研究警示：美国 AI 基建到 2032 年每年吃掉 3.6% GDP，累计超 10 万亿美元

一个比铁路时代更高的数字

据路透社 9 月 24 日报道，哥伦比亚大学商学院金融与房地产学教授 Stijn Van Nieuwerburgh 为布鲁金斯学会本周一场会议准备的论文指出：到 2032 年，美国每年将有约 3.6% 的 GDP 投入 AI 基础设施，累计规模超过 10 万亿美元。论文定于当地时间周五正式提交。

作为对照，19 世纪末美国铁路建设时期每年的投入约占 GDP 的 2.2%，铁路是美国历史上成本最高的通用技术基础设施项目；20 世纪 50 年代开始的州际高速公路系统，以及 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%。

Van Nieuwerburgh 在论文中指出，最初由亚马逊、Meta 与 Alphabet 旗下谷歌用自有现金支付的 AI 投资，如今已演变成一项大规模扩张计划，并开始依赖越来越复杂的融资安排。

复杂性到底复杂在哪

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，而目前已装机容量约 57 吉瓦，意味着三年多的存量要在七年内翻三倍以上。围绕这些设施，AI 企业、大型超大规模云服务商、银行、私人信贷机构、房地产公司以及众多其他参与方之间，正在形成层层嵌套的融资结构。

这些特殊目的实体的不透明程度，让人有些想起次贷危机时发生的事。

在他看来，投资规模已经超出主要玩家靠自有现金流能承担的范围。转向外部融资推高了整体杠杆，把风险重新分配到整个经济系统，也让这轮扩张依赖尚未被验证的收入来源。用他自己的话说，这实在太复杂了。

要赚回这笔钱需要什么

论文给出一个可以量化的门槛：到 2032 年，AI 行业需要实现约 3.7 万亿美元的年收入，才能达到当前预期的投资回报。而目前 OpenAI 与 Anthropic 的年收入合计估计约为 1000 亿美元，这意味着相关收入需要以大约每年 80% 的速度持续增长。

不过 Van Nieuwerburgh 也明确写道，这些发展并不意味着金融困境迫在眉睫。AI 应用的强劲增长、基础设施的高利用率以及模型能力的持续提升，都可能支撑预期的基建投资并产生稳定现金流。但需求不确定、技术变化快、执行瓶颈与高杠杆叠加，一旦市场预期被修正，下行风险相当可观。这份论文值得关注的地方，是它把一直被当成景气度指标的资本开支，重新标注成了风险敞口指标。