一项最新研究显示，美国人工智能基础设施建设对经济产出的消耗，可能超过电力、铁路、州际高速公路以及互联网等历史上大型基础设施建设项目，而且围绕 AI 产业形成的融资结构正变得越来越复杂，可能带来系统性金融风险。

　　哥伦比亚大学商学院金融与房地产学教授斯泰恩 · 范 · 纽文伯格在为本周布鲁金斯学会一场会议准备的论文中写道，最初由亚马逊、Meta 以及 Alphabet 旗下谷歌等公司利用自身积累的现金进行的 AI 投资，如今已经演变成一项大规模扩张计划。预计到 2032 年，美国每年将有约 3.6% 的国内生产总值投入这一领域，累计规模超过 10 万亿美元，同时融资方式也变得越来越复杂。

　　这一估算高于 19 世纪末美国铁路建设时期每年约占 GDP 2.2% 的投入。当时，铁路是美国历史上成本最高的通用技术基础设施建设项目。相比之下，20 世纪 50 年代开始建设的美国州际高速公路系统，以及 20 世纪 90 年代中期启动的电信基础设施扩张，每年的投入规模均略高于 GDP 的 1%。

　　范 · 纽文伯格指出，铁路和电信基础设施扩张都曾引发明显的资产泡沫以及随后出现的崩溃，而如今 AI 基础设施建设的庞大规模、尚未得到验证的收入

　　“这实在太复杂了。”范 · 纽文伯格在向

　　他保守估计，未来 7 年美国将新增约 183 吉瓦的数据中心容量，而目前已经安装的数据中心容量约为 57 吉瓦。

　　数据中心建设以及 AI 带来的潜在风险，已经成为美国政治和经济讨论的核心议题之一。一些地方政府越来越不愿意接纳大型数据中心，担心其对当地电力、水资源等基础设施造成压力；与此同时，美联储官员也在考虑，这一轮数据中心建设热潮是否正在加剧通胀压力。一些 AI 企业高管则已经提出，放缓基础设施建设和 AI 开发速度或许更加安全。

　　范 · 纽文伯格在论文中指出，目前正在进行的 AI 基础设施投资规模，已经超过主要企业依靠自身现金流所能承担的范围。随着产业越来越依赖外部融资，整体杠杆率不断提高，风险也被重新分散到整个经济体系中，同时整个投资体系开始依赖尚未得到验证的未来收入

　　范 · 纽文伯格在接受

　　当时，复杂的住房抵押贷款融资结构最终出现大规模问题，并以足以冲击全球金融体系的速度恶化，最终引发了 2007 年至 2009 年的美国经济衰退。

　　“这些发展并不意味着金融困境即将出现。AI 应用的强劲增长、较高的基础设施利用率以及模型能力的持续提升，都可能支撑预期中的基础设施投资，并带来稳定的现金流。”他写道。

　　但他同时指出，不确定的市场需求、快速的技术变化、执行过程中的瓶颈以及较高的杠杆率叠加在一起，如果市场预期发生调整，就可能带来“实质性的下行风险”。

　　作为一个例子，范 · 纽文伯格估算，到 2032 年，AI 行业每年需要创造约 3.7 万亿美元的收入，才能实现目前预期的投资回报。

　　他表示，目前对 OpenAI 和 Anthropic 年合计收入的估算约为 1,000 亿美元，这意味着相关收入需要以每年约 80% 的速度增长，才能达到上述目标。