AI基建扩张面临收入检验：31.6万亿美元预测背后的条件

人工智能基础设施扩张正在接受一项更直接的检验：未来应用产生的收入，能否及时承担今天投入的资金。路透社10月3日的分析将多项研究放在一起，指出技术潜力、企业估值与实际生产率改善之间，仍存在需要验证的距离。理解这轮投资，首先要分清长期资本开支、未来年度收入与已经观测到的就业变化。¹

31.6万亿美元是一条预测路径

PwC于9月2日发布的研究，由牛津经济研究院建模，覆盖46个国家和地区。中性情景预计，2026年至2050年全球数据中心累计资本开支约31.6万亿美元，年度开支从2026年约8,000亿美元增至2030年1.1万亿、2050年1.8万亿美元。统计包括建筑及信息通信设备，金额采用实际美元和2025年汇率。²

全球数据中心年度资本开支预测

图：2026、2030及2050年全球数据中心年度资本开支，中性情景预测。数据：PwC（2026年9月2日发布）；建模：Oxford Economics；制图：全球伯乐 News。²

这不是已经发生的支出，也不是企业已签下的订单总额。报告将设备每四至六年更新一次作为假设；机房持续运行，意味着服务器和加速芯片仍需反复投入。不同AI采用速度对应约22万亿至50万亿美元的累计区间，研究未给各情景分配概率。电力供应和芯片贸易也可能改变实际路径。²

收入缺口按年度衡量

贝恩9月29日发布的年度科技报告，从收入端提出另一组条件：要支撑其测算的AI算力需求，到2031年需要约6万亿美元年收入；现有消费者及企业AI应用可能贡献1.2万亿至1.8万亿美元。按照这个区间的上沿，仍有4.2万亿美元年度收入需要新业务填补。该数字不能理解为未来五年的累计营收缺口。³

贝恩列出的潜在来源包括新广告模式、自动驾驶等自主系统、机器人，以及药物研发和能源等尚待扩展的应用。这些是可能形成收入的方向，并非已经兑现的市场。31.6万亿美元描述多年资本投入，6万亿美元描述某一年所需收入，两者期限和统计范围不同，不能相除后直接宣称投资回报率。²³

因此，核心问题不只是模型能否完成更多任务，还在于新增价值由谁获得、多少会转化为供应商收入，以及兑现速度能否赶上设备更新和融资安排。客户节省的成本、供应商的营业收入与最终利润，也不是同一个指标。技术有效，并不会自动保证每个项目的资金结构都能持续。

就业信号同样需要保留边界

斯坦福数字经济实验室8月12日更新研究，使用截至2026年6月的ADP薪资数据发现：22至25岁、处于高AI暴露职业的年轻人，就业水平比随低暴露同龄群体同步增长的比较路径低约19%。研究未发现全经济范围的广泛岗位替代，差距主要表现为年轻人招聘减少，而非离职增加。作者明确说明，这是描述性关联，不能据此把全部差距归因于AI。⁴

这些结果提示，局部招聘收缩可以与总体就业稳定同时出现，也不能单凭岗位变化证明宏观生产率已经大幅跃升。路透引用剑桥经济学家黛安·科伊尔的观察称，历史上重大技术的生产率影响往往需要较长时间扩散。¹

对这一轮扩张，更有解释力的观察将是实际付费需求、交付后利用率和持续经营产生的现金流。长期预测展示的是可能规模，经营数据才能逐步回答哪些投入能够自我支撑。既不能用庞大的远期数字替代现实回报，也不能因为回报尚未充分显现，就断言所有基础设施都失去价值。