布鲁金斯：AI基建投资达GDP3.6%，表外融资引风险担忧

人工智能正在催生美国有史以来规模最大的基础设施投资浪潮，其体量之巨，令此前所有历史先例相形见绌。

据布鲁金斯学会最新研究，2025年至2032年间，美国AI数据中心建设的总投资规模将达10.3万亿美元，年均约占GDP的3.63%。这一比例不仅是铁路时代高峰期的1.6倍，更是互联网与电信热潮的逾3倍。哥伦比亚大学商学院教授Stijn Van Nieuwerburgh指出，这场投资浪潮在宏观经济层面的影响将是深远且不可忽视的。

巨额资本开支也在改变AI建设的融资方式。Meta、Microsoft等超大规模云服务商的AI投资已经超过经营活动产生的现金流，越来越多项目开始通过租赁、合资企业、特殊目的载体、私人信贷和证券化获得资金。以Meta的Hyperion数据中心为例，约300亿美元的项目资产承载了270亿美元债务，项目层面的债务资产比达到90%，但相关债务并不直接列入Meta的资产负债表。

Van Nieuwerburgh并未据此认定AI已经形成泡沫，也认为现在断言存在系统性风险为时尚早。他真正担心的是，表外融资让市场很难看清完整的经济责任。已有约1.4万亿美元债务被用于相关结构，其中约7000亿至8000亿美元由银行持有。若需求、收入或项目进度不及预期，风险究竟停留在科技公司、项目股东和私人信贷机构，还是重新回到银行体系，目前缺少一套能够回答这一问题的披露和衡量框架。

布鲁金斯学会在最新播客中围绕Van Nieuwerburgh的新论文《为AI基础设施建设融资》展开讨论，从金融监管和次贷危机的视角追问AI建设的规模、表外融资结构及潜在传导风险。

访谈核心要点：

2025年至2032年，美国数据中心、电力和芯片等AI基础设施投资总额可能达到10.3万亿美元，年均相当于国内生产总值的3.63%。

AI建设相对经济规模可能比1870年至1890年的铁路投资热潮高约50%，是互联网和光纤建设热潮的三倍以上。

一个100兆瓦AI训练园区在2025年的估算成本约为41亿美元，其中约三分之二来自信息技术设备，三分之一来自数据中心建筑和电力基础设施。

Meta的Hyperion项目显示，超大规模云服务商正从自行建设和持有资产转向租赁。约300亿美元的项目资产发行了270亿美元债务，项目杠杆率达到90%，但债务留在合资企业和特殊目的载体中。

Hyperion采用五份连续四年期租约。Meta未来要么续租，要么支付剩余价值担保，但按现行会计规则，两项义务都可能暂时不在资产负债表中确认，形成Van Nieuwerburgh所说的“概率真空”。

相关结构已发行约1.4万亿美元债务，其中约一半由银行持有。若一个杠杆率为90%的项目现金流下降10%，股权可能被全部抹去；降幅继续扩大，就会开始损害债权。

政策重点不是阻止AI投资，而是建立可比较的披露体系，追踪资产所有者、债务持有人、租约签署方和担保方，并识别银行、保险公司、养老基金、债券基金及私人信贷之间的风险连接。

规模史无前例：AI投资碾压所有历史先例

Van Nieuwerburgh估算认为，美国AI数据中心建设在2025年至2032年间的年均投资规模约为GDP的3.63%。以同口径比较，美国铁路建设高峰期（1870至1890年）年均投资约占GDP的2.2%，州际公路体系建设（1950年代）和互联网及光纤热潮均约为1.1%，运河建设约为0.66%，电气化约为0.5%。

Van Nieuwerburgh表示，即便采用更乐观的宏观假设，这一数字也难以被大幅压低。

若假设名义GDP年增长率为5%（对应3%通胀与2%实际增长），该比例约降至3.5%；即便假设AI驱动强劲生产率增长、实际GDP增速高达4%，年均投资占比也仅能下降至约3%。"这个数字对于1个百分点的宏观变量变化并不敏感，"他说。

在成本构成上，每座100兆瓦AI训练数据中心的建设成本约为41亿美元，其中约三分之二来自IT设备（含服务器、芯片及光纤等），三分之一来自数据中心厂房本身及配套电力基础设施，且该成本以每年约4%的速度递增。

他同时引用了"杰文斯悖论"（Jevons Paradox）来解释为何算力成本下降并不会减少总体投资需求：计算效率的提升会引发更大规模的算力需求，"使用场景的队伍排了12英里长"，一位数据中心开发商曾如此描述尚待计算的应用场景。

表外融资：杠杆风险正在"隐身"

随着超大规模云厂商的资本支出持续超过自身经营性现金流，融资模式正发生结构性转变——从此前的自持建设，转向租赁、合资及私募信贷。Van Nieuwerburgh在论文中以Meta的Hyperion数据中心项目为例，详细剖析了这类结构的运作逻辑及潜在风险。

据论文披露，Meta最初计划自建该设施，但最终将其20%股权出售给私募信贷机构Blue Owl，作价25亿美元，并保留20%权益。双方共同成立名为"Beignet"的特殊目的载体（SPV），该实体随后发行了270亿美元债务，对应资产估值约300亿美元，项目层面债务与资产比率高达90%，债务覆盖率约为1.15倍。

关键在于，由于Meta本身仅持有该合资企业的少数股权，Beignet所发行的债务无需并入Meta的合并资产负债表，Meta对外呈现的仍是低杠杆财务形象。

在租约安排上，Meta签署的并非一份长期租约，而是五份连续的4年租约——每四年届满，Meta均可选择不续租。

Van Nieuwerburgh指出，这意味着Meta实际持有大量或有负债：若续租，须承担后续租赁义务；若不续租，则须支付"剩余价值担保"（Residual Value Guarantee），以确保项目债务得以偿还。

然而，在现行美国通用会计准则（GAAP）下，上述两类或有负债均因概率未达70%的确认门槛而无需计入资产负债表，由此形成Van Nieuwerburgh所称的"概率真空"（probability vacuum）——"两种义务必然有一种会发生，但两者都不在资产负债表上体现。"

次贷危机幽灵：风险在金融体系中的漂移

布鲁金斯研究院高级研究员Aaron Klein在访谈中，将上述表外融资结构与2008年次贷危机中的结构性投资工具（SIV）相类比，引发了Van Nieuwerburgh的深度回应。

Van Nieuwerburgh承认两者存在相似之处，但也点明了当前结构的关键区别。

他指出，当年次贷危机的核心症结在于严重的期限错配——SIV以短期资产支持商业票据为长期抵押贷款融资，一旦市场流动性收紧，体系便迅速崩溃。而目前AI数据中心融资中，多数情形与Hyperion相似，以长期项目债务匹配长期资产，期限错配风险相对有限。此外，Meta目前仍是投资级信用主体，财务状况稳健。

但他同时指出，风险并未消失，只是发生了转移。据他的初步统计，迄今已有约1.4万亿美元债务针对这类结构发行，其中约7000亿至8000亿美元由银行体系持有。传统银行业的杠杆率约为90%，私募信贷行业整体杠杆率约为50%，且与银行体系之间存在信贷额度等关联。

"最终的关键问题是：如果音乐停止，我们会经历2001年式的互联网泡沫崩溃——股市大跌但银行体系安然无恙——还是2008年式的金融危机，银行体系受损，信贷紧缩蔓延全经济？"Van Nieuwerburgh说，"目前我们还没有一套能够回答这个问题的测量框架。"

透明度是当务之急

Van Nieuwerburgh对监管体系提出了具体警示与建议。

他指出，现行GAAP准则由FASB（财务会计准则委员会）制定，Meta遵循了现行规则，并不存在欺诈或违规，但规则本身亟待审视。FASB可修订相关确认与合并规则；SEC可要求上市公司就此类或有负债作出更充分的披露，而非仅在10-K或10-Q的脚注中有限呈现。

在系统性风险的监控层面，他建议监管机构——包括美联储、财政部及各金融监管部门——着力建立一套完整的"经济资本堆栈"披露机制，明确每项重大资产的所有权归属、债务承担方、租约签署方、建设与剩余价值担保方，以及在需求不及预期时的实际风险承担方。"目标不是阻止投资，而是通过透明度实现合理定价，让监管机构提前看到风险集中，减少在下行周期中被隐性负债突然'击中'的概率，"他说。

Van Nieuwerburgh强调，纳税人亦以非直接方式参与其中——各州通过税收减免、设备购置税豁免及电费优惠等方式为数据中心项目提供补贴，且近期已有州开始收回部分优惠政策。与此同时，若AI真正释放强劲的生产率增长，其带来的GDP扩张与税基扩大将使全体纳税人间接受益。"我们每个人都对AI有敞口，在整体上，我们应该希望这项技术成功。"

以下为访谈全文

Jan Eberly（主持人）：

欢迎收听《布鲁金斯经济活动播客》第九季。我是Jan Eberly，西北大学James R. and Helen D. Russell金融学教授。本季节目中，我们将听到围绕2026年秋季布鲁金斯经济活动论文会议论文展开的讨论。这次会议由布鲁金斯学会于9月主办。

Jón Steinsson（主持人）：

我是Jón Steinsson，加州大学伯克利分校Marek公共政策与经济学教授。我们是《布鲁金斯经济活动论文》的联合主编。这是一项每半年举行一次的会议，也是一份期刊，通过把严谨研究与实时政策分析结合起来，应对当下最紧迫的经济挑战。

Jan Eberly（主持人）：

和以往一样，本季安排了一系列很有时效性的议题，包括能源市场、通胀、移民对劳动力市场和住房市场的影响、AI融资等。在本季接下来的节目中，我们将进一步了解这些会议论文，更重要的是，了解决策者应当如何思考论文所探讨的问题。

Jón Steinsson（主持人）：

本期节目讨论AI热潮，但关注的是AI热潮中一个并不总处在聚光灯中心的方面：我们究竟如何为当前正在进行的所有AI投资买单。布鲁金斯学会经济研究项目高级研究员Aaron Klein将与哥伦比亚商学院的Stijn Van Nieuwerburgh讨论他的新论文《为AI基础设施建设融资》。

Jan Eberly（主持人）：

这里的数字令人震惊。Van Nieuwerburgh估计，到2032年，美国数据中心建设每年所需投资将相当于国内生产总值的约3.6%。相对于经济规模而言，这比铁路建设热潮、州际公路系统建设或电网建设的规模都更大。

Jón Steinsson（主持人）：

令人惊讶的是，Meta和Microsoft等公司目前在AI上的投资支出，已经超过其经营活动产生的现金流。因此，它们正越来越多地借助租赁、合资企业和私人信贷来弥补资金缺口。对于了解以往投资热潮的人来说，这种情形其实并不陌生，例如21世纪初的互联网或光纤建设热潮。

Jan Eberly（主持人）：

Van Nieuwerburgh特别剖析了Meta的Hyperion数据中心项目，以此说明这些融资结构实际如何运作，以及它们为什么会让杠杆——也就是债务——更难以从外部被看见。他没有把这称为泡沫，因为判断泡沫向来很棘手，但他确实明确指出了监管者和投资者应当关注什么。

Jón Steinsson（主持人）：

下面把节目交给Aaron和Stijn。

Aaron Klein（采访者）：

谢谢你，Jon，也谢谢你，Jan。很高兴再次为你们工作。Stijn，你好，感谢参加节目。

Stijn Van Nieuwerburgh（嘉宾）：

你好，Aaron。

Aaron Klein（采访者）：

你现在常驻哪里？

Stijn Van Nieuwerburgh（嘉宾）：

我常驻纽约市的哥伦比亚大学。

Aaron Klein（采访者）：

哦，那可是世界之都。或许，在AI领域，美国正试图成为下一个世界经济之都。

你的论文非常精彩，我想直接切入主题。你估计，从现在到2032年，AI数据中心建设每年所需投资将相当于国内生产总值的3.6%。这是一个巨大的数字。与过去的运河、铁路或州际公路系统等基础设施建设热潮相比，它处在什么水平？

Stijn Van Nieuwerburgh（嘉宾）：

是的，我的中心估计是，从2025年到2032年，每年的投资规模相当于国内生产总值的3.6%。大致按照同一口径计算，铁路建设热潮在1870年至1890年约20年的高峰期内，平均投资规模约为国内生产总值的2.2%。

20世纪50年代的公路建设约为国内生产总值的1.1%。电信与光纤建设热潮，或者说互联网热潮，约为1.1%。运河建设约为0.66%，电气化建设约为0.5%。所以，AI投资的这一估计值，比此前这些资本开支热潮中规模最大的铁路建设热潮还要高约50%，是互联网热潮的三倍多。

显然，这是一个极其庞大的数字。不过，我想补充两点限定。第一，关于这些历史事件的估计并不总是采用完全一致的口径，其中有些时期距今已经非常久远。例如，在铁路数据中，确实有一些年份的投资峰值超过了国内生产总值的4%。铁路数据没有包括机车和车辆，因此可能略有低估。

但这里的重点并不是追求虚假的精确性，而是我们正在经历的这场技术热潮确实规模巨大，而且会对宏观经济产生影响。

Aaron Klein（采访者）：

让我在这一点上再追问一下。我仔细阅读论文时看到，你对一个100兆瓦的AI训练园区给出的估值略高于40亿美元。

而且在整个时间段内，这个估值似乎基本保持不变。我总会想到摩尔定律，即计算能力会随着时间不断变得更便宜。你是如何做出这个估计的？我知道这只是未来六年，但似乎每隔几年，计算能力都会便宜很多。

Stijn Van Nieuwerburgh（嘉宾）：

是的。首先我想澄清论文中的假设。你说得没错，论文对2025年一个100兆瓦设施采用的成本约为41亿美元，随后假设这一美元成本每年上升4%。我们并没有假设名义价格保持不变。需要说明的是，每兆瓦4100万美元的成本中，大约三分之二来自信息技术设备，包括所有光纤和外围设备；另外三分之一来自房地产，也就是数据中心建筑本体、其中的全部设备以及电力基础设施。

我认为你说得对，历史上计算效率的提升一直非常迅速。单位计算量的成本通常在下降。但这篇论文实际上是以兆瓦而不是以FLOPS，也就是浮点运算次数，来衡量这些数据中心的规模。因此，我的理解是，更好的芯片或许能够让每瓦电力产生更多FLOPS；与此同时，随着每FLOP成本下降，这些前沿模型开发商会训练越来越大的模型。

推理需求也会越来越多。你我会不断点击应用程序和ChatGPT窗口，提出越来越多的问题。因此，即使单位美元所能获得的性能持续提高，最前沿技术机架的成本仍然可能继续上升。这实际上是两个方向相反的作用。

效率提升会降低完成固定工作负载所需的容量，但计算成本下降又会诱发高得多的计算需求。这就是所谓的反弹效应，有时人们也把它称为Jevons悖论：当某种东西变得更便宜时，我们有时反而会更多地使用它。

一位数据中心开发商曾经这样向我描述：“应用场景的队伍足足排了12英里长。”还有大量事情我们尚未用计算机去处理。一旦计算成本下降，我们就会做更多这样的事情。

Aaron Klein（采访者）：

是的，我来自银行业。我一直记得一位银行家告诉我的一件事：当他们推出网上银行、让客户可以在线查看银行账户余额时，他们原以为呼叫中心的使用会减少，从而节省大量成本，因为在此之前，人们需要拿起电话，拨号询问自己的账户里有多少钱。

结果，在线查询实际上更昂贵。尽管每次查询的成本更低，但因为操作方便得多，人们查询的频率大幅增加，而不必拿起电话、拨号并在线等待。因此，用这种思路理解这个函数关系很有道理，而你基本上是假设这两个作用会相互抵消。

让我再追问另一个假设，也就是你对国内生产总值采用的4%名义增长率，你刚才回答时也提到了这一点。这是基于2%的通胀和2%的实际增长吗，还是另有依据？假设通胀为3%，就像过去几年大致出现的情况，而实际增长只有1%，结果会怎样？

与此相关的是，几乎没有人会在自己的模型中预测衰退，但把时间拉长到七年，长期内一次衰退都不发生的概率最终会降到零。你的模型对通胀、实际经济增长和衰退概率有多敏感？

Stijn Van Nieuwerburgh（嘉宾）：

这是个好问题。坦率地说，那条4%的路径并不是一项经过精细校准的宏观预测，而只是一个便于使用的标准化假设。从历史看，名义国内生产总值增长率大致就是这个水平，其中约2%来自通胀，约2%来自实际经济增长。

如果我们想假设通胀为3%，或者名义增长率为3%，就可以让国内生产总值从2025年至2032年按略高的速度增长。机械地说，这会扩大投资占国内生产总值比率中的分母，并降低3.6%这一核心数字。例如，如果你假设名义增长率为5%，也许是因为你希望把通胀假设从2%提高到3%，那么这一数字会从国内生产总值的3.6%降至3.5%。所以，它并不是特别敏感。

当然还有一个问题：如果我们认为3%的通胀会影响整个经济，它难道不也会影响AI建设的成本吗？因此，如果你让分子中的成本上升速度与分母中的国内生产总值增速保持一致，这个比率就不会改变。这正是我选择4%这个数字的原因。请记住，我让AI成本上升4%，同时也希望国内生产总值上升4%，这样机械性的通胀影响就不会扭曲这一比率。

至于衰退，这是个好问题。可以想象，衰退会减少AI需求、收紧融资约束、导致项目取消，因此可能会显著缩小分子。

同样，我并不是试图预测三至八年后的商业周期。我确实认为，正如你所说，衰退是有可能发生的。我认为那会同时导致国内生产总值和AI投资下降；在这种情形下，我猜分子的降幅会大于分母。

Aaron Klein（采访者）：

是的，从历史看，在这种大规模投资扩张之后，通常会出现一定程度的过度投资和某种形式的衰退。你列举的案例中，最近一次是2001年的互联网泡沫繁荣与破裂。再往前看，铁路和运河同样经历过一定程度的繁荣—萧条周期。

我们暂时从宏观问题转开。很有意思的是，名义国内生产总值变动1%，对你的基础估计影响并不大。无论对经济增速还是通胀率而言，1%都是很大的变化，但你的模型仍然表明，这里的AI投资热潮规模将达到公路和州际公路建设热潮的三倍，而后者确实彻底改变了美国。

Stijn Van Nieuwerburgh（嘉宾）：

关于这一点，我想再补充一句。有些人认为我们即将迎来增长奇迹，因此国内生产总值的实际增速也许不会是2%，而会达到4%，也就是名义增速从4%提高到6%，甚至更高。如果你假设增长非常、非常强劲，我给出的投资占国内生产总值3.6%这一核心数字，可以一路下降到3%。

但要把它降到3%以下会很困难。所以，即使你愿意假设未来八年AI将推动美国经济实现大幅增长，这个结果仍然没有那么敏感。

Aaron Klein（采访者）：

让我们具体谈一笔交易。我认为你的论文做得非常好，既讨论了全局，又带着读者一步步分析了一项交易。

你以Meta的Hyperion数据中心为案例，详细分析了一项非常具体的交易。这笔交易揭示了这些项目实际上是如何融资的？

Stijn Van Nieuwerburgh（嘉宾）：