10.3 兆美元與持續增加中:布魯金斯論文警告 AI 建設潮的資金流向正在轉入暗處
哥倫比亞大學 Stijn Van Nieuwerburgh 在布魯金斯論文中估計,美國 AI 基礎建設到 2032 年將耗資 10.3 兆美元——相當於每年 GDP 的 3.63%——且資金已轉向沒有人能完全看透的表外融資結構。
每隔幾個月,總會出現一個重新校準「AI 經濟足跡」辯論的數字。本週登場的最新數字相當驚人:10.3 兆美元。這是哥倫比亞大學商學院教授 Stijn Van Nieuwerburgh 在一篇新論文中,針對 2025 至 2032 年美國 AI 基礎建設投資總額所做的推估。這篇論文是為布魯金斯經濟活動論文(BPEA)2026 年秋季會議準備的——這個頂尖經濟學系列,歷來正是總體金融風險首次獲得嚴肅討論的舞台。
頭條數字已經夠震撼,但這篇論文更重要的論點其實在於錢從哪裡來——以及為什麼這條資金流向正變得愈來愈難追蹤。
規模超越鐵路、運河與州際公路的建設潮
以占經濟體的比重來看,Van Nieuwerburgh 估計 AI 建設潮到 2032 年平均每年將吸收 美國 GDP 的 3.63%。依照他的計算,這個數字超過美國歷史上所有可比的基礎建設時期:運河熱潮、19 世紀末的鐵路擴張(高峰期約占 GDP 的 2.2%)、農村電氣化、州際公路系統,以及 1990 年代中期展開的電信建設潮。
預測的實體規模與財務數字相互呼應。論文推估,未來七年美國將新增 183 百萬瓩(GW)的資料中心容量,而目前裝機容量約為 57 GW。需要強調的是,這是推估的「新增」量,而非已在興建中的容量——但即使是這樣的趨勢,也意味著美國資料中心總量將成長至三倍,伴隨而來的是電力採購、變壓器、冷卻系統與專用晶片的全部需求。
從現金流到信用鏈
這波熱潮的第一階段大致是自籌資金。Amazon、Microsoft、Google、Meta 這些超大規模雲端業者,可以用龐大的營業現金流支應資本支出。Van Nieuwerburgh 認為,那個時代正在結束:目前進行中的投資已經超過大型科技公司能用自身現金流支應的規模,越來越多資金負擔轉移到放款機構、合資夥伴與其他外部投資人身上。
如今的融資鏈涉及 AI 公司、科技巨頭、銀行、私募信貸放款者與不動產業者——上面再層層疊加特殊目的載具(SPV)、證券化、租賃承諾與貸款擔保。每一個環節都增加槓桿,也把風險暴露擴散到與資料中心本身相距遙遠的各方。
論文在此提出最令人印象深刻(也最常被引用)的類比。Van Nieuwerburgh 在向記者簡報時,將這些特殊目的載具的不透明性,比擬為次貸危機的關鍵特徵之一:這類結構讓相關聯的風險暴露難以被觀察,直到衰退迫使其現形。他特別澄清,這不代表金融困境迫在眉睫——但確實意味著,監管機構與市場可能要到集中風險已經形成之後才看得見它。
3.7 兆美元的營收門檻
這一切資本能否回收,取決於一個非常苛刻的假設:論文計算,AI 產業到 2032 年需要創造約 每年 3.7 兆美元的營收,才能提供資本投入的預期報酬。相較於目前 OpenAI 與 Anthropic 合計約 1,000 億美元的年營收——這個比較是衡量門檻高度,而非同口徑對比,因為目標是全產業數字——隱含的年成長率約為 80%,且要連續維持七年。
Van Nieuwerburgh 並非在預言失敗。他的正面情境很直接:AI 應用強勁成長、新設施高度使用、模型持續進步,就能產生穩定甚至可觀的現金流。他的負面情境則結合了幾個因素:需求不及預期、技術快速更迭(某種晶片或架構突破讓今天的設施提前報廢)、專案完工的障礙,以及高槓桿。在那個世界裡,樂觀時期簽下的融資承諾,會讓修正來得更加痛苦。
為什麼這篇論文在此刻重要
這份分析與常見的「AI 泡沫」評論有三個不同之處。
第一,出處。BPEA 不是銀行研究報告,也不是創投家的推文;它是曾在過去金融危機爆發前,刊登早期預警的同儕審查會議系列。編輯群今年秋季選擇聚焦三篇 AI 論文——包括探討「為何 AI 如此具爭議性」與「專業化優勢的消失」的姊妹作——顯示主流經濟學已將 AI 的總體金融風險視為第一順位議題。
第二,論文的政策訴求刻意溫和且可行。Van Nieuwerburgh 寫道:「在此階段,最重要的政策貢獻,可能是在產業資本結構仍在演變之際,改善衡量與透明度。」換句話說:不是叫停建設潮,而是確保在結構定型之前,監管機構能真正看清楚誰欠誰多少錢。
第三,時機。這篇論文發表之際,相關警訊正一波波湧現:Fortune 調查聯準會對「誰在融資 3 兆美元全球 AI 熱潮」所知多麼有限、美國眾議院推進首部因應資料中心經濟衝擊的法案、以及各地社區對新設施的反彈。系統性風險的討論已不再是邊緣聲音——它正進入真正制定政策的機構。
結語
AI 投資競賽已進入新階段。資金規模是和平時期經濟史上前所未見的;資金來源已從透明的企業資產負債表,轉向不透明的多方結構;而整個報酬預設,取決於尚未以接近所需規模實現的營收成長。這一切都不保證壞結局。但正如次貸的類比所提醒的:最危險的金融結構,往往是音樂還在播放時、沒有人能完整畫出地圖的那一種。
Sources
- [1] https://www.brookings.edu/articles/financing-the-ai-buildout/
- [2] https://www.reuters.com/business/finance/financing-historic-ai-buildout-raises-systemic-risks-us-researcher-says-2026-09-24/
- [3] https://superpowerdaily.com/posts/columbia-professor-estimates-us-ai-buildout-at-over-10-trillion-warns-of-financing-risk