全球AI基建正经历史无前例的投资浪潮,中国作为重要参与者,其AI资本开支约占全球的10%—15%。随着中国互联网企业布局延伸至自研芯片、云平台及海外数据中心,以及硬件厂商在光模块、液冷等关键环节的深度参与,AI生态的商业可持续性成为关注焦点。
本文以全球市场(不含中国)为研究范围,分析AI基建的成本结构、营收需求与付费来源。尽管中国市场存在差异,但本文的分析框架与中国企业审视AI投入回报、理解产业发展趋势具有高度参考价值。
当前,人类正迎来史上规模最大的基础设施建设。一方面,AI投资显著推动GDP增长;另一方面,市场对“非理性繁荣”的担忧加剧。研究表明,若要维持经济可行性,到2030年,终端市场每年的AI相关支出需达到约2.6万亿美元。本文将沿经济链条逐层推演,论证这一目标的可行性。
一、建设规模
亚马逊、Alphabet、Meta、微软和甲骨文五家超大规模云厂商是本轮AI基建的核心驱动力。2022至2030年,它们计划投入约4.6万亿美元用于AI基建,其中近3.9万亿集中在2025年之后,占AI资本总开支的60%至70%。
就建设规模而言,唯有美国铁路体系建设和早期互联网浪潮可与之比肩。三者特征相近:前期资本投入巨大、存在供给过剩风险、早期投资者可能承受亏损但创造整体经济价值。不同之处在于,本轮建设主要依靠超大规模云厂商的内生现金流支撑,且AI应用需求具有较高弹性,因此相比以往更具韧性。
二、数据中心的经济性
本模型以吉瓦(GW)关键IT负载作为AI数据中心的标准容量指标,因其与资本及运营开支呈线性关系。数据中心成本涵盖机房建筑、电力基础设施、土地及占比最高的高性能芯片。模型假设芯片平均使用寿命为五年。
据估算,2026年每投产1吉瓦容量,数据中心需创造150亿美元营收,方可覆盖包括债务融资成本及股权合理回报在内的全部成本。
三、AI实验室的经济性
前沿AI实验室的算力支出占超大规模云厂商收入比重较大。区分训练和推理至关重要:模型训练的回本取决于后续推理毛利。若推理算力占比上升,更多算力用于创收而非研发,将增强体系韧性。
相当一部分推理任务无需最先进硬件,可利用较旧芯片运行,从而延长寿命并压低营业成本。这使得实验室在下调定价的同时,仍能在既定回收期内收回训练成本。随着推理市场扩大,工作负载将更加多元,涵盖代码开发、广告优化、智能助手等。
与铁路和早期互联网不同,AI拥有完备的服务分发基础设施(网络、移动设备、云接入),全球约50亿互联网用户及几乎所有企业都能便捷使用AI应用,这为需求弹性提供了基础。
四、谁来买单?
测算显示,2030年覆盖AI相关成本需营收2.3万亿美元,计入10%的假设营业利润率后,终端市场支出需达2.6万亿美元。实现这一目标的路径多样,涵盖企业客户、消费者、内部自用及新兴业务。若需求未兑现,行业将面临价格战和亏损。
五、企业能否承担对应的成本?
在2.6万亿美元总支出中,企业端需承担1.8万亿美元。随着AI赋能软件迭代,企业会将现有IT预算重新分配给AI服务。预计企业AI支出占技术总支出的比重将从当前的5%提升至2030年的25%。
其中,8,570亿美元来自现有IT预算的重新分配,剩余9,370亿美元依靠新增IT预算。分摊到每名员工,科技企业技术人员人均年度AI支出约21,200美元,非科技企业离岸知识工作者约900美元,均在可承受范围内。
六、消费市场能否承担对应的成本?
2030年消费端市场支出规模约为3,660亿美元。由于消费者不愿直接支付高额软件费用,AI支出主要由数字广告和电商市场承担。
数字广告可通过提升个性化和转化率增加价值,无需分流现有预算。在电商领域,智能体中介通过收取推介费或交易抽成承担AI成本。尽管存在不确定性,但相对于全球电商总额,这一比例仍然较小。用户直接付费购买占比仅约1.4%,对整体经济性影响有限。
九大监测指标
以下九大指标是支撑AI价值链运转的关键条件:
基础设施融资稳健,且得到高效利用:
1
融资继续以现金流为基础。若行业持续转向债务融资或IPO延后,抗风险能力将减弱。
2
已投产AI芯片保持高利用率。闲置算力规模扩大是风险预警信号。
3
芯片保持合理的使用寿命。若芯片损耗或淘汰速度快于预期,需更高营收覆盖更新成本。
模型层将算力转化为利润:
4
算力资源逐步由模型训练转向可变现的推理业务。推理占比提升能改善盈利水平;长期大规模训练将抬升成本。
5
AI应用需求保持较高的价格弹性。若使用量受价格制约,可通过降价扩大用量以覆盖成本。
6
多元业务渠道共享同一算力基础。API、开源模型部署及应用产品共同支持基础设施收入,降低单一产品依赖。
客户有能力买单:
7
企业AI支出规模处于可控区间。开支依靠预算增量与重新分配消化。若企业IT预算增速持续放缓,付费能力将面临挑战。
8
消费端AI的资金来源远不止用户订阅。直接付费、广告、电商交易构成三类资金来源。
9
新应用场景持续涌现。重点跟踪智能体电商和物理AI两大新增机遇。
● ● ●
分析显示,考虑到潜在回报可观及付费方资金实力雄厚,实现2.6万亿美元的营收规模具备可行性。企业决策者可对AI生态稳定性抱有信心,并通过核心指标监测提前捕捉变局信号。
关于作者
声明
原创内容的最终解释权以及版权归波士顿咨询公司所有。如需转载文章,请在信息栏输入“转载”,获取转载须知。

