研究警示：美国 AI 基建投入规模空前，潜藏系统性金融风险

根据路透社9月24日的报道，一项最新研究发出警告，美国在人工智能基础设施上的投入规模空前，可能超过历史上电力、铁路、州际高速公路和互联网等大型基建项目对经济产出的消耗。同时，围绕AI产业形成的融资结构日益复杂，潜藏着系统性金融风险。

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（Stijn Van Nieuwerburgh）在为布鲁金斯学会本周会议准备的论文中指出，最初由亚马逊、Meta和Alphabet旗下谷歌等公司利用自有现金进行的AI投资，现已演变为大规模扩张计划。预计到2032年，美国每年将有约3.6%的国内生产总值（GDP）投入这一领域，累计规模超过10万亿美元（约合67.23万亿元人民币），且融资方式日趋复杂。

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建项目。相比之下，20世纪50年代开始的州际高速公路系统和90年代中期启动的电信基础设施扩张，每年投入均略高于GDP的1%。

范·纽文伯格指出，铁路和电信基建扩张曾引发资产泡沫及随后的崩溃，而当前AI基建的庞大规模、未经验证的收入来源，以及围绕AI产业形成的复杂融资结构，都意味着这一轮扩张面临较大下行风险。

“这实在太复杂了。”范·纽文伯格在向记者介绍研究时表示。目前，AI企业、大型科技云服务商、银行、私人信贷机构、房地产公司及其他基建参与者之间，正形成越来越复杂的融资安排。

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，而目前已安装的容量约为57吉瓦。

数据中心建设和AI带来的潜在风险已成为美国政治和经济讨论的核心议题。一些地方政府越来越不愿接纳大型数据中心，担心其对电力、水资源等基础设施造成压力；同时，美联储官员也在考虑数据中心建设热潮是否加剧通胀压力。一些AI企业高管已提出，放缓基础设施建设和AI开发速度可能更安全。

“存在实质性的下行风险”

范·纽文伯格在论文中指出，当前AI基础设施投资规模已超出主要企业依靠现金流所能承担的范围。随着产业更多依赖外部融资，整体杠杆率上升，风险被重新分散到经济体系中，同时投资体系开始依赖未经验证的未来收入来源。

这篇论文将于当地时间周五正式提交。

范·纽文伯格在接受采访时表示，围绕AI产业形成的大量特殊目的实体（SPV）及相关融资安排，其不透明程度让人联想到美国次贷危机时期的情况。当时，复杂的住房抵押贷款融资结构最终大规模出现问题，并以冲击全球金融体系的速度恶化，引发了2007年至2009年的美国经济衰退。

不过，他在论文中强调，目前情况并不意味着金融危机迫在眉睫。

“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、执行瓶颈和高杠杆率叠加，若市场预期调整，可能带来“实质性的下行风险”。

作为例子，范·纽文伯格估算，到2032年，AI行业每年需创造约3.7万亿美元（约合24.87万亿元人民币）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（约合6,722.65亿元人民币），这意味着相关收入需以每年约80%的速度增长，才能达到目标。开云体育入口的案例表明，在类似大规模基建投资中，融资结构的透明度和风险评估至关重要。