（来源：澎湃新闻）
2026年夏天，美国一些原本没有多少故事可讲的地方，正在发生一件颇有工业时代气息的事情：土地被推平，厂房拔地而起，变电站和输电线路紧随其后，成片的数据中心等待服务器进场。它们没有多少窗户，外墙后面却塞满了昂贵的计算设备。
这景象和人们想象中的“人工智能时代”不太一样，倒更像19世纪的工业区——只是机器不再织布，而是在计算。
这场建设远未结束。国际清算银行（BIS）估计，全球五家最大的超大规模云服务商在2025—2026年用于AI的资本开支将超过1万亿美元。仅2025年，主要超大规模云服务商的债券发行就超过1000亿美元。
与此同时，AI开始占据电网公司的会议室。国际能源署（IEA）估计，美国数据中心2024年耗电约180太瓦时，接近挪威全国一年的用电量；到2030年，其用电量还将大幅增加。
真正让电力公司头疼的，不只是发多少电，还有怎样把电送过去。高压变压器的交付周期在一些情况下已经拉长到数年。一个原本属于IT行业的问题，正在变成电力工程的问题。
AI看起来是一项轻盈得几乎没有重量的技术。一个人坐在办公室里输入几个问题，模型几秒钟后给出答案。但在屏幕背后，它需要土地、钢材、铜、电缆、冷却系统、服务器和大量电力。所谓“云”，最后总得落到一座建筑物上。
于是，一个属于科技公司的故事，变成了一场工业投资。问题也随之变得简单：我们究竟正在建设多少AI，以及未来真正需要多少AI？
BIS已经注意到其中的风险：AI资本开支增长正跑在部分企业收入和现金流之前，融资也越来越依赖债务以及表外安排。
这并不意味着AI是骗局。恰恰相反，最值得警惕的往往不是假的技术，而是真的技术带来的错误投资。
每一场革命都有它的泡沫。
繁荣
人工智能正在经历的事情并不新鲜。电力、汽车、铁路和互联网都曾改变世界。它们有一个共同特点：技术本身很有用，但要让这种用途进入经济生活，先得修建一大堆东西。电力需要电厂和电网，汽车需要公路、加油站和工厂，互联网需要光纤、服务器和通信网络。AI也一样：训练模型需要芯片，运行模型需要服务器，服务器需要数据中心，数据中心需要电力，而电力需要新的发电和输电能力。
因此，技术革命进入经济生活，往往首先表现为一轮大规模投资。
AI的投资浪潮沿着产业链迅速扩散。芯片公司扩产，服务器厂商采购零部件，数据中心运营商争夺土地、电力和施工能力，电力公司重新计算未来十年的负荷，建筑企业获得大型项目，银行和私人信贷机构则开始为这些项目提供资金。
每一座数据中心站起来，都会在别处的资产负债表上留下一个数字。
繁荣时期，这些数字都很好看。
最初，大型科技公司主要靠自己的现金流投资。微软、亚马逊、Alphabet和Meta拥有巨额利润，看起来不像19世纪那些靠发行股票修铁路的公司。但当资本开支进入数千亿美元的量级，现金流就不再够用。BIS数据显示，主要超大规模云服务商2025年的债券发行已经超过1000亿美元，而且多数期限超过五年，以匹配数据中心漫长的建设周期。
只要未来的需求足够强，这种融资完全合理。
问题恰恰出在“只要”两个字。
云计算公司建设数据中心，是因为它预计AI客户会增加；模型公司购买更多算力，是因为它预计未来会有更多客户；芯片公司扩大产能，是因为云计算公司的订单正在增加；投资者再看到芯片公司的收入增长，便相信最初的预期得到了验证。
只要需求不断增长，这套循环就是增长的发动机。但如果需求增长慢一点，它也可以变成反向的推土机。
狂热
真正危险的通常不是一种技术被证明无效，而是它被证明有效以后。
AI已经证明了自己有用。大型模型可以写代码、处理文件、生成图像、分析数据，企业也开始把它用于客服、软件开发、金融分析和制造业。微软的Azure、亚马逊的AWS都已经产生数百亿美元的季度收入。今天的AI显然不是1999年那种只有故事、没有客户的互联网。
但从“这项技术有用”到“这项技术值得投入数万亿美元”，中间仍有一道鸿沟。投资者可能正确看到了终点，却高估了到达终点的速度；正确判断了需求，却高估了需求增长的幅度。
BIS的测算给出了一个不太舒服的数字：在其基准情景下，目前AI投资可能比经济真正需要的规模高出约50%；换句话说，如果合理的投资是100，市场已经在准备150。更激进的情景下，过度投资的幅度还会更大。
这不是说其中50会立刻变成废铁。问题在于，如果需求增长慢下来，谁来为多出来的那50买单？
更麻烦的是，没有哪一家企业需要先承认自己在过度投资。假设一家云计算公司不扩充算力，而竞争对手扩充了，它可能失去客户。于是每家公司都有理由提前建设，以免需求真正到来时落后。单独看，每个决定都合理；加在一起，却可能把整个行业推向供给过剩。
这也是为什么AI可能根本没有一个统一的“泡沫”。GPU供应商可能已经进入繁荣，数据中心建设可能接近过热，模型公司还在寻找稳定的商业模式，而普通企业可能才刚刚开始试用AI。它们的周期不同，却通过订单、融资和估值连在一起。
泡沫因此不是突然出现的一个东西，而是沿着产业链传递的。最开始，人们买的是技术的未来；后来，买的是生产这种未来所需要的机器；再后来，连生产机器的人也成为投资故事的一部分。
铁路
19世纪40年代的英国也相信自己找到了未来。
铁路当然是真的。它缩短运输时间，降低运输成本，扩大市场，也因此吸引了大量资本。问题不在技术，而在规模：1840年代中期，投资者在客运和货运需求尚未完全形成之前，就已经开始为预期中的未来铺轨。
英国人看对了铁路的方向，却高估了它的回报，也高估了英国需要多少铁路。
随后是猛烈的调整。许多计划中的线路没有建成，已经建成的一些线路也难以获得预期回报。投资者亏损，铁路股票暴跌，金融市场和实体经济都受到冲击。
但铁路没有消失。真正有用的线路继续运营，基础设施留下来，运输成本下降，市场扩大。资本犯下的错误，最后反而为后来的人留下了一套更便宜的网络。
互联网泡沫的结局也相似。公司消失了，股票暴跌，但光纤、服务器和网络基础设施没有消失。泡沫时期显得过于昂贵的资产，后来成为下一代企业廉价使用的底座。
这或许是AI最值得借鉴的历史经验。AI不是铁路，GPU也不是钢轨。但两场繁荣背后有一种令人不太舒服的相似性：投资者可能正确地看见了一场革命，却错误地估计了革命需要多少资本。
铁路时代的“铁”是钢轨、桥梁和车站；今天的“铁”是数据中心、输电线路、冷却设备和变压器。19世纪的人担心铁路修得太多，21世纪的人则需要担心服务器和电网是不是也修得太多。
技术不同了，资本的脾气却没有多少改变。
清算
如果AI投资进入调整阶段，最先发生变化的未必是模型本身，而是资本开支。
一家大型科技公司如果发现新增算力带来的收入不足以覆盖资本成本，最容易做的事情不是发表一篇悲观报告，而是少建一座数据中心。少一座数据中心，意味着少一批服务器；少一批服务器，意味着少一些GPU订单；少一些GPU订单，意味着芯片厂商减少扩产；项目延期又会减少建筑公司、电力设备厂商和工程承包商的收入。
股票价格的下跌只是清算最容易看见的部分。真正需要担心的，是资本开支会不会掉头。
金融体系还可能放大这种反转。如果模型公司依靠外部资本购买算力，而云计算公司通过长期合同提前锁定需求，那么其中任何一环出现问题，都可能影响其他环节。BIS特别指出，越来越多AI基础设施通过债券、私人信贷以及特殊目的实体融资；这些安排在繁荣时期分散资金来源，在逆转时也可能成为风险传播的渠道。
技术泡沫真正影响经济，通常不是因为投资者赔了钱，而是因为繁荣时期建造的东西太多。一旦预期逆转，企业会同时削减未来的投资。
数据中心和芯片工厂也不是软件更新，可以在星期五取消、星期一恢复。一个大型数据中心从取得土地、电力接入到正式运行，需要数年时间。资本一旦做出决定，就会留下相当长的尾巴。
当然，这一轮热潮有比互联网时代更厚的缓冲垫：大型科技公司拥有真实的利润和现金流；AI服务已经产生真实收入；企业确实在使用这些模型；计算成本也在快速下降。因此，即使资本市场大幅降温，也很难让已经建好的数据中心凭空消失。
如果清算到来，它更可能改变AI的价格、所有权和盈利预期，而不是消灭AI本身。
定价
技术革命最奇怪的地方，是它有时要先浪费一部分资本，才能找到正确的规模。
铁路泡沫留下了铁路，互联网泡沫留下了网络。两者都经历过相似的过程：资本先把未来想得过于宏大，市场随后迫使它缩小梦想，留下真正有用的东西。
AI可能也会如此。
如果今天建成的数据中心太多，它们不会因为股票下跌而消失。电网已经接通，服务器已经安装，光纤已经铺设。资本市场重新定价以后，这些资产反而可能变得更便宜。而便宜的基础设施，恰恰是技术扩散最好的条件。
这意味着AI真正的下一阶段，可能不是继续寻找一个更大的故事，而是开始计算一些不那么性感的问题：一美元的算力到底创造多少收入？一座数据中心需要多少电？企业购买AI以后，生产率究竟提高了多少？哪些模型真正能够赚钱？哪些基础设施只是为了证明自己没有落后于竞争对手？
这些问题没有“革命”两个字听起来振奋，却决定了革命最终能留下多少东西。
资本市场最擅长提前购买未来，也最容易忘记未来需要时间。铁路狂热如此，互联网狂热如此，AI也不会因为技术更加先进而获得金融上的豁免权。技术可以是真的，需求可以是真的，收入也可以是真的，而投资仍然可能过多。
这不是AI的失败。
每一场革命都有它的泡沫。泡沫的破裂，不一定意味着革命的终结，有时候，它只是一个契机，好让资本依照现实，而不是梦想，为未来定价。
陆一行
