企业端开始“算力降本”之际，高盛警告5.3万亿AI资本支出正逼近信贷饱和！

AI基础设施投资浪潮正在重塑全球资本市场格局，其背后隐藏的债务风险不容忽视。

高盛最新预测显示，2025年至2030年间，超大规模云计算企业在AI及数据中心领域的资本支出将累计达到5.3万亿美元，形成一轮史无前例的资本开支超级周期。

高盛预计超大规模企业将需要从各个市场中获得融资，因为它们可能会在流动性信贷市场中遇到饱和问题的限制。

纽约大学荣誉教授Gary Marcus在转发相关分析时，将高盛的上述表述称为"令人恐惧的句子"，他说：

对我来说，现在的问题已经不是超大规模模式是否会崩溃，而是附带损害会有多严重。

Gary Marcus进一步警告称：

超大规模云服务商不可能收回他们的5.3万亿美元投资，除非他们通过巨额政府补贴，从纳税人那里榨取回来。 这正是他们打算去做的。

与此同时，摩根士丹利估算，仅全球数据中心建设一项，到2028年的资本支出就将接近2.9万亿美元，其中相当大比例依赖债务融资。这意味着一旦市场出现调整，损失将不再局限于股东，而可能通过信贷市场向整个社会扩散。

这场投资盛宴的另一面，却是企业端日益收紧的钱袋子。Uber、亚马逊、沃尔玛等早期AI大规模采用者，已相继对员工的AI使用量设置上限或推动降本措施。

在Anthropic将计费模式切换为按Token词元计费后，软件公司Workato的首席信息官Carter Busse眼见当日支出飙升7倍，不禁感叹：

我们创造了一个怪物。

5.3万亿的超级周期，融资压力向债市蔓延

根据高盛分析师的预测，AI资本支出正以快于实际数据中心建设的速度持续攀升，这意味着未来的瓶颈或将从模型需求端转移至融资能力、电力供应与项目执行层面。

摩根士丹利的测算则更为具体。其预计到2028年，全球数据中心建设的2.9万亿美元资本支出中，资金来源构成如下：

• 超大规模云企业自有现金流约1.4万亿美元；
• 企业债约2000亿美元；
• 资产证券化信贷约1500亿美元；
• 私募信贷、资产抵押融资及合资债务约8000亿美元；
• 其他资本约3500亿美元。

这一结构意味着，AI基础设施投资在相当程度上是靠信贷驱动的。

AI自媒体人Rohan Paul在X平台上指出，由于少数几家超大规模云企业无法无限制地向公开债券市场发债，投资者已开始担忧发行人集中度风险。

数据中心的融资复杂性也进一步加剧了这一问题。

它并非单一资产，而是集土地、电力接入、网络链路、建筑、冷却系统与AI服务器于一体，融资需求自然溢出至基础设施基金、房地产基金、私募信贷及企业债等多个市场。

一旦市场出现系统性调整，损失传导的链条将远比互联网泡沫时期更为复杂。

企业踩刹车，从"尽情使用"到"AI财务责任"

在需求端，AI高昂的运行成本正迫使企业重新审视每一次查询与自动化工作流的价值。

Uber是最具代表性的案例。华尔街见闻提及，这家打车巨头一个季度就花光了2026年全年AI预算。

在于4月便已告罄之后，Uber宣布对员工使用单一AI工具的月度词元支出，设置1500美元上限。Uber总裁兼首席运营官Andrew Macdonald坦言：

如今越来越难以证明在AI词元上的支出是合理的，难以在支出数据与实际产品功能提升之间划出清晰的因果关系。

沃尔玛同样对其内部AI助手的词元使用量设置了上限。沃尔玛全球首席技术官Suresh Kumar表示，旗下Code Puppy编程平台的使用量"急剧飙升"，现在是"退一步重新审视"的时候了。

这一趋势的背后，是计费模式的结构性转变。Anthropic、OpenAI等主要AI实验室已将部分服务从固定订阅制切换为按词元计费，令企业对每一个提示词和自动化流程的成本更加敏感。

德勤全球生成式AI负责人Costi Perricos表示：

算力成本已经开始进入CFO和董事会的视野。消费者和企业一直被告知AI是便宜或免费的，但事实绝非如此。

OpenAI首席执行官Sam Altman本月也承认，成本已成为今年客户面临的"重大问题"，而这一话题在去年几乎从未被提及。

企业降本与实验室估值之间的矛盾

企业层面的降本行动，对AI产业链上游的冲击同样不可忽视。

Anthropic和OpenAI均计划于今年晚些时候上市，估值接近万亿美元。然而，企业削减AI支出的趋势，正在对这两家公司的营收增长预期构成潜在压力。

各大AI平台已开始采取应对措施，通过引导用户使用更廉价的非前沿模型来维系采用率。

GitHub首席运营官Kyle Daigle表示，微软已提前与客户沟通定价变化，探讨"适配性与适用场景"，并强调"并非所有任务都需要前沿模型"。

微软、亚马逊和谷歌也已推出工具，将用户请求自动路由至成本最优的适配模型。

部分企业则转向开源模型，在本地服务器或个人设备上运行，以减少向AI实验室和云服务商支付的费用。

思科的Patel道出了众多企业的处境：

我们的工程师想要更多词元，我们必须想办法为此买单。

这句话折射出整个行业的困境，AI的战略价值已被广泛接受，但为此持续付费的商业逻辑，仍有待市场检验。