美国AI算力投资热潮：泡沫风险与可持续性深度解析

1.在通用人工智能日益临近的趋势下，美国正进行算力投资的超前基础设施部署。总体而言，当前美国算力基建已出现泡沫迹象，但尚未到失控地步，虽不能排除泡沫破裂可能，但从大模型技术的快速迭代、企业营收的高速增长及各行业上云需求来看，这一巨额投资仍具备一定合理性。

2.美国当前规划的大型数据中心项目总装机容量已超过45吉瓦（GW），这场建设热潮预计吸引超2.5万亿美元投资。大西洋月刊文章设想了一种“崩盘机制”，即当投资未能如期变现、资本市场情绪转向、防御性抛售启动时，可能引发系统性回落：科技股下跌→估值压缩→投资放缓→AI基础设施、芯片、数据中心等领域连锁受挫。

3.大模型企业的增长曲线足够陡峭，对芯片供应需求持续攀升。从收入看，以OpenAI和Anthropic为代表的美国企业在个人和企业用户端均实现可观收入。例如，预计今年底OpenAI年化收入将超200亿美元，较之前预测的130亿美元大幅提升，相比去年40亿美元增长5倍，并计划到2030年增至数千亿美元。

4.今年三季度，亚马逊、微软和谷歌的云计算收入受AI推动，分别达330亿美元、309亿美元和152亿美元，同比增长各为20%、28%和34%。大量行业应用也推高了Token使用量，仅Google一家，10月公布的月均Token使用量就达1300万亿。

5.历史上，并非所有长期投资都是泡沫。判断是否为泡沫，一方面看其是生产性还是非生产性，如荷兰郁金香泡沫属典型非生产性泡沫，更易破裂。另一方面，看资金来源是产业自有投资还是大量举债，且是否被包装成金融衍生品加杠杆放大风险。对比2000年互联网泡沫时期大型企业估值，当前整体虽有一定上升，但仍处于相对合理区间，有较强业绩支撑。

6.美国当前AI算力投资浪潮，存在技术迭代减缓、产业链循环投资、资金杠杆加高等潜在风险，也可能短期内经历估值回调或“去泡沫”阵痛。但这不意味方向错误。纵观技术史，几乎所有通用技术成为基础设施过程中，都伴随周期性过热与纠偏。无论是铁路、电力还是互联网，真正决定成败的，不是泡沫是否存在，而是泡沫退去后留下的遗产。

近期美国科技界纷纷推出重大投资计划，大举布局AI基础设施。其数万亿美元投资和一些交叉持股融资方式，引发全球热议。纽约时报10月撰文指出，“现在是时候宣告本世纪第三次泡沫了——人工智能泡沫。大量投资者持续涌入，全然不顾其收益和变现时间。”

总体上看，当前美国算力投资是在通用人工智能趋近背景下，进行的超前基础设施布局，同时契合美国内外扩张的全球战略。虽不能排除算力泡沫破裂可能及债务融资中潜在风险，但从大模型技术迭代、企业营收增长及各行业上云需求看，这一投资具备一定合理性。需密切关注和跟踪后续发展态势。

美国算力基建热潮，引发潜在“泡沫”风险

巴克莱10月31日研究报告显示，美国当前规划建设的大型数据中心项目总装机容量已突破45吉瓦（GW），这场建设热潮预计吸引超2.5万亿美元投资。代表案例如OpenAI，在不到一个月内连续披露三项超大规模算力合作：与Oracle、软银合作部署至少10吉瓦算力的星际之门计划，与博通共同研发10吉瓦定制AI加速器，以及与AMD合作在未来数年内部署不少于6吉瓦AMD GPU卡。还有Meta正在推进多个“泰坦集群”项目，包括俄亥俄州1吉瓦的普罗米修斯项目，及计划扩容至5吉瓦的路易斯安那州海伯利安项目。此外，亚马逊预计在2026-2027年新增约13吉瓦容量。在AI投资带动下，英伟达跃升为全球市值最高公司，甚至超越德国、日本GDP。

AI是否会带来可持续经济增长和回报？巨额投资从何而来？OpenAI与英伟达、Oracle等合作是否为循环投资操纵？一系列技术、产业和金融问题正引发巨大争议，认为AI已出现泡沫的声音不断增多。大西洋月刊文章《Here’s How the AI Crash Happens》，设想了一种“崩盘机制”，即当这些巨额投资未能按预期变现、资本市场情绪转向、防御性抛售开始，就可能触发系统性回落：科技股回落→估值压缩→投资放缓→AI基础设施、芯片、数据中心等领域连锁受累。

行业对当前AI领域循环投资的质疑

AI算力是否有真需求？

判断AI基建是否有泡沫，首要问题是看市场是否有足够需求，支撑数百万卡甚至更大规模数据中心建设。目前算力消纳大户主要是OpenAI、Anthropic、xAI、Facebook等大模型企业，以及调用这些大模型的大量创业公司和个人用户，还有微软、亚马逊、谷歌等云厂商，CoreWeave等新型云服务商。

相比互联网，全球AI个人用户数仍有不小增长空间。GPT周活用户达8亿，仅用2年多时间，而互联网达到这一数字用了13年，表明AI正以更快速度渗透人群。全球GPT加上Gemini、Claude等大模型个人用户，去重后约10亿。而全球互联网用户数已达55亿，渗透率68%。这意味着AI用户仍有很大增长空间。大量个人用户接入AI应用后，各类服务请求需更多芯片算力保障。

对应地，大模型企业增长斜率足够高，对芯片供应需求持续提升。从收入看，以OpenAI和Anthropic为代表的美国企业在个人和企业用户端均已实现可观收入。

Sam Altman近日发表推文表示，预计今年底OpenAI年化收入将超200亿美元，比之前预测的130亿美元大幅增长，相比去年40亿美元增长5倍，并计划到2030年增长至数千亿美元。未来8年，OpenAI将投入约1.4万亿美元打造算力基础设施。Sam Altman认为，基于当前观察到的AI使用趋势及用户需求规模，OpenAI面临算力不足风险，远比算力过剩更为严峻且更可能发生。11月1日，Sam Altman和微软CEO纳德拉在共同访谈中表示，过去一年OpenAI算力已扩展10倍，但如果再拥有10倍算力，收入几乎能增10倍。

OpenAI于三季度发布的收入预测

另一家明星大模型公司Anthropic营收也增长迅速，该公司有望在今年底实现90亿美元ARR（年度经常性收入），并为2026年设定了200亿至260亿美元ARR指标。相比去年，其收入仅10亿美元，增长9倍之多。公司预计到2028年实现700亿美元收入和170亿美元现金流。

从行业看，人工智能已在不少领域实际落地。美国政企用户对API和公有云模式接受度高，使得先进模型能以较低成本快速部署迭代，企业采用率在17个月内增长3倍，并为云厂商带来可观商业回报：今年三季度，亚马逊、微软和谷歌云计算收入受AI拉动，分别达330亿美元、309亿美元和152亿美元，同比增长各为20%、28%和34%。大量行业使用也推高Token使用量，仅Google一家，10月公布的月均Token使用量就达1300万亿（相较7月公布的980万亿再创新高）。a16z合伙人近期接受访谈时表示，过去17个月内，全球Token处理量增加150倍。如果照此需求趋势发展，即便考虑模型推理Token消耗随技术进步减少的趋势，行业仍需匹配相当倍速增长的算力支撑。

针对未来算力需求，黄仁勋提出3个Scaling Law观点，认为在预训练、后训练强化学习和推理过程中，均存在规模法则，从而支撑算力持续增长。在刚结束的GTC大会上，黄仁勋表示，市场对英伟达GPU需求依然旺盛，过去4个季度已售出600万块Blackwell GPU，预计Blackwell和Rubin系列芯片明年销售额将达5000亿美元。相比分析师预测的今年2070亿美元营收，英伟达2026年增速将实现2倍以上增长。这也让英伟达市值一度达破纪录的5万亿美元，成为有史以来市值最高公司，甚至有分析师预测其市值将达8.5万亿美元。

黄仁勋在接受Bg2 Pod访谈中提出的AI Scaling Law

当然，各类需求背后，最核心还是要看AI发展速度。如果大模型能保持现有态势，并突破当前瓶颈，在近年内尽快实现AGI，且在各行业落地产生效益，就会真的实现如高盛所预期的：AI广泛普及有望为美国经济增加约20万亿美元，其中约8万亿美元将以资本收入形式流入企业，从而为这一轮大基建找到更强合理性。

行业领军者对于AGI实现时间的预测（尽管对于AGI的定义不同）

此外，建造数据中心及其配套的本土供应链，也是当前美国再工业化战略的重要组成。这些大型数据中心建设，跟当前美国在亚利桑那州的台积电工厂、美光内存芯片投资、英特尔晶圆厂项目背后逻辑一致，即制造业回归美国。超大数据中心建设往往上百亿美元，可有效牵引美国本土土建、钢构、机电、冷却、模块化机房，以及发电、储能等成套工业链条。

钱从哪里来？

虽然OpenAI未来拥有高速增长业绩预期，但其1.4万亿美元投资计划仍饱受争议。其首席财务官莎拉在近期公开活动中表示，“我们正在寻找一个由银行、私募股权甚至政府机构组成的生态系统，探讨政府可采取哪些支持方式为融资提供保障，从而在股权融资基础上获得更多债务融资”。此表态也引发不小争议，Sam Altman之后专门发推文解释，并非要依靠政府兜底，即便失败，纳税人也不该为做出错误商业决策的企业买单。这一事件，凸显出OpenAI自身收入和未来投资间仍存在巨大缺口，对其是不小挑战。因为即使如OpenAI预计，到2030年收入达2000亿美元，但届时其现金流才能转正。近期根据微软提交的证券文件显示，OpenAI在第三季度亏损超120亿美元。对此，Sam Altman在最新推文中透露，公司正探索新商业模式和服务，以支撑扩张中的基础设施。如即将推出的企业级服务、新型消费设备和机器人等，探索更直接向企业和个人用户出售算力资源，开启AI云服务。Sam Altman还提到，未来收入来源还会有一些难以量化的新领域，比如能进行科学发现的人工智能。

从当前美国参与此次算力基建的主要科技公司看，英伟达、微软、谷歌、亚马逊、博通、Meta、特斯拉、Oracle的合计现金+等价物（不包含短期投资）超2000亿美元，其现金流相对充足，给这一波大投资增加了一些底气。

但债务可能是未来可能发生风险最大的领域。今年以来，美国AI公司发债规模已超2000亿美元。Meta联手私募巨头Blue Owl发行债券筹资270亿美元建设其亥伯龙（Hyperion）数据中心，创下私募债发行纪录。微软携手贝莱德推出300亿美元基金，投资数据中心及AI电力设施，这个名为“全球AI基础设施投资伙伴关系”的新基金最终计划通过债务融资等方式筹集高达1000亿美元资金。xAI则采取特殊目的实体模式，其融资载体由Valor Equity Partners与阿波罗全球管理公司（Apollo Global Management）主导，通过独立于xAI的实体筹集200亿美元。然后，该实体将购入英伟达芯片，并独家租赁给xAI。而xAI承担的，仅仅是一份为期5年的租约。瑞银分析师提示了这些风险，认为AI企业资本开支迅速扩张，主要靠债务推动，AI相关债务当前正以每季度约1000亿美元速度累积，且部分债务还被置于表外。摩根士丹利预测到2028年，全球在AI数据中心和芯片上的总支出将高达2.9万亿美元。其中，科技巨头将提供1.4万亿美元，余下缺口预计将通过债务融资填补，规模达1.2万亿美元，而私募信贷基金将成为主力，预计提供其中的8000亿美元。可以预计，大量金融衍生品工具，不可避免将在未来募资中出现，这不得不让人们再次回忆起当年次贷危机的风险。

这次已有泡沫迹象，但风险可控，有望跨越周期

历史上，并非所有长期投资都是泡沫。判断是否为泡沫，一方面看其是生产性还是非生产性，如荷兰郁金香泡沫就是典型非生产性泡沫，更容易破裂。另一方面，看钱的来源，是产业自有投资还是大量举债，且是否被包装成各种金融衍生品，通过加杠杆酝酿更大风险。

过去，很多跨十年甚至跨代际的投入，其共同点是把通用目的技术（GPT，General-Purpose Tech）变成基础设施，带来持续生产率提升与新产业网络。即使中间会夹杂阶段性过热或价格泡沫，但最终资产与能力沉淀下来，成为长期发展的重要基础设施。如，早期美国州际高速系统（1960s–1990s）投资，形成了全美统一物流与通勤网络，降低了交易成本，催生了连锁零售、新型供应链等形态，便利了人群在各州之间的流动和经济协作，成为美国经济发展繁荣的重要依托。

COATUE对历史上数次大的基础设施投资的回顾

根据COATUE研究，对比2000年互联网泡沫时大型企业估值，当前整体上虽然有一定程度上升，但仍处于一个相对合理区间，有较强业绩支撑保障。

COATUE对当前时段和2000年互联网泡沫时期科技股的估值对比

总体上，当前美国算力基建已有泡沫迹象，但尚未到失控边缘，而且有很大希望化解。可以用下面示意框架做简单推演：

第一种情形是风险可控：如果需求侧支撑强劲，且技术突破（接近AGI）速度快，能够消化高风险的资金结构和资产特性。

第二种情形是风险较高：如果需求侧支撑不足，而资金结构风险（如高杠杆、表外债务）和资产特性风险（如芯片快速折旧）较高。

其中，资产特性风险是当前很多讨论中，容易忽视的要素。当年互联网泡沫虽然有大量光纤投入未被使用，沦为“暗光纤”，但光纤使用寿命长达25年甚至更久，后期随着互联网行业再度兴起，这些光纤都发挥了重要作用。芯片投资可能不同，虽然当前供不应求，但是芯片折旧周期往往只有短短5年左右，一旦出现过剩，其价值容易短短几年内损耗殆尽，埋藏更大风险。

此外，电力也是美国算力基建面临的重大制约难题。据测算，到2030年，数据中心可能会占美国能源消耗的10%，而2022年这一比例仅为2.5%。随着未来更大规模数据中心用电需求激增，输电线路、变电站和管道建设、升级的各项成本需由用户分摊，可能进一步推高商用和民用电费，让用户不堪重负。自2020年以来，美国居民平均电价已上涨超过30%。卡内基梅隆大学预测，到2030年，数据中心扩张将使全美平均电费再上涨8%，而部分数据中心密集区的涨幅甚至可能高达25%。

总体而言，美国当前AI算力投资浪潮，确实存在技术迭代减缓、产业链循环投资、资金杠杆加高等潜在风险，也可能在短期内经历估值回调甚至“去泡沫”阵痛。但这不意味其方向错误。纵观技术史，几乎所有通用技术在成为基础设施的过程中，都伴随着周期性过热与纠偏。无论是铁路、电力还是互联网，真正决定成败的，不是泡沫是否存在，而是泡沫退去后留下了什么。

如果算力投资能推动AI能力持续演进、产业效率结构性提升，并促成更开放、更普惠的技术生态，那么即便经历阵痛，这场新基建仍可能成为下一轮科技与经济增长的底座。未来几年，美国AI算力的故事，也许不只是“泡沫”的故事，更是一次关于生产力新边界的集体试验。