因此,AI投资越来越像一次大型工业建设周期,类似历史上的铁路、电网或互联网基础设施建设。这类长期资本扩张通常会提高经济中的均衡利率水平。
R-star本质上反映的是全球储蓄与投资需求之间的平衡。当投资需求持续增加时,这个平衡就会发生变化。
主要机制包括:
1. 对资本的需求更强
如果企业预期新技术能带来高回报,它们在任何给定利率下都更愿意投资。市场若相信AI能提升生产率,对中性利率的估计也会随之提高。
2. 持续性的基础设施投资
AI部署不是一次性投入,而是需要不断升级算力芯片、扩建数据中心以及增加电力容量。这种多年持续的投资周期会形成长期资本需求。
3. 对生产率提升的预期
如果AI被认为能够长期提高劳动和资本效率,那么经济可以在更高实际利率下仍保持增长。
换句话说,更高利率有时并不代表经济变差,而可能意味着市场预期未来增长更强。
在生产率真正提升之前,AI投资本身就可能直接影响债券市场。
达拉斯联储研究指出,AI数据中心建设可能显著增加长期债券供给,因为许多项目需要通过企业融资来完成。
主要渠道包括:
当市场需要吸收更多长期债券时,投资者必须承担更多期限风险,这通常会推高期限溢价和长期收益率。
事实上,与AI相关的企业借贷已经明显增加。大型科技公司近年来已发行大量债券,并承诺为AI数据中心项目投入数千亿美元。
经济学家认为,如果债券市场必须吸收如此规模的新债务,本身就可能对利率形成上行压力。
如果中性利率出现结构性上升,影响不仅限于企业融资。
在全球金融危机之后,许多国家习惯了极低利率环境。但在AI投资周期下,这种环境可能发生变化。
可能的结果包括:
最终,财政可持续性将取决于经济增长能否同步提升。
利率是股票估值模型中的关键变量。实际利率越高,未来利润折现后的价值就越低。
这一点对成长型股票影响最大,尤其是许多AI相关公司,因为它们的估值很大程度上依赖多年后的盈利预期。
如果债券收益率上升是因为市场预期AI会带来更高生产率和利润增长,那么估值压力可能被更高盈利所抵消。
但如果收益率上升主要来自债务供给增加或融资压力,那么股市估值倍数——特别是高成长板块——可能被压缩。
对建设AI基础设施的科技公司而言,问题并不仅是利率,还有资本开支规模。
云计算和AI平台公司正在大规模投资GPU、数据中心和电力基础设施。这些投入部分来自自身现金,但随着投资规模扩大,企业也越来越依赖债券市场融资。
这可能带来一种现金流压力:
如果AI业务收入增长速度赶不上基础设施投资,自由现金流可能下降,即使公司营收在增长。
AI投资最终对经济产生怎样的影响,很大程度取决于它是否真的带来显著的生产率提升。
如果AI显著提高各行业效率,较高的实际利率可能只是更健康经济的反映。
可能结果包括:
在这种情况下,收益率上升代表的是资本回报率提高,而不是金融压力。
如果AI应用落地速度低于预期,同样的资本支出浪潮可能产生金融风险。
潜在问题包括:
即使债券收益率仍然较高,也可能只是因为债务供应增加,而不是经济增长强劲。
AI基础设施建设正在改变资本市场结构。数万亿美元规模的算力和能源投资,必然会影响融资需求、债券供给以及长期利率。
最终决定这一变化是机遇还是压力的关键问题只有一个:人工智能能否真正兑现市场目前预期的生产率提升。