一项新研究将科技巨头的AI豪赌量化为一道生死算术题：要么实现史无前例的生产力跃升，要么面临破产风险。
据美国国家经济研究局（NBER）发布的最新工作论文，沃顿商学院金融经济学家Jessica Wachter与对冲基金Point72的Jonathan Wachter联合建模测算，亚马逊、Alphabet、微软、Meta和甲骨文2025年资本支出合计达3810亿美元，2026年预计将攀升至约7550亿美元——较2024年水平增逾两倍。两位作者估算，2027年这一数字将进一步升至约1.1万亿美元。
论文核心结论直指这场豪赌的内在逻辑：上述支出规模只有在AI行业生产力实现约2.7倍跃升的前提下才具备合理性，否则相关企业将"面临破产风险"。与此同时，AI投资已占美国全部私人固定投资的预计14%，占GDP的2.4%，超过1990年代末电信投资高峰时约1.5%的水平，其体量已足以左右整体经济走势。
史无前例的赌注规模
论文采用"罕见生产力繁荣"模型对科技巨头的支出行为进行反向推导，试图厘清这场投资狂潮背后隐含的预期。结果显示，2.7倍的生产力提升若要在约五年内实现，将超越经济史上任何可比时期的纪录。
论文援引两个历史参照系加以说明：美国铁路时代用约60年时间才将人均GDP近乎翻三倍；1995年至2005年的整个IT繁荣周期，生产力提升幅度也仅为1.5倍。以此衡量，科技巨头当前押注的速度与幅度均属孤例。
若赌注成真，该模型预测到2030年美国累计GDP增长将额外获得5至58个百分点的提振。这一区间跨度之大，本身即反映出预测的高度不确定性。
AI投资已成经济支柱
论文数据揭示，AI投资对美国宏观经济的渗透程度已远超市场普遍认知。2025年下半年，AI约贡献了实际GDP增长的五分之一；若剔除AI相关支出，企业设备投资整体将呈现负增长。
从占比来看，AI投资在美国私人固定投资中的份额已从2022年的3.3%跃升至预计14%，并以2.4%的GDP占比超越了上一轮科技泡沫高峰期电信投资的峰值水平。这意味着，AI投资的任何大幅收缩，都将对整体经济产生可量化的下行冲击。
论文作者对结论的适用边界作出明确说明，投资者在解读时需注意两点重要限定。
其一，2027年约1.1万亿美元的资本支出预测系作者自行基于自下而上的方法估算，目前尚无任何企业发布2027年资本支出指引，该数字并非来自公司官方披露。
其二，"破产风险"是一个"显示性偏好"论证——即在当前支出规模下，生产力大幅提升是使这些支出具备理性依据的必要条件——而非对上述企业实际将会破产的预测。换言之，论文描述的是这场赌注的内在逻辑，而非对结果的判断。
廉价替代模型加剧前线实验室压力
在上述宏观背景下，前线AI实验室还面临来自低成本竞争者的直接挑战。一项独立测试将DeepSeek V4 Pro与GPT-5.5 Pro在精准任务上进行对比，结果显示DeepSeek在四项文本测试中以38比33胜出，测试方使用Grok作为评判模型。
不过，该测试方法论在Hacker News上遭到广泛质疑：批评者指出实验仅涵盖四项设计粗糙的任务，缺乏可复现流程，且所用评判模型已被停用。尽管如此，用户持续反映的成本差距仍是更实质性的信号——有评论者指出，在另一项漏洞扫描测试中，DeepSeek的运行成本约为GPT Pro的十分之一。
这一争议折射出更深层的市场结构性压力：随着企业客户加速寻求压缩token成本，并日益倾向于采用DeepSeek等开源替代方案，前线实验室的定价策略与投资者叙事均面临考验。Wharton论文所揭示的生产力门槛，正是这一压力的终极量化表达——若廉价模型"足够好"的论断经得起检验，前线实验室维持高溢价的逻辑将受到根本性挑战。
Comments