日前，美国哈佛大学经济学家研究发现，虽然2025年上半年美国GDP增长1.6%，但几乎完全由数据中心和信息处理技术推动，其他领域增长率仅0.1%。2025年全年美国人工智能（AI）数据中心支出规模预计达5200亿美元，人工智能领域拉动GDP增长的方式主要靠投资，而非相关消费。
今年以来，作为主要的数据中心投资者，微软、谷歌、亚马逊、Meta这4家企业围绕AI算力疯狂竞争，“砸”下640亿至1000亿美元不等的巨额现金，却缺少可观回报，其性质近乎“烧钱”。近期OpenAI也在自身资金有限的情况下，“画饼”将进行5年万亿美元级别的投资，引发了市场对于美国AI科技产业会不会是泡沫甚至是庞氏骗局的巨大疑虑。
从AI发展情况来看，好消息是个人与企业使用大模型已相当常见，10月初ChatGPT周活数据已达8亿，消费者AI采用速度超出预期。但一个不好的迹象是，如此规模的用户数据，却仍未产生足够规模的收入，甚至不能覆盖运营成本。一般而言，互联网应用在用户数达到一定规模后，营收前景就会比较清晰，投资机构也会积极提供扩张资金、抢占市场份额，进入皆大欢喜的收获期。但如今，美国各类消费大模型看起来像是个无底洞。
生成式AI的营收困境，与其自身技术原理有关。互联网产业大多具有很明显的规模效应，基础设施足够后的边际成本基本为零，支持几千万客户的成本与几亿客户差不多，利润率极高。而大模型的每一次回应与推理，都要进行巨量重复运算，用户越多、需要的数据中心与算力就越多，不仅享受不到规模效应，反而对基建和融资的需求越来越高。因此美国AI投资规模扩大不仅不是好现象，反而反映出投资效率可能存在的问题。
另一个不利于生成式AI商业变现的因素，是较难通过广告变现。互联网广告展示成本不高，利润却极为丰厚，但大模型应用一次只能展现一条回答，难以自然地插入多个广告位，这也是“订阅”为何会成为大模型的主要营收手段。但相比一年千亿美元的投资规模，ChatGPT年化“仅”百亿美元规模的订阅收入显得杯水车薪。
企业云服务是数据中心另一个被寄予厚望的方向。相比主要起数据存储作用的常见企业“上云”操作，美国企业希望AI数据中心更加智能，能帮助企业提高运营效率、缩减成本、增加营收。然而，麻省理工学院8月的一份报告显示，将AI引入业务的企业中95%并没有赚到钱。甲骨文的GPU云租赁业务毛利率仅14%，远低于公司整体业务70%的水平，在考虑折旧后净毛利率更跌至7%。
企业“AI引智”进展不力、“幻觉”问题根深蒂固、算力成本居高不下，当人们对AI的期待超出玩具、进入实战阶段，就暴露了目前生成式AI的缺陷。这种缺陷导致了AI技术的商业化进程明显滞后于基础设施建设与金融化进程，给未来营收带来了巨大的不确定性。对此，美国业界和资本形成了“工业泡沫论”和“金融泡沫论”两派，前者认为数据中心建设是实体投资，将最终突破规模化的阈值，成为电力一样的基础能源设施；后者则警告当前投资规模已超出理性范畴，过度乐观的预期可能重演当年的互联网泡沫。
无论是着眼长远的基建布局，还是科技巨头间的资本游戏，美国AI产业发展模式的不均衡问题是毋庸置疑的。AI推动经济发展绝不能只靠数据中心、算力设施建设的狂飙突进，而需要完成从“硬数据”到“软价值”的转变，在广泛商业场景中证明其经济价值。只有当AI真正渗透到制造业、服务业等传统行业，提升全要素生产率，才能带动各行各业的全面、可持续发展。当资本狂欢落幕，真正带来繁荣的从来不是单一技术的突破，而是技术与社会需求的深度融合和价值创造。（作者是科技与战略风云学会研究员）
