IBM称数万亿美元的AI数据中心建设几乎不可能回本

过去几个月，在人工智能（AI）产业迅猛发展的推动下，全球掀起了一波数据中心建设的新热潮。众多科技巨头纷纷发布公告，或建立战略合作伙伴关系，或投入巨资建设新的AI基础设施以部署先进算力，投资规模甚至高达上千亿美元。

然而，如此庞大的资本支出是否具备可持续的经济回报，正引发业界高层的质疑。据TomsHardware报道，IBM首席执行官Arvind Krishna近日在接受媒体采访时，对当前为追求通用人工智能（AGI）而进行的大规模资本投入提出了审慎看法。他指出，按照目前数据中心的建设成本估算，每吉瓦算力的建设费用约为80亿美元。而全球范围内已承诺建设的AI算力接近100吉瓦，这意味着总投资额可能高达8万亿美元。要支撑这一规模的投资，仅利息偿还便需要约8000亿美元的利润，这在现实中几乎难以实现。

Krishna的观点并非基于长期预测，而是建立在当前硬件成本、折旧周期和能源消耗等现实假设之上。他特别强调，硬件贬值是投资者最容易低估的因素之一。通常情况下，数据中心的硬件更新周期约为五年，届时大部分设备需被更换，从而对长期资本支出形成持续且复合的压力。

这一担忧并非空穴来风。近期，一些投资机构也表达了类似的顾虑：随着AI模型性能的快速提升和规模不断扩大，旧款GPU被迫加速退役，企业能否如预期般延长硬件使用寿命成为疑问。硬件更替的速度正在从“扩容”转向“替换”，这意味着新增投资更多用于维持现有能力而非扩展，进而推高整体运营成本。

Arvind Krishna认为，尽管未来生成式AI工具有望显著提升企业生产力，但问题的关键在于——当前AI基础设施的物理扩张规模，是否与其背后的经济可行性相匹配。对于那些斥巨资建设吉瓦级数据中心、并主动压缩硬件更新周期的企业而言，必须拿出令人信服的证据，证明其投资回报率足以抵消前所未有的资本支出压力。

综上所述，在AI热潮席卷全球的同时，冷静审视其背后的经济逻辑显得尤为重要。技术进步固然令人振奋，但若缺乏可持续的商业模式支撑，这场算力竞赛或将面临严峻的财务挑战。