1.4万亿美元AI豪赌：高盛看涨背后的物理极限与隐性债务危机

该模型背后，是对下一代AI——智能体（AI Agent）的巨大赌注。与回答完问题就停下的简单聊天机器人不同，AI智能体能够持续运行，执行多步骤任务、调用各类应用程序接口（API），并在漫长的思维链中进行推理。高盛预计，这种“永远在线”的行为模式，将推动到2030年全球token消耗量增长24倍。每一次智能体交互都会消耗远超以往的算力，随着企业开始大规模部署智能体，其需求曲线与支撑共识模型的线性增长轨迹相比，已截然不同。

真正的瓶颈：电力、劳工与物理极限

对于真正的硬约束在哪里，高盛的态度异常直率。在其关于驱动AI时代的报告中，该行明确指出：“资金匮乏并非最紧迫的瓶颈——为AI供能所需的电力才是。”在经历了长达十年的电力需求停滞期后，受AI工作负载驱动，全球数据中心的电力消耗预计到2030年将激增160%。仅美国一地，预计到2028年数据中心将面临45吉瓦的电力缺口，需要在2030年前新增72吉瓦的发电能力——这大致相当于72个大型核电站的装机容量。

现有的电网并非为这样的未来设计。新建天然气电厂的输电线路和审批周期长达五到七年；风能和太阳能目前仅能提供间歇性供电；而核能则是一个更长期的解决方案。作为可靠电力供应主力的新型燃气轮机，其订单实际上已经排到了2030年。

劳工问题可能是最难克服的障碍。 高盛估计，建造AI所需的物理基础设施，大约需要新增76万名电工、线路工人和相关技工，其中包含20.7万个需要三到四年培训的专业岗位。这些岗位无法被硅谷自动化，也无法外包——它们需要实打实的现场人力。这种短缺意味着，每增加一吉瓦的电力需求，项目周期就会进一步拉长。

高盛在其“追踪万亿投资”的报告中，提出了一个**“延期风险”（Elongation Risk）的概念：电力并网排队、审批延迟，以及变压器、开关设备等关键设备的短缺，都可能导致实际建设周期远超最初规划。在压力情景下，这些延期又会反过来加剧市场对需求的疑虑，形成一个自我强化的恶性循环——项目越拖越久，继续追加投资的理由就越薄弱。即便如此，高盛的基线估算仍预计，在2026年至2031年间，全球AI资本支出的累计总额将达到约7.6万亿美元**。

与摩根士丹利预期的同与不同

摩根士丹利（Morgan Stanley）自身的预测也经历了戏剧性的大幅上修。一年前，该机构还预计五大超大规模企业在2026与2027年的资本支出合计约为4500亿美元。但在2026年第一季度财报发布后，以布莱恩·诺瓦克（Brian Nowak）为首的分析师团队已将这些数字分别上调至2026年的约8000亿美元和2027年的1.2万亿美元。

目前，摩根士丹利预测2027年超大规模企业的资本支出为1.16万亿美元，这一数字超过了高盛约1.1万亿美元的基线预期，但低于其1.4万亿美元的上限。到2028年，摩根士丹利预计全球数据中心的资本支出总额将达2.9万亿美元，其中1.4万亿可由超大规模企业的自有现金流覆盖，剩下的1.5万亿融资缺口，则需要通过债务、租赁和合资企业等形式来填补。

两家投行都同意，资本支出与销售额的比率已进入未知领域。摩根士丹利预计，2026至2028年的该项比率将在34%至39%之间，超过了互联网泡沫时期约32%的峰值。若将租赁调整后的数据计入，该比率甚至可能攀升至44%至45%。

隐藏的账本：表外租赁与SPV债务

在亮眼的支出数字之下，是更令人不安的金融工程手段。穆迪评级（Moody‘s Ratings）估计，美国五大超大规模企业——亚马逊、Meta、Alphabet、微软和甲骨文——持有高达6620亿美元的、尚未开始的数据中心未来租赁承诺。根据美国通用会计准则（GAAP），由于服务尚未启用，这些义务并不作为流动负债出现在资产负债表上，而是隐藏在财务报表的脚注中。

当把所有未折现的未来租赁承诺加总，这个数字将达到惊人的9690亿美元——大约相当于这五家公司调整后总负债的113%。未来几年，随着这些租赁合同陆续生效，它们将开始作为运营支出计入利润表，这可能会压缩企业的自由现金流，并限制投资者长期依赖的股票回购计划。

另一大担忧是，特殊目的实体（SPV）正被越来越多地用于为AI基础设施融资。大型科技公司已通过这些独立于合并报表之外的、具有破产隔离机制的SPV，发行了超过1200亿美元的数据中心相关债务。摩根士丹利预计，到2028年，这种表外融资的规模可能达到8000亿美元。这些工具的典型特征是：仅8%至10%的极低股本缓冲，以贬值速度极快的GPU作为抵押品，租约期限也短至四年，而非传统的十年以上。

甲骨文警报与走阔的信用利差

甲骨文（Oracle）成为了AI融资假设能多快瓦解的典型案例。2025年末，该公司与蓝猫头鹰资本（Blue Owl Capital）在密歇根州一个数据中心的融资上分道扬镳，暴露了表外模式背后的脆弱性。甲骨文自身背负着1240亿美元的债务和2480亿美元的租赁承诺，市场反应极其迅速——即便作为投资级发行主体，其信用风险也“以残酷的速度被重新定价”。

国际清算银行（BIS）观察到，信用评级较低的超大规模企业，其信用违约互换（CDS）利差已经走阔，这既反映了海量的债务供应，也体现了市场对AI项目能否产生足够回报的担忧与日俱增。美国金融稳定监督委员会（FSOC）和英格兰银行均已明确指出，表外AI基础设施债务的积聚构成了潜在的系统性脆弱性。

集中度风险进一步放大了问题。大量与SPV相关的债务都集中在单一资产或单一租户的数据中心上。一旦租户违约或市场需求疲软，鉴于SPV的结构对母公司资产负债表追索权有限，极有可能引发连锁损失。太平洋投资管理公司（PIMCO）也警告了AI融资的循环性风险，即GPU制造商等供应商，会为它们自己供货的SPV提供信贷或进行股权投资，一旦资本市场收紧，这些供应商将自己暴露在再融资风险之下。

同一场繁荣，两种叙事

AI基础设施的建设热潮，无论规模还是速度都史无前例。仅在2026年，五大超大规模企业的资本支出预计合计将达7550亿美元，同比增长83%。摩根士丹利指出，这8000亿美元的开支，大致相当于前一年标普500指数中所有非科技公司资本支出的总和。

然而，让这一切成为可能的融资结构，其本身就正在催生新的风险。乐观的叙事将宝押在了尚未大规模部署的AI智能体上，期待其带来24倍的token需求增长。而以高盛内部科维洛为代表的悲观论点则认为，迄今为止的回报尚无法证明投资的合理性。在这两极之间，是无法回避的物理现实：跟不上节奏的电网、规模不足的技术劳工大军，以及将近万亿美元、行将到期的表外债务——其影响将远超科技行业本身。