陳經：算力難變現，美國AI陷入困境

日前，美國哈佛大學經濟學家研究發現，雖然2025年上半年美國GDP增長1.6%，但幾乎完全由數據中心和信息處理技術推動，其他領域增長率僅0.1%。2025年全年美國人工智能（AI）數據中心支出規模預計達5200億美元，人工智能領域拉動GDP增長的方式主要靠投資，而非相關消費。

今年以來，作為主要的數據中心投資者，微軟、谷歌、亞馬遜、Meta這4家企業圍繞AI算力瘋狂競爭，“砸”下640億至1000億美元不等的鉅額現金，卻缺少可觀回報，其性質近乎“燒錢”。近期OpenAI也在自身資金有限的情況下，“畫餅”將進行5年萬億美元級別的投資，引發了市場對於美國AI科技產業會不會是泡沫甚至是龐氏騙局的巨大疑慮。

從AI發展情況來看，好消息是個人與企業使用大模型已相當常見，10月初ChatGPT周活數據已達8億，消費者AI採用速度超出預期。但一個不好的跡象是，如此規模的用户數據，卻仍未產生足夠規模的收入，甚至不能覆蓋運營成本。一般而言，互聯網應用在用户數達到一定規模後，營收前景就會比較清晰，投資機構也會積極提供擴張資金、搶佔市場份額，進入皆大歡喜的收穫期。但如今，美國各類消費大模型看起來像是個無底洞。

生成式AI的營收困境，與其自身技術原理有關。互聯網產業大多具有很明顯的規模效應，基礎設施足夠後的邊際成本基本為零，支持幾千萬客户的成本與幾億客户差不多，利潤率極高。而大模型的每一次回應與推理，都要進行巨量重複運算，用户越多、需要的數據中心與算力就越多，不僅享受不到規模效應，反而對基建和融資的需求越來越高。因此美國AI投資規模擴大不僅不是好現象，反而反映出投資效率可能存在的問題。

另一個不利於生成式AI商業變現的因素，是較難通過廣告變現。互聯網廣告展示成本不高，利潤卻極為豐厚，但大模型應用一次只能展現一條回答，難以自然地插入多個廣告位，這也是“訂閲”為何會成為大模型的主要營收手段。但相比一年千億美元的投資規模，ChatGPT年化“僅”百億美元規模的訂閲收入顯得杯水車薪。

企業雲服務是數據中心另一個被寄予厚望的方向。相比主要起數據存儲作用的常見企業“上雲”操作，美國企業希望AI數據中心更加智能，能幫助企業提高運營效率、縮減成本、增加營收。然而，麻省理工學院8月的一份報告顯示，將AI引入業務的企業中95%並沒有賺到錢。甲骨文的GPU雲租賃業務毛利率僅14%，遠低於公司整體業務70%的水平，在考慮折舊後淨毛利率更跌至7%。

企業“AI引智”進展不力、“幻覺”問題根深蒂固、算力成本居高不下，當人們對AI的期待超出玩具、進入實戰階段，就暴露了目前生成式AI的缺陷。這種缺陷導致了AI技術的商業化進程明顯滯後於基礎設施建設與金融化進程，給未來營收帶來了巨大的不確定性。對此，美國業界和資本形成了“工業泡沫論”和“金融泡沫論”兩派，前者認為數據中心建設是實體投資，將最終突破規模化的閾值，成為電力一樣的基礎能源設施；後者則警告當前投資規模已超出理性範疇，過度樂觀的預期可能重演當年的互聯網泡沫。     

無論是着眼長遠的基建佈局，還是科技巨頭間的資本遊戲，美國AI產業發展模式的不均衡問題是毋庸置疑的。AI推動經濟發展絕不能只靠數據中心、算力設施建設的狂飆突進，而需要完成從“硬數據”到“軟價值”的轉變，在廣泛商業場景中證明其經濟價值。只有當AI真正滲透到製造業、服務業等傳統行業，提升全要素生產率，才能帶動各行各業的全面、可持續發展。當資本狂歡落幕，真正帶來繁榮的從來不是單一技術的突破，而是技術與社會需求的深度融合和價值創造。（作者是科技與戰略風雲學會研究員）