AI 数据中心热潮无法阻止美国建筑业下滑

尽管数据中心投资的年化规模创纪录地超过 750 亿美元，但美国 7 月建筑支出仍然下降，Google News 凸显了这一鲜明矛盾。人工智能基础设施建设的扩张速度超过几乎所有其他建筑类别，但其规模依然过于集中，无法扭转住房、制造设施、公共项目和传统商业建筑领域的疲软。

最新数据令“AI 基础设施已成为广泛经济引擎”的说法更为复杂。数据中心正吸引巨额资本、专业劳动力、电力设备和政治关注。然而，建筑总支出较 6 月下降 0.5%，较 2025 年 7 月下降 3.8%。

这种背离才是真正的焦点。Amazon、Google、Microsoft 和 Meta 等超大规模云服务商正为庞大的计算园区提供资金。它们的投资能够带动电气承包商、工程公司、公用事业企业和专业设备供应商，却无法自动重振住房需求，也无法替代全国数以千计的小型项目。

结果是，一个更大范围放缓之中存在着显眼繁荣的经济体。AI 建设之所以在新闻标题中显得主导，是因为单个项目的预算极其庞大。全国建筑数据衡量的是更广阔的市场，仅住宅建设的规模就仍超过数据中心主体建筑支出的十倍。

Google News 捕捉到萎缩市场中的创纪录热潮

7 月数据显示，数据中心正在加速扩张，而其周边的建筑市场却在收缩。

美国人口普查局估计，2026 年 7 月建筑总支出经季节性调整后的年化率为 2.158 万亿美元，较 6 月修正后的水平低 0.5%，也比 2025 年 7 月的估算低 3.8%。

人口普查局还报告称，前七个月的支出达到 1.245 万亿美元，比 2025 年同期低 3.5%。这些数据见于该机构官方的建筑支出报告。

由于误差范围为 0.8 个百分点，环比下降在统计上无法与零明确区分。同比下降则更为清晰，误差范围为 1.5 个百分点。在解读单月变动时，这一区别十分重要。

私人建筑支出较 6 月下降 0.5%。住宅支出下降 1.3%，私人非住宅建筑支出则增长 0.4%。公共建筑支出也小幅回落，较上月下降 0.2%。

在这些总体数据中，数据中心支出则大幅逆势上升。根据对人口普查数据的分析，其经季节性调整后的年化率达到约 752 亿美元，环比增长 6.2%，较一年前增长约 57%。

这一指标追踪的是当月已完成或安装的建筑工程，并以年化率表示。它并不意味着开发商在 7 月实际支出了全部年化金额，而是显示如果当月活动持续一年所隐含的速度。

这一类别也需要谨慎解读。人口普查局将数据中心归入私人办公建筑，尽管如今已提供单独序列。其官方调查定义指出，建筑价值可以包含为某一建筑特定用途而设计并安装的设备。

不过，该序列并未涵盖与 AI 园区相关的每一美元支出。最昂贵的处理器、内存系统以及大量网络硬件，可能并不计入已记录的建筑价值。建筑只是基础设施投资的一层。

这解释了为何这场热潮对科技投资者而言规模庞大，却在全国建筑总量中显得有限。752 亿美元的年化率约相当于建筑总支出的 3.5%。即便以这一基数快速增长，也无法抵消规模达数千亿美元的各类领域的广泛疲软。

因此，Google News 读者会看到两种都准确但并不完整的叙事：一种称数据中心建设正在激增，另一种称美国建筑业正在下滑。只有将两组数据置于同一框架中，二者之间的张力才会显现。

住房带来的下行压力超过 AI 所能抵消的程度

住宅建设是核心压力点，因为其规模远大于专业 AI 设施带来的增量。

7 月私人住宅支出的年化率为 8590 亿美元，低于 6 月修正后的 8706 亿美元。仅这一项单月降幅，就超过了规模小得多的数据中心类别所隐含的整月增幅。

住宅建设涵盖新建独栋住宅、多户住宅，以及对现有房产的改造。每一部分都受融资成本、家庭信心、房产价值、当地供应状况和开发商对未来销售预期的影响。

数据中心需求遵循的是不同周期。超大规模云服务商可能因为预期未来数年对模型训练、推理、云服务和存储的需求，而批准建设大型园区。住宅开发商则必须应对抵押贷款可负担性以及特定当地市场中的购房者。

这两套不同的需求机制，阻碍了 AI 热潮自动传导至住房市场。位于 Virginia、Texas、Louisiana 或 New Mexico 的大型计算园区，并不能解决其他地区疲软的住房销售，也不会降低住宅开发的融资成本。

根据 KPMG 的一份建筑市场分析，截至 7 月，建筑商信心已连续 16 个月维持悲观。这是自 2012 年以来持续时间最长的一轮。

住房还依赖广泛的小型企业网络。承包商、木材供应商、家电制造商、经纪人、地方贷款机构和市政审批部门均参与其中。疲软在这一网络中的传播方式，与高度集中的超大规模项目并不相同。

AI 园区在建设期间可以雇用大量建筑工人，但这些场地对电工、机械工程师、冷却专家和高压电专业能力的需求尤为集中。这些技能无法完全替代支持住宅项目的工种和本地供应商。

地理因素又带来另一层错配。数据中心投资集中于具备可用电力、光纤连接、土地、税收安排和云区域的地点。住房建设则追随人口增长、家庭形成、分区政策和当地可负担性。

因此，即便两个领域都在竞争部分材料和劳动力，支出总额仍可能出现背离。AI 设施能够拉动变压器、开关设备、涡轮机、发电机和电力服务的需求。住房则可能因家庭面对完全不同的可负担性问题而持续疲软。

公共建筑提供的缓解有限。7 月公共支出的年化率为 5434 亿美元，略低于 6 月。公路建设基本持平于 1503 亿美元，教育建筑则小幅降至 1123 亿美元。

这些类别的规模都大于数据中心建设序列。其走势取决于政府预算、项目审批、联邦资金、采购进度和地方税收能力。超大规模云服务商的资本无法直接替代延期的学校、道路或供水项目。

这就是为何标题所呈现的反差并非对 AI 需求的批评。数据中心热潮是真实存在的；建筑业低迷只是覆盖范围更广，而其中规模最大的疲软类别由不同的经济驱动因素决定。

超大规模云服务商的巨型项目创造规模，但缺乏广度

少数超大型项目能够推高建筑开工和企业支出，却未必带来均衡的全国性扩张。

建筑数据包含多种衡量不同活动阶段的指标。建筑开工记录某一时期内启动的项目；已完成建筑支出则记录该时期内完成或安装的工程。

这一差异有助于解释看似相互矛盾的报告。Dodge Construction Network 表示，7 月建筑总开工以经季节性调整后的年化率计增长 25.6%，达到 1.79 万亿美元；而人口普查局的支出指标却在同月下降。

少数巨型项目推动了开工数据。Dodge 将 New Mexico 的 Project Jupiter 数据中心项目、New York 的 Micron 半导体工厂，以及 Louisiana 的 Amazon 数据中心列为 7 月最大的新开工项目之一。

这些项目很重要。它们为承包商和供应商创造了多年期项目储备。然而，随着工程推进，其预算会逐步进入支出数据，而数以千计既有项目的下滑足以淹没它们的影响。

通过比较，集中程度会更加清楚。American Institute of Architects 在其 1 月的建筑预测中估计，2025 年数据中心支出为 415 亿美元。其专家组预测，2026 年增长 20%，2027 年增长 16.6%。

同一预测显示，2025 年制造业建筑支出为 2226 亿美元。制造业即使出现温和变化，其金额贡献也可能与增速快得多的数据中心增长相当。住宅建设的基数则更大。

项目集中也使月度数据波动更大。一个园区可能需要数十亿美元用于场地工程、混凝土、冷却基础设施、变电站和备用发电。因此，涉及供电交付或许可证的延误，可能使大量活动在不同月份之间转移。

这使这场热潮不太像全国性的办公楼建设周期。传统办公楼开发曾遍及中央商务区和区域市场；超大规模开发则将投资集中在少数具备足够供电能力的地点。

受益最明显的企业同样高度专业化。电力设备制造商、工程承包商、能源开发商、冷却设备供应商，以及服务于高密度计算的企业，可能获得强劲订单。专注于公寓、零售或普通办公楼的承包商，则可能面对截然不同的市场。

就业又提供了一个例子。受数据中心及相关电力项目推动，非住宅建筑业可能增加就业岗位，但这并不能证明整体建筑需求健康。即使使用不同工种或位于不同地区的类别支出走弱，就业仍可能保持坚挺。

这种集中也限制了广泛工业投资所承诺的乘数效应。半导体工厂和数据中心会创造周边需求，但自动化降低了其永久性用工需求。其对当地经济的影响取决于供应链、税收结构、电力成本和配套开发。

Google News 的报道可能会淡化这些区别，因为创纪录的巨型项目比数百个被取消的住宅开发项目更容易吸引关注。全国统计数据恢复了缺失的尺度：可见度与经济广度并不是一回事。

AI 基础设施建设有其自身的物理限制

数据中心增长面临电力、成本和审批限制，尚无法成为可靠的建筑业支撑。

当前的繁荣反映了对计算能力的需求，但需求本身并不能让一座设施投入运营。开发商还需要接入公用事业网络、电气设备、水或替代冷却系统、土地审批、融资以及社区支持。

电力是首要制约因素。AI 工作负载需要高密度的加速器集群，并持续消耗电力。即使一个地点具备土地和光纤，在公用事业公司能够提供足够可靠的电力之前，它仍无法运营。

并网延迟可能使项目工期延长数年。开发商因此开始考虑专用发电设施、微电网、电池储能，以及靠近可用能源的园区。每种路径都会增加工程、监管和融资的复杂性。

建设成本也在上升。JLL 报告称，全球数据中心平均建设成本从 2020 年每兆瓦 770 万美元升至 2025 年每兆瓦 1,070 万美元。其 2026 data center outlook 预计这一成本还将上涨 6%，达到每兆瓦 1,130 万美元。

这些数字反映的是全球主要市场的平均建设成本，而不是适用于每个项目的统一价格。土地、劳动力、电网连接、冷却设计和韧性要求都会造成显著的地区差异。

更高的成本可能会推高统计中的建设支出，却未必带来同等幅度的实体产能增长。电气设备或熟练劳动力的通胀会提高已记录工程的价值，但不一定意味着有更多建筑竣工。

社区阻力带来了另一层不确定性。居民和地方官员越来越多地质疑数据中心对公用事业账单、用水、噪音、排放和税收的影响。项目可能面临暂停令、更严格的条件或更长的审批周期。

政治冲突很可能加剧，因为成本与收益落在不同层面。超大规模云服务商获得的是服务全球客户的计算能力；当地社区承担的则是电力需求、土地占用、施工交通以及基础设施要求。

技术需求同样存在不确定性。云服务提供商正根据预期的 AI 采用率和收入提前投入资金。如果模型经济效益改善得慢于预期，部分已宣布的产能可能被推迟、重新设计或取消。

效率提升带来了另一种张力。更好的芯片和软件可以减少每项任务所需的计算量；但推理成本降低也可能鼓励更多使用，从而推高总需求。净效应依然难以预测。

还存在时间错配问题。建设支出记录的是正在进行的工程，而投资公告描述的是未来意向。涵盖规划项目的头条数字不应被视为已完成的活动。融资、电网接入和客户承诺仍横亘在计划与运营之间。

最有力的质疑观点并不需要预测 AI 崩盘。它只需要认识到，当前的增长速度无法无限期持续。一个年增长率接近 57% 的类别，最终必然会遭遇电力、融资、政治或需求方面的约束。

这对更广泛的建筑市场至关重要。如果数据中心已经无法抵消当前的低迷，那么其增长一旦放缓，就会更清楚地暴露周边领域的疲软。所谓的支撑力量，恰恰会在其他行业最需要它的时候变得不那么可靠。

AI 基础设施正在重塑建筑业，而非拯救它

这股繁荣改变了美国建设什么、哪些供应商胜出，但尚未恢复广泛的建筑需求。

电力建设体现了这种转变。根据 KPMG 的分析，公共和私人电力项目的合计支出在 7 月达到约 1,815 亿美元的年化水平，超过了约 1,698 亿美元的制造业建设支出。

数据中心推动了这一扩张，因为计算能力需要发电、输电、变电站和备用系统。因此，部分收益会出现在狭义数据中心类别之外。

这种更广泛的基础设施效应具有重要经济意义。一个园区可能带动公用事业升级、可再生能源发电、燃气设施、储能和新的输电线路。它还可能增加对变压器、开关设备、冷却机械和建筑材料的订单。

不过，这些收益并不会均匀分布。与电气系统相关的供应商可能接近满负荷运转，而服务传统商业建筑的企业却面临需求疲软。全国汇总数据掩盖了不同专业领域之间不断扩大的差距。

这种转变也改变了劳动力竞争格局。数据中心开发商能够向具备高压电气和机械专业能力的企业提供长期项目储备。较小项目可能难以招到这些工人，或难以承受更高的分包成本。

材料也面临类似的资源配置问题。对发电机、涡轮机、变压器和冷却设备的需求可能造成较长的交付周期。不断增长的订单积压可被视为需求证据，但它也可能延误实际施工并推高项目成本。

制造业的情况尤其值得谨慎看待。半导体制造厂支撑着 AI 供应链，但制造业建设已从早前高点回落。政策变化、关税、补贴、需求预测和企业融资都会影响规划中的工厂能否推进。

传统办公楼建设仍受远程和混合办公的压力。数据中心支出已超过常规办公支出，但这一交叉既反映了数据中心的强劲，也反映了办公市场的疲弱。它并不意味着更广泛的商业地产问题已经消失。

零售、住宿、医疗和教育各自遵循不同周期。其项目受消费活动、人口结构、政府资金和借贷条件影响。AI 资本支出没有直接机制能同时拉动所有这些领域。

因此，正确的经济结论比许多技术叙事所暗示的更为有限。人工智能正在将相当一部分投资重新导向计算和能源基础设施，但它并未推动整个建成环境同步扩张。

这一区别对评估建筑公司的投资者十分重要。仅仅拥有“非住宅建筑”敞口并不能说明太多问题。真正相关的问题包括项目组合、地理布局、客户集中度、电气能力，以及对少数超大规模云服务商的依赖程度。

这对政策制定者同样重要。围绕数据中心设计的激励措施可以吸引具有头条效应的投资，但也会带来有关发电和公共基础设施的责任。地方政府必须将这些责任与就业、税收和次级开发收益进行比较。

对技术采购方而言，建筑领域的分化表明，AI 产能并非无摩擦地出现。物理约束会影响云服务可用性、服务定价、区域部署，以及新模型大规模投入使用的速度。

这股繁荣之所以意义重大，恰恰是因为它高度集中。它正在围绕算力重新组织资本、电力规划和承包商需求。然而，将其称为建筑业的救援力量，是赋予它全国性数据并不支持的角色。

三项信号将显示这种分化是否正在收窄

未来几个月将揭示数据中心的动能是向外扩散，还是仍将是一根孤立的支柱。

第一项信号是 Census Bureau 的月度建筑数据。读者应同时追踪总支出、私人住宅工程、制造业、公共建设，以及独立的数据中心类别。

持续复苏需要的不只是又一个数据中心纪录。住宅或公共建设必须企稳，私人非住宅建设的增长也需要从计算园区扩展到更多领域。否则，Google News 的核心矛盾仍然存在。

第二项信号是超大规模云服务商的资本支出与已完成产能。仅有公告并不足够。投资者应关注 Amazon、Google、Microsoft 和 Meta 是否维持其计划，以及公用事业公司是否按时为新园区接入电力。

资本预算上升将强化 AI 建设持续增长的论点。延期启用、取消租约或设备部署放缓则会削弱这一论点。竣工十分重要，因为项目只有在电力和计算系统投入运行后才能满足 AI 需求。

第三项信号是数据中心之外的建设项目储备。住房、制造业、学校、医疗设施、交通和传统商业项目的开工情况，将显示融资条件是否正在整个经济中改善。

少数几个大型项目就可能造就惊人的单月开工数字。项目数量、地区和建筑类型的广泛增长，才能提供更有力的复苏证据。持续疲软则会证实，AI 仍是一个孤岛，而非全国建筑业的引擎。

读者还应区分名义支出与实体活动。Census 数据未针对通胀进行调整。更高的劳动力和设备成本，即便建筑商完成的可用空间减少，也可能推高支出。

这一局限并不会使数据失效。它只是厘清了这些数字衡量的对象。该系列追踪的是已完成建设的美元价值，而不是经通胀调整后的产出，也不是已建成设施未来创造的收入。

更大的启示并不是 AI 投资已经失败。数据中心建设已从一个专业地产类别成长为重要的工业力量。它如今影响着电力市场、设备供应链、地方政治和企业资本预算。

启示在于，一个异常突出的类别无法支撑一个以万亿美元计的市场。住房、公共工程、制造业和常规商业建设，仍决定着全国行业能否实现广泛扩张。

请带着这一分母观察接下来的数据发布。如果总支出与数据中心同步上升，说明这股繁荣正开始扩散；如果数据中心不断创纪录而总量持续下滑，那么建筑业低迷仍是更重要的经济信号。