日前，外媒《华尔街日报》等撰文指出：虽然目前人工智能热潮正以迅猛之势重塑全球经济，成为推动增长与生产力提升的关键动力。然而，其背后巨额的数据中心建设投资不仅对企业现金流和资本市场构成压力，还因能源依赖、地缘政治风险以及治理真空而潜藏系统性危机。这种危机类似2000年互联网泡沫和2008年全球金融危机的历史教训，提醒我们需警惕AI基础设施扩张中的金融与结构性风险。
01. AI热潮带来的增长支柱与财务压力
根据美国网络安全和新兴技术局(Center for Security and Emerging Technology,CSET)和美国劳工统计局（Bureau of Labour Statistics）提供的数据，自2023年第一季度以来，AI相关的信息处理设备投资（包括芯片、服务器和数据中心）经通胀调整后增长23%，远超同期美国国内生产总值（GDP）6%的增幅。2025年上半年，信息处理投资对美国整体1.2%的低迷经济增长贡献超过一半，堪称消费支出停滞背景下的经济支柱。
专注于宏观经济分析的金融机构Renaissance Macro Research的经济研究主管尼尔·杜塔（Neil Dutta）指出：“过去两个季度，AI相关资本支出对美国经济增长的贡献超过全部消费支出，成为由私营企业驱动的经济增长引擎。”
这些投资主要用于支持大语言模型训练和推理所需的图形处理单元（GPU）、内存芯片、服务器和网络设备，以及数据中心、土地和电力设施。根据《金融时报》披露，微软2025年第二季度的资本支出高达242亿美元，同比暴增，反映出科技巨头在全球AI算力网络建设上的巨额投入。
投资者兼评论家保罗·凯德罗斯基（Paul Kedrosky）也指出，AI基础设施投资占美国GDP的比例已超过2000年电信热潮的峰值（约1.2%），且仍在持续攀升，堪称“私营部门刺激计划”。
过去12个月Alphabet、亚马逊、Meta和微软的净利润和现金流对比图
AI热潮正在重塑科技巨头的商业模式。过去，Alphabet、亚马逊、Meta和微软以“轻资产”模式著称，依靠知识产权、软件和具有网络效应的数字平台（如Facebook、谷歌、iPhone和Windows）实现低边际成本的收益增长。新增用户因平台规模效应聚集，几乎无需额外投资于实体资产，使这些公司成为现金流生成机器。自由现金流（经营活动现金流减去资本支出）是衡量其现金生成能力的核心指标。亚马逊明确表示，其财务目标是“自由现金流的长期、可持续增长”。
然而，AI基础设施的巨额投资正推动这些公司向“重资产”模式转型。根据FactSet提供的数据，2025年第二季度，上述四大科技公司的合并净营收较两年前增长73%，达到910亿美元，但自由现金流下降30%，仅为400亿美元。相比之下，资本支出较少的苹果自由现金流虽也低于净营收，但差距较小。
Meta第二季度财报显示，当季净利润同比增长36%，但自由现金流却同比下滑了22%，预计2025年和2026年的资本支出将分别翻倍和持续显著增长。Meta首席财务官苏珊·李（Susan Li）表示，AI相关投资部分支持广告和内容等核心业务，已初见成效，但生成式AI（如Llama模型）的投资仍处于早期阶段，短期内难以带来显著营收。亚马逊因加大对云计算服务亚马逊网络服务（AWS）的投资，导致自由现金流同比下降了三分之二。
亚马逊投资110亿美元在美国印第安纳州兴建数据中心园区
斯坦福大学AI政策研究员克里斯托弗·李（Christopher Li）对此评论道：“AI的智能越强，其硬件基础越显脆弱。算力和数据中心的集中趋势，不仅改变了企业财务结构，也使AI成为一种战略资源和新型权力形式”。卡莱尔集团（Carlyle Group）研究主管杰森·托马斯（Jason Thomas）则警告称：“当前估值假设重资产模式将带来与轻资产模式相同的盈利能力，但尚无证据支持这一点。关键在于时间跨度，这些投资可能在未来产生巨大回报，但可能超出股东的预期回报期限。”
02. 历史回响：互联网泡沫与铁路热潮的警示
Meta、Alphabet、微软和亚马逊的资本支出对比图
AI热潮的资本支出规模令人联想起历史上的基础设施投资热潮。
2025年第二季度，Meta、Alphabet、微软、亚马逊、苹果、英伟达和特斯拉等美国科技七巨头的资本支出总计高达1025亿美元，而苹果、英伟达和特斯拉三家公司只占到其中的67亿美元。
这看起来与上世纪90年代末的互联网泡沫和19世纪的铁路热潮类似，AI热潮展现出高投资、高风险的特征。根据马克·多姆斯（Mark Doms）2004年发表的一项研究显示，2000年美国电信资本支出达到1200亿美元，占GDP的1.2%，与当前数据中心热潮相当。但AI热潮仍在加速，2025年未必是峰值，风险仍在累积。
不同时期基建项目所占美国GDP的比例（来源：科技行业观察人士保罗·科德罗斯基提供）
20世纪90年代末，互联网热潮推动投资者向初创网络公司和电信运营商注入巨额资金。尽管当时对互联网将引发生产力革命的判断是准确的，但市场对相关领域的财务回报预期出现严重偏差。这一误判导致大量公司破产，而宽带领域的产能过剩进一步引发价格大幅下跌，最终在2001年引发了一场衰退。
与之类似，1873年的铁路热潮因基础设施建设超前于需求增长，导致预期调整和信贷违约，引发市场崩溃。卡莱尔集团（The Carlyle Group）全球研究与投资策略主管杰森·托马斯（Jason Thomas）指出：“AI基础设施的财务回报可能远超股东预期时间，类似互联网泡沫时期，投资者需警惕短期回报与长期潜力的错配”。
然而，当前AI热潮与历史有显著不同。AI领域的投资由成熟且盈利的科技巨头主导，算力需求超过供给，短期内崩盘风险较低。麻省理工学院技术与社会变革中心主任埃琳娜·高兹（Elena Goetz）评论道：“AI热潮正在从信息革命转向能源革命。数据中心不仅是技术设施，更是能源密集型产业，受气候政策和地区基础设施承载能力的双重约束。”她强调，AI基础设施的快速扩张对能源和地缘稳定性构成巨大依赖，可能成为系统性风险的源头。
03. 能源与地缘：AI基础设施的系统性脆弱性
目前，AI基础设施的扩张对能源的依赖日益凸显。大模型训练和推理的电力需求远超传统IT服务。国际能源署（IEA）预测，到2026年，全球数据中心年耗电量将突破1000太瓦时（1万亿千瓦时），相当于日本全国的用电量。在美国，亚利桑那州和德克萨斯州等能源富足地区因数据中心聚集而面临电网压力；在欧洲，荷兰和爱尔兰已暂停大型数据中心建设审批，以应对能源瓶颈。
麻省理工学院技术与社会变革中心主任埃琳娜·高兹（Elena Goetz）指出：“AI算力成为能源密集型产业，其发展不仅受技术约束，还受气候政策和地区基础设施承载能力的限制。”例如，数据中心的能源需求可能加剧电网不稳定性，尤其在极端天气或能源短缺时期。绿色技术（如液冷技术和可再生能源配电优化算法）被视为缓解压力的关键，但企业自觉和技术迭代远不足以应对规模化挑战。
并且，AI基础设施高度依赖少数供应商，地缘政治风险显著。哈佛大学贝尔弗科技与全球事务中心教授凯瑟琳·吴（Katherine Wu）指出：“AI基础设施的全球竞逐缺乏有效治理框架，算力竞赛可能加剧南北不平等与地缘紧张。”她强调，芯片短缺、供应链断点和技术快速更替下的折旧加速，使AI基础设施成为高风险、高波动的战略资产。
此外，AI基础设施的跨境部署还引发数据主权和数字主权争议。比如印度、印尼、沙特和巴西等国通过立法要求AI企业在本地设立数据中心，并加强算法透明度和监管。现实中，全球南方国家因缺乏算力资源、芯片供应和资金支持，往往被排除在大模型生态之外，进一步固化了目前的数字主导权结构。凯瑟琳·吴警告：“基础设施不平等可能导致全球AI生态的分裂，固化发达国家的主导地位。”
04. 金融风险：私人信贷与系统性隐患
私人信贷已从边缘市场成长为美国金融系统的重要组成部分（摩根大通）
AI热潮的资金来源包括内部现金流、债务发行、股权融资、风险投资/私募股权、特殊目的载体（SPV）和云消费承诺。
《经济学人》指出，2025年上半年，科技公司投资级债券发行量同比增长70%。Alphabet自2020年以来首次发行债券，微软与数据中心相关的融资租赁债务自2023年以来增至460亿美元，另有930亿美元未计入资产负债表。Meta正与阿波罗（Apollo）、布鲁克菲尔德（Brookfield）和卡莱尔集团等私人信贷机构洽谈300亿美元融资。数据中心相关债务证券市场从2018年的几乎为零增长至约500亿美元。
私人信贷基金通过吸引投资和银行借款，向不透明的私人市场放贷，类似于私募股权的债务版。CoreWeave、Fluidstack等AI云公司以英伟达芯片为抵押大举借债，软银通过债务支持与OpenAI的合作，xAI据报借款120亿美元购买芯片。埃隆·马斯克（Elon Musk）在评论软银与OpenAI的合作时就表示：“他们实际上没有钱。”
摩根大通数据显示，私人信贷已从边缘市场成长为金融系统的重要组成部分。2013年，美国银行对非银行金融机构的贷款中，仅1%流向私人信贷和私募股权；如今这一比例升至14%。波士顿联邦储备银行的菲拉特（Fillat）等人研究表明，银行通过信贷额度成为私人信贷流动性的关键来源，间接暴露于高风险贷款。若AI行业收入增长跟不上资本支出，可能导致集中违约。研究指出，私人信贷贷款多为短期和优先贷款，较2008年危机中的长期贷款更安全，但若违约相关性高于预期（如AI行业整体崩盘），银行可能蒙受损失。
保险公司也通过直接贷款参与AI热潮（图片来源：美联储）
保险公司作为私人信贷的主要有限合伙人，也通过直接贷款参与其中。经济学家卡利诺（Carlino）等人的研究显示，美国人寿保险公司对低评级企业债务的敞口已超过2007年末次贷证券的水平。2008年美国国际集团（American International Group）的救助表明，保险公司在金融系统中的系统重要性不容忽视。加州大学伯克利分校AI伦理学家阿米尔·哈桑（Amir Hassan）警告称：“AI基础设施的融资决策并非中立，涉及算力分配和资源优先级的伦理选择，可能加剧技术封锁和集中化趋势。”
资产价格泡沫与信贷增长的结合是金融不稳定的最大风险。2000年互联网泡沫主要通过债券市场融资，未严重威胁银行体系；2008年危机则因银行债务引发经济冻结。当前，私人信贷与银行和保险公司的深度关联可能放大风险。摩根大通首席执行官杰米·戴蒙（Jamie Dimon）警告说：“私人信贷可能引发下一场金融危机。”他引用前花旗银行首席执行官的话：“只要音乐不停，你就得起舞。”然而，音乐的节奏正变得愈发狂热。
05. 缺乏有效治理框架：AI基础设施的全球挑战
AI基础设施的全球竞逐缺乏有效治理框架。G7的“负责任AI”倡议和联合国教科文组织的伦理原则主要聚焦算法透明、公平性和安全性，对数据中心、芯片和能源等“底座”缺乏约束性规范。哈佛大学的凯瑟琳·吴指出：“我们正处于技术基础设施扩张的空前周期，但治理能力严重滞后。缺乏国际协调的算力竞赛将加剧地缘紧张和数字不平等。”
在全球南方国家，基础设施不平等尤为显著。许多新兴经济体因缺乏算力资源和资金支持，被排除在大模型生态之外。加州大学伯克利分校的AI伦理学家阿米尔·哈桑（Amir Hassan）强调：“算力分配的决策深嵌价值判断，决定了谁能参与创新、谁被边缘化。”例如，开源大模型项目因无法获得稳定算力而受限，导致集中式平台与开源生态的鸿沟扩大。一些芯片厂商通过“白名单”制度优先供给特定国家或合作方，进一步加剧技术封锁。
英国国家AI治理研究院院长托马斯·雷恩（Thomas Raine）呼吁建立“最低安全基线”，类似于核安全和航空交通的国际规范体系。他建议：“AI基础设施应接受跨国审计和公共监督，确保芯片、安全软件、调度系统和电力冗余符合最低要求。”微软、OpenAI和谷歌DeepMind等机构已开始探索“负责任部署”框架，引入独立安全审查和沙箱测试机制，但全球统一标准的缺失仍是障碍。
06. 危机前夜的四大征兆与应对策略
综合来看，AI热潮呈现出金融危机前的四大征兆：
<ol>
“这次不同”的叙事：AI被视为颠覆一切的技术，数据中心被预期带来巨大回报。
集中债务风险：大量债务流向单一行业（数据中心），违约概率高度相关。
不透明金融结构：私人信贷、SPV和芯片抵押债务快速膨胀，超出监管可见范围。
系统性机构参与：银行和保险公司通过多渠道深度暴露于AI基础设施风险。
</ol>
外媒表示，尽管当前AI热潮尚未达到2008年金融危机的严重程度，但其潜在风险不容忽视，提前警惕至关重要。并且，企业和投资者需审慎评估AI投资的回报周期，平衡短期现金流压力与长期收益潜力。
监管机构方面，应加强对私人信贷市场的监督，重点评估贷款集中度和违约相关性，防范“尾部风险”。同时，建立跨国协调机制以确保AI基础设施的安全性、可持续性和公平性，是全球治理的当务之急。
牛津大学互联网研究所AI政策专家露西·汤森（Lucy Townsend）总结道：“AI是一种系统性力量，仅依赖市场自动调节不足以应对其挑战。在基础设施演变为不可逆风险节点之前，设立全球治理护栏是全社会的共同责任。”
来源：36kr
| 
14
发表于 2025-8-5 16:03:30