据 Slashdot 9月27日报道，布鲁金斯学会一项新研究显示，美国人工智能基础设施建设预计平均每年占国内生产总值的3.63%，其规模相对于经济总量超过美国历史上的运河、铁路、电气化、公路和电信投资热潮。研究同时指出，这一建设依赖尚未验证的收入流和日益复杂的融资结构，存在显著下行风险。论文由哥伦比亚商学院金融与房地产教授斯泰恩·范尼乌沃伯格撰写，将于周五发布。
研究称，AI 建设的经济足迹“惊人地实体化”，涵盖专用芯片、电力和专用数据中心。一个数据中心的成本中，约三分之二为 IT 设备，三分之一为房地产及相关电力基础设施。据 Slashdot 援引《华尔街日报》的报道，这正在推高工人、电力乃至商业地产的价格，也推高使用芯片的消费品价格，同时减少新住房和公寓楼的建设。论文还预计，这一建设将使整个美国住宅部门的电力消耗翻倍。
路透社的解读是，正如铁路和电信扩张曾带来显著泡沫和破裂，范尼乌沃伯格认为，建设规模、尚未验证的收入流以及围绕 AI 形成的复杂融资结构，可能使其具备下跌条件。他在与记者简报时说：“这非常复杂。”这些安排涉及 AI 公司、大型科技超大规模企业、银行、私人信贷贷款机构、房地产公司及其他参与者。他保守估计，未来七年将新增 183 吉瓦数据中心容量，而目前装机容量约为 57 吉瓦。
论文指出，正在进行的投资已超出主要参与者自身现金流所能支撑的规模。转向外部融资提高了杠杆，在经济中重新分配风险，并使该事业依赖尚未证明的收入流。他写道，这些发展并不意味着财务困境迫在眉睫；AI 应用的强劲增长、高利用率以及模型能力的持续改进，可能支撑预期的基础设施并产生稳定现金流。但不确定的需求、快速的技术变革、执行瓶颈和高杠杆结合在一起，如果预期被修正，就会带来显著的下行风险。
他以收入要求为例：到 2032 年，AI 行业需要约 3.7 万亿美元的年收入，才能实现预期的投资回报；鉴于目前 OpenAI 和 Anthropic 合计年收入约 1000 亿美元的估计，收入需要以每年约 80% 的速度增长。论文建议政策制定者改善融资的测量和透明度。