当一个对人工智能持怀疑态度的人听取业内人士的反馈时，会发生什么？他会变得更加悲观，认为这场巨额支出浪潮根本无法被合理化。
Photo by
Steve Johnson on
Unsplash
至少对对冲基金Praetorian Capital创始人哈里斯·“卡皮”·卡珀曼来说，就是这样。今年夏天，他粗略计算认为，企业必须创造4800亿美元的营收，才能匹配目前的数据中心支出规模；如果按照明年的支出水平计算，营收则需要达到1万亿美元。
他开始与数据中心业内人士——包括设计师、业主和贷款方——深入交流，结果让他发现自己犯了一个关键错误。
事实证明他算错了，而且这个错误并非对超大规模云服务商有利。他原本假设数据中心的折旧周期是10年。
“根据我过去一个月的交流，实体数据中心的寿命最多只有3到10年，”他在最新的博客中写道，“冷却系统、芯片和机架设计、电力系统，甚至整体布局的变化，都意味着这些建筑本身也在快速贬值。而且，新GPU几乎每一两年就会更新一代，导致旧型号迅速过时。综合来看，我本应该为整个资本结构采用更快的折旧曲线。”
“因为我以前不了解数据中心的复杂性，所以我对AI数据中心的经济性还不够悲观，”他补充说。
按照他的测算，整个行业每月的支出约为300亿美元，但收入却只有10亿美元左右。
“这种错位令人震惊，而且这还没有考虑到2026年还将新建数千亿美元的数据中心，这些项目都需要额外的营收来证明存在的合理性。”卡珀曼说。
他认为风险远不止投资者和贷款方。他估算，今年AI基础设施建设大约占GDP的1.5%，若考虑乘数效应，总体可能达到2%。结合财富效应，不难想象，今年的经济增长几乎完全由AI推动；如果其他行业实际上处于衰退，那么AI的贡献甚至可能超过经济增长总量。
“铁路和AI其实非常相似，都是极其庞大的资本项目，对投资者有巨大的金融影响。”卡珀曼说，“就像铁路一样，如果AI的资金流减缓，建设就会放缓；如果建设停止，AI受益公司的股票会被抛售，财富效应会反转，消费增长转为负值，进而引发整个经济体系的金融恐慌，形成反馈循环。不同的是，铁路轨道和机车的使用寿命很长，而AI数据中心几乎会立即过时——这意味着是彻底的资产报废。资本毁灭的规模将是巨大的。”
和其他观察者一样，卡珀曼也注意到AI支出的循环性质——英伟达本身正接近成为全球前十大风险投资机构之一。
他还将这种现象类比为互联网泡沫时期，当年朗讯和北电开始资助网络设备采购的做法。
卡珀曼强调，目前他没有发现任何类似当年朗讯和北电那样被美国证券交易委员会制裁的违法行为，“但这件事，总让人感觉似曾相识。”（市场观察）
