AI基建擴張面臨收入檢驗：31.6萬億美元預測背後的條件

人工智慧基礎設施擴張正在接受一項更直接的檢驗：未來應用產生的收入，能否及時承擔今天投入的資金。路透社10月3日的分析將多項研究放在一起，指出技術潛力、企業估值與實際生產率改善之間，仍存在需要驗證的距離。理解這輪投資，首先要分清長期資本支出、未來年度收入與已經觀測到的就業變化。¹

圖：AI生成概念示意圖（非實景）：資料中心、供電設施與建設中的基礎設施。

31.6萬億美元是一條預測路徑

PwC於9月2日發布的研究，由牛津經濟研究院建模，覆蓋46個國家和地區。中性情景預計，2026年至2050年全球資料中心累計資本支出約31.6萬億美元，年度開支從2026年約8,000億美元增至2030年1.1萬億、2050年1.8萬億美元。統計包括建築及資訊通信設備，金額採用實際美元和2025年匯率。²

這不是已經發生的支出，也不是企業已簽下的訂單總額。報告將設備每四至六年更新一次作為假設；機房持續運行，意味著伺服器和加速晶片仍需反覆投入。不同AI採用速度對應約22萬億至50萬億美元的累計區間，研究未給各情景分配機率。電力供應和晶片貿易也可能改變實際路徑。²

收入缺口按年度衡量

貝恩9月29日發布的年度科技報告，從收入端提出另一組條件：要支撐其測算的AI算力需求，到2031年需要約6萬億美元年收入；現有消費者及企業AI應用可能貢獻1.2萬億至1.8萬億美元。按照這個區間的上沿，仍有4.2萬億美元年度收入需要新業務填補。該數字不能理解為未來五年的累計營收缺口。³

貝恩列出的潛在來源包括新廣告模式、自動駕駛等自主系統、機器人，以及藥物研發和能源等尚待擴展的應用。這些是可能形成收入的方向，並非已經兌現的市場。31.6萬億美元描述多年資本投入，6萬億美元描述某一年所需收入，兩者期限和統計範圍不同，不能相除後直接宣稱投資回報率。²³

因此，核心問題不只是模型能否完成更多任務，還在於新增價值由誰獲得、多少會轉化為供應商收入，以及兌現速度能否趕上設備更新和融資安排。客戶節省的成本、供應商的營業收入與最終利潤，也不是同一個指標。技術有效，並不會自動保證每個項目的資金結構都能持續。

就業信號同樣需要保留邊界

史丹佛數位經濟實驗室8月12日更新研究，使用截至2026年6月的ADP薪資數據發現：22至25歲、處於高AI暴露職業的年輕人，就業水平比隨低暴露同齡群體同步增長的比較路徑低約19%。研究未發現全經濟範圍的廣泛崗位替代，差距主要表現為年輕人招聘減少，而非離職增加。作者明確說明，這是描述性關聯，不能據此把全部差距歸因於AI。⁴

這些結果提示，局部招聘收縮可以與總體就業穩定同時出現，也不能單憑崗位變化證明宏觀生產率已經大幅躍升。路透引用劍橋經濟學家黛安·科伊爾的觀察稱，歷史上重大技術的生產率影響往往需要較長時間擴散。¹

對這一輪擴張，更有解釋力的觀察將是實際付費需求、交付後利用率和持續經營產生的現金流。長期預測展示的是可能規模，經營數據才能逐步回答哪些投入能夠自我支撐。既不能用龐大的遠期數字替代現實回報，也不能因為回報尚未充分顯現，就斷言所有基礎設施都失去價值。

來源與說明

1. 2026-10-03 · Analysis: AI's race to transform the world before the money runs out · Reuters，CNA轉載 ↩ ↩²

2. 2026-09-02 · Where $31.6 trillion of capex flows in the era-defining AI build-out · PwC，Global Data Centre Outlook 2026–50 ↩ ↩² ↩³

3. 2026-09-29 · Global AI market could hit $6 trillion annually by 2031 through unlocking value and innovation – Bain & Co's 7th Global Technology Report · Bain & Company，PR Newswire發布 ↩ ↩²

4. 2026-08-12 · No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19% · Stanford Digital Economy Lab，數據截至2026年6月 ↩