AI基建是否存在泡沫：真实需求还是超前投资

正方观点：存在泡沫，至少已出现明显的局部泡沫化趋势。 反方观点：不存在系统性泡沫，当前更像是真实技术革命中的必要提前布局。

当前 AI 基础设施已不再是传统软件公司的服务器扩容，而是由AI 芯片、服务器、数据中心、电力、液冷、网络和融资结构共同构成的工业级资本支出体系。Goldman Sachs Global Institute 的基准情景估算，2026 年 AI 基建年度 CapEx 约为7650 亿美元，到 2031 年达到约1.6 万亿美元，2026–2031 年累计约7.6 万亿美元；报告也强调，这不是正式预测，而是用于测试不同供应侧假设的情景框架。

Source: GS -Tracking Trillions: The Assumptions Shaping the Scale of the AI Build-Out

双方也都认同，决定 AI 基建规模的关键变量不是单一的“需求是否充足”，还包括AI 芯片经济寿命、下一代数据中心成本和复杂度、GPU/ASIC 架构选择，以及电力、劳动力和设备瓶颈造成的建设周期延长。Goldman Sachs 将这些列为影响AI基建规模的四个核心假设。

早期互联网并非完全轻资产，但许多互联网应用公司本身并没有承担今天 AI 公司这样的基础设施压力。例如，eBay 1999 年全年净收入为2.247 亿美元，其核心支出更多集中在平台扩张、获客和运营上，而不是国家级数据中心、电力和芯片投入。

Amazon 是早期互联网公司中的重资产例外，但其 1999 年净销售额为16.4 亿美元，固定资产购买为2.871 亿美元，CapEx/收入约为17.5%；Google 2004 年资本开支为3.19 亿美元，2005 年增至8.382 亿美元，虽已开始建设大规模 IT 基础设施，但绝对规模和今天 AI 基建相比仍不可同日而语。

真正与今天 AI 基建相似的历史案例，不是 Yahoo、eBay 这类互联网应用层公司，而是 1990s 末的电信和光纤基础设施泡沫。Richmond Fed 的研究显示，美国通信设备投资从 1996 年一季度约620 亿美元/年增长到 2000 年四季度超过1350 亿美元/年，随后出现长途光纤过度建设和产能过剩。

正方由此认为：今天 AI 基建更像当年的光纤和电信基础设施，而不是单纯的互联网应用创业潮。技术方向可能正确，但投资节奏可能过度提前。

Microsoft FY2025 收入为2817 亿美元，经营利润为1285 亿美元；同年不动产和设备的增加（additions to property and equipment）为645.51 亿美元，粗略CapEx/收入约为22.9%。这说明 Microsoft 仍有强大盈利基础，但 AI 和云基础设施已显著提高资本强度。

Meta FY2025 收入为2009.7 亿美元，资本开支包括融资租赁本金为722.2 亿美元，粗略 CapEx/收入约为35.9%；到 Q1 2026，Meta 又将 2026 年 CapEx 指引上调至1250–1450 亿美元，相当于其 2025 年收入的约62%–72%。

Amazon 2025 年净销售额为7169 亿美元，AWS 销售额为1287 亿美元；其 2025 年自由现金流从380 亿美元降至110 亿美元，主要原因是不动产和设备购买同比增加507 亿美元，该变化主要反映 AI 投资。Amazon 还预计 2026 年全公司 CapEx 约2000 亿美元。(亚马逊)

正方由此认为：即便是最强现金流的互联网巨头，也已被 AI 基建推向更接近电信、电力和半导体制造的重资产模型。CapEx 增速明显快于可见 AI 收入增速，是泡沫化的重要信号。

OpenAI 被 Reuters 报道称，2025 年收入约130 亿美元，但到 2030 年前计划投入约6000 亿美元算力开支；同一报道还提到，OpenAI 预计到 2030 年收入超过2800 亿美元，但这需要未来几年收入持续高速增长才能支撑。

CoreWeave 2025 年收入为51.31 亿美元，合约营收（revenue backlog） 为668 亿美元，说明需求和合同储备很强；但同年公司 operating loss 为4600 万美元，净利息支出（interest expense net） 达12.29 亿美元，显示新型 AI 云公司对融资、长期合同和设备利用率高度敏感。

正方由此认为：大型云巨头可以用广告、搜索、电商、办公软件和云业务消化 AI 算力，但模型公司和云计算公司更依赖外部融资、客户续约、GPU 租赁价格和芯片残值。一旦需求兑现慢于折旧周期，局部泡沫最容易在这一层破裂。

Goldman Sachs 指出，AI芯片通常被估计有4–6 年经济使用寿命，但其价值不仅受物理损耗影响，也受经济过时影响；新一代芯片若在性能/成本上有跃迁，旧芯片可能在折旧尚未完成前就变得不经济。

报告还指出，传统超大规模云数据中心建设成本可能约为1000 万美元/MW，而下一代 AI 数据中心越来越多落在1500–2000 万美元/MW区间；同时，AI 数据中心从传统每机架5–15 kW，演进到未来 AI factory 可能每机架500 kW 以上，整体设施规模甚至超过1GW。

正方由此认为：AI 基建泡沫不一定表现为“完全没人用”，而可能表现为“资产还能用，但成本结构已落后”。买早、买贵、买错代际的数据中心和 GPU，都可能在需求真正成熟前被新技术折价。

BIS（国际清算银行）在 2026 年年度经济报告中警告，五大 hyperscaler（谷歌母公司Alphabet、微软、亚马逊、Meta和甲骨文）预计 2025–2026 年 AI 相关 CapEx 超过1 万亿美元，这些投入正在超过部分公司的收益和自由现金流，并导致一些公司通过发债融资。BIS 进一步指出，激烈竞争可能促使企业对回报仍不确定的项目过度承诺资源，若 AI 回报令人失望，可能引发融资回撤和投资下行。

正方由此认为：泡沫的定义不是“技术没有价值”，而是资本把未来收益过度提前资本化。AI 可以是真实技术革命，同时也可以在基础设施层出现阶段性泡沫。

反方首先强调，今天 AI 基建的主要投资者不是大量没有收入的空壳互联网公司，而是 Microsoft、Alphabet、Amazon、Meta 等有数千亿美元收入和强现金流的巨头。Microsoft FY2025 收入2817 亿美元、经营利润1285 亿美元；Amazon 2025 年净销售额7169 亿美元、经营利润800 亿美元；Meta FY2025 收入2009.7 亿美元，并且仍主要由高利润广告业务支撑。

Alphabet 2025 年年收入首次超过4000 亿美元，Google Cloud Q4 2025 收入同比增长 **48%**至177 亿美元，Google Cloud 年化收入 run rate 超过700 亿美元，同时 存货（backlog）增长到2400 亿美元。

反方由此认为：当前 AI 基建不是典型的“无收入叙事泡沫”，而是由大型盈利公司把既有现金流再投资到下一代基础设施。

反方认为，当前高 CapEx 的直接原因是 AI 训练和推理需求增长太快，而不是没有需求。Amazon 在 2025 年 AWS 销售额增长 **20%**至1287 亿美元，AWS 经营利润达到456 亿美元；Google Cloud 在 2025 年继续加速，并受企业AI基础设施和 AI 产品需求推动。

CoreWeave 2025 年订单积压达668 亿美元，比年初增长超过四倍，说明至少在 AI 云和 GPU capacity 层面，长期合同需求依然强劲。

反方由此认为：如果客户已签订长期合同，云服务仍在高增长，AI 推理需求还在扩张，则高 CapEx 更像是产能追赶，而不是无需求建设。

反方承认 1990s 光纤确实出现过产能过剩，但也强调，许多当时看似过剩的基础设施，后来支撑了宽带、云计算、视频流媒体、移动互联网和 SaaS。电信泡沫的金融投资者可能亏损，但社会最终吸收了大量底层网络能力。Richmond Fed(里士满联邦储备银行)对电信泡沫的研究显示，当年确实出现通信设备投资大幅上升和后续调整，但这并不等于互联网长期价值不存在。

反方由此认为：基础设施周期中，“财务上局部过热”和“技术上长期有用”可以同时成立。即便部分 AI 数据中心投资回报不佳，也不代表整个 AI 基建方向是泡沫。

Goldman Sachs 报告指出，GPU/ASIC 架构选择是否会降低总 AI 基建支出，取决于算力需求是否具有弹性。如果需求是弹性的，更便宜的算力不一定减少总支出，反而可能释放更多使用量，例如更大模型、更长训练、更广泛 AI 部署。

反方由此认为：AI 算力可能类似互联网带宽。单位成本下降后，市场并不会简单减少支出，而会创造更多用例。视频流媒体、云存储、移动互联网都曾证明，基础设施成本下降会释放新的需求曲线。

反方还强调，大型科技公司的 CapEx 并不完全等同于“押注单一 AI 模型”。Microsoft 的 property and equipment additions 同时支持 Azure、OpenAI workloads、企业云、Microsoft 365、GitHub、Copilot 等多种业务；Amazon 的 2026 CapEx 涵盖 AI、芯片、机器人和低轨卫星；Alphabet 的数据中心和服务器也同时服务 Search、YouTube、Google Cloud、Gemini 和 DeepMind。

Goldman Sachs 报告也强调，其7.6 万亿美元基准数字不是未来支出的确定预测，而是一个情景框架；若芯片寿命延长、数据中心成本下降、ASIC 提升效率或瓶颈缓解，最终资本需求也可能发生变化。

反方由此认为：不能把所有 CapEx 都视为“AI 泡沫成本”。其中相当一部分是长期云基础设施、数据中心、电力和网络能力，会跨业务、跨模型、跨应用周期使用。

正方观点： 当前 AI 基建更像 1990s 电信光纤层，因为资本正在提前建设底层算力和电力基础设施，赌未来应用会出现。历史经验显示，这种提前建设容易产生产能过剩。

反方观点： 即使类比光纤层，也不能直接推出“系统性泡沫”。光纤泡沫虽然导致部分公司破产，但其基础设施长期支撑了互联网经济。AI 基建也可能出现投资者局部亏损，但基础设施本身仍会被长期需求吸收。

正方观点： Meta 2026 年 CapEx 指引达到1250–1450 亿美元，相当于 2025 年收入的约62%–72%；Amazon 2026 年计划 CapEx 约2000 亿美元，并且 2025 年 自由现金流已因 AI 相关 property and equipment 投入显著下降。这说明 AI 投资速度已超过短期现金回收速度。

反方观点： CapEx/收入比例上升本身不等于泡沫。云计算、AI 推理、企业自动化和 AI agent 都处在扩张早期，当前投入是在抢占下一代平台入口。大型科技公司拥有足够收入、现金流和业务场景吸收这些资产。

正方观点： AI芯片的经济寿命短，且可能提前经济过时。若企业以高价买入某代 GPU，但两三年后新一代芯片大幅降低成本/token，则旧设备可能尚未折旧完毕就失去竞争力。Goldman Sachs 将AI芯片的使用寿命视为影响累计投资规模的最重要变量。

反方观点： 旧芯片并非没有价值。Goldman Sachs 也指出，落后一代芯片仍可用于推理、边缘计算、新兴市场和合成数据生成等不那么依赖最前沿性能的场景；A100、H100 等 落后设备租赁价格仍可能支持较长使用寿命。

正方观点： OpenAI 2025 年收入约130 亿美元，但到 2030 年前计划算力开支约6000 亿美元；这要求未来收入和毛利持续高速增长。若企业客户采用速度、推理收入或生产力提升不及预期，投入回收周期将被拉长。

反方观点： AI 收入正从接近零快速增长到百亿美元级别，且云厂商已通过企业 AI基础设施、AI API、Copilot、Gemini、AWS AI 服务和 GPU 云合同变现。早期高投入并不罕见，关键是能否在未来几年通过推理规模化和企业应用扩展提高利用率。

这场辩论的关键，不在于AI 是否有价值，而在于AI 商业化速度能否追上基础设施折旧、融资成本和技术代际更新速度。

正方强调：当前 AI 基建已具有泡沫化特征，尤其体现在 CapEx/收入比例快速上升、GPU 经济寿命短、数据中心代际错配、模型公司融资压力和 hyperscaler 自由现金流压缩上。

反方强调：当前 AI 基建不是系统性泡沫，而是大型盈利公司基于真实需求、供给瓶颈和长期平台机会进行的提前建设；即便局部资产未来重估，整体基础设施仍可能成为下一代 AI 应用的基础。

因此，最中性的判断框架不是简单问“有没有泡沫”，而是问：

哪些 AI 基建资产会被长期高利用率吸收，哪些资产只是按最乐观需求曲线提前建设？

换句话说，争议的焦点不是 AI 作为技术是否成立，而是AI 基础设施的投资节奏、资产价格和融资结构是否已超过了可验证收入的承载能力。