经济学家估计AI建设每年需要3.55万亿美元收入

哥伦比亚商学院金融学教授Stijn Van Nieuwerburgh在一份工作论文中，把美国AI数据中心建设放到一张现金流表上检验：这些设施在成熟运营后，需要赚到多少钱，才能覆盖资本回收、设备更换与投资者回报。论文的核心情景是2025至2032年间美国新增约188吉瓦数据中心容量投入运营，同期投资近9万亿美元。

在这一情景下，论文估算相关设施需要约1.77万亿美元的成熟期年经营现金流；按50%的经营现金流利润率折算，对应约3.55万亿美元的年收入。按论文口径，这相当于相关企业每天需进账近100亿美元。

需要先明确这个数字的性质。论文作者强调，这些数字是条件性情景下的建模收入需求，而非对AI企业实际收入或AI经济价值的预测。它描述的是已完成设施在成熟运营状态下需要达到的收入水平，而不是对某家公司销售目标的设定。

收入测算依赖三个关键假设：10%的年度投资回报率（借款前）、50%的经营现金流利润率，以及算力设备六年经济寿命。三者中任何一个变动，收入门槛都会明显移动。

论文对必要回报率与经营现金流利润率的不同组合做了测算，得到的年收入需求区间约为2.13万亿至6.55万亿美元。也就是说，3.55万亿美元是核心情景下的一个点，而不是唯一答案。

成本侧同样有明确口径。论文估算一座代表性1吉瓦AI园区初始成本约410亿美元，200兆瓦园区在相同假设下约82亿美元；其中约三分之二用于算力设备及相关系统，其余用于建筑、冷却、备用电源与电力基础设施。论文还假设项目成本每年上涨4%，并按建设与完工年份分摊支出。

论文假设算力设备及相关IT系统占投资的68%并具有六年经济寿命，其余资产按20年寿命计算。建筑与电力基础设施可以用几十年，但GPU面临更快的技术迭代：旧设备仍能运行，却可能因为性能或成本不再受客户青睐。

若把算力设备的假定经济寿命从六年缩短到三年、其他假设不变，所需成熟期年收入升至约5.7万亿美元。更快的更换节奏，意味着设施必须产生更多现金来维持同样的投资回报。

论文同时指出，这并不必然意味着GPU在三年后就不能商用。该数字说明的是项目经济性对设备寿命这一假设的高度敏感，而实际寿命取决于未来硬件、客户需求与旧系统竞争力。

论文把收入需求折算到算力单位上：按论文假设的硬件配置，核心收入需求在满负荷利用率下约合每已装机GPU小时5.10美元；80%利用率下约每计费GPU小时6.40美元；70%下约7.30美元。

论文将上述测算与当时可获得的前沿GPU租赁价格比较，发现核心需求落在其大致区间内。但这一比较基于分析时点的价格，不构成对未来租金的预测。

利用率本身也是变量。设施无论算力是否被充分利用都要承担投资成本；大规模扩容后是否有足够客户按测算价格购买算力服务，尚不确定。论文同时指出，竞争可能压低价格，更高效模型或就近算力可能改变对集中式数据中心的需求，但未判定哪种情形将占主导。

论文引用Cleanview项目级数据，显示美国已有约63吉瓦在运营数据中心容量，开发管道约494吉瓦（含在建与规划项目）。但论文并不假设全部494吉瓦管道都会建成，而是按项目时点与文件完备程度设定完工与取消假设。

核心情景的188吉瓦新增容量，包含2025或2026年已在运营的项目，以及后续完工的容量，同时有相当一部分管道永远不会落地。近9万亿美元的投资估算包含2025—2032年的支出，但其中部分项目将在2032年之后开业。

测算边界同样重要：收入需求只覆盖2025—2032年间完成投运的容量，不含此后投运项目的收入需求。这一限定意味着，论文给出的数字对应的是一个有明确时间窗口的资产集合，而非无限期的行业总账。

论文讨论了租赁、合资与外部借款如何把财务风险敞口分散到科技公司之外的开发商、投资基金与贷款方。一家科技公司可以通过租赁获得算力容量，而由另一家企业拥有设施并借款建设。

这种安排降低了科技公司的即期出资压力，但由此产生的付款与担保义务，使相关经济后果难以仅从企业资产负债表判断。论文因此把融资结构纳入分析，而不是只看使用设施的公司本身。

这也解释了为什么收入门槛值得单独讨论：当义务分散在多方之间时，判断整个建设周期是否可持续，需要回到设施层面看它必须赚多少钱，而不是只看某一家公司的报表。