路透社9月24日消息称，一项新研究指出，美国人工智能基础设施对经济产出的消耗，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建项目，且围绕AI产业形成的融资结构日益复杂，可能引发系统性金融风险。

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）在为布鲁金斯学会本周一场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有现金进行的AI投资，现已演变为大规模扩张计划。预计到2032年，美国每年约3.6%的国内生产总值（GDP）将投入该领域，累计规模超过10万亿美元（按当前汇率约合67.23万亿元人民币），同时融资方式愈发复杂。

这一估算高于19世纪末美国铁路建设时期每年约GDP 2.2%的投入，当时铁路是美国历史上成本最高的通用技术基建项目。相比之下，20世纪50年代启动的州际高速公路系统，以及90年代中期开始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，铁路和电信基建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，以及日益复杂的融资结构，均意味着本轮扩张可能面临较大下行风险。

“这实在太复杂了。”范·纽文伯格在向记者介绍研究时表示。目前，AI企业、大型科技超大规模云服务商、银行、私人信贷机构、房地产公司及众多其他基础设施参与方之间，正在形成越来越复杂的融资安排。

他保守估计，未来7年美国将新增约183吉瓦的数据中心容量，而目前已安装的数据中心容量约为57吉瓦。

数据中心建设及AI带来的潜在风险，已成为美国政治和经济讨论的核心议题之一。一些地方政府越来越不愿接纳大型数据中心，担心其对当地电力和水资源等基础设施造成压力；同时，美联储官员也在考虑，本轮数据中心建设热潮是否加剧通胀压力。部分AI企业高管已提出，放缓基础设施建设和AI开发速度或许更为安全。

“存在实质性的下行风险”

范·纽文伯格在论文中指出，当前AI基础设施投资规模已超出主要企业依靠自身现金流所能承担的范围。随着产业越来越依赖外部融资，整体杠杆率不断上升，风险被重新分散到整个经济体系中，同时整个投资体系开始依赖尚未验证的未来收入来源。

该论文将于当地时间周五正式提交。

范·纽文伯格在接受记者采访时表示，围绕AI产业形成的大量特殊目的实体（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的情况。

当时，复杂的住房抵押贷款融资结构最终大规模出现问题，并以冲击全球金融体系的速度恶化，最终引发了2007年至2009年的美国经济衰退。

不过，他在论文中强调，目前的情况并不意味着金融危机迫在眉睫。

“这些发展并不意味着金融困境即将出现。AI应用的强劲增长、较高的基础设施利用率及模型能力的持续提升，都可能支撑预期中的基础设施投资，并带来稳定的现金流。”他写道。

但他同时指出，不确定的市场需求、快速的技术变化、执行过程中的瓶颈以及较高的杠杆率叠加在一起，如果市场预期发生调整，就可能带来“实质性的下行风险”。

作为一个例子，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（按当前汇率约合24.87万亿元人民币）的收入，才能实现目前预期的投资回报。

他表示，目前对OpenAI和Anthropic年合计收入的估算约为1,000亿美元（按当前汇率约合6,722.65亿元人民币），这意味着相关收入需以每年约80%的速度增长，才能达到上述目标。