美国布鲁金斯学会近日发布哥伦比亚商学院教授Stijn Van Nieuwerburgh的研究报告，测算2025年至2032年美国在数据中心、电力设施、网络设备、GPU及其他AI基础设施上的累计投资可能达到约10.3万亿美元（约合69.1万亿元人民币），平均每年相当于美国GDP的3.63%。这一投资强度已超过美国历史上多轮大型基础设施扩张：1870年至1890年铁路建设年均投资约相当于GDP的2.24%，1956年至1973年高速公路建设约1.13%，1996年至2003年通信和光纤建设约1.10%。

报告以一座200兆瓦的AI训练园区为样本，其初始建设成本约82亿美元，其中数据中心建筑约22亿美元，新增电力设施约4亿美元，GPU、网络和存储等IT设备约56亿美元——约三分之二的资金投向更新速度更快的计算设备。按此标准，一座1吉瓦级AI园区的成本已达约410亿美元。报告测算，到2032年美国可能新增约182.8吉瓦数据中心容量，另有117.2吉瓦项目将在2032年以后投运。

巨额投资背后，科技巨头的现金流压力正在显现。Oracle、Microsoft、Amazon、Meta和Alphabet五家公司合计资本支出从2020年的968亿美元升至2025年的4158亿美元，同期经营现金流为6032亿美元。报告预计，2026年五家公司资本支出将进一步增至8005亿美元，而经营现金流约为7071亿美元，资本支出首次超过经营现金流，相当于后者的约113%。高盛同样预计，美国AI相关投资占GDP的比例将从2026年的1.8%升至2027年的2.5%，2028年达到2.8%。

为填补缺口，科技巨头越来越多依赖借贷和外部融资。报告援引摩根士丹利估算，2025年至2028年为满足大型云厂商新增算力需求，需要约2.9万亿美元，其中超过一半依靠外部资本；股权与债务比例约为六四开，私募信贷规模可能达约8000亿美元，企业债约2000亿美元，结构化融资约1500亿美元。

报告以Meta在路易斯安那州建设的Hyperion AI数据中心为例。该项目规模约2吉瓦，对应约300亿美元资产。Meta将80%的项目股权出售给美国另类资产管理公司Blue Owl后，合资实体又融资270亿美元债务，使项目层面的债务资产比接近90%。Hyperion债务发行收益率达6.58%，较Meta同期直接发行类似公司债高出至少100个基点。报告估算，仅这一利差在整个融资周期内就会增加超过50亿美元的利息成本，并最终反映在Meta支付的租金中。

类似的长期支付义务已蔓延至更多大型科技企业。穆迪估算，大型云厂商已承担约9700亿美元租赁承诺，其中约6600亿美元属于尚未进入资产负债表的未来租约。报告援引《华尔街日报》统计称，仅Microsoft、Alphabet、Amazon和Meta四家公司，未来租赁和采购等表外义务就已达到约2.4万亿美元，包括9040亿美元未来租赁承诺和1.52万亿美元未来采购承诺，后者主要涉及芯片。

AI数据中心本身又是一类折旧极快的资产。铁路等传统基础设施可使用几十年，而今天数据中心的大部分资金投向GPU、服务器、存储和高速网络设备。报告测算，一座200兆瓦AI数据中心约82亿美元投资中，约68%用于IT资产，按6年经济寿命计算；建筑、电力和冷却设施等剩余资产按20年计算。若IT资产经济寿命从6年缩短至3年，每年需回收的资本比例将从19.37%升至31.10%，成熟期年收入要求将从约3.7万亿美元增至约6万亿美元，相当于2032年美国GDP的14.8%。

Hyperion项目也体现了长期融资与快速技术迭代之间的矛盾：项目债务期限延续至2049年，Meta则从2029年开始通过一系列四年期租约使用园区，并承担相应的资产残值保障。但支撑数据中心需求的GPU、冷却系统和计算架构可能在几年内就发生明显变化。债权人看的是项目未来的长期租金和资产残值，而这些收入最终取决于Meta是否持续需要如此庞大的算力。一旦技术迭代或AI需求变化使利用率和资产价值低于预期，压力可能通过租金、担保和再融资成本重新传导至科技巨头。报告指出，这种长期融资期限与底层技术快速迭代之间的错位，是AI基础设施面临的重要风险之一。

电力是另一层阻碍。报告估算，一座200兆瓦AI数据中心满负荷运行一年的耗电量大致相当于17万户美国家庭；按2032年建设规模，新增AI数据中心的耗电量可能相当于目前整个美国居民部门的用电量。大量项目还需同步获得变电站、高压输电线路、并网容量和新的发电设施，电网接入可能耗时数年，同时面临电力成本上涨、地方反对以及GPU、高带宽内存和网络设备供应不足等限制。报告测算，目前美国约509吉瓦规划中的数据中心项目中，约226.9吉瓦最终不会建成，另有117.2吉瓦要到2032年以后才能投运。

更大的问题是这些设施建成后能否赚回投入。报告按182.7吉瓦新增容量、约9.61万亿美元投产资本测算，若投资者要求10%的无杠杆回报率、经营现金流率达50%，这些数据中心成熟后每年需产生约3.725万亿美元收入，相当于报告预计2032年美国GDP的9.2%。换算成算力价格，在100%利用率下，每块GB300 GPU每小时需创造约5.5美元收入；利用率80%时升至约6.9美元，70%时需约7.9美元。报告指出，目前高端英伟达GPU按需或短期租赁价格通常约为每GPU小时6至10美元以上，按当前市场价格，上述收入要求仍处于可达区间，真正的问题在于到2032年市场可能新增约180吉瓦算力，需求能否以相近速度增长。

要消化如此庞大的新增算力，AI产业收入需保持极高增速。报告援引当前估算称，OpenAI和Anthropic合计年收入约1000亿美元；若以此为参照，要在2032年达到3.725万亿美元，需要未来数年保持约80%的年复合增长率。

报告还指出，随着AI基础设施投资规模扩大，芯片厂商、云厂商、数据中心运营商和金融机构之间正在形成更紧密的资本循环。以英伟达为例，它一边向云厂商和数据中心出售GPU，一边通过残值担保等方式帮助客户获得融资，降低大规模采购芯片的资金门槛；云厂商继续建设数据中心、向模型公司出售算力，数据中心投资者再依靠大型科技企业的长期租赁和采购承诺支撑债务。这套结构持续运转的前提，是新的资本不断进入的同时，AI需求、算力利用率和租赁价格也要不断增长。一旦需求增长赶不上数据中心和GPU产能释放，芯片价格、算力租赁价格和设备利用率都可能下降，而已经签下的债务、租金和采购承诺仍需继续支付。