哈佛經濟學家賈森·弗曼近發布的一組數據引發了華爾街的震動：2025年上半年，假如剔除數據中心和信息處理技能出資，美國GDP增加率僅為0.1%。換句話說，在這場看似昌盛的經濟增加背面，人工智能相關出資奉獻了92%的增量。這個令人不安的數字，正成為商場兩極分化觀念的焦點——究竟>AI是一場即將決裂的終極泡沫，仍是人類智能革新的序幕？

從數字來看，這場出資狂潮的規劃的確史無前例。摩根大通的數據顯現，2025年上半年，>AI相關本錢開銷對GDP增加的奉獻到達1.1%，初次超越美國顧客開銷成為經濟擴張的主要引擎。斯坦福大學2025年>AI指數陳述指出，美國私家>AI出資在2024年增加至1091億美元——幾乎是中國93億美元的12倍,英國45億美元的24倍。高盛估量,到2030年全球>AI基礎設施開銷或許到達3萬億至4萬億美元,而麥肯錫的研討則更為激進,預測到2030年數據中心需求6.7萬億美元才干跟上算力需求。

這些數字背面是科技巨子史無前例的本錢許諾。Meta在2025財年的本錢開銷預計在700億至720億美元之間,較早前估量上調;微軟已向Open>AI累計投入130億美元,而后者在2024年第四季度或許虧本115億美元,其間約31億美元直接計入微軟賬目。英偉達的市值已達5萬億美元——相當于94個福特汽車。在印第安納州新卡萊爾這樣的小鎮,衛星圖畫顯現,不到一年時刻,綠色農田已被30個數據中心園區取代,其滿負荷運轉時的耗電量將超越兩個亞特蘭大市。

盈余窘境與生產力悖論

但是,這場出資盛宴的報答卻反常含糊。Open>AI在2025年上半年錄得43億美元收入的同時,運營虧本達78億美元,現金耗費25億美元。盡管該公司預測2025年收入達300億美元,2027年達600億,2030年達2000億,但麻省理工學院的研討顯現,95%選用生成式>AI的企業根本未能從中盈余。麥肯錫的查詢也發現,近80%運用>AI的公司以為該技能對其凈利潤沒有產生重大影響。

這種盈余窘境與生產力提高之間形成了奇特的悖論。波士頓咨詢集團2024年10月的陳述指出,74%的企業在完成和擴大>AI價值方面遇到困難,盡管金融科技、軟件和銀行業呈現了少量">AI領導者"。但另一方面,Anthropic的經濟指數顯現,美國已有40%的員工陳述在作業中運用>AI——這是史無前例的技能選用速度。IBM陳述其通過>AI在兩年內完成了45億美元的生產力收益,并在2024年推動了127億美元的自在現金流。

這種對立的根源在于>AI使用的不均衡性。麥肯錫的查詢顯現,企業均勻只在三個業務功能中運用>AI,遠低于其總功能數。加拿大商業數據實驗室2024年的研討發現,100人以上的大型企業選用生成式>AI的或許性,幾乎是小企業的兩倍。圣路易斯聯邦儲藏銀行2024年的作業論文更為直白:到2024年2月,只要5.4%的企業正式選用了生成式>AI。換句話說,生產力提高仍然集中在少量先行者手中,而大部分出資沒有轉化為可測量的經濟收益。

技能周期仍是金融工程？

這場爭辯的中心在于怎么理解當時的出資形式。達觀派以為,這是相似2004年后互聯網和交際網絡爆發的技能周期前期階段。其時Facebook、YouTube等渠道同樣長時刻虧本,但終重塑了整個經濟生態。他們指出,從2016年AlphaGo到2022年ChatGPT打破,人類智能提高才剛剛開始。更重要的是,>AI在軍事領域的使用正在加速——美國國防部在2024財年僅>AI項目就申請了18億美元資金,擁有超越800個活躍>AI項目。聯合國大會2024年12月2日通過的自主致命武器系統抉擇,恰恰反映了各國對>AI軍事化的緊迫感。從這個視角看,>AI出資不是泡沫,而是國家戰略競爭的必定產品。

但懷疑派指出了一個要害差異:前期互聯網公司燒錢是為了獲取用戶和商場份額,其基礎設施(服務器、帶寬)的價值相對穩定。而>AI數據中心的中心財物——GPU芯片——的生命周期卻反常時刻短。普林斯頓大學信息技能政策中心2025年10月的分析揭示了一個驚人現實:數據中心GPU的有效運用壽命只要1至3年。Tom's Hardware引證谷歌高級架構師的說法證明,在60-70%利用率下,GPU僅能運行1-2年;即便在較低負荷下,也很難超越3年。這意味著,那些價值數千億美元的數據中心,其中心價值在不到出資回收期的時刻內就會過期。

更令人擔憂的是,這種快速價值降低的財物正在被打包成復雜的金融產品�？萍季拮訛榱朔乐关斘镓搨�表上的債務,與私募股權公司(如Blue Owl Capital)協作:PE制作數據中心,科技公司租賃并付出長時刻租金,PE再將這些租約收益權證券化出售給養老基金和保險公司。這種結構與2008年次貸危機前的典當借款證券化驚人相似——只不過標的物從房屋變成了快速價值降低的數據中心。

走向何方？

當時局勢的根本問題在于,>AI出資正在發明一個自我強化的閉環:英偉達向Open>AI出資1000億美元,Open>AI向甲骨文付出3000億美元建造算力,甲骨文又向英偉達購買芯片——資金只是在巨子之間循環,制造昌盛假象。這種循環能否繼續,取決于兩個要害問題的答案:第一,>AI技能是否能打破當時的"規劃收益遞減"瓶頸,完成真實的質變;第二,企業和顧客的付出意愿能否跟上出資規劃的增加。

目前的依據是混合的。一方面,經合安排2024年4月的陳述指出,>AI的確或許重振停滯的生產力增加并帶來總體福利收益,前期立異依據活躍。另一方面,麥肯錫和波士頓咨詢的數據都顯現,大多數企業仍在艱難地將>AI試點轉化為規劃化價值。這種不確定性自身便是問題所在——當一項技能的商業形式在招引了數萬億美元出資后仍不明晰時,商場正在對一個假設而非現實下注。

泡沫論者和周期論者之間的真實分歧,或許不在于>AI技能自身,而在于時刻尺度。>AI或許的確代表著人類智能的革新性打破,但這場革新所需的時刻,或許遠超金融商場和當時商業形式的承受能力。當數據中心在完成報答前就已技能過期,當企業沒有找到可繼續盈余形式時出資已高達GDP的1.3%,當生產力提高仍局限于5%的企業時財務杠桿已經堆積——這場革新的代價,或許需求由整個經濟體系來承擔。無論終結果怎么,當時的出資結構已經將>AI的成敗與金融穩定緊密綁縛,這自身便是一場豪賭。