布鲁金斯：AI基建年均占GDP 3.6%，超铁路时代1.6倍
nashnova research
布鲁金斯学会研究显示，2025–2032年美国AI数据中心总投资将达10.3万亿美元，年均占GDP 3.63%——是铁路高峰期的1.6倍、互联网热潮的逾3倍，但大量债务藏在表外，银行敞口已达7000亿–8000亿美元。
10.3万亿美元到底有多大？
2025–2032年，美国AI数据中心建设年均占GDP 3.63%，超过此前任何一轮基础设施投资。
这意味着→ 铁路高峰期（1870–1890年）年均占GDP约2.2%，互联网与光纤热潮仅约1.1%——AI基建的资金密度是铁路的1.6倍、互联网的逾3倍。
哥伦比亚大学教授范·尼乌韦伯指出，即便假设GDP年增速高达4%，该占比也仅降至约3%。用大白话说＝ 经济再怎么高速增长，也"吃"不掉这笔开支的量级。
一座数据中心的钱花在哪？
每座100兆瓦AI训练数据中心造价约41亿美元，且以每年约4%的速度递增。
成本约三分之二花在IT设备——服务器、芯片、光纤等；三分之一花在厂房与配套电力基础设施。
这意味着→ 芯片和服务器是最大的单项支出，电力基础设施排第二——这两条产业链是AI基建投资最直接的受益方向。
表外融资怎么让杠杆"隐身"的？
Meta、微软等巨头的AI资本支出已持续超过自身经营性现金流，融资模式从自持建设转向租赁、合资企业、特殊目的载体（SPV）及私募信贷。
以Meta的Hyperion数据中心为例：Meta将20%股权卖给私募信贷机构Blue Owl，双方成立名为"Beignet"的SPV（一种专为单个项目设立的独立法律实体），发行270亿美元债务，项目层面负债率高达90%。因Meta仅持少数股权，这笔债务不并入Meta的合并报表。
在租约安排上，Meta签了五份连续的四年期租约。续租要承担后续义务，不续租要付"剩余价值担保"。用大白话说＝ 两种情况必然发生其中一种，但按现行会计准则，两种都因"概率不够高"而不用计入资产负债表——范·尼乌韦伯称之为"概率真空"。
风险到底在谁手里？
已有约1.4万亿美元债务针对此类表外结构发行，其中约7000亿–8000亿美元由银行体系持有。
传统银行杠杆率约90%，私募信贷行业整体杠杆率约50%，且两者之间通过信贷额度等渠道相互关联。
布鲁金斯高级研究员克莱因将这类结构比作2008年次贷危机中的结构性投资工具。这反映出 监管层和学术界最担心的不是投资规模本身，而是风险在金融体系中的传导路径不透明。
会重演2001年还是2008年？
范·尼乌韦伯区分了两种情景：2001年模式——股市大跌但银行体系安然无恙；2008年模式——银行受损，信贷紧缩蔓延全经济。
他坦言："目前我们还没有一套能够回答这个问题的测量框架。"
这意味着→ 当前最大的风险不是"AI会不会亏钱"，而是一旦亏钱，外部观察者几乎无从判断损失最终停留在谁的资产负债表上。
政策怎么改？
范·尼乌韦伯建议美国财务会计准则委员会（FASB）修订合并与确认规则，让表外债务"回到阳光下"。
他还建议美国证监会（SEC）要求上市公司对此类或有负债作更充分披露，而非仅藏在年报脚注里。
在系统性风险层面，他主张美联储、财政部及各监管部门建立"经济资本堆栈"披露机制——明确每项重大资产的所有权、债务、租约和担保归属。用大白话说＝ 目标不是阻止投资，而是让所有人看清楚：钱是谁出的、风险是谁扛的、出了事谁先倒。
市场有风险，内容仅供研究参考，不构成投资建议。