布鲁金斯学会一项新研究指出，人工智能建设的经济足迹具有“惊人的实体性”，深度绑定专用芯片、电力及定制数据中心。数据显示，数据中心成本中三分之二用于IT设备，三分之一用于房地产及相关电力基础设施。预计每年占GDP 3.63%的建设规模，将超越美国历史上运河、铁路、电气化、高速公路及电信投资热潮的体量。
这一趋势正推高工人工资、电价及商业地产价格，波及含芯片的消费类产品，并导致新建住房供应减少。研究强调，相关项目的预测用电量将使美国住宅部门电力消耗翻倍。
高杠杆下的市场隐忧
哥伦比亚大学商学院教授斯汀·范·纽文堡（Stijn van Nieuwerburgh）在论文中指出，鉴于建设规模巨大、收入来源尚未验证以及融资结构复杂，市场可能正处于崩溃前夜。他描述了AI公司、科技巨头、银行、私人信贷方及房地产商之间形成的复杂安排。保守估计，未来七年将新增183吉瓦数据中心容量，而目前装机容量约为57吉瓦。
范·纽文堡表示，当前投资已超出主要参与者的现金流覆盖范围。转向外部融资增加了杠杆率，将风险重新分配至整个经济体，并使项目依赖于未经证实的收入流。
“这并不意味着财务困境迫在眉睫，”他写道，“若AI应用强劲增长、利用率维持高位且模型能力持续改进，可支持基础设施并产生稳定现金流。”但他警告，若预期发生调整，不确定需求、快速技术变革、执行瓶颈与高杠杆率的结合将带来实质性的下行风险。
营收增长挑战严峻
以投资回报率为例，到2032年，AI行业需实现约3.7万亿美元年收入。相比之下，OpenAI和Anthropic目前的合并年收入估计约为1000亿美元，这意味着其收入需保持每年约80%的增长速度。该论文建议采取“改善测量和透明度”的政策措施，以规范相关融资行为。