如何判断 AI 基础设施投入是否正在产生回报

快速增长的 AI 市场可以既真实又昂贵。面对关于算力、电力和数据中心的新闻，与其急着判断它是繁荣还是泡沫，不如先问一个更具体的问题：已经承诺投入的资金，未来靠什么形成足够的回报？

编辑示意图来自摄影师 panumas nikhomkhai 在 Pexels 发布的图片。它不代表文中讨论的任何公司、设施、融资安排或回报结果。

美国联邦储备委员会汇总至 2025 年的调查显示，一项 Census Bureau 调查中的企业 AI 采用率约为 18%，另一项面向劳动者的生成式 AI 工作使用率约为 41%。这两个数字并不能直接比较：它们的样本和问题定义不同，也都不能说明使用强度、盈利能力或生产率已经发生了多大变化。

把四个指标分开看

第一是采用。企业把 AI 用在客服、开发或文档流程，说明技术找到了应用位置；但这并不证明使用已经足够频繁、可持续或有利润。调查题目也会影响趋势解读：联储指出 Census Bureau 在 2025 年末扩大了问题范围，因此前后的上升不能简单当作同口径增长。

第二是投入。联储可访问数据列出的 Amazon、Alphabet、Meta、Microsoft 和 Oracle 在 2025 年第四季度的合计资本开支为 1,310 亿美元，全年为 4,120 亿美元。这是建设规模的提示，不是纯粹的 AI 支出，因为这些公司还投资更广泛的云和技术业务。金额巨大并不能自动说明某一座数据中心、加速器集群或电力合同会得到偿付。

第三是融资。国际清算银行描述了债务、租赁、容量承购协议和专门载体在 AI 基础设施建设中的作用，其中一部分可能位于超级云厂商的主资产负债表之外。这些安排可以合理地将长期资产与长期资金匹配，但问题仍然存在：谁承诺付款、期限多长、担保是什么，以及需求若延后或价格下降会怎样。

第四才是回报。服务提供者需要足够的付费需求、利用率和利润率，以覆盖运营成本、资产折旧和资本成本；使用者则需要一种能够在试用期、促销额度或捆绑发布结束后仍成立的收益。采用率很高可以与薄弱的单位经济性并存；算力价格下降也可以一面扩大使用，一面压缩每单位收入。

寻找证据链，而不是一个醒目的数字

可靠的判断应把这四项连起来。评估 AI 服务时，可问使用是否持续、客户是否单独付费、价格变化后留存是否稳定。评估基础设施时，可问容量已签约多少、实际使用多少、设备多久会失去竞争力，以及电力和施工承诺是否可逆。

融资层也应得到同等重视。BIS 指出，特殊目的载体可以拥有设施，而超级云厂商只持有少数权益，却通过长期租赁或容量采购作出承诺。债务可以记在载体中，但经济风险仍会沿着租金、担保、私募信贷和保险传递。这不是失败的证据，而是提醒读者不要因风险出现在不同报表中就把它忽略。

把生产率当作仍待验证的结果

一个有用的 AI 流程可以节省时间，却未必马上出现在全经济的生产率统计中；它也可能只是重新分配工作。联储关于建设周期的框架提示了顺序：成本下降与能力提升可以先于采用和投资，广泛的生产率和劳动力市场影响则需要更长时间衡量。因此，既不能把每一次部署都当作已被证明的回报，也不能因为宏观数据尚未一夜改变就否定所有采用。

对评估 AI 工具的读者，最有用的测试发生在本地：明确任务、基准时间或质量、模型与审核成本、错误率，以及使用频率达到何种程度才有意义。对评估基础设施敞口的管理者，同样需要把收入、利用率、续约、折旧、融资承诺和下行情景连接起来。

现有证据支持 AI 建设规模可观、采用具有实际意义，但并不支持对估值作出普遍结论、预测崩盘，或给出买卖建议。把使用、投入、融资和回报分开讨论，会让判断更严格，也会让它更有用。