們預計將透過增加銷售額，同時大幅裁減員工數量來提高公司的生產力。
如果 AI 透過破壞就業來提高生產力，那麼公眾對這項技術的反彈——例如我們在資料中心周圍看到的那種——可能會惡化。或許值得在 Gensler 描述的連本帶利下注中再增加一個賭注：公眾和地方社區必須感受到他們也從 AI 的大規模投資中受益。
我們不要忘記這些賭注是多麼相互依存；如果生產力成長來自於企業運行 DeepSeek 等模型，那麼超大規模業者的收入可能會崩潰。如果生產力來自於裁員，公眾的反彈可能會阻礙許多計劃中的投資——並阻礙預期的收入。我們需要贏得所有的賭注，超大規模業者的賭注才能獲得回報。
我們現在都參與了 AI 賭局。當 AI 公司花費多年累積的現金來建立自己的資料中心時，情況還好。那時風險主要僅限於他們自己的資產負債表和股東。但當大部分資金是借來的時，這就是一場高風險的遊戲。例如，Morgan Stanley 計算，超大規模業者在 2025 年至 2028 年間為建立 AI 資料中心將花費的 2.9 兆美元中，超過一半將由「外部資本」融資。
借貸正導致一些公司設計複雜的融資網絡，這些網絡正與經濟的其餘部分交織在一起。哥倫比亞大學的 Van Nieuwerburgh 表示：「許多金融機構，直接或間接，都曝險於這些資料中心，無論是作為貸款人、某些債務的擔保人，還是為這些資料中心提供資金的私人信貸基金的支持者。」「人們甚至不知道他們持有這些東西。它深藏在他們的養老基金中。最終，它支持著他們的人壽保險單。這種風險正在以無形的方式分佈到各地。」
隨著資料中心投資的飆升，金融工程變得更加錯綜複雜。
以 Meta 在路易斯安那州里奇蘭正在建設的所謂 Hyperion 資料中心為例。當該公司在 2024 年底宣布這座兩吉瓦運算能力、耗資約 100 億美元的資料中心時，這是 Meta 計劃中最大的資料中心。該項目位於該州東北部的農村地區，受到州和地方政治家的熱烈歡迎，被視為對社區的福音。
路易斯安那州最大的公用事業公司 Entergy Louisiana 迅速提出建造三座大型天然氣發電廠的提案，以服務這個龐大的資料中心。然後去年秋天——預計成本不再是