研究称美国AI基建投入规模空前，潜藏系统性金融风险
哥伦比亚大学商学院教授斯泰恩·范·纽文伯格的研究显示，美国人工智能基础设施建设投入规模可能超越历史上大型基建项目，预计至2032年每年占GDP约3.6%。复杂的融资结构与高杠杆率引发对系统性金融风险的担忧，但研究同时指出，AI应用增长等因素可能支撑预期投资，危机尚未迫在眉睫。
驱动中国9月24日消息，据路透社报道，一项最新研究指出，美国人工智能基础设施建设对经济产出的消耗规模，可能超过电力、铁路、州际高速公路及互联网等历史上大型基础设施建设项目。该研究同时警示，围绕AI产业形成的融资结构正变得日益复杂，潜藏系统性金融风险。
哥伦比亚大学商学院金融与房地产学教授斯泰恩·范·纽文伯格（Stijn Van Nieuwerburgh）在为布鲁金斯学会会议准备的论文中表示，最初由亚马逊、Meta及Alphabet旗下谷歌等公司利用自身现金进行的AI投资，现已演变为大规模扩张计划。预计到2032年，美国每年将有约3.6%的国内生产总值（GDP）投入该领域，累计规模超过10万亿美元，且融资方式愈发复杂。
数据显示，这一估算高于19世纪末美国铁路建设时期每年约占GDP 2.2%的投入。相比之下，20世纪50年代启动的美国州际高速公路系统，以及90年代中期的电信基础设施扩张，每年投入规模均略高于GDP的1%。范·纽文伯格指出，铁路和电信扩张曾引发资产泡沫及随后的崩溃，而当前AI基建的庞大规模、未经验证的收入来源及复杂融资结构，意味着该轮扩张面临较大下行风险。
范·纽文伯格保守估计，未来7年美国将新增约183吉瓦的数据中心容量，而目前已安装容量约为57吉瓦。目前，AI企业、大型云服务商、银行、私人信贷机构及房地产公司等主体间正形成复杂的融资安排。他认为，围绕AI产业形成的特殊目的实体（SPV）及相关融资安排，其不透明程度让人联想到美国次贷危机时期。
研究指出，当前AI基础设施投资规模已超过主要企业依靠自身现金流所能承担的范围。随着产业依赖外部融资，整体杠杆率提高，风险被分散至整个经济体系，且投资体系开始依赖尚未得到验证的未来收入来源。范·纽文伯格强调，这并不意味着金融危机迫在眉睫，AI应用的强劲增长、较高的基础设施利用率及模型能力提升，可能支撑预期投资并带来稳定现金流。然而，不确定的市场需求、快速技术变化、执行瓶颈及高杠杆率叠加，若市场预期发生调整，可能带来“实质性的下行风险”。
此外，数据中心建设及AI潜在风险已成为美国政治与经济讨论的核心议题。部分地方政府因担心电力及水资源压力，不愿接纳大型数据中心；美联储官员也在评估数据中心建设热潮是否加剧通胀压力。部分AI企业高管提出，放缓基础设施建设与AI开发速度或许更为安全。范·纽文伯格估算，到2032年，AI行业每年需创造约3.7万亿美元的营收，才能支撑目前的投资规模。