布魯金斯學會在秋季《經濟活動論文》（BPEA）會議論文中估算，2025至2032年美國AI基礎設施建設預計投入約10.3萬億美元，年均相當於GDP的3.63%。論文將這筆開支拆成兩本賬：一本是晶片、電力與資料中心的實體投資，另一本是租賃、合資、專案債和私募信貸搭起來的融資網路。後一本賬越攤越大，風險卻越來越難從企業報表上看清。

先看實體賬單。AI常被描述為軟體革命，但訓練和執行前沿模型離不開專用晶片、供電與冷卻系統、網路裝置以及專門建造的資料中心。論文以一座200兆瓦AI園區為例：在電能使用效率1.2時，可供IT裝置使用的關鍵負載約166.7兆瓦；按每套輝達GB300 NVL72機櫃142千瓦計算，園區約可容納1170台高密度機櫃，全年耗電量相當於約17萬戶美國家庭。該園區初始造價約82億美元，其中IT系統佔56.2億美元，約佔總成本的68.4%。

規劃規模遠超最終可能落地的容量。基於Cleanview在2026年7月的資料，美國已投運資料中心容量約57GW，規劃待建約509GW。論文中心情景估計，2025至2032年新增投運182.8GW，2032年後還將投運117.2GW，另有226.9GW最終不會建成。按每200兆瓦造價約82億美元、成本每年上漲4%計算，前一階段建設需要約10.3萬億美元。橫向比較，這一投資強度比19世紀鐵路熱潮高出約五成，是電信與光纖熱潮的三倍多。

問題在於，巨頭的現金已經不夠用了。甲骨文、微軟、亞馬遜、Meta和Alphabet的資本開支總額從2020年的約968億美元升至2025年的4158億美元以上，2026年預計超過8005億美元。論文特別指出，五家公司資本開支合計將首次高於經營現金流。資金因此從企業內部轉向外部。摩根士丹利估算，2025至2028年滿足超大規模廠商新增算力需求需要約2.9萬億美元，其中超過一半來自外部資本，股債比例約為60:40；債務融資中私募信貸約8000億美元，規模最大。

Meta的Hyperion資料中心專案展示了這套結構如何運作。專案初期容量約2.0GW，規劃可擴至5GW，總投資約300億美元。Meta最初全資持有，後來以約25億美元把80%股權賣給Blue Owl。合資公司Beignet於2025年10月融資270億美元，獲標普A+評級，比Meta自身信用評級低一檔，是美國曆史上最大的一筆投資級公司債發行。300億美元資產中約270億美元由債務融資，債務資產比約90%，償債覆蓋率只有1.12倍；而Meta自身按賬面權益計算的財務槓桿2025年末約為25%，按市值權益計算只有4%。專案融資在巨頭報表之外支撐了遠高於表內的槓桿。

這筆交易通過層層破產隔離的特殊目的載體串接，債務以未來租金合同作支撐。從2029年起安排五段、每段四年的租約，一直延伸到債券2049年到期。每到續約節點，Meta都可以終止部分或全部租約；一旦終止，相關資產將被出售，公司須補足出售收入與合同約定最低價值之間的差額。按現行美國通用會計準則，租約或擔保生效之前，Meta不必把這些未來義務列入資產負債表。代價是Beignet債券發行收益率為6.58%，比Meta同期類似無擔保公司債成本至少高100個基點，整個融資週期相當於超過50億美元的額外利息。

表外義務的規模已經相當可觀。穆迪估算，超大規模廠商約有9700億美元租賃承諾，其中約6600億美元是尚未入表的未來租約。《華爾街日報》統計，微軟、Alphabet、亞馬遜和Meta合計有2.4萬億美元表外負債，其中9040億美元為未來租約，加上1.52萬億美元未來採購承諾，表內只有6040億美元；約3萬億美後設資料中心相關義務中，只有五分之一列在賬面上。

論文隨後分析融資結構如何放大風險。長期債務和租賃合同押在利用率、技術路線和殘值都高度不確定的資產上，幾處錯配疊加後壓力會沿融資鏈條傳導。一是租戶集中，許多AI園區只有一個租戶，若算力需求不及預期，雲廠商可能先保障自有設施，第三方園區將首當其衝。二是技術迭代，晶片、冷卻系統和設施設計變化很快，建築尚未折舊完，裝置與佈局可能已經過時。三是建設執行，電力、輸電、許可和專用硬體都受產能約束。論文用一組門檻數字衡量需求壓力：在中心情景下，要讓2025至2032年建設取得10%的無槓桿回報，並假設經營現金流利潤率50%，到2032年需要約3.7萬億美元年收入，相當於滿負荷下每個GB300 GPU小時收費約5.5美元，或80%利用率下每個計費GPU小時約6.9美元。

風險還沿融資鏈條延伸到晶片設計商、雲服務商、模型公司和基礎設施投資人。2026年8月，Apollo、貝萊德、Blackstone、Brookfield、高盛和KKR設立5000億美元信貸額度為輝達晶片融資，輝達提供25%的殘值擔保，最高承擔1250億美元。市場資料也顯示相關性上升：上市資料中心REITs的市場貝塔值從約0.5升到1附近，與標普500非AI部分的相關性也升至接近AI股票的水平。

論文並未斷言AI基建很快會陷入財務困境。應用增長強勁、利用率高、模型能力持續進步，都可能支撐專案產生穩定現金流。作者真正擔心的是：當需求不確定、技術迭代快、建設受制約、專案槓桿又高時，一旦預期下修，損失會落到誰身上。論文因此建議，趁融資結構尚在成形，先按可比口徑披露整個經濟資本堆疊——誰擁有資產、誰負有債務、誰簽署租約、誰提供擔保，以及需求不及預期時由誰承擔損失。