美国的 AI 基础设施或许能在投资泡沫破裂后留存

Google News 展示的一篇 Fierce Network 评论提出了一个鲜明的反转观点：即使投资者预期落空，美国的 AI 投资热潮仍可能留下有价值的成果。这个“安慰奖”将是实体基础设施，包括数据中心、光纤线路、变电站、发电设施以及先进芯片供应链。这一论点挑战了最简单的泡沫叙事。

可供比较的是 20 世纪 90 年代末的电信热潮。需求未能达到预测水平后，投资者损失了数十亿美元。但后来，已铺设的大量光纤支撑了云计算、流媒体视频、移动宽带和现代互联网经济。

AI 基础设施是这一押注中更棘手的版本。光纤可在数十年间持续发挥作用，而图形处理器的经济价值贬损得快得多。数据中心还需要持续供电、冷却、维护和更换硬件。美国或许能在 AI 调整后继承宝贵的数字能力，但这一结果既不会自动发生，也并非没有代价。

为什么这篇 Google News 评论此刻值得关注

关于 AI 泡沫的争论，已经从软件估值进入实体经济。

过去数年，投资者可以将生成式 AI 视作又一场技术平台之争。最受关注的问题是模型质量、用户增长、订阅收入，以及哪个开发者平台会胜出。这些问题依然重要，但资本支出已将讨论远远推离软件领域。

最大的科技公司正在建设需要土地、输电设备、冷却系统、发电机、光纤连接和长期购电合同的设施。国际能源署报告称，全球数据中心投资在 2024 年达到约 5000 亿美元，几乎是 2022 年水平的两倍。其后续分析指出，五家大型科技公司在 2025 年的资本项目支出超过 4000 亿美元。

这种扩张改变了风险承担者。一款失败的软件产品可以被关闭，对公司外部的影响有限。但一个大型数据中心园区，在其商业前景明朗之前，就可能重塑公用事业规划、地方税收政策、建筑市场和区域用水需求。

因此，这篇经由 Google News 呈现的 Fierce Network 评论恰逢其时。核心问题不再是每一种 AI 应用是否都会成功，而是建立在乐观需求预测之上的投资周期，能否在这些预测被修正后留下有效产能。

支持者看到了一个熟悉的模式。铁路、电网和电信网络都经历过投机性投资周期。金融损失并未抹去基础设施，后来的用户往往能以低于原始建设者预期的成本获得使用权。

Meta 首席技术官 Andrew Bosworth 在 2026 年初提出了这一历史论点。他指出，铁路和电信光纤的建设最终都获得了社会认可，即便其财务历史中包含痛苦的调整。他的观点并非每位投资者都会获得有吸引力的回报，而是消费者能够从过剩产能中受益。

这一区别很重要。有利的社会结果并不保证有利的投资结果。基础设施之所以可能对未来用户更便宜，恰恰是因为原始所有者遭受损失、进入破产程序，或以低于建设成本的价格出售资产。

当前热潮也建立在一小群买家的基础上。Amazon、Google、Meta、Microsoft、OpenAI 及其基础设施合作伙伴影响着芯片、云容量、电力和网络领域的需求。他们的支出能够在整条供应链中创造真实订单，但也使市场面临同步削减开支的风险。

因此，阅读 Google News 上泡沫讨论的读者应区分三个问题：AI 有用吗？当前的需求预测会被证明准确吗？如果这些预测落空，基础设施还能保留价值吗？这些问题彼此重叠，但答案并不相同。

AI 已经支持编程、搜索、媒体创作、客户服务、研究和文档分析。这种应用并不能证明每一个拟建数据中心都能取得预期回报，也不能证明一座利用率不足的设施毫无价值。

这篇评论真正的贡献在于这种区分。美国可能会对一项重要技术过度投资。投资者可能亏损，而后来的用户则获得更便宜的使用权。然而，AI 基础设施的物理设计决定了这份“安慰奖”能保留多少价值。

建设者正在押注尚未到来的需求

美国部署计算能力的速度，快于 AI 收入已证明其能够支撑的速度。

AI 基础设施热潮反映了科技公司之间的战略竞争：它们更担心算力受限，而非暂时性过度建设。如果一家超大规模云服务商放缓建设、竞争对手却继续推进，它就可能缺少训练更大模型和支撑热门服务所需的计算资源。

这种激励促成了同步投资。单看竞争对手的规划，每家公司的支出似乎都合乎理性；但若企业采用、消费者需求或模型经济性不及预期，这些决策合在一起就可能造成供给过剩。

训练前沿模型需要大量加速器集群协同工作。推理，即为用户运行训练完成的模型的过程，可能形成规模更大的长期市场。每当有人生成文本、分析图像、编写代码，或要求 AI agent 完成任务时，推理都会重复发生。

乐观情景假设，推理需求会扩展至整个经济。AI 助手将成为办公软件、工程系统、广告、医疗保健、物流和公共服务中的常见层。更低的计算成本随后可能解锁目前仍不具经济性的用途。

SoftBank 创始人孙正义提出了这一观点中尤其激进的版本。2026 年 7 月，他认为全球 AI 基础设施投资每年需要达到近 5 万亿美元。无论这一估计最终是否现实，它都显示出领先投资者已将目光投向远超传统云扩张的领域。

审慎观点则从收入开始。AI 公司和超大规模云服务商最终必须产生足以证明电力合同、硬件采购、租约和融资承诺合理的现金流。强劲的用户增长有所帮助，但持续免费或大幅补贴的使用量并不能解答回报问题。

企业采用带来了另一层不确定性。一家公司可以成功开展 AI 试点，却不一定会将其部署至全体员工。安全审查、输出结果不可靠、整合工作和生产率收益不明确，都可能延缓大规模采用。这些障碍可能使技术有用性与可盈利需求脱钩。

企业同样有动力降低计算需求。更小的模型、量化、缓存、专用芯片和更高效的软件，都可以减少完成特定工作负载所需的基础设施。更高效率或许会扩大总体使用量，但也可能削弱早先的容量预测。

这是一种杰文斯悖论。资源成本降低可能足以提升总消费量，从而抵消每项任务的效率收益。结果取决于新增需求的增长速度，是否快于计算需求的下降速度。

主要云服务商处于这一问题的两端。它们采购大量 AI 硬件，同时也开发定制芯片和优化技术，以降低对昂贵加速器的依赖。Google 的张量处理单元、Amazon 的Trainium 芯片以及 Microsoft 的内部芯片项目，都体现了这种平衡。

Nvidia 处于不同的位置。当客户竞相建设更大集群时，它将受益；但其销售额并不能证明这些客户会获得有吸引力的回报。芯片需求衡量的是基础设施投资，而非 AI 应用创造的最终经济价值。

电信运营商、公用事业公司和建筑企业也面临各自版本的押注。即使模型开发商后来陷入困境，它们仍可在建设期获得收入。然而，仅为暂时需求扩张的供应商，可能会接手过剩产能。

因此，压力延伸到了 Silicon Valley 之外。电网运营商必须评估接入申请。地方政府必须权衡税收收入与土地、用水和用电方面的担忧。网络运营商则必须判断哪些光纤线路具有持久需求。

这些决定都无法等到完美证据出现。大型基础设施需要数年规划和建设。建设者必须在市场揭示 AI 会被多广泛采用之前作出承诺。

这种时间错配造就了泡沫条件。资本如今涌入，而商业验证要到之后才会到来。“安慰奖”论点试图通过将过度建设的基础设施视为未来公共资产，来减轻这种错配的担忧。

这一想法值得认真考量，但也需要严格检验。资产必须在原始预测失效后依然可用、可获得且负担得起。否则，过度支出只会产生搁浅设备，而非未来增长的基础。

与互联网泡沫时期光纤的比较只在一定程度上成立

AI 基础设施类似于电信热潮，但计算硬件的老化速度远快于光纤。

互联网泡沫类比之所以引人注目，是因为它同时包含金融灾难和技术成功。电信公司根据后来才实现的需求预测铺设了庞大的光纤网络。市场调整后，投资者蒙受损失、公司倒闭，产能则以更低价格开放。

这种低成本产能帮助后来的互联网企业扩大规模。视频流媒体、云服务、移动应用、社交网络和在线商业消耗了早期投资者已部署的带宽。实体网络无需依赖最初的商业计划才能存续。

光纤仍是 AI 泡沫“安慰奖”的有力候选。数据中心需要高密度的本地连接、长途线路以及设施之间的冗余链路。这些线路可服务于云服务、传统企业流量、电信网络、研究机构和未来应用。

Fierce Network 还曾记录 AI 设施周边不断增长的光纤需求。业内人士描述了一种转变：从连接家庭，转向连接机器、园区和分布式计算站点。这种需求支持更多线路多样性和网络密度。

电力基础设施也可能具备持久价值。新的变电站、输电线路、发电资产和电网管理系统，可能支持工业电气化、电动汽车、制造业和人口增长。其效用可以超越最初促成项目的数据中心。

然而，本地设计同样重要。服务于不断增长的大都会地区的输电升级项目具有广泛的再利用潜力。连接偏远园区的专用线路则几乎没有其他潜在客户。供水系统、道路和天然气管道也存在同样的差异。

建筑处于两者之间。现代数据中心配备电力配电系统、冷却设备、安保系统，以及为计算硬件设计的加固空间。它可以服务不同租户，但要改作无关用途可能相当困难。

AI 设施也不同于传统数据中心。高密度加速器集群会产生大量热量，需要专门的冷却系统。其电气设计必须支持规模庞大且快速波动的负载。为某一代硬件优化的建筑，面对下一代硬件时可能需要昂贵改造。

图形处理器是与光纤类比中最薄弱的一环。随着更快、更高效的型号问世，芯片会贬值。较旧的加速器仍可运行有用的工作负载，但其单项任务的能耗成本可能使其在与新硬件竞争时失去经济性。

这一差异会影响泡沫破裂后的剩余价值。暗光纤可以等待需求出现，同时仅消耗有限的运营资源。装满老旧加速器的数据中心即使利用率下降，仍需要电力和维护。

软件兼容性又增加了一层风险。AI 基础设施包括网络系统、开发工具和专有平台。即使硬件在技术上仍具备能力，如果开发者更偏好另一种软件环境，其商业价值也可能流失。

因此，AI 热潮留下的“安慰奖”是一组寿命各不相同的资产。

长期资产

• 光纤路由可以承载多种形式的数字流量。

• 输电设备可以服务新的工业负载。

• 拥有电力接入条件的土地可以吸引其他计算租户。

• 建设施工经验可以支持后续项目。

寿命较短的资产

• 加速器可能在几个硬件周期内失去经济价值。

• 冷却设计可能与较新的系统不再匹配。

• 专有互连技术可能限制其他用途。

• 缺乏附近替代需求的专业园区可能难以维持。

原文观点的反转依然成立，但仅限于较底层的基础设施。美国很可能会在 AI 调整后保留有用的网络和能源能力。但如今的芯片和专用设施是否能带来同样持久的收益，则更不确定。

所有权结构也与电信时代不同。当前大量产能属于资本雄厚的科技公司或其签约合作伙伴。这些公司能够吸收损失、重新利用设施，并持续运营那些足以令小型业主破产的产能。

这种韧性可能减少被迫出售的情况。如果业主将产能保留在封闭式云平台内部，消费者未必能获得低价服务。只有当外部用户能以具有竞争力的价格使用这些过剩产能时，它们才会让外部用户受益。

云服务竞争仍可能促成这一结果。拥有闲置产能的超大规模云服务商将有动机降价、提供额度，或支持更多第三方工作负载。然而，高度集中的所有权可能限制价格的下行空间。

美国的 AI 基础设施可以比 AI 泡沫存续得更久，但它不会像一种统一的国家资产那样运作。光纤、电力设备、建筑和芯片遵循不同的折旧曲线。任何严肃的互联网泡沫时代对比都必须考虑这些差异。

安慰奖附带公共账单

只有当社区不会被私有风险所困时，基础设施才能保留社会价值。

泡沫之争常常将过度投资视为科技公司与其股东之间的较量。实体基础设施让这一框架变得不完整。在 AI 公司证明其需求之前，公用事业公司、缴费用户、地方政府和附近居民就可能已经承担成本。

电力是最明显的例子。IEA 预计，在其基准情景下，全球数据中心用电量到 2030 年将增长一倍以上，达到约 945 太瓦时。AI 是推动这一增长的最重要因素，尽管围绕效率和普及程度仍存在不确定性。

全球数据可能掩盖强烈的本地压力。数据中心集中于电力、土地、光纤和许可条件相互契合的地点。即使这些设施在全国用电中的占比不高，单个地区仍可能面临大量接入申请。

公用事业公司必须为峰值需求和可靠性建设。新增发电能力和电网设备需要长期规划。如果预测的数据中心负载未能出现，监管机构就必须决定由谁为闲置产能买单。

这一成本分配问题正是“安慰奖”论点的核心。规模过大的变电站或许能支持未来增长，但家庭用户不应自动为一个面向投机性私人客户建设的资产提供资金。持久的基础设施并不能消除不公平的成本分担。

长期合同、保证金和最低付款要求可以将更多风险转移给开发商。监管机构也可以要求大型客户为专用升级项目提供资金。这些措施能降低普通缴费用户补贴闲置产能的可能性。

水资源也带来类似挑战。冷却需求因设施设计、气候和能源来源而异。从全国层面看似具有经济吸引力的项目，可能会与当地农业、居民或环境需求竞争。

就业承诺同样值得审视。建设阶段会创造大量临时工作岗位，而建成后的数据中心提供的长期职位少于许多工厂。地方官员必须将税收优惠与现实、经独立评估的收益进行比较。

基础设施仍可能支持区域发展。可靠的电力和光纤可以吸引实验室、制造商、云服务商及其他数据密集型企业。然而，这些外溢效应取决于接入条件、定价、劳动力能力和地方规划。

宽带不平等使全国层面的论证更加复杂。美国可以在超大规模园区周边铺设密集光纤，却让农村和低收入社区仍无法获得价格可负担、服务可靠的网络。Fierce Network 曾指出，该国的 AI 雄心建立在一个尚未完成且发展不均衡的宽带系统之上。

这种矛盾削弱了任何建设项目都会自动成为公共产品的说法。数据中心之间的私人线路无法弥合数字鸿沟。政策制定者需要建立机制，将基础设施投资与更广泛的可用性联系起来。

集中度带来另一项风险。少数公司控制了大部分云服务市场、领先的 AI 模型以及先进芯片的需求。基础设施可能变得更加庞大，但其经济收益的获取渠道依然狭窄。

结果取决于热潮期间作出的治理选择。互连规则、公用事业合同、税收协议、环境审查和竞争政策决定了谁能获得上行收益。这些选择也决定了谁来承担损失。

其中还涉及安全维度。国内数据中心和能源基础设施可以降低对外国计算能力的依赖。即使个别 AI 产品失败，扩大的芯片生产和技术专长仍可增强供应韧性。

然而，韧性需要多样性。以少数企业、芯片架构、地区或能源为中心的国家战略，可能制造新的依赖。仅有产能并不能保证冗余。

因此，最有力的怀疑论角度并不是基础设施会变得毫无用处。其中一部分几乎肯定仍会具有价值。更难的问题是，在私人业主、公用事业公司和政府结算损失之后，这种价值是否会向公众开放。

真正的“安慰奖”需要满足若干条件。有用的资产能够在调整后存续下来。新客户可以使用它们。地方社区不会承受不成比例的成本。竞争会将过剩产能转化为更低价格和更广泛的试验空间。

如果缺少这些条件，“基础设施还在”就成了一种不完整的辩护。这句话在技术上可能属实，但家庭可能面临更高账单，市政机构可能失去税收收入，专用设备则可能闲置。

这正是为何 AI 泡沫分析必须涵盖股票估值以外的内容。资本支出正在重组美国人每天依赖的实体系统。其结果可以提升国家能力，但前提是合同与政策将投机风险继续归属于下注的一方。

Google News 读者接下来应关注什么

泡沫论点将由利用率、基础设施定价以及谁为下一轮建设买单来检验。

第一个信号是云服务和数据中心利用率。已宣布的产能告诉读者公司希望建设多少。利用率则揭示客户是否真的在使用这些产能。

公开披露很少能提供完整图景，因此需要综合观察多项指标。云服务收入增长、AI 服务收入、加速器可用性、租赁价格和项目延期，都可以揭示供给是否在追赶需求。

高利用率加上不断改善的 AI 收入，将削弱最强烈的泡沫论点。这将表明企业和消费者正在为已安装的计算能力付费。持续的供给短缺也将支持进一步建设。

租赁价格下降和项目大范围延期则会指向相反方向。这些进展并不能证明 AI 缺乏价值，但会表明产能规划跑在了有利润的需求之前。

第二个信号是推理价格。训练之所以受到关注，是因为前沿模型需要大型集群；但能够支撑长期基础设施的，是持续性的推理工作负载。

模型提供商持续降低常见任务的计算成本。如果更低的价格带来大幅增长的使用量，基础设施总需求仍可继续上升。如果使用量增长缓慢，效率提升可能会让昂贵的产能得不到充分利用。

读者应关注企业如何从试点转向生产部署。工程、客户支持、科学研究和内部知识工作中的持续部署，比孤立的演示更重要。使用 AI 开展知识密集型工作的团队同样需要可靠的来源管理，这使得结构良好的 AI knowledge base 比仅有原始模型访问权限更具意义。

关键衡量指标并不是有多少公司声称自己在使用 AI，而是这些部署是否创造了足以证明持续计算成本合理的价值。续约率、付费使用量和有记录的工作流程变化，比试用账户提供的证据更有力。

第三个信号是基础设施风险分配。公用事业监管机构和州政府正在决定，大型数据中心客户是否必须为其申请的发电和电网容量买单。

要求开发商承担专用升级成本的合同，将强化“安慰奖”论点。它们既能保护家庭用户，也能让有用的基础设施投入使用。如果需求后来消失，原始客户将承担更多损失。

将建设成本转嫁给缴费用户的政策则会削弱这一论点。公众将为投机阶段提供资金，却无法保证获得最终资产的使用权。地方反对声音也会加剧，从而拖慢那些商业合理性更明确的项目。

这三个信号应按顺序解读。利用率显示需求是否存在。推理经济性显示这种需求能否持续。实用性和地方政策则显示，社会能否在不过度承担私人风险的情况下获得新增产能。

Google News 的报道将继续得出相互矛盾的结论，因为“AI 泡沫”同时描述了多个市场。模型初创公司、上市科技股、云平台、数据中心、芯片、光纤和电力公用事业并不共享同一张资产负债表，也没有相同的资产寿命。

调整可能从某一层开始，却不会摧毁其他层。初创公司的估值可能下跌，而云服务使用量仍在上升。芯片订单可能放缓，而光纤需求依然稳定。数据中心开发商可能取消投机性项目，而成熟园区仍保持满负荷。

这种不均衡的结果，比单一而剧烈的崩盘更可信。互联网泡沫破裂并没有抹去互联网，但它重新分配了所有权，并惩罚了脆弱的商业模式。AI 的调整很可能也会在一个能源密集度更高的基础设施体系中产生同样的效果。

最终的赢家未必是当前最受关注的公司。拥有审慎合同的公用事业公司、线路布局合理的网络运营商、高效的模型提供商，以及已验证应用价值的企业，都可能在热潮退去后受益。

消费者或将受益于更低的 AI 服务价格和更充裕的云计算容量。研究人员和小型公司或许能获得繁荣时期稀缺的计算资源。这是最可信的一种“安慰奖”。

不过，更便宜的产能并不能弥补所有受影响群体的损失。劳动者可能失业，投资者可能损失积蓄，社区则可能承担环境或财务成本。国家产能与个人福祉是不同的衡量标准。

正确的结论应当是有条件的。即便当前预测过于乐观，美国的 AI 建设仍在创造可支撑未来产业的资产。光纤和电力基础设施具有最强的再利用价值。加速器和专用设施则面临更高的淘汰风险。

未来一到三个月将通过超大规模云服务商的财报、建设决策、云业务增长和州级公用事业裁决提供更多证据。读者应将已宣布的支出与已付费需求进行比较，并审视每个项目的成本由谁担保。

不要只问 AI 是否存在泡沫。还应追问：当预期重置后，哪些资产仍然有用，谁能够获得它们，以及过渡期间由谁承担成本。下一次 Google News 的标题宣称繁荣势不可挡或崩盘迫在眉睫时，都应遵循这一框架。