兆級資金湧入，營收卻還沒跟上：AI 三十兆美元建設潮背後的數學難題

從來沒有一項新技術像人工智慧這樣吸走這麼多資金。路透社在 2026 年 10 月 3 日刊登的深度分析〈AI 的競賽：在資金燒完之前改變世界〉，替投資人、經濟學家與 AI 高管們心中的疑問給出了一組具體數字：這場建設潮確實是史上最大規模，但營收的數學究竟能不能算得攏？

引述的經濟學家們給出的短答案是：沒有人知道——而債務的償還期限，不會因為這份不確定而等你。

規模：2050 年前 30 兆美元

核心數字來自 PwC：該公司與 Oxford Economics 共同建模的中間情境顯示，到 2050 年，全球光是資料中心的累計支出就可能突破 30 兆美元。路透社指出，這個數字幾乎等同於美國公債的未償餘額——那是全球最深、最大的債券市場。PwC 強調，即使經過通膨調整，這個金額也「遠超」鐵路狂熱與達康泡沫時期的投入總和。

與這筆龐大支出相對的，是 AI 產業目前每年約 1,000 億美元的營收。承諾投入的資金以兆計，實際賺到的錢以百億計——兩者之間的鴻溝，就是這整個故事。

Anthropic 的 5,180 億美元豪賭

路透社用一家公司來說明槓桿有多大。根據路透社取得的 IPO 招股文件，Anthropic 計畫在未來幾年支出 5,180 億美元——超過其 2025 年約 46 億美元營收的一百倍。路透社另一篇對該文件的調查報導發現，這些承諾中約有 80% 屬於無論如何都得付款的「不可取消」合約。

這種結構正是問題核心。超大型雲端業者與 AI 實驗室把自己鎖進「用不用都得付錢」的算力與電力合約，供應商才願意融資興建產能。這確實加速了建設——但也把未來任何需求的短缺，直接轉化為資產負債表上的重創。

3.55 兆美元的難題

哥倫比亞大學商學院經濟學家 Stijn Van Nieuwerburgh（其會議論文於十月修訂）提供了全文最令人難忘的數字。美國占全球 AI 投資約四分之三，2025 到 2032 年間的美國投資總額將高達 9 兆美元——相當於連續八年、每年花掉美國 GDP 的 3.2%。

他的結論是：這筆資本若要賺到 10% 報酬率，美國 AI 產業必須在 2032 年前達到約 每年 3.55 兆美元的營收。目前的營收只是這個數字的零頭。而且由於基礎設施大量依靠債務融資，他警告：「需求、工期或資產價值只要出現相對溫和的惡化，就可能造成遠大於此的損失。」

貝恩策略顧問（Bain & Company）從需求面得出相容的結論：超大型雲端業者與整個 AI 賽道，需要在五年內找到超過 4.2 兆美元的新營收才能支撐這波建設——而既有市場的生產力提升遠遠不夠。該研究指出「必須出現全新的市場才能填補資金缺口」，並點名 AI 引導的機器人、為電池與半導體開發新材料等候選方向。「問題在於，應用能不能及時出現來買單。」

生產力提升「仍然難以捉摸」

摩根大通（JP Morgan）在八月的研究報告中寫道，美國的廣泛生產力提升「仍然難以捉摸」——在估值高度依賴生產力故事的此刻，這是個令人不安的結論。該行的歷史框架相當直白：「歷史先例顯示，技術驅動的繁榮往往在基礎設施建設無法交付足夠報酬時畫下句點。」

摩根大通估算，光是為了支撐輝達（Nvidia）目前的估值，美國生產力年增率未來十年就必須達到 3% 到 5%——而國會預算辦公室（CBO）的基線預期只有 1.75%。劍橋大學經濟學家 Diane Coyle 補上了一條潑冷水的時間軸：過去的通用技術，通常需要 10 到 50 年才會真正反映在生產力統計裡。企業的貸款償還日程，可不會等幾十年。

遞迴自我改進：數學上的逃生口

AI 產業的高層們自己也很清楚，這套帳需要一條捷徑。Anthropic 執行長 Dario Amodei 曾形容 AI 的未來將是「一件超凡之美的事物」；OpenAI 的 Sam Altman 則預言，當模型學會自我改進，「新奇蹟出現的速度將會極為驚人」。Google DeepMind 首席策略長 Jasjeet Sekhon 八月在 UC Berkeley 的一場峰會上直言，遞迴自我改進（recursive self-improvement）是「投資論述的關鍵組成」——如果模型能自我拉升能力，生產力就可能以遠超歷史先例的速度複合成長。

Anthropic 的經濟學團隊曾為此建模：在 2% 基線成長率的前提下，AI 在 2030 年可能將美國年成長率推升至溫和情境的 2.4%、顯著情境的 5.4%，以及極端情境下的 15.4%。值得注意的是，該團隊沒有給任何情境指定機率——而且模型中成長越高，流失的工作也越多。

勞動市場已經在動

AI「確實在做事」的最清楚證據，來自初階職缺。史丹佛大學研究人員在八月發現，22 至 25 歲、從事高 AI 曝險職業（會計師、法務助理等白領工作）的年輕人就業率，比 AI 難以取代的工作低了 19%。Amodei 本人去年預測，AI 可能在五年內消滅一半的初階白領工作。目前看到的效果，比較像是集中在年輕人身上的招聘放緩，而非大規模失業。

歷史的安慰：基礎設施比我們活得久

Coyle 的收尾論點，也是死抱這波多頭的投資人最愛引用的一句：就算融資結構垮了，實體資產仍然有用。1873 年金融恐慌讓鐵路大亨破產，火車照樣開；達康泡沫破了，網際網路也沒關機。她對路透社說：「歷史是我們理解這件事的朋友。只要留下的基礎設施足以支撐日後所有的生產力效應，那就夠了。」

對持有這些債務的人來說，這番話毫無安慰可言——但這正是經濟學家把兩個問題分開看的原因：AI 會不會改變經濟（多半會，只是早晚），與今天這批特定投資能不能賺到要求的報酬（不確定得多）。這場 30 兆美元的建設潮，賭的不是 AI 的成敗，而是成千上萬筆各自獨立的賭注：營收能不能趕在再融資期限之前到位。