關于 AI 數據中心投資是否過熱的爭論，正在華爾街和硅谷愈演愈烈。

今年以來，科技巨頭們相繼宣布了令人咋舌的資本支出計劃。meta 表示未來三年將在數據中心上投入超過 6,000 億美元，微軟計劃 2025 年投入 800 億美元，谷歌的數字是 750 億美元，蘋果則規劃了未來四年 5,000 億美元的投資。這些數字加起來，讓全球數據中心和 AI 基礎設施的總投資在未來五年內可能突破 5 萬億美元。

與此同時，質疑的聲音也在增多。哈佛經濟學家杰森·弗曼 (Jason Furman) 的研究發現，如果排除數據中心相關投資，2025 年上半年美國 GDP 增長僅為 0.1%。著名投資者邁克爾·伯里 (Michael Burry) 公開質疑英偉達芯片的折舊問題。對沖基金 Elliott 在給客戶的信中表示，AI 被過度炒作，英偉達處于泡沫之中。

現在，又一位科技界重量級人物加入了懷疑者的行列。

IBM 首席執行官阿爾文德·克里希納 (Arvind Krishna) 近日在接受科技媒體 The Verge 旗下播客節目 Decoder 采訪時，對當前席卷全球的 AI 數據中心投資熱潮提出質疑。他直言不諱地表示，按照當前的基礎設施成本，科技巨頭們投入數萬億美元建設 AI 數據中心“沒有辦法”獲得回報。

圖丨相關播客（Youtube）

克里希納的懷疑建立在一套簡單的數學計算之上。

一筆令人不安的賬

克里希納在訪談中從最基本的單位成本開始計算：按照當前的價格水平，填滿一個 1 吉瓦 (gigawatt) 的數據中心大約需要 800 億美元。這個數字包括了服務器、GPU、存儲設備、網絡設備以及冷卻系統等全套基礎設施。

如果一家公司承諾建設 20 至 30 吉瓦的數據中心容量，那就意味著 1.5 萬億美元的資本投入。而克里希納觀察到，全球范圍內各大科技公司在追逐 AGI (Artificial General Intelligence，通用人工智能) 的過程中，承諾的總容量約為 100 吉瓦。簡單相乘，這個數字達到了 8 萬億美元。

“這是我的觀點：你不可能從這筆投資中獲得回報，因為 8 萬億美元的資本支出意味著你需要大約 8,000 億美元的利潤，僅僅是為了支付利息，”克里希納說。這還沒有考慮到設備的折舊問題。他特別強調，AI 芯片的更新換代速度極快，“你必須在五年內用完這些設備，因為到那時你就得把它們扔掉，重新填充。”

不過，克里希納特別強調他的計算“基于今天的成本，因為未來的一切都是推測性的”。如果未來半導體技術進步、芯片成本大幅下降，或者出現新的架構大幅提高效率，他的計算基礎可能就不成立了。

在對話中，克里希納還對比了當前的 AI 熱潮與 2000 年前后的互聯網泡沫。主持人提到，當年鋪設的光纖雖然也經歷了泡沫，但光纖本身可以使用幾十年甚至上百年。相比之下，GPU 和其他 AI 硬件的生命周期要短得多。

克里希納承認，數據中心的混凝土建筑、電力設施和部分網絡設備確實可以長期使用，但 GPU 和計算基礎設施需要每隔五年進行一次昂貴的更新。“也許在五年內，我們的半導體技術會進步 100 倍，”他說，“所以 GPU 或某些計算基礎設施是有五年的折舊期的，但另一半是有用的。”

不過，他同時表示相信成本會大幅下降。他預測，通過半導體技術進步、新架構 (如 Groq 等替代 GPU 的處理器) 以及軟件優化，未來五年計算成本可能降低 30 倍甚至更多。問題在于，這種成本下降能否快到足以讓當前的投資產生回報。

AGI：一個 0 到 1% 的賭注

更讓克里希納懷疑的，是整個行業對 AGI 的追逐。當被問及是否認為當前技術能夠達到 AGI 時，他給出了一個令人震驚的答案：只有 0 到 1% 的可能性。

這個評估與許多 AI 公司領導者的公開表態形成了鮮明對比。OpenAI CEO 薩姆·奧特曼（Sam Altman）曾表示，公司“現在確信知道如何構建 AGI”。meta CEO 馬克·扎克伯格 (Mark Zuckerberg) 今年 7 月寫道，“發展超級智能現在已經觸手可及”。Anthropic 的聯合創始人兼 CEO 達里奧·阿莫代 (Dario Amodei) 則預測，比諾貝爾獎得主更聰明的“強大 AI”可能最早在 2026 年到來。

“我非常確信，或者說我給它的可能性很低，大概 0 到 1%，當前已知的技術無法讓我們達到 AGI，”克里希納說，“我認為這套當前的技術很棒。我認為它將為企業釋放數萬億美元的生產力，這點我要絕對明確。但 AGI 將需要比當前 LLM 路徑更多的技術。”

他提出，需要將硬知識 (hard knowledge，指經過驗證的事實、定律和原理) 與大型語言模型融合。“人類花了數千年發現的硬知識，如果我們能找到一種方法將知識與 LLM 融合在一起，也許可以（實現 AGI），”他說，“即便如此，我也只是‘也許’。”

IBM 的選擇

基于這種判斷和公司自身的定位，IBM 選擇了不在 C 端 AI 市場競爭的策略。“我不會試圖與谷歌競爭建立一個擁有 6.5 億活躍訂閱者的聊天機器人，”克里希納說，“那不是我們擁有品牌許可和可信度的地方。”

IBM 專注于企業市場。克里希納舉例說，IBM 可以走進一家健康保險公司，承諾保護患者數據的同時釋放 AI 的力量。他強調 IBM 在 114 年歷史中從未濫用過數據。

在實際業務中，IBM 使用自己開發的代碼輔助工具，讓 6,000 人的團隊在四個月內生產力提高了 45%。基于這一經驗，在其他科技公司因 AI 而裁員的時候，IBM 反而在招聘。

“可能會有高達 10% 的工作崗位流失，”克里希納坦言，“但這非常集中在某些領域。”他的觀點是，企業變得更高效后會在不同領域雇用更多人。“讓入門級員工借助 AI 達到資深專家的水平，這不是更有價值嗎？否則，誰會想出下一個偉大的產品？誰能說服客戶以應有的方式部署技術？”他反問。

這就是如今 IBM 反而正在招聘更多的程序員和技術人員的原因。克里希納的計算邏輯是：如果構建產品的成本降低了，就可以更便宜地銷售產品，同時仍然保持很好的利潤率。“如果我的工作量是無限的，那么我可以更高效，”他說。

IBM 的另一個押注是量子計算。克里希納預計在未來三到五年內，量子計算將達到某種實用規模，早期每年可能有 4,000 億至 7,000 億美元的市場價值。IBM 已經有 300 個客戶在研究模式下合作，并將所有量子計算軟件開源，目前全球有 65 萬人在使用。

對于量子計算何時能真正產生商業價值，克里希納給出了一個帶有概率的時間表：“在三年半內能做出一些了不起的東西嗎？我覺得可能性很低，可能是 20% 或 30%，”克里希納說，“四年內能做到嗎？我的可能性大幅上升。五年內能做到嗎？我的可能性非常高。”

誰的判斷更接近現實？

克里希納的觀點代表了科技產業中的一種聲音——技術進步是真實的，AI 的價值是巨大的，但當前投資規模和回報預期之間存在脫節。他相信 AI 會“為企業釋放數萬億美元的生產力”，但這與支撐當前投資熱潮的 AGI 愿景是兩回事。

他將 AI 技術的發展看作不斷疊加的過程：機器學習仍然在小型設備中有用，LLM 也會長期存在，但本質上是統計性的。“那么確定性的部分在哪里？知識的部分在哪里？LLM 之外還有什么東西嗎？”他問道。

他認為答案會來自學術界而非產業界。“當它如此未知時，不應該由公司來改變它，”他說，“我認為應該由學術界來改變它。”他提到，麻省理工學院、伊利諾伊大學、芝加哥大學等機構的研究人員正在進行相關工作，只是沒有占據媒體的注意力。

只是，這種對學術界的期待未必現實。隨著產業界在計算資源和數據規模上越拉越大的領先優勢，學術界想要在 AI 領域保持前沿地位，可能需要在基本思路上實現顛覆性的突破。但如果下一個重大進展仍然依賴大規模計算實驗，學術界恐怕很難搶得先機。

在對話接近尾聲時，克里希納總結了他的核心觀點。他不認為當前的 LLM 技術路徑能夠實現 AGI，他不認為 8 萬億美元的數據中心投資能夠獲得合理回報，但他相信 AI 會深刻改變企業的運作方式，會大幅提高生產力，會創造新的價值。

不過需要注意的是，克里希納代表的是企業市場視角。對于 IBM 這樣一家主要服務企業客戶的公司來說，當前的 LLM 技術確實已經足夠有價值。但對于 OpenAI、Google 這些同時押注消費者市場和 AGI 的公司來說，計算邏輯可能完全不同。如果一家公司相信自己能成為最終的兩三個贏家之一，那么巨額投入在戰略上就是合理的。

期間在談及奧特曼認為 OpenAI 能獲得投資回報時，克里希納就給出了一個頗有深意的回答：“那是一種信念。那是一些人喜歡追逐的東西。我從他們的角度理解這一點，但這與同意他們不同。”他停頓了一下，“‘理解’ 不同于‘同意’。”

至于誰的信念將變成現實，歷史會給出答案。五年后，我們會知道 8 萬億美元的投資是創造了新的技術革命，還是成為了又一次泡沫。我們會知道 AGI 是觸手可及，還是仍然遙不可及。我們也會知道，IBM 選擇的企業市場加量子計算的道路，是明智的戰略，還是錯失良機的保守。

現在，我們只能看到不同的信念在相互碰撞。

參考資料：

1.https://youtu.be/iZgdGg8-T0M

2.https://www.businessinsider.com/ibm-ceo-big-tech-ai-capex-data-center-spending-2025-12