美国AI支出持续上涨 投资回报压力越来越大

美国人工智能领域的投资规模正以极快速度膨胀，业内预计明年将攀升至约2万亿美元，占国内生产总值比重超过5%。与此同时，市场波动明显加大，外界对大型科技企业AI投资能否获得相应回报的疑虑不断加深。

独立研究机构SemiAnalysis的创始人帕特尔近日在接受科技媒体采访时判断，到2027年美国AI资本支出将逼近2万亿美元，约相当于美国GDP的5%至6%。另一家研调机构Gartner同样预测，2026年全球AI支出总额将达2.67万亿美元，同比增幅约49.5%，到2027年还将进一步升至3.63万亿美元。

目前业界普遍估算，2025年至2032年期间，美国数据中心与AI建设方面的支出平均每年占GDP的3.63%。但帕特尔认为真实数字要高出许多，他的测算范围覆盖了数据中心、芯片、电力、冷却系统以及整条供应链。

帕特尔还分析了支出被低估的结构性原因：铁路、光纤等基础设施的资本支出都落在使用这些设施的本土范围内，然而美国资本建设的境内算力却有相当大一部分是在服务海外需求——当欧洲用户使用OpenAI和Anthropic的服务时，大部分推论运算实际上是在美国的数据中心完成的。Gartner的报告同样提到，内存价格上涨并未压制AI基础设施的需求，并将这轮产业扩张称为“人类历史上规模最大的基础设施项目”。

针对外界对巨额投入是否合理的质疑，帕特尔提出了一个以资产寿命为基础的测算框架：假如投资规模为1万亿美元，GPU可使用6年、数据中心可运营15年，那么需要在6年内实现约1.5万亿美元营收，也就是每年约2500亿美元，才能支撑这笔投资。

在他看来，市场对AI营收的预测依然偏低，仅OpenAI与Anthropic两家公司，到明年12月合计营收就可能达到6000亿至7000亿美元。SemiAnalysis分析师纳诺斯也指出，公众往往习惯用现有的订阅费或词元API计费模式来推算回报，这完全低估了未来的变现潜力——一旦AI模型能够推动抗癌新药上市或让越来越多的智能驾驶汽车上路，其潜在商业回报将极其可观。

帕特尔还以芯片设计产业作为类比：过去20年全美芯片设计工程师人数并没有明显增加，但行业产值在自动化工具的助力下实现了爆发式增长，这种“不扩编团队却能增收增利”的模式可以复制到许多产业。他看好Anthropic有望成为全球首家市值突破10万亿美元的公司，依据是其推论业务毛利率已高达75%，前沿模型可能还会更高。

然而市场的担忧也并非空穴来风。当前AI产业模型的使用成本因基础设施效率提升而不断下降，但支撑整个生态的芯片、数据中心与电力投入并未相应缩减。有分析估算，若一家前沿AI公司要支撑2万亿美元的IPO估值，未来十年可能需要创造出约1.2万亿美元的年营收。

企业的实际表现也反映出AI扩张带来的资金压力。2026年第二季度，亚马逊自由现金流转为负值，谷歌母公司Alphabet数十年来首次出现季度自由现金流为负；摩根士丹利预测，2026年亚马逊、甲骨文和Meta的自由现金流将趋近于零甚至转为负值。

巨额投入正从股票和债券两个方向对市场形成挤压。为支撑资本开支，科技巨头纷纷掀起发债潮。高盛预测，超大规模云服务商明年发售的债券将达4200亿美元，刷新历史纪录。摩根大通估算，五大云服务商加上英伟达今年发债规模约3200亿美元，其中长久期部分折合十年期等值约3030亿美元，相当于同期美国财政部新增长久期借款的68%。供给洪流正在改变定价——路透社数据显示，AI相关发行人信用利差约为115个基点，明显宽于投资级市场整体的约78个基点，认购倍数已从2月的近5倍降至7月的2倍以下。

据英国《金融时报》报道，大型科技公司不到一年内已发出高达3000亿美元的“剩余价值担保”，摩根士丹利统计的七家云服务商和芯片厂商的表外承诺合计超过3.1万亿美元，这意味着更隐蔽、更大规模的融资正在推进。业界还提出，当前推动产业投资的还有“循环融资”现象：资金从巨头流向AI实验室，实验室再通过云服务、芯片采购将资金回流至巨头，这存在推高账面营收、抬升估值的争议。国际清算银行已将AI投资热潮列为威胁全球金融稳定的压力点，并警告一旦回报不及预期，资本融资可能骤然收缩。

巴克莱银行本月发布的报告显示，美国六大银行第三季度发行的高级债券规模已达500亿美元，较去年同期增长逾一倍。随着AI相关融资活动持续活跃，银行预计将在第四季度继续积极进入债券市场。分析师表示，银行扩大发债规模，一方面是为满足AI基础设施建设所需的庞大融资需求，另一方面则是为支持由AI投资热潮带动的交易及资本市场活动。

法国兴业银行首席策略师爱德华兹在一份报告中发出警告，当前的AI投资热潮与1997年亚洲金融危机存在惊人相似之处——问题不在于技术本身无用，而在于资本流入的速度远远快于生产率改善的速度。填补这一缺口的，历史上从来都是债权人，而非工程师。他指出，衡量技术实际效益的全要素生产率数据迄今毫无起色。

随着市场关注点从技术突破转向商业化与投资回报率，当使用端价格下滑而基建成本持续攀升，发债与对冲操作又反过来冲击金融市场时，真正能够把AI投资较快转化为稳定现金流的公司，才可能在这场规模空前的竞赛中站稳脚跟。