2025年至2032年間，僅在美國，建設人工智慧基礎設施的預估成本就約為10.3兆美元。而要讓這筆投資划算，AI產業需在該期限結束前產生約3.7兆美元的年營收。

這些數據來自哥倫比亞商學院教授Stijn Van Nieuwerburgh，其分析在Brookings Papers on Economic Activity會議上發表，該會議是經濟學家長期發表美國經濟新研究的論壇。這項研究試圖回答一個一直縈繞在所有關注AI擴建的人心中的問題：這筆帳真的算得過去嗎？

擴建背後的數字

核心預估要求在2032年前新增約182.7吉瓦的資料中心容量。作為參考，這是極為龐大的電力基礎設施規模，投資支出約相當於美國GDP每年約3.63%。

為突顯這一規模，報告指出此次擴建將超過鐵路網與州際公路系統等歷史性基礎設施投資。

單位經濟效益同樣要求苛刻。分析估計，在滿載利用率下，每個已安裝GPU小時需產生約5.5美元的營收才能獲利——此一基準將每顆已安裝晶片的回報直接與客戶實際為AI算力支付的金額掛鉤。若利用率降至較為實際的80%，該數字將升至每GPU小時6.9美元。

模型採用的回報門檻假設10%的無槓桿回報——即在債務融資影響之前計算的指標——以及50%的現金流利潤率。要達到這些基準，AI產業需從現在到2032年維持約80%的複合年營收成長。

該成長率是以OpenAI與Anthropic——分別為ChatGPT與Claude的開發商——目前合計約1,000億美元的年化收為基準。在大約七年內將年營收從1,000億美元提升至3.7兆美元，這樣的軌跡在募資簡報上看似亮眼，在風險委員會的白板上卻令人卻步。

融資方式

報告深入探討了融資結構，對任何擔心系統性風險的人而言，這一領域尤其相關。Microsoft、Amazon與Google等超大型雲端業者——即最大規模雲端與資料中心網路的營運商——正日益轉向外部債務與複雜的金融安排，為其AI基礎設施雄心提供資金。

報告將這種相互關聯性標記為潛在的系統性風險來源，尤其是當AI服務需求的成長速度趕不上容量擴建速度時。AI需求不足的影響將不僅由科技公司自身承擔，也會波及這些債務另一端的貸款方與投資人。由外部債務融資的資料中心產能過剩，與由留存收益融資的產能過剩，是完全不同的問題。

3.7兆美元的問題

到2032年達成3.7兆美元年營收的目標，將約占當年預估美國GDP的9.2%。

此外，無論資金是否充裕，實體限制都可能拖慢擴建速度。發電與電網容量在美國許多地區仍是瓶頸，而新電廠與輸電線路的許可審批時程，往往遠超出AI投資時間表所能承受的範圍。

報告也對利用率提出質疑。建造182.7吉瓦的容量只有在實際被使用時才能產生回報。滿載與80%利用率下每GPU小時營收要求從5.5美元升至6.9美元的差異，說明了經濟效益對需求波動有多麼敏感。

該研究將這些數據視為評估產業營收軌跡能否支撐當前基礎設施投資步伐的基準。以此標準衡量，未來可觀察的指標包括主要AI實驗室的營收披露、已安裝GPU容量的利用率、超大型雲端業者籌措外部債務的條件，以及新增發電與許可審批突破報告所指出限制的速度。