布魯金斯：AI基建年均佔GDP 3.6%，超鐵路時代1.6倍

nashnova research

今天发布阅读约 4 分钟

布魯金斯學會研究顯示，2025–2032年美國AI數據中心總投資將達10.3萬億美元，年均佔GDP 3.63%——是鐵路高峰期的1.6倍、互聯網熱潮的逾3倍，但大量債務藏在表外，銀行敞口已達7000億–8000億美元。

10.3萬億美元到底有多大？

2025–2032年，美國AI數據中心建設年均佔GDP 3.63%，超過此前任何一輪基礎設施投資。

這意味著→ 鐵路高峰期（1870–1890年）年均佔GDP約2.2%，互聯網與光纖熱潮僅約1.1%——AI基建的資金密度是鐵路的1.6倍、互聯網的逾3倍。

哥倫比亞大學教授范·尼烏韋伯指出，即便假設GDP年增速高達4%，該佔比也僅降至約3%。簡單來說＝經濟再怎麼高速增長，也「吃」不掉這筆開支的量級。

每座100兆瓦AI訓練數據中心造價約41億美元，且以每年約4%的速度遞增。

成本約三分之二花在IT設備——伺服器、晶片、光纖等；三分之一花在廠房與配套電力基礎設施。

這意味著→ 晶片和伺服器是最大的單項支出，電力基礎設施排第二——這兩條產業鏈是AI基建投資最直接的受益方向。

Meta、微軟等巨頭的AI資本支出已持續超過自身經營性現金流，融資模式從自持建設轉向租賃、合資企業、特殊目的載體（SPV）及私募信貸。

以Meta的Hyperion數據中心為例：Meta將20%股權賣給私募信貸機構Blue Owl，雙方成立名為「Beignet」的SPV（一種專為單個項目設立的獨立法律實體），發行270億美元債務，項目層面負債率高達90%。因Meta僅持少數股權，這筆債務毋須併入Meta的合併報表。

在租約安排上，Meta簽了五份連續的四年期租約。續租要承擔後續義務，不續租要付「剩餘價值擔保」。簡單來說＝兩種情況必然發生其中一種，但按現行會計準則，兩種都因「概率不夠高」而毋須計入資產負債表——范·尼烏韋伯稱之為「概率真空」。

已有約1.4萬億美元債務針對此類表外結構發行，其中約7000億–8000億美元由銀行體系持有。

傳統銀行槓桿率約90%，私募信貸行業整體槓桿率約50%，而兩者之間通過信貸額度等渠道相互關聯。

布魯金斯高級研究員克萊因將這類結構比作2008年次貸危機中的結構性投資工具。這反映出監管層和學術界最擔心的不是投資規模本身，而是風險在金融體系中的傳導路徑不透明。

范·尼烏韋伯區分了兩種情景：2001年模式——股市大跌但銀行體系安然無恙；2008年模式——銀行受損，信貸緊縮蔓延全經濟。

他坦言：「目前我們還沒有一套能夠回答這個問題的測量框架。」

這意味著→ 當前最大的風險不是「AI會不會蝕錢」，而是一旦蝕錢，外部觀察者幾乎無從判斷損失最終停留在誰的資產負債表上。

范·尼烏韋伯建議美國財務會計準則委員會（FASB）修訂合併與確認規則，讓表外債務「回到陽光下」。

他還建議美國證監會（SEC）要求上市公司對此類或有負債作更充分披露，而非僅藏在年報腳註裡。

在系統性風險層面，他主張聯儲局、財政部及各監管部門建立「經濟資本堆疊」披露機制——明確每項重大資產的所有權、債務、租約和擔保歸屬。說白了＝目標不是阻止投資，而是讓所有人看清楚：錢是誰出的、風險是誰扛的、出了事誰先倒。

市场有风险，内容仅供研究参考，不构成投资建议。