1.4兆美元的AI豪賭：解讀高盛的樂觀預測與隱藏的債務風險

支撐這個模型的，是一場對「代理型AI」的賭注。與回答完提示就停止的簡單聊天機器人不同，AI代理會持續運作——執行多步驟任務、呼叫應用程式介面（API），並在延伸的思維鏈中進行推理。高盛預期，這種永遠在線的行為模式，將在2030年前推動Token消耗量增長24倍 。每一次代理互動消耗的運算資源都遠高於以往，而隨著企業開始大規模部署AI代理，其需求曲線與支撐市場共識模型的線性成長軌跡相比，可說是完全不同。

真正的瓶頸：電力、勞動力與實體限制

對於真正的限制何在，高盛直言不諱。在其關於驅動AI時代的報告中，該銀行明確指出：「資金不足並非最緊迫的瓶頸——而是為其提供燃料的電力。」 在全球電力需求經歷了十年的平穩增長後，資料中心的電力消耗預計到2030年將暴增160% 。光是美國，預估到2028年資料中心就將面臨45吉瓦的電力缺口，到2030年需要新增72吉瓦的發電容量——這大約相當於72座大型核電廠的發電量 。

現有的電網並非為此未來而設計。新建天然氣電廠的輸電和許可時程長達五到七年，風力和太陽能等可再生能源目前只能提供間歇性電力，而核能則是一個更長期的解決方案 。作為可靠電力供給骨幹的新型燃氣渦輪發電機，其訂單實際上已排滿至2030年 。

勞動力或許將是最難克服的限制。高盛估計，大約需要額外76萬名電工、線路工人和技術人員，才能建構AI所需的實體基礎設施，其中包括20.7萬個需要三到四年培訓的專業職位 。這些工作並非矽谷能透過自動化或外包來解決——它們需要實地的人力投入。這種短缺意味著，每新增十億瓦的電力需求，專案時程就會被拉得更長 。

該銀行的「追蹤兆元」報告引入了「延長風險」的概念：電力併網排隊、許可延遲，以及變壓器、開關設備等關鍵設備的短缺，都可能使建設時程遠超最初的規劃。在壓力情境下，這些延遲會反饋到需求端，加劇不確定性，形成一個專案耗時更長、興建更多設施的理由也隨之減弱的自我強化循環 。即便如此，高盛的基準預測仍預期，2026年至2031年間的累計AI資本支出將達到約7.6兆美元 。

摩根士丹利的預測比較

摩根士丹利（Morgan Stanley）的預測也經歷了自身的劇烈上調。一年前，該公司估計2026與2027年，超大規模服務商的合併資本支出各約為4500億美元。但在2026年第一季財報公布後，由 Brian Nowak 領導的分析師團隊將這兩個數字分別上調至約8000億美元和1.2兆美元 。

摩根士丹利目前預測，2027年超大規模服務商的資本支出為1.16兆美元，這個數字超過了高盛約1.1兆美元的基準預測，但低於其1.4兆美元的樂觀上限 。到2028年為止，摩根士丹利預測全球資料中心的資本支出將達2.9兆美元，其中1.4兆美元由超大規模服務商的現金流支應，留下1.5兆美元的資金缺口，需靠發債、租賃和合資企業來填補 。

兩大銀行都同意，資本支出佔銷售額的比率已進入未知領域。摩根士丹利預測，2026至2028年間，這個比率將達到34%至39%，超越網路泡沫時期約32%的高峰。若計入經租賃調整後的數據，比率更可能攀升至44%至45% 。

暗影帳簿：資產負債表外的租賃和SPV債務

在這些引人注目的支出數字之下，潛藏著一層更令人擔憂的財務工程。穆迪評級（Moody's Ratings）估計，美國前五大超大規模服務商——亞馬遜（Amazon）、Meta、Alphabet、微軟（Microsoft）和甲骨文（Oracle）——持有高達6620億美元的未來資料中心租賃承諾，而這些合約都尚未開始 。根據美國公認會計原則（GAAP），由於服務尚未開始，這些義務不會列為流動負債。它們存在於資產負債表之外，主要只能在財務報表的附註中看到 。

若將所有未折現的未來租賃承諾加總，數字將達到驚人的9690億美元——大約是這五家公司合併調整後債務的113% 。隨著這些租約在未來幾年內陸續啟動，它們將開始作為營業費用流經損益表，可能壓縮自由現金流，並限制投資人長期仰賴的股票回購能力 。

與此同時，日益增長的「特殊目的載具」（SPV）使用情況也是一項隱憂。大型科技公司已透過破產隔離的SPV，安排了超過1200億美元的資料中心債務，這些債務都位於合併資產負債表之外 。摩根士丹利預測，這種表外融資機制到2028年可能達到8000億美元 。這些載具通常僅有8%到10%的薄弱的股權緩衝，並以折舊快速的GPU作為抵押品，租賃期限短則四年，與傳統的十年以上租期大相逕庭 。

甲骨文的警訊與不斷擴大的信用利差

甲骨文已成為AI融資假設可以多快瓦解的典型案例。2025年底，該公司與 Blue Owl Capital 在密西根州一座資料中心的融資案上分道揚鑣，暴露了表外融資模式的脆弱性。甲骨文背負著1240億美元的債務和2480億美元的租賃承諾，市場反應極為迅速——即便是對一家投資級別的公司，信用重定價也「以極其殘酷的速度」發生 。

國際清算銀行（BIS）也已觀察到，信用評級較低的超大規模服務商，其信用違約交換（CDS）利差已然上升，反映出市場對巨量債務供給以及AI專案能否產生足夠回報的日益增長的疑慮 。美國金融穩定監督委員會（FSOC）和英國央行（Bank of England）更已明確地將此類表外AI基礎設施債務的累積，標示為一個潛在的系統性弱點 。

集中風險進一步加劇了這個問題。許多以SPV為基礎的債務都與單一資產或單一租戶的資料中心綁定。一旦租戶倒閉或需求疲軟，SPV結構對母公司資產負債表的追索權有限，從而可能引發連鎖損失 。太平洋投資管理公司（PIMCO）也指出了AI融資的「循環」性質：像是GPU製造商這類供應商，會向他們供貨的同一家SPV提供信貸或入股，一旦資本市場緊縮，它們就會面臨再融資風險 。

一場同時存在兩種敘事的榮景

這場人工智慧基礎設施的建設，在規模和速度上都是史無前例的。光是2026年，前五大超大規模服務商的總支出預計就將達到7550億美元——年增率高達83% 。摩根士丹利指出，2026年8000億美元的數字，大致相當於前一年標準普爾500指數中所有非科技公司的資本支出總和 。

然而，使這一切成為可能的融資結構，也正在催生其自身的風險。樂觀的敘事建立在一個假設上：尚未大規模部署的AI代理，將帶來24倍的Token需求增長。而在高盛內部也存在著與之對立的悲觀論點，認為至今的投資回報根本無法支撐如此龐大的支出 。在這兩種極端觀點之間，則是無法迴避的實體現實：一個跟不上步伐的電網、一個數量嚴重不足的技術勞動力大軍，以及近一兆美元即將到期的「暗影帳簿」義務——其後果將遠遠超出科技產業本身。