贝莱德首席执行官拉里·芬克在近期的公开访谈中，描绘了一幅由巨额资本开支驱动的AI产业图景。他援引的行业预测显示，全球前七大超大规模云服务商的资本开支总和，将在未来两年内实现跨越式增长。具体而言，这一合计数字预计将从2024年的约220亿美元，攀升至2026年的逾420亿美元，几乎翻了一番。其中，2025年将迎来一个同比增长65% 的爆发期，随后在2026年继续增长16%。
这一增长轨迹并非单纯的估值扩张，而是反映了AI技术对企业成本结构和基础设施融资模式的深刻重塑。随着资本开支的急剧膨胀，其在云厂商总营收中的占比也将同步提升至约26%，触及历史高位。芬克明确指出，当前市场最应关注的核心问题，并非AI需求是否会突然消失，而是美国能否以足够低的成本，提供支撑这一切的算力、存储和电力。
在算力基础设施的物理层面，扩张的规模同样惊人。数据显示，全球AI加速器的年新增装机容量，预计将从2025年的约17吉瓦，大幅提升至2030年的约60吉瓦。从2025年到2030年，累计新增装机总量将达到233吉瓦，其中英伟达与AMD将占据主要份额。与此同时，美国数据中心的整体容量也在高速扩张，预计将从当前的约46吉瓦，以约20%的复合年增速，在2030年达到106吉瓦。
芬克特别强调，AI基础设施的资本密集度远超传统互联网业务，这正在将数据中心融资塑造为金融市场的一个全新资产类别。他举例称，建设一座1吉瓦级别的数据中心，总投资规模可能高达500亿至600亿美元。如此庞大的资金需求，单靠科技公司的资产负债表已难以为继，必须依赖项目融资、基础设施基金、私人信贷和资产证券化等多元化金融工具。芬克认为，下一阶段算力供给的控制权，将取决于谁能更高效地将长期资本导入数据中心、能源网络和半导体供应链。
然而，高昂的算力成本也正在制造新的不平等。芬克指出，尽管AI需求强劲，但服务器和计算资源的供给仍然紧张。这有利于芯片公司和云服务商，却会压缩下游应用层企业的利润空间。大型科技公司可以凭借规模优势摊薄成本，而中小企业只能通过云平台按需购买，支付更高的单位价格。这可能形成一种双层结构：上层是少数拥有资本和基础设施的平台公司，下层是大量依赖外部算力的应用企业。芬克因此敦促云服务商继续降低算力成本，以使AI带来的生产率提升能从科技行业真正扩散至制造、金融等更广泛的经济领域。
在芬克看来，美国AI发展的主要瓶颈正从芯片转向电力与电网。他提出，芯片交付可能只需数个季度，但输电线路和大型发电设施的建设通常需要数年。面对单个数据中心园区规划容量从数百兆瓦向数吉瓦的跃升，传统电网的审批和建设能力已捉襟见肘。他主张采取“能源来源中立”的立场，认为对于需要全年连续运行的数据中心而言，可靠性、成本和建设速度比能源形式本身更重要。他还对比了中美两国的能源建设节奏，警示如果美国无法快速扩建发电与输电系统，即便拥有最先进的芯片和模型，算力部署最终也会受限。
展望未来12个月的市场，芬克保持乐观，其核心依据在于AI和自动化已开始切实改善企业利润率，而非仅停留在资本开支阶段。他以贝莱德自身为例说明：在过去一年中，公司员工总数基本不变，但管理资产规模增加了约1万亿美元，利润率提高了260个基点。这种经营杠杆来自AI辅助编程、自动化运营和数据分析工具对效率的提升。芬克判断，市场正从“大模型狂热”中冷静下来，衡量AI行情延续性的标尺，正从技术端的“芯片销量”转向应用端的“商业闭环”。只有当技术投入开始转化为源源不断的现金流时，这轮AI革命才算真正开启。