貝萊德執行長拉里·芬克在近期的公開訪談中，描繪了一幅由鉅額資本開支驅動的AI產業圖景。他援引的行業預測顯示，全球前七大超大規模雲服務商的資本開支總和，將在未來兩年內實現跨越式增長。具體而言，這一合計數字預計將從2024年的約220億美元，攀升至2026年的逾420億美元，幾乎翻了一番。其中，2025年將迎來一個同比增長65% 的爆發期，隨後在2026年繼續增長16%。
這一增長軌跡並非單純的估值擴張，而是反映了AI技術對企業成本結構和基礎設施融資模式的深刻重塑。隨著資本開支的急劇膨脹，其在雲廠商總營收中的佔比也將同步提升至約26%，觸及歷史高位。芬克明確指出，當前市場最應關注的核心問題，並非AI需求是否會突然消失，而是美國能否以足夠低的成本，提供支撐這一切的算力、儲存和電力。
在算力基礎設施的物理層面，擴張的規模同樣驚人。資料顯示，全球AI加速器的年新增裝機容量，預計將從2025年的約17吉瓦，大幅提升至2030年的約60吉瓦。從2025年到2030年，累計新增裝機總量將達到233吉瓦，其中輝達與AMD將佔據主要份額。與此同時，美國資料中心的整體容量也在高速擴張，預計將從當前的約46吉瓦，以約20%的複合年增速，在2030年達到106吉瓦。
芬克特別強調，AI基礎設施的資本密集度遠超傳統網際網路業務，這正在將資料中心融資塑造為金融市場的一個全新資產類別。他舉例稱，建設一座1吉瓦級別的資料中心，總投資規模可能高達500億至600億美元。如此龐大的資金需求，單靠科技公司的資產負債表已難以為繼，必須依賴專案融資、基礎設施基金、私人信貸和資產證券化等多元化金融工具。芬克認為，下一階段算力供給的控制權，將取決於誰能更高效地將長期資本匯入資料中心、能源網路和半導體供應鏈。
然而，高昂的算力成本也正在製造新的不平等。芬克指出，儘管AI需求強勁，但伺服器和計算資源的供給仍然緊張。這有利於晶片公司和雲服務商，卻會壓縮下游應用層企業的利潤空間。大型科技公司可以憑藉規模優勢攤薄成本，而中小企業只能通過雲平台按需購買，支付更高的單位價格。這可能形成一種雙層結構：上層是少數擁有資本和基礎設施的平台公司，下層是大量依賴外部算力的應用企業。芬克因此敦促雲服務商繼續降低算力成本，以使AI帶來的生產率提升能從科技行業真正擴散至製造、金融等更廣泛的經濟領域。
在芬克看來，美國AI發展的主要瓶頸正從晶片轉向電力與電網。他提出，晶片交付可能只需數個季度，但輸電線路和大型發電設施的建設通常需要數年。面對單個數據中心園區規劃容量從數百兆瓦向數吉瓦的躍升，傳統電網的審批和建設能力已捉襟見肘。他主張採取“能源來源中立”的立場，認為對於需要全年連續執行的資料中心而言，可靠性、成本和建設速度比能源形式本身更重要。他還對比了中美兩國的能源建設節奏，警示如果美國無法快速擴建發電與輸電系統，即便擁有最先進的晶片和模型，算力部署最終也會受限。
展望未來12個月的市場，芬克保持樂觀，其核心依據在於AI和自動化已開始切實改善企業利潤率，而非僅停留在資本開支階段。他以貝萊德自身為例說明：在過去一年中，公司員工總數基本不變，但管理資產規模增加了約1萬億美元，利潤率提高了260個基點。這種經營槓桿來自AI輔助程式設計、自動化運營和資料分析工具對效率的提升。芬克判斷，市場正從“大模型狂熱”中冷靜下來，衡量AI行情延續性的標尺，正從技術端的“晶片銷量”轉向應用端的“商業閉環”。只有當技術投入開始轉化為源源不斷的現金流時，這輪AI革命才算真正開啟。