前段时间，哈佛大学经济学家 Jason Furman 在社交媒体平台 X 上发布的一组数据引发了华尔街和硅谷的广泛关注。这位曾在奥巴马政府担任经济顾问委员会主席的学者指出，2025 年上半年美国经济增长几乎完全依赖于人工智能基础设施的投资。如果剔除信息处理设备和软件这一类别的投资，美国国内生产总值（GDP，Gross Domestic Product）的实际增长率将仅有 0.1%。

（来源：X）

换句话说，剔除数据中心和 AI 相关的技术投资，制造业、零售业、服务业、房地产，所有这些传统经济支柱在 2025 年上半年几乎没有增长。《金融时报》的 Unhedged 专栏记者 Robert Armstrong 用"硅山"来形容这个现象，并不夸张。这座山正在承载整个国家经济增长的重量。

问题是，这座山有多稳固？

四千亿美元的赌注

要理解当前的局面，需要先厘清资金的流向和规模。摩根士丹利财富管理（Morgan Stanley Wealth Management）首席投资官 Lisa Shalett 在 9 月 29 日的一份报告中指出，超大规模云计算企业在数据中心及相关项目上的年度资本支出正接近 4,000 亿美元，是几年前的四倍。这些企业——微软、谷歌、亚马逊、Meta、英伟达——的支出，已占据美国企业资本总支出的近三分之一。

4,000 亿美元是一个什么样的概念？它大约相当于丹麦全年的 GDP，或者说，比欧盟 2024 年全年预算的两倍还要多。而这些资金，主要流向了一个共同的目标：建设能够运行下一代 AI 模型的计算基础设施。

Renaissance Macro Research 在 2025 年 8 月的一份研究中估计：2025 年迄今，AI 数据中心建设对 GDP 增长的贡献，在历史上首次超过了美国消费者支出。要知道，美国是一个以消费为驱动的经济体，消费支出通常占 GDP 的三分之二，是经济增长最主要的引擎。但在 2025 年，数据中心——一个五年前在经济统计中几乎可以忽略的类别——其对增长的贡献，超越了所有美国人在购物、旅行、餐饮和娱乐上的总和，成为推动 GDP 的首要力量。

这种转变的速度也相当惊人。从 2015 年到 2020 年，科技投资占 GDP 的比重一直在 3.7% 到 4% 之间平稳波动。但从 2023 年开始，这条曲线开始陡然上扬。到 2025 年上半年，这个比例已经超过 4.5%，其中仅 AI 超大规模企业的资本支出，就从接近零的水平飙升至占 GDP 的 1.2%。

图丨科技支出和 AI 超级规模企业资本支出占名义 GDP 的比重（来源：Financial Times）

钱去了哪里？

追踪这些投资的实际流向，我们会发现一些值得关注的信息。今年以来，我们见证了一系列令人咂舌的协议：英伟达承诺向 OpenAI 投资最高 1,000 亿美元，OpenAI 则承诺向 Oracle 支付 3,000 亿美元以购买计算能力，而 Oracle 又宣布将从英伟达购买价值 400 亿美元的芯片。

这些交易的结构比表面看起来要复杂。以英伟达对 OpenAI 的投资为例，它实际上是一个分阶段的承诺：首期 100 亿美元用于建设 1 吉瓦的数据中心容量，只有在项目扩展到 10 吉瓦时，总投资额才可能达到 1,000 亿美元。Oracle 与 OpenAI 的 3,000 亿美元协议，更是要到 2027 年才开始执行，并且将分散在五年内完成。

但资本市场对这些交易的反应非常迅速。Oracle 在宣布与 OpenAI 的协议后，股价大幅上涨，尽管公司当季的实际业绩并未达到预期。投资者关注的焦点并非当前的收入或利润，而是“剩余履约义务”——那些已经签订合同但尚未交付的未来收入。Oracle 在这个指标上显示出同比 359% 的增长，预期收入高达 4,550 亿美元（大部分都来自 OpenAI）。

类似的情况也发生在 AMD 身上。在宣布与 OpenAI 达成芯片供应协议后，AMD 股价飙升了 35%。作为交易的一部分，OpenAI 获得了购买 AMD 最多 10% 股份的权利。时机掌握得恰到好处——OpenAI 在交易宣布前获得股权，然后交易消息推高股价，手里的股权随即增值。

这些交易共同构建了一个庞大的承诺网络。OpenAI 今年签订的各类计算和基础设施协议，总价值已超过 1 万亿美元。对于一家当前年收入约 100 亿美元、估值 5,000 亿美元的非上市公司而言，这个数字显得不成比例。更重要的是，这些承诺的实现，取决于一系列先决条件：OpenAI 需要大幅增加收入来支付这些费用，Oracle 需要获得足够的电力来运行数据中心（据估计需要 4.5 吉瓦，相当于两座胡佛大坝的发电量），而所有这些投资，最终都需要转化为实际的商业回报。

质疑的声音

David Einhorn 向来不怕唱反调。这位对冲基金 Greenlight Capital 的创始人在 9 月底的一次公开讨论中直言不讳地指出：科技公司在 AI 基础设施上的支出规模“极端到难以理解”，很可能导致“大量的资本损失”。

图丨 David Einhorn（来源：Einhorn Collaborative）

不过，Einhorn 的论点也不是否定 AI 技术本身的价值。他相信 AI 最终会超越今天最乐观的预测。但他质疑的是，这种规模的投资是否能为进行投资的公司带来相应的回报。“花费一万亿或五千亿美元，会带来好的结果吗？”他问道。

这个问题的核心在于时间差。AI 技术的潜力可能需要十年甚至更长时间才能充分展现，但资本市场期望在未来几年内看到回报。而目前的数据并不乐观。根据美国麻省理工学院此前那项引起热议的调查，95% 已经采用生成式 AI 工具的企业，其投资回报率为零。这些企业投入了资源、培训了员工、调整了流程，但 AI 并没有转化为可衡量的生产力提升或收入增长。

同样绕不开的还有物理世界的限制。OpenAI 的扩张计划所需的电力，相当于纽约市和圣地亚哥的总和，而这些电力目前并不存在。建设新的发电设施需要时间，涉及环境审批、基础设施建设和电网升级。与此同时，数据中心的建设速度远快于电力供应的增长。这种不匹配最终会成为发展的瓶颈，高盛也表达了同样的观点。

威廉与玛丽学院的 Peter Atwater 从系统风险的角度看待这个问题。他将当前的 AI 投资热潮与 2008 年之前的房地产市场相比较。“在抵押贷款市场的顶峰期，我们看到了‘资本传送带’——资金从一方流向另一方，再到另一方，每个参与者都依赖其他传送带继续运转。”他认为，AI 领域正在形成类似的相互依赖网络。

这种系统性相互依赖的危险在于，没有任何失败是真正孤立的。如果 OpenAI 无法兑现对 Oracle 的承诺，Oracle 对英伟达的采购就会受到影响，英伟达对其他 AI 公司的投资能力也会下降。这个链条上的任何一环断裂，都可能引发连锁反应。而在泡沫时期，“承诺是最先被放弃的义务。”Atwater 向媒体表示。

从纯粹的数字角度看，投入与产出之间的差距也在扩大。微软、Meta、特斯拉、亚马逊、谷歌在过去两年于 AI 基础设施上投资了约 5,600 亿美元，而这些投资带来的 AI 相关收入总计约 350 亿美元，投入产出比接近 16:1。如果这是一家初创公司，任何风险投资人都不会继续注资。但因为这些是全球最大、最富有的科技公司，市场选择相信它们知道自己在做什么。

金融体系的放大效应

单纯来看 AI 公司的投资，可能还不足以理解当前局面的全貌。真正让这个体系膨胀起来的，是整个金融市场的协同作用。就像《The Information》在 10 月中旬的一篇分析中所评价的，如果 AI 存在泡沫，华尔街至少应承担一半的责任。

10 月中旬，高盛报告称其投资银行和市场部门有望创下有史以来最好的一年。贝莱德的资产管理规模在一个季度内增长了近 1 万亿美元。部分原因是 AI 概念股在主要指数中的权重越来越大——贝莱德管理着大量指数基金，英伟达、微软这些公司的市值膨胀，自然带动了整个基金规模的扩张。

更重要的是资本的成本和可得性。政府债券和风险债券之间的利差已经缩小到多年来的最窄水平，这意味着投资者愿意接受很小的风险溢价。像 CoreWeave 这样处于 AI 价值链风险最高端的数据中心公司，能够以 8.5% 的收益率发行债券，且不愁买家。

过去五年，私募债务基金管理的资产膨胀了 50%，规模接近 3 万亿美元。这些基金的存在价值就是找到比普通债券收益更高的投资标的。在这种压力下，贷款审核标准开始松动。商业模式是否成熟？现金流是否稳定？盈利前景是否清晰？这些问题变得不那么重要，只要项目标签上写着“AI”，钱就会追过去。

私募股权市场坐拥 2.5 万亿美元的待投资金（dry powder）。这些资金必须找到去处，否则投资者会质疑将资金锁定在这些基金里的意义。于是，收购交易一笔比一笔大，估值一轮比一轮高。艺电（Electronic Arts）被公共投资基金（PIF）、银湖资本（Silver Lake）等投资财团以 550 亿美元拿下，刷新了纪录。历史经验表明，这种规模的杠杆收购交易，通常出现在市场周期的顶部。

指数基金的影响也不容忽视。这些基金现在占据基金市场一半以上的份额，它们不主动选择股票，而是按照市场权重来配置资金。由于英伟达、微软、亚马逊等 AI 相关公司在主要指数中的权重越来越大，流入指数基金的每一美元都会按比例加码这些股票，进一步推高其价格和估值。

这形成了一个自我强化的循环。AI 公司宣布大规模投资计划，股价上涨，估值提高，筹资能力增强，于是可以宣布更大规模的投资计划。金融市场的宽松为 AI 公司提供了充足的弹药，而 AI 投资的故事又为金融市场提供了投资标的。两者相互依存，彼此成就。

但这个循环的稳定性取决于信心的持续。一旦实际业绩未能达到预期，或者金融市场突然变得谨慎，循环的任何一环断裂，整个体系都可能迅速瓦解。

不同的解读

当然，对于 Furman 的发现和当前的 AI 投资热潮，并非所有人都持悲观态度。TS Lombard 的首席经济学家 Dario Perkins 提出了一个不同的视角：AI 资本支出并非维持美国经济免于衰退的因素。

Perkins 的论点基于对经济周期的不同理解。他认为，经济衰退是在劳动力市场中发生的特定动态过程，而 2025 年美国劳动力市场并未显示出衰退的典型特征。失业率保持低位，虽然就业增长放缓，但并未出现大规模裁员。“这与 AI 资本支出完全无关，”Perkins 写道，“大型科技公司的资本支出不是让美国劳动力市场保持活力的原因。”

此外，Perkins 指出，进入数据中心的许多设备是进口的，这意味着在 GDP 核算的其他项目中会有相应的负贡献来抵消。因此，AI 投资对 GDP 增长的净影响，可能比表面数字显示的要小。

关于泡沫风险，Perkins 也持相对乐观的看法。他强调，真正致命的是杠杆泡沫，比如 2008 年的房地产市场，因为债务是固定的，资产价格下跌会迫使参与者抛售和去杠杆，形成恶性循环。相比之下，当前的 AI 投资主要由大型科技公司的自由现金流支持，杠杆水平并不高。“目前的 AI 资本支出泡沫中还没有大量杠杆，”Perkins 写道。不过他也警告，“如果泡沫继续膨胀，可能会变得更加危险。”

RBC Capital Markets 的分析师 Rishi Jaluria 从技术发展的角度为当前的投资水平辩护。他认为，如果这些投资能够带来一个“容量限制更少的世界”，就可以加速 AI 模型的开发，从而更快实现那些目前因技术限制而无法实现的应用场景。“如果这能为客户产生真正的投资回报，带来成本节约和新的收入机会，那就会从 GDP 角度创造净效益，”Jalurias 说。

他的观点的关键在于“如果”这个词。如果技术突破真的发生，如果企业找到了有效利用 AI 的方式，如果消费者愿意为 AI 增强的产品和服务付费，那么当前的投资水平就是合理的。但如果这些“如果”没有实现，“那就都是循环交易”——资金在几家公司之间流转，创造出增长和繁荣的假象。

还有一些乐观因素来自政策层面。美国 2025 年生效的新税法允许企业在第一年全额折旧投资项目，这可能刺激更广泛的资本支出热潮，不仅限于 AI 领域。如果制造业、能源、基础设施等领域的投资被这一税收优惠激活，可以在一定程度上分散经济增长对 AI 投资的依赖。

从历史视角看，也并非所有的技术投资泡沫最终都以灾难告终。互联网泡沫在 2000 年破裂时摧毁了数万亿美元的市值，但它留下的基础设施——光纤网络、数据中心、软件架构——为后来二十年的数字经济奠定了基础。即使 AI 投资热潮最终被证明过度，其建设起来的计算基础设施仍然可能在未来几十年发挥作用。

问题依然悬而未决

Apollo Global Management 的首席经济学家 Torsten Sløk 在 10 月初向客户承认了一个尴尬的事实：经济学家们连续九个月预测美国经济会放缓，但“现实是这根本没有发生”。他呼吁同行“照照镜子”，反思为什么预测与现实如此脱节。

这种矛盾正是当前局面的写照：我们正在经历的经济现象，可能超出了传统经济学框架的解释能力。Jason Furman 的发现——剔除技术投资后 GDP 增长率仅为 0.1%——既是一个统计事实，也是一个理论挑战。

如果把这 0.1% 理解为“真实”的经济增长，那么美国经济在 2025 年上半年实际上处于停滞，只是被 AI 投资的疯狂增长所掩盖。照这个逻辑，经济基础薄弱，一旦 AI 投资放缓或逆转，衰退就无法避免。

但也可以有另一种解读：技术投资本身就是真实经济活动的一部分，没有理由将其排除在外。AI 基础设施的建设创造了就业，带动了芯片、电力、建筑等相关产业，这些都是实实在在的经济贡献。按照这种逻辑，关注剔除技术投资后的 GDP 增长率，就像在分析 20 世纪初的经济时排除铁路投资，或者在分析二战后经济时排除汽车工业——这会严重扭曲对经济实际状态的认识。

图丨二战后的汽车工业繁荣（来源：Hertz）

问题的关键不在于技术投资的规模，而在于其质量和可持续性。如果这些投资最终转化为生产力提升、新的商业模式和更高效的服务，那么当前的投资水平就是一个新经济时代的开端。但如果这些投资大部分无法产生预期回报，变成闲置的数据中心和过剩的计算能力，那么我们正在目睹的就是一次资本的大规模错配。

摩根士丹利首席经济学家 Michael Gapen 在 10 月提出了一个有意思的观察：2025 年经济的“谜题”在于稳健的支出数据与疲弱的就业增长之间的矛盾。他的解释是，企业吸收了关税成本，降低了单位劳动力成本和利润率，而不是提高价格或裁员。也就是说，还有其他因素在起作用，而不止与数据中心建设有关。这个解释有一定道理，但它也意味着企业正在牺牲短期盈利能力来维持运营，这不是可以长期持续的策略。

Peter Atwater 则警告道：“目前，AI 领域正在以一种‘永远’的心态运作。他们的行为就好像有很长的时间可以去弄清楚怎么赚钱。”但历史表明，市场对“弄清楚”的耐心是有限的。“只要信心高涨，整个生态系统就可以提供幻想。当信心下降时，他们将被期望在非常短的时间内交付真实的业绩。”

系统性风险正在累积。Atwater 将当前的 AI 投资网络比作 2008 年前的抵押贷款市场，多个参与者相互依赖，形成一个紧密耦合的系统。在这种系统中，局部的失败会迅速传播。如果 OpenAI 的收入增长未达预期，它对 Oracle 的支付能力就会受质疑；如果 Oracle 无法交付承诺的计算能力，其股价就会下跌；如果股价下跌，Larry Ellison 的财富和 Oracle 的筹资能力就会受损。这个链条可以继续延伸到整个金融系统。

“今天谈论 AI，意味着我们必须同时谈论信贷市场和股票市场。华尔街和 AI 是一个单一的野兽，”Atwater 说。这种紧密联系意味着，AI 投资的风险不仅仅局限于科技行业，而是已经渗透到整个金融体系。极少数公司——也许不到十家——目前对美国经济有着不成比例的影响力。

许多投资者仍在涌入 AI 领域，担心错过一个看似只能上涨的市场。但很少有人深入思考这些估值和股价背后的基础是否牢固。“‘为什么？’是牛市中最后一个被问到的问题。”

而现在，这个问题的答案仍然悬而未决。Jason Furman 的数据已经摆在那里——如果没有数据中心投资，美国经济在 2025 年上半年的增长率只有 0.1%。这是一个统计事实，但它究竟意味着什么，则是另一个问题。是美国经济已经进入了一个由技术驱动的新常态，还是我们正坐在一个精心构建的纸牌屋里，只等一阵风吹过？

当潮水退去时，我们才会知道答案。届时也会知道，牵动全球 AI 产业发展、提振美股数据表现的明星公司是否在裸泳。

参考资料：

1.https://x.com/jasonfurman/status/1971995367202775284

2.https://fortune.com/2025/10/07/data-centers-gdp-growth-zero-first-half-2025-jason-furman-harvard-economist/

3.https://gizmodo.com/is-the-ai-conveyor-belt-of-capital-about-to-stop-2000671017

4.https://www.bloomberg.com/news/articles/2025-09-25/david-einhorn-sees-tremendous-capital-losses-from-ai-spending?sref=qvN0c6kf

5.https://www.theinformation.com/articles/bubble?rc=qlolsu

https://www.ft.com/content/603be7d5-13ac-4047-9854-24

运营/排版：何晨龙