11 月 10 日，摩根大通发布了一份重量级的 AI 产业研究报告，把当前的行业格局几乎 " 解剖式 " 地呈现在读者面前：

从美国数据中心建设到底推进到哪一步、电力系统承受了多大压力，到科技巨头的资本开支、融资来源、债务结构，再到行业商业化变现的逻辑与算不算得清的经济账。

这是一份数据极其详实、覆盖面极广的底层研究，基本把市场最关心的问题都讲清楚了，值得反复研读。

报告里有几个特别值得关注的结论：

1）美国的数据中心建设正从科技巨头向更多企业扩散，而这一波建设热潮几乎单枪匹马撑起了美国今年的非住宅建筑投资。扣除数据中心，非住宅建设今年实际上是负增长的，可见 AI 基建已经变成美国经济的一根主梁。

2）虽然全美规划中的数据中心容量超过 300 吉瓦，但真正能落地的，摩根大通认为只有 175 – 200 吉瓦。即便如此，未来十年每年仍将新增 18 – 20 吉瓦，是过去年均 4 吉瓦的五倍以上。

3）从 2024 年 9 月到 2025 年，美国有超过 100 吉瓦的新发电项目在排队并网，天然气依然是主力，其中天然气规划容量一年内暴涨 158% 至 147 吉瓦。这也反映出：电力供应已经成为制约 AI 扩张的第一瓶颈。

4）微软、亚马逊、Meta 等巨头虽然账面现金惊人，但持续两位数增长的资本开支正不断压缩自由现金流，迫使它们从 " 自己掏钱 " 转向 " 借钱建 AI"。与此同时，数据中心相关的证券化融资规模也在快速攀升，成为新型的基础设施融资渠道。

5）更关键的是，摩根大通测算，如果要让 AI 基建达到 10% 的合理投资回报率，整个行业未来每年必须创造 6500 亿美元左右的收入，相当于全球 GDP 的 0.6%。换句话说，这相当于让每位 iPhone 用户每月多付 35 美元、一年多付 420 美元。

而作为参照，去年全球 iOS 用户平均每月在 App 上的支出仅 10.4 美元——要达到这个收入目标，意味着 AI 的变现能力必须比今天提升 三倍以上。

01 AI 基建，成美国经济增长 " 顶梁柱 "

过去，大家习惯用 " 兆瓦（MW）" 来衡量数据中心的电力规模；现在，行业越来越多地使用 " 吉瓦（GW）"。1 吉瓦等于 1000 兆瓦，单位变化本身就说明了一件事：数据中心正进入一个以 " 千倍量级 " 扩张的时代。

历史上，数据中心每年的新增装机容量只有约 2 吉瓦。但进入 AI 热潮后，增速陡然抬升：2024 年翻一番，2025 年再翻倍，2026 年甚至可能突破 10 吉瓦。

一些企业已经披露，GPU 订单的同比增长超过 70%，行业显然正在进入一个高速增长周期。

设备供应商 Vertiv 的预测也印证了这一趋势：2025 到 2029 年，全球将新增约 100 吉瓦的装机容量。要知道， AI 爆发前，全球数据中心总装机也不过 50 吉瓦。这意味着，数据中心行业只用五年时间，就要再造过去两倍的容量。

那么，浩浩荡荡的数据中心建设大潮究竟是谁在建呢？

当前的数据中心扩张仍由云计算三巨头（AWS、微软和谷歌）主导，但新的参与者正迅速加入战场。过去一年里，非巨头企业手中的项目规模已经占到约四分之一的市场份额。

参与者的数量正在以指数级速度增加。截至目前，已有约 65 家公司手上有超过 1 吉瓦的待建项目，而去年这个数字还只有 23 家，此外还有近 200 家企业正在积极推进数据中心业务。

摩根大通估算，这些投资大约支撑了 1.9 万到 2 万 EFLOPS（艾级浮点运算）的 GPU 算力，而 2023 年全球只有约 2000 EFLOPS。算力在短短两年间扩张了接 10 倍。

这些数据中心建设的进展如何？

美国人口普查局已经将 " 数据中心支出 " 独立统计。从最新数据看，数据中心仍在推动美国的非住宅建筑投资。尽管当前支出规模不算最大，但在整个非住宅建筑里占比已达 6%，未来仍有巨大空间。

制造业支出虽然是它的五倍，但如果将数据中心剔除，美国今年的非住宅建筑投资其实是下降的。因此，数据中心几乎成了所有行业里唯一逆势扩张的板块。

为了进一步验证趋势，摩根大通自 2023 年 1 月起建立了一套追踪系统。截至目前，美国在规划或推进中的数据中心项目总规模已超过 315 吉瓦，仅 2025 年初这一季度就新增了 165 吉瓦。去年同期还只有约 130 吉瓦，而到了 2022 年底，美国 AI 相关装机容量也才 20 吉瓦。

但如果从落地角度看，情况就没那么乐观了。摩根大通追踪的 600 多个数据中心项目中，真正建成并投入使用的只有极少数。

目前美国在建数据中心的装机量仅约 25 吉瓦。虽然我们追踪的项目中潜在规划容量超过 300 吉瓦，但这个数字建立在一个并不现实的前提之上：所有剩余土地都能顺利开发。

考虑到选址、电网、环保、设备供应链等各种限制，更可信的规划区间应在 175 到 200 吉瓦之间。即便按这个更保守的范围来计算，未来十年每年仍然会新增 18 到 20 吉瓦的能力，是过去年均 4 吉瓦的五倍以上。

更大的限制来自供给端，而不是需求端。美国当前的电网根本无法支撑 300 吉瓦级别的数据中心同时运行，电力基础设施已经成为行业扩张的最关键约束。

02 需求增长翻倍，电力真不够用了

美国数据中心的数量正在急速增加，但电力系统却明显跟不上节奏。

劳伦斯伯克利国家实验室预计，到 2028 年，美国数据中心的年度用电量可能从现在的 175TWh 飙升至 325 – 580 TWh。

为了支撑这股需求，美国至少需要新增 100 吉瓦的发电能力，否则大量新建的数据中心将面临 " 建好了却无法开机 " 的窘境。

问题在于，新增电力产能并不是一件能立刻解决的事。天然气发电设备从订购到交付需要 3 – 4 年，新建核电站往往需要 10 年以上，还高频超预算。

于是，越来越多科技巨头开始考虑 " 自建电厂 "（BYOG，Build Your Own Generation），但这同样面临漫长审批、建设周期和前期资金投入等障碍。

未来几年确实会有不少发电项目上线。仅在 2024 年 9 月至 2025 年间，就有超过 100 吉瓦的新发电容量正在排队并网，其中天然气依旧是主力，因为其成本、稳定性和扩张速度都更具现实性。

天然气项目的规划容量已升至 147 吉瓦，较去年同期暴涨 158%。可再生能源占据了电网并网排队的第一名，但许多项目只是为了抢税收优惠，真正能快速投产的比例并不高。至于核能和储能等更具前景的技术，近几年几乎没有新增项目，短期内无法指望。

更关键的是，即便不算上 AI 数据中心，美国的电力需求也已经在稳步上升。

家庭用电设备更多、电动车普及加速、商业与工业建筑越来越 " 电气化 "，使得美国过去十年电力需求的年均增速维持在 1% 左右。而现在，光是 AI 数据中心这一项，就可能直接将需求增速翻倍至 2% 或更高。

但由于过去几年电价长期偏低，叠加疫情与供应链阻塞，许多电力公司对于新增电厂投资极为谨慎，导致供给端明显滞后。

近年来，美国居民用电价格已累计有不小的上涨，引发外界担忧：是不是数据中心把老百姓的电都 " 抢走了 "？

监管机构也开始重点盯紧这一问题，特别关注两点：

第一， 不能让普通用户替数据中心买单。因此，现在的数据中心购电协议（PPA）通常都附带高额违约金条款，确保企业提前退出不会把成本转嫁给居民；

第二，要避免 " 特权电价 "。如今大多数数据中心采用所谓的 " 表前 " 购电模式，与普通用户一样直接从电网采购，不再通过优惠政策挤占其他用户资源。

从全国范围看，居民电价占收入的比例整体仍处于可控区间。但在一些电价本就偏高的州（如加州、新泽西），用电负担已经不轻，因此监管部门格外敏感，不断强化对数据中心扩张与当地电力负担之间关系的审查。

03 科技巨头进入 " 债务融资 " 时代，Oracle 压力最大

AI 的爆发让数据中心和算力投资进入前所未有的加速期：全球数据中心资本开支已经冲到每年 4500 亿美元。

尽管微软、亚马逊、Alphabet、Meta、Oracle 等超级科技公司仍保持强劲现金流，但持续两位数增长的资本开支逐渐压缩了自由现金流，迫使它们从 " 自掏腰包 " 转向债务融资：

Oracle 在 9 月发行了 180 亿美元债券；

Meta 刚完成创纪录的 300 亿美元发债；

Alphabet 过去一年累计发债 360 亿美元，并在欧元与美元市场形成 " 常态化 " 融资节奏。

这些资金几乎全部用于支撑 AI 芯片、数据中心、电力、服务器等巨额投入。

谷歌手上有约 1000 亿美元现金，负债率极低，因此能够维持 " 正常化发债 " 策略，比如每年发债约 350 亿美元，同时保持资产负债表稳健。

Meta 则在融资方式上走出了更激进的路线。以不久前规模 273 亿美元的 Beignet Investor LLC 交易为例，Blue Owl 持有该项目 80% 权益，不会在 Meta 的资产负债表上立即体现。

只有到 2029 年项目进入租赁期后，相关义务才会计入债务指标。这种结构让 Meta 能更轻装扩张、减少公开市场发债频率。

相比之下，亚马逊的情况反而更微妙。它的资本开支最高，2025 年预计将达到 1500 亿美元，但三年来没发过新债。如果 AI 投资继续上行，亚马逊大概率会重返债券市场。

微软依旧是最 " 财大气粗 " 的玩家：现金最强、资产负债表最稳，对发债需求最小。过去大型收购（如 750 亿美元收购动视暴雪）也倾向于全现金完成。

与此同时，微软正通过投资 CoreWeave、nScale 等第三方基础设施，借 " 外部云 " 分摊自建压力，实质上是一种 " 资本轻量化扩张 "。

压力最大的无疑是 Oracle。它的债务问题早已成为结构性风险。截至 2026 财年一季度，Oracle 的总债务达到 910 亿美元，9 月再发 180 亿美元，使公司债务突破 1000 亿美元。

市场对这批债券的认购很热情，订单高达 880 亿美元。摩根大通认为，投资热情更多来自市场缺乏 "AI 主题 " 投资级新债，而不是 Oracle 信用优异。

虽然 Oracle 短期债务压力不大，但从 2026 年开始，公司面临的到期规模会迅速抬升：2026 年有 57.5 亿美元到期，2027 年还要还 50 亿美元。

叠加高资本开支与分红需求，Oracle 未来几年大概率将成为公开债市的常客。不过，Oracle 的评级处于 BBB 中段，且展望为负，后续的融资灵活性正在下降。

虽然这些科技巨头仍然是全球最受欢迎的投资选择，但市场情绪也在微妙变化。Meta 的 300 亿美元发债曾让利差走高约 20 个基点，Oracle 的 180 亿美元发债利差走高 30 – 40 个基点，说明投资者开始更加审慎定价 "AI 债 "。

与此同时，像 Beignet 这样的结构化融资正在走向主流。它本质上是一种 " 租用自己建的数据中心 "、但由外部私募基金先行购买资产的方式：

钱由 Blue Owl 等机构出，Meta 在账面上保持轻负载，未来按租金使用自己的数据中心。这让科技公司能在保持信用评级的前提下继续扩张。

除了科技巨头融资外，数据中心的证券化发行规模迅速攀升。

今年以来，相关 ABS、CMBS 发行量已经达到 212 亿美元，比去年几乎翻倍，占整个新发行市场的 5%。大部分交易都来自已经建成并投入使用的数据中心，因为成熟项目风险小、租金稳定，投资者更放心。

目前，市场上 " 用证券化融资建设中项目 " 的情况依旧稀少，仅出现过一笔规模 4.74 亿美元的此类交易，用于伊利诺伊州一个 30 兆瓦的数据中心，融资利率明显高于成熟项目。

与此同时，AI 相关企业的债券发行量正在猛烈增长：

数据中心类债券今年已发行 440 亿美元，是 2024 年的 10 倍；

投资级科技企业债券占整个债市的 14.5%，已经与美国大型银行齐平。

从目前看，市场有足够多的钱来 " 接住 " 这一轮 AI 债，其中美国高收益债市场规模 1.56 万亿美元，杠杆贷款市场规模 1.67 万亿美元，私募信贷管理规模 1.73 万亿美元，闲置资源还有 4660 亿美元。

换句话说，市面上至少有 5 万亿美元 的 " 杠杆资本 " 正在四处寻找新资产。而 AI 很有可能成为这些钱的目的地。

04 AI 想投资回本，每个苹果用户每月要多花 250 块

在当前这轮 AI 投资热潮中，真正的不确定风险只有两个：能否变现，以及会不会被技术颠覆。

首先必须承认，AI 不是一笔小投资。整个行业的建设成本可能超过 5 万亿美元，不仅包括数据中心、电力和 GPU，还包括配套的能源设施、土地、冷却系统和人力成本。

真正决定成败的，是这些投入能不能赚回来，以及未来技术是否会让现有投资变成沉没成本。

历史上，我们见过类似的场景。二十年前的电信行业，大量企业砸钱建设光纤和无线网络，期待互联网流量带来长期增长。但现实是，需求远没有想象中那么快，商业模式也难以覆盖巨额建设成本，最终泡沫破裂、大量企业倒下。

那段历史说明：技术革命本身不赚钱，赚钱的是商业模式。

今天的 AI 同样如此。AI 数据中心可以不断建，但谁来为这些算力买单？消费者是否愿意每月多掏几十美元？企业是否真的能用 AI 提升效率、增加收入？这些问题至今没有定论。

以谷歌为例，AI 确实在改变它的核心业务，搜索。

越来越多用户不再点击传统搜索链接，而是直接阅读 AI 生成的答案。这让依赖搜索流量的网站访问量下降了 30-40%，影响巨大。但对谷歌自身而言，这种转变或许是好事，因为它逐步从 " 推荐搜索结果 " 转向 " 直接给出答案 "，强化了用户黏性，提升了变现潜力。

关于 AI 投资回报，摩根大通做了一个非常有意义的敏感性分析：

如果要实现 10% 的合理投资回报率，未来每年 AI 行业可能需要创造约 6500 亿美元收入，相当于全球 GDP 的近 0.6%。

为了让这个数字更直观：这就像让每位 iPhone 用户每月多付 35 美元，一年多付 420 美元；或者 Netflix 用户每月多交 180 美元，一年多付 2160 美元。

这是什么水平？根据外网一个博客的数据，2024 年 iOS 的活跃用户为 14.6 亿至 18 亿，用户每月在应用上的花费为 10.4 美元，相当于比原有花费增加 3 倍多。

如果回报率上升至 14%，这个数字则上升至 53 美元和 274 美元。

虽然我们不指望消费者承担所有成本，但问题是，目前 AI 带来的效率提升，是否已经能创造这么大的价值？

另一个风险在于 " 技术效率的极端跃升 " 可能带来的冲击。今年 1 月，DeepSeek 发布了 R1 模型，号称性能媲美 OpenAI 但成本更低。

消息一出，英伟达市值瞬间蒸发 6000 亿美元。这类突如其来的技术进步，让市场重新思考 AI 行业的成本结构与领先地位。

如果真的有公司能用更低成本提供相同算力，那么现有投入的商业价值就可能被重估，形成 " 范式转移 "。

当前，大量中小公司也在积极参与 AI 基础设施建设。例如 WULF、Cipher 这些公司通过发债融资建设 AI 数据中心，再把算力租给谷歌等大客户。这些项目的一个特点是：

风险由大公司兜底（比如谷歌承诺支付租金），看起来更稳健。但这类模式也可能放大了市场对未来 AI 需求的乐观预期，如果后续变现不及预期，小公司或成为最先受影响的链条。

当然，便整个行业的收入规模不如预期，也有可能出现另一种情况：赢者通吃。少数真正具备技术、资本、生态优势的企业跑出来，其余玩家难以为继。