美国AI支出大幅走高 投资回报兑现压力加大

美国人工智能（AI）投资正以超高速度扩张，业界预计明年将达到约2万亿美元，超国内生产总值（GDP）比例的5%。在此背景下，市场波动加剧，各方对大型科技公司AI投资回报的担忧升温。

独立研究机构SemiAnalysis创始人帕特尔日前在科技媒体访谈中预计，2027年美国AI资本支出将接近2万亿美元，相当于美国GDP的5%至6%。研调机构Gartner也预计，2026年全球AI支出总额将达2.67万亿美元，同比增长约49.5%，2027年进一步增至3.63万亿美元。

当前业界普遍预计，2025年至2032年间，美国数据中心与AI建设支出平均每年占GDP的3.63%。帕特尔则认为实际数字高更多，他的估算涵盖数据中心、芯片、电力、冷却系统及整条供应链。

帕特尔解释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发生在使用这些设施的本土，但美国资本建设的境内算力很大一部分服务于海外需求——欧洲用户使用OpenAI和Anthropic的服务时，大部分推论运算实际上在美国的数据中心完成。Gartner的报告也指出，AI基础设施需求并未因内存价格上涨而受抑制，并称这轮产业扩张是“人类历史上规模最大的基础设施项目”。

面对外界对巨额投入合理性的质疑，帕特尔给出了一个基于资产寿命的测算框架：以1万亿美元投资为例，若GPU可使用6年、数据中心可运营15年，则需在6年内产生约1.5万亿美元营收，相当于每年约2500亿美元，才能支撑这笔投资。

他认为市场对AI营收的预测仍然偏低，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，公众习惯以现有的订阅费或词元API计费模式估算回报，完全低估了未来的变现空间——当AI模型有能力推动抗癌新药或越来越多智能驾驶汽车上市时，潜在商业回报将无比巨大。

帕特尔还以芯片设计产业为例：过去20年全美芯片设计工程师人数并未显著增长，但行业产值在自动化工具辅助下爆发式增长，这种“不扩编团队而增收增利”的模式可复制到众多产业。他看好Anthropic可能成为全球首家市值突破10万亿美元的公司，理由是其推论业务毛利率已达75%、前沿模型可能更高。

不过，市场的疑虑同样真实。当前AI产业模型使用成本因基础设施效率提升而持续下降，但支撑整个生态的芯片、数据中心与电力投入并未同步减少。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约1.2万亿美元年营收。

企业的实际表现也印证了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负，谷歌母公司Alphabet（字母表）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负。

巨额投入正从股债两端挤压市场。为支撑资本开支，科技巨头掀起发债潮。高盛预测，超大规模云服务商明年发售的债券将高达4200亿美元，创历史纪录。摩根大通估算，五大云服务商加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倍回落至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，意味着更隐蔽和更大规模的融资正在进行。业界还提出当前推动产业投资的还有“循环融资”：资金从巨头注入AI实验室，实验室再通过云服务、芯片采购回流至巨头，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，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指出，美国六大银行第三季度发行的高级债券规模已达到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，银行增加发债规模，一方面是为了满足AI基础设施建设所需的庞大融资需求，另一方面则是为了支持由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——不是因为技术本身无用，而是因为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（TFP）数据迄今毫无起色。

随着市场焦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向冲击金融市场时，真正能把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。