人工智能基础设施投资热潮正在重塑全球资本市场格局，其中隐藏的债务风险不容忽视。

根据高盛的最新预测，从2025年到2030年，超大规模云计算企业在人工智能和数据中心领域的资本支出总额将达到5.3万亿美元，标志着前所未有的资本支出超级周期。

高盛预计，这些超大规模企业可能会因为流动性信贷市场饱和而面临约束，因此不得不从各种市场寻求融资。

纽约大学荣誉教授加里·马库斯在分享相关分析时，将高盛的声明称为"令人恐惧的句子"，并说道：

对我来说，问题不再是超大规模模型是否会崩溃，而是附带伤害会有多严重。

这些超大规模云服务提供商不可能收回他们5.3万亿美元的投资，除非他们通过大规模政府补贴从纳税人那里提取这笔资金。这正是他们打算要做的。

同时，摩根士丹利估计，到2028年，全球数据中心建设的资本支出单独将达到近2.9万亿美元，其中相当大的比例依赖债务融资。这意味着，一旦市场出现调整，损失将不再局限于股东，而可能通过信贷市场蔓延到整个社会。

这场投资盛宴的另一面是企业预算日益紧张。Uber、亚马逊和沃尔玛等早期大规模人工智能采用者已经对员工的人工智能使用设置了上限，或者正在推动成本削减措施。

在Anthropic转换为基于令牌的定价模式后，Workato首席信息官卡特·巴斯看到公司的日支出飙升七倍，不禁发表评论：

根据高盛分析师的说法，人工智能资本支出的增长速度比实际数据中心建设快，这意味着未来的瓶颈可能从模型需求转向融资能力、电力供应和项目执行。

摩根士丹利的估计更为详细。他们预计到2028年，在2.9万亿美元的全球数据中心建设资本支出中，融资来源将如下所示：

这种结构意味着人工智能基础设施投资在很大程度上是由信贷驱动的。

人工智能社交媒体评论员罗汉·保罗在X上指出，由于只有少数超大规模云公司无法无限制地发行公债，投资者开始担心发行人集中风险。

数据中心融资的复杂性进一步加剧了这一问题。

这不是单一的资产，而是土地、电力接入、网络连接、建筑、冷却系统和人工智能服务器的组合，因此融资需求溢出到多个市场中的基础设施基金、房地产基金、私人信贷和企业债券。

如果出现系统性市场调整，损失的传导链将比互联网泡沫时代复杂得多。

在需求方面，人工智能的高运营成本正在迫使公司重新考虑每个查询和自动化工作流程的价值。

Uber是最具代表性的案例。华尔街见闻提到，这家打车巨头在仅仅一个财政季度内就耗尽了整个2026年的人工智能年度预算。

在早至4月份就用完预算后，Uber宣布对任何单一人工智能工具的员工使用设置1,500美元的月度上限（按令牌计）。Uber总裁兼首席运营官安德鲁·麦克唐纳承认：

越来越难以证明在人工智能令牌上的支出是合理的，也很难在这种支出和实际产品功能改进之间划清因果关系。

沃尔玛也对内部人工智能助手的令牌使用设置了上限。沃尔玛全球首席技术官苏雷什·库马尔指出，该公司Code Puppy编程平台的使用情况"激增"，现在是时候"退一步重新评估"了。

这一趋势得到了计费模式结构性转变的支持。Anthropic和OpenAI等主要人工智能实验室已将一些服务从固定订阅转向基于令牌的计费，使企业对每个提示和自动化流程的成本更加敏感。

德勤全球生成式人工智能负责人科斯蒂·佩里科斯表示：

计算能力的成本已经开始引起首席财务官和公司董事会的关注。消费者和企业一直被告知人工智能是便宜的或免费的，但事实并非如此。

OpenAI首席执行官山姆·奥特曼也在本月承认，成本已成为客户今年的"主要挑战"——这是去年很少提及的话题。

企业级的成本削减行动也在对人工智能产业链上游施加巨大压力。

Anthropic和OpenAI都计划在今年晚些时候进行首次公开募股，估值接近1万亿美元。然而，企业削减人工智能支出的趋势正在对这些公司的收入增长预期施加潜在压力。

主要的人工智能平台已开始通过引导用户使用更便宜的非前沿模型来应对，以维持采用率。

GitHub首席运营官凯尔·戴格尔透露，微软已主动与客户沟通定价变化，讨论"适应性和合适的场景"，并强调"并非每项任务都需要前沿模型"。

微软、亚马逊和谷歌也推出了工具，可自动将用户请求路由到最具成本效益的模型。

一些企业已转向开源模型，在本地服务器或个人设备上运行它们，以减少对人工智能实验室和云提供商的支付。

思科的帕特尔表达了许多企业面临的困境：

我们的工程师想要更多的令牌，我们必须想办法为它们付款。

这句话反映了整个行业面临的困境：人工智能的战略价值得到广泛认可，但持续为其付款的商业案例仍然面临市场的审查。