Jamie Dimon称AI数据中心热潮不会消退

尽管围绕债务、电力和不确定回报的担忧日益加剧，Jamie Dimon仍驳斥了AI数据中心热潮将会消退的担心。在CNBC强调他对这一基础设施周期的信心后，这位JPMorgan Chase首席执行官的观点通过Google News触达了更广泛的受众。

他的论点并不只是人工智能会继续受到欢迎。Dimon押注，计算能力需求将持续快速增长，足以支撑一场规模惊人的建设和融资浪潮。

这份信心使他站在了另一类投资者的对立面：后者认为当前局面令人想起20世纪90年代末的电信热潮。两个时期都曾在尚不清楚最终会出现多少可盈利需求之前，对基础设施进行巨额投入。

这种比较之所以重要，是因为JPMorgan在这一市场中身处多个位置。它在内部使用AI，为科技公司提供咨询，安排融资，并评估由此产生的信贷风险。

因此，Dimon给出的不只是随意预测。他是在表达一家正帮助资本流入芯片、数据中心、电力系统和云基础设施的机构的看法。

最有力的证据支持短期内需求将延续。至于如此庞大投资的长期回报，仍更难确定。

Jamie Dimon登上Google News实际传递了什么信号

Dimon的信心将讨论焦点从AI基础设施会不会建成，转向其用户能否从中赚取足够收益。

他的立场与他在2026年5月纽约一场Anthropic活动上的发言一致。根据一篇关于AI资本周期的报道，Dimon表示，这项技术值得进行万亿美元规模的投资。

这一背书来自美国资产规模最大的银行掌门人，也是在科技公司不断加大基础设施承诺、寻求更多外部融资之际作出的。

AI数据中心是为运行高密度专用处理器集群而设计的设施。这些处理器用于训练模型并执行推理，即由训练完成的模型生成答案的过程。

训练与推理之间的区别，有助于解释Dimon的信心。训练创造模型，而推理则将计算需求与日常客户活动联系起来。

J.P. Morgan Asset Management估计，推理如今约占AI计算工作负载的三分之二。该机构认为，这种构成意味着新增产能与可用服务的联系，比早期投机性的训练项目更紧密。

该机构还估计，超大规模云服务商的资本支出在2025年超过4,000亿美元，预计这一金额将在2026年接近8,000亿美元。

超大规模云服务商是指运营巨大云平台的公司，包括Amazon、Microsoft、Google和Meta。它们的规模使其能够通过经营现金流、企业债务和长期承诺为基础设施融资。

这些估计并不能证明每一座规划中的设施都会成功。但它们说明了为何Dimon并不将个别项目取消或施工延误视为全面崩盘的证据。

大型数据中心项目经常发生变化，因为电力接入、许可、设备和客户承诺的推进节奏各不相同。一个项目延期并不自动意味着计算需求走弱。

Google News的传播可能会抹平这些差异。一条有关某设施暂停的标题，可能与另一条宣布建设数十亿美元园区的消息并列，让人产生局势突然逆转的印象。

Dimon的介入提供了更清晰的框架。这波热潮并非一个要么成功、要么失败的单一项目，而是一组设施、融资结构、租户和区域电力安排构成的投资组合。

几乎可以肯定，一些项目会亏损。这一结果可以与更广泛市场中持续存在的基础设施需求并存。

Dimon此前已承认这种区分。他认为AI是真实存在的趋势，同时警告部分投入资本将被浪费。

这一立场比宣称当前每个估值或每座设施都合理更可信。通用技术往往一边催生有价值的基础设施，一边伴随着失败的公司和时机不佳的投资。

互联网经受住了互联网泡沫崩盘。那个时期建设的光纤网络，后来支撑了其最初投资者未必能存活到实现收益的服务。

Dimon似乎预计，技术需求与投资者回报之间也会出现类似分离。AI能够改变商业活动，同时仍可能造成金融领域的伤亡。

这正是CNBC标题背后的关键信号。他并未承诺一个平稳的周期，而是在反驳挫折会消除对计算能力的根本需求这一观点。

真实需求使这轮建设不同于光纤泡沫破裂

支持Dimon立场的最佳论据是，AI产能仍然稀缺，而互联网泡沫期间建设的基础设施远远领先于实际使用。

J.P. Morgan当前的AI基础设施分析称，在建数据中心产能中超过70%已被预租。这一预租水平让开发商在建筑投入运营前，就拥有更清晰的收入可见性。

同一分析称，在电信泡沫于2002年触底时，仅有7%的光纤网络在使用。投资者资助的供给大幅超过了当时的需求。

至少目前来看，今天的市场呈现相反的状况。云服务提供商持续报告计算产能受限，客户则提前数年预订使用权限。

根据J.P. Morgan Asset Management的数据，主要云平台在2026年第一季度录得44%的平均营收增长。这一增长并非完全来自AI，但AI服务是重要推动因素。

工作负载本身也变得更为复杂。推理模型会在给出答案前执行更多计算，而AI agents则可能为完成一项任务反复调用模型。

一次基础聊天机器人的请求可能只需一次响应。处理研究、代码或业务流程的agent，则可能生成数十个彼此关联的请求。

这种倍增效应意味着，效率提升不一定会减少基础设施总需求。更低廉的计算成本可能鼓励开发者运行更多任务、服务更多用户，并构建更复杂的应用。

这一模式类似于其他技术市场：单位成本下降会扩大总消费。更高效的网络并未减少互联网流量，更好的芯片也没有终结对计算能力的需求。

企业的采用仍处于早期阶段。J.P. Morgan估计，约20%的美国公司表示正在使用AI，不过由于衡量方式不同，各项调查结果存在差异。

这留下了可观的扩张空间。但这也暴露出一种假设的弱点：当前采用会自动转化为覆盖全公司的、可盈利部署。

试验会创造计算资源需求，但持续需求需要有用的工作流程。公司必须将模型与其数据、安全控制、软件和员工职责整合起来。

当前最强的应用场景包括软件开发、文档处理、客户支持、广告、研究和金融分析。每个场景都可能在模型训练完成后持续产生推理需求。

JPMorgan本身就是一个相关案例，因为该银行已将AI部署于风险管理、运营、服务和员工工具之中。它的经验让Dimon直接接触到企业采用的难度与实用性。

该银行的内部需求并不能证明整个市场的回报情况。不过，它有助于解释为何Dimon将AI视为运营技术，而非投机性的消费新奇事物。

另一项证据来自实体稀缺性。主要市场的数据中心空置率一直维持在接近历史低位，而获得合适电力已成为一项刚性约束。

当产能有限时，客户可能接受不利条款，稀缺性可能掩盖疲弱项目。不过，它也可能通过支撑出租率和长期合同来保护成熟设施。

由此形成的市场比简单的泡沫比较更复杂。当前供给受限，客户正在预订产能，云业务收入也在增长。

这些事实支持Dimon的短期观点。但它们并不能确定，按预期的2026年规模进行支出，是否会在设施生命周期内产生可接受的回报。

因此，光纤先例具有双重含义。基础设施可以继续对社会有用，同时摧毁那些支付过高价格或基于不现实假设借款的所有者的资本。

这种区分界定了核心冲突。Dimon正在捍卫持久的计算需求，而怀疑者则在质疑围绕这一需求建立的金融结构。

这波热潮如今对债务的依赖不亚于芯片

AI数据中心正从由现金支撑的科技周期，转向一场可能暴露较弱租户和项目的融资考验。

Amazon、Alphabet、Meta和Microsoft进入这一周期时拥有异常强劲的资产负债表。J.P. Morgan估计，截至2026年第一季度末，这四家公司持有约4,300亿美元现金和有价证券。

预计它们全年的合计经营现金流将达到约5,750亿美元。这种财务实力使它们有别于那些为互联网泡沫融资的众多未盈利公司。

然而，资本支出正在消耗更多现金创造能力。J.P. Morgan估计，超大规模云服务商的支出在2025年已占经营现金流的近60%。

该机构预计，这一比例将在2026年升至90%至100%之间。这一变化减少了可用于回购、收购、股息和应对意外业务疲软的缓冲。

云服务公司可以继续投资，但必须作出更艰难的选择。它们可以放缓建设、增加借款，或将项目义务转移给开发商和专业融资工具。

债券市场正变得愈发重要。根据J.P. Morgan Asset Management的数据，超大规模云服务商在2025年发行了约1,210亿美元债券。

该机构预计，2026年的发行规模将升至约2,500亿美元。它还预计，私人信贷和表外安排将为更多项目提供支持。

表外融资是指将资产或义务置于独立实体中，而非直接纳入科技公司的主要资产负债表。这种结构可以分散风险，但也可能使总风险敞口更难评估。

相对于收益，超大规模云服务商的平均净债务仍处于温和水平。J.P. Morgan估计，其净债务约为息税折旧摊销前利润的0.8倍。

典型投资级发行人的可比比率约为2.6倍。这一差距表明，领先科技公司能够承受的新增借款高于大多数企业发行人。

但平均值可能掩盖项目之间的重要差异。出租给多元化云服务提供商的设施，与依赖单一AI实验室的设施所承担的风险不同。

开发商通常以长期租约和预期租户付款为基础，为建设项目融资。如果租户无法筹集资金、重新谈判其承诺，或减少容量使用，项目的经济效益就可能恶化。

银行面临压力，需要区分可持续的合同与由竞争恐慌催生的需求。它们还必须评估，如果原始租户退出，专用设施的价值如何变化。

AI 硬件的淘汰速度可能快于建筑物和电力连接。围绕某一代处理器设计的园区，可能需要进行昂贵改造才能适配后续系统。

这造成了快速变化的技术与长期债务之间的错配。数据中心融资可能延续多年，而处理器设计和冷却要求的变化速度要快得多。

JPMorgan 的地位使 Dimon 的乐观态度格外重要。该银行可以从持久的建设周期中赚取费用和利息，但也必须防范集中性损失。

因此，他的观点应被理解为对整体需求的信心，而非一项笼统的信贷批准。JPMorgan 可以看好该行业，同时拒绝为特定租户或结构提供融资。

这正是 Google News 的标题可能掩盖真实较量的地方。关键分歧并非看涨的银行与看跌的技术人士之间的对立。

而是可持续需求与假设市场每个部分都会同步增长的融资条款之间的差异。前一种判断拥有比后一种更有力的证据。

压力如今落在贷款方、开发商和云服务商身上。各方都必须证明，合同需求代表的是可盈利、持续的客户使用，而不是战略性囤积容量。

一家企业可能因为担心失去对竞争对手的访问机会而预留计算资源。这一决定能够支撑短期租赁，但并不能证明长期应用收入的存在。

随着借贷规模上升，融资周期将变得更加严苛。信用利差、租户质量、租约条款和项目取消情况，比宣传性的建设总量更能揭示问题。

只有当贷款方能够吸收个别失败而不全面撤退时，Dimon 的信心才能经受住检验。一个正常运作的信贷市场可以为优质项目提供资金，同时重新定价较弱项目。

无序撤退则会呈现不同景象：它将包括租户违约、银团融资失败、利用率下降，以及多个云服务商范围内的大规模取消。

现有证据尚不足以证明这种情景已经形成。但随着基础设施周期扩张，确实有理由更谨慎地关注债务问题。

电力比 AI 需求消失更是重大制约因素

AI 数据中心最直接的威胁往往是电力不可得，而不是缺少需要算力的客户。

根据 J.P. Morgan 的分析，数据中心目前约占美国电力消费的 4%。到 2030 年，这一比例可能大致增至三倍。

一个大型园区的电力需求可能超过一吉瓦。这一负荷相当于一座大城市的用电量。

新的服务器机架也在变得更加密集。最先进的规划配置对设施每平方英尺的电力和冷却需求显著提高。

数据中心建设可能需要两到三年。新增发电设施通常需要五到十年，而输电网络建设所需时间可能更长。

这一时间差使得多个市场的并网连接比土地更有价值。开发商可以获得许可和处理器，却仍可能缺乏足够电力来运营。

北弗吉尼亚州说明了这一问题。该地区拥有全球最密集的数据中心集群，但大型新增并网连接可能需要等待数年。

Santa Clara 的一些新建设施由于当地电网无法提供充足电力，运营容量低于设计水平。若只从入住率来看，这类案例可能看似需求疲弱。

但它们实际反映的是搁浅供给，即已建成的基础设施因缺少另一项必要投入而无法满负荷运行。

J.P. Morgan 估计，美国主要市场目前仅约有六吉瓦容量正在建设中。规划储备规模远大于此，但许多拟议项目将永远无法获得电力。

这一筛选过程可以支撑 Dimon 的观点。如果电力限制了建设，可用设施即使开发商宣布更多理论容量，仍可能维持较高入住率。

它也带来政治和经济风险。公用事业公司必须决定由谁承担发电、变电站、输电线路和备用容量的成本。

居民越来越反对可能推高家庭电费的安排。他们还会质疑用水量、土地占用、噪声以及所创造的永久就业岗位数量。

各州已开始为超大型用电户制定特殊费率。这些规则可能要求数据中心为电网升级付费，并保证最低付款额。

此类合同降低了家庭承担全部成本的可能性。但它们也提高了运营商所需承担的费用和承诺。

社区反对已不再只是次要的审批问题。J.P. Morgan 引述估计称，地方阻力在 2025 年期间延误或阻止了超过 1,500 亿美元的项目。

这一数字不应被解读为投资被永久取消。开发商可以迁移项目、重新设计，或协商新的成本分担安排。

然而，迁移会改变网络性能和建设经济效益。AI 系统需要在设施、用户和数据源之间建立可靠连接，因此并非每个地点都可以互换。

云公司正通过长期能源协议作出应对。其策略包括天然气、核能、地热系统、燃料电池、太阳能发电和电池储能。

多种解决方案还需要数年才能实现规模化。燃气轮机面临长期订单积压，而新建核设施则面临监管、建设和成本的不确定性。

电力稀缺对较小竞争者的影响也更严重。大型云公司可以签订长期合同并为专属发电项目融资，而初创公司必须按市场价格购买容量。

这一动态可能使 AI 基础设施进一步集中于资产负债表强劲的公司。它也可能加深对少数云平台的依赖。

对企业买家而言，结果可能会体现在服务价格、区域限制或容量上限上。即使模型变得更高效，开发商仍可能面临更高成本。

效率依然重要，但不能孤立地评估。当每项任务变得更便宜时，企业往往会运行更多任务，并开发要求更高的应用。

因此，电力瓶颈既强化也复杂化了 Dimon 的论点。稀缺性支撑了运营设施的价值，但也可能阻碍行业以经济可行的方式满足预期需求。

繁荣并不一定要消退，才能令投资者失望。建设延误、电网成本和地方限制，可能在客户需求仍然存在的同时压低回报。

这一差异应影响读者对未来 Google News 报道的解读。一个被取消的园区可能反映融资、审批、电力或租户问题，而不是整个市场的单一判断。

有用的问题不是项目是否停止，而是项目为何停止，以及其客户是否将工作负载转移到了其他地方。

三个信号将检验 Dimon 对 AI 数据中心的押注

云收入、融资条件和运营容量将决定 Dimon 是识别出了持久需求，还是低估了代价高昂的错配。

第一个信号是 2026 年基础设施激增之后的云收入增长。投资者应将 AI 相关服务的增长与支持这些服务所需的资本进行比较。

收入不必立即与建设支出相匹配，因为数据中心会运营多年。但它必须显示出一条可信路径，以覆盖折旧、电力、网络和融资成本。

J.P. Morgan 的另一份 AI investment review 估计，要在当前投资上获得 10% 回报，可能需要每年 6,500 亿美元的 AI 收入。这是一个颇具挑战的门槛，而非对销售额必然实现的预测。

如果云业务增长保持强劲，同时单位成本下降，Dimon 的观点将获得支持。使用量上升将表明新增容量服务于不断扩展的应用，而非闲置的预留资源。

如果收入增长放缓，而资本支出仍接近当前水平，这一判断就会减弱。届时，云服务商将面临削减项目或接受更低回报的压力。

第二个信号是信贷市场的表现。读者应关注债券发行、信用利差、私募融资，以及银行分销大型项目贷款的能力。

发行量增加本身并不意味着困境。实力强劲的公司往往会借款，因为债务是为多年持续产生收入的资产融资的高效方式。

当贷款方要求显著更高的补偿，或拒绝承担特定租户的风险敞口时，警讯便会出现。银团融资失败和反复重组将表明感知风险正在上升。

随着更多投资通过独立项目实体进行，透明披露将变得重要。投资者需要知道哪家公司为租约提供担保，以及需求下降时由谁承担损失。

乐观的结果是选择性重新定价。优质项目继续获得资本，较弱计划则被延期或取消，而不会破坏整个市场稳定。

负面的结果是相关性收缩。多家主要租户将减少承诺，而贷款方同时撤退，使开发商持有专用且利用不足的资产。

第三个信号是已通电容量，而不是已宣布容量。一个已宣布的园区在获得处理器、网络、冷却和可靠电力连接之前，贡献甚微。

读者应将运营中的兆瓦数与建设计划和理论储备进行比较。他们还应追踪预租赁场址是否按时开始承载客户工作负载。

建成建筑与可用电力之间不断扩大的差距，会削弱项目回报。但这未必表明 AI 需求已经消失。

相反，新近通电设施的利用率上升将强化 Dimon 的论点。这将证明预留容量正在转化为真实的计算活动。

这三个信号应结合考虑。强劲的云收入无法完全保护一个融资成本难以承受或没有电力连接的项目。

宽松融资同样无法挽救没有盈利用户的设施。只有当客户持续支付足以覆盖全部成本的费用时，运营容量才有意义。

更广泛的教训是，AI 数据中心之争包含两个不同问题。一个问题是，对计算的需求是否将继续增长。

另一个问题是，今天的投资者、贷款方、租户和开发商能否从这种增长中获取足够价值。Dimon 在回答第一个问题时立足更稳。

J.P. Morgan 自身的分析承认第二个问题仍存在不确定性。其称，目前需求超过供给，但长期回报仍未明朗。

这一平衡结论比将这一周期视为必然成功或迫在眉睫的崩溃更有用。基础设施繁荣可以在经济上具有重要意义，同时在财务回报上并不均衡。

开发商应关注容量定价和区域电力可用性。企业买家应关注云承诺、服务成本，以及自身部署的可量化成果。

知识工作者应关注 AI 应用能否嵌入持续、重复的工作流程。持续使用会创造推理需求，最终支撑数据中心收入。

投资者应区分由实力雄厚的租户支持的设施，与依赖持续融资的投机性项目。他们还应审视每项义务由谁提供担保。

Google News 将继续呈现扩建公告和项目取消的消息。任何一类标题都不足以单独终结这场争论。

下一季度的云业务业绩将提供更清晰的需求信号。融资活动则将显示华尔街是否仍接受相关风险。

电网接入情况将揭示已公布的产能中有多少能够转化为可用基础设施。这些指标将共同检验，这轮热潮是在扩大，还是仅仅在累积承诺。

Dimon 的押注是，有用的 AI 服务将消耗远超当前市场供给的计算资源。短期来看，证据支持这一判断。

仍不确定的是，谁能获得回报，谁将承担失败项目的损失，以及市场找到答案之前会累积多少债务。在判断这一轮建设是否正在熄火之前，应关注这些结果，而不是 Google News 中最喧嚣的标题。