AI 投资回本有多难？沃顿论文：门槛是将生产力提升2.7倍

一、这篇论文到底在说什么？

美国国家经济研究局在2026年6月发了一篇工作论文，作者是沃顿商学院的教授和一家对冲基金的分析师。他们干了一件事，用经济学模型反过来推算，科技巨头们砸这么多钱建数据中心、买芯片，到底在赌什么。

论文选了美国五家最大的科技公司，估算它们近几年要在AI基础设施上花掉的钱。这个数字很夸张，未来几年可能从几千亿冲到上万亿。作者把这些数字放进一个特定模型里跑了一遍，得出的结论是，要让这些投资在账本上说得通，AI带来的生产力需要在约五年内提升将近三倍。如果达不到，作者用了破产风险这个词，但意思不是公司真的会倒闭，而是投资赚不回本钱。

论文里的破产风险不是预言，而是经济学上从行为反推预期的办法。论文假设这些投资是理性的，也就是预期回报能覆盖成本。在这个假设下反推，投资者心里隐含的预期必须是生产力大幅提升。但这只是模型假设，不代表投资者真的这么理性，也不代表未来一定会这样。这个将近三倍是模型假设下的必要条件，不是对未来的预测。很多报道把这个概念说成了不达到就会破产，把模型里的假设推导当成了现实警告，这是标题党。

二、将近三倍是什么概念？

论文引用了两个历史案例来校准模型，顺便也说明了这个数字有多难。

第一个是美国的铁路时代，论文估算这段时期花了大约60年，让人均产出增长了约2.7倍。第二个是1995年到2005年的IT繁荣期，论文估算这段时期纯效率提升了约0.5倍，也就是变成原来的1.5倍。这个幅度远小于铁路时代。

而论文模型假设AI在约五年内就要完成这个幅度的跃升。铁路时代用了60年，IT时代用了10年，AI只用5年，速度确实快得多。

但这里有个问题，论文对比的不是简单的多做了多少东西，而是扣除掉多投的钱和多雇的人之后，纯效率提升了多少。这个指标平时增长很慢，美国过去几十年每年平均也就涨一到两个百分点。所以论文说的2.7倍，是纯效率增长2.7倍，不是经济总量翻三倍，难度更高。

论文还预测了如果这场投资赌对了会怎样。模型算出一个很宽的区间，到2030年，美国累计的经济增长可能额外提升5到58个百分点。区间这么大，说明预测很不确定。模型还算了一笔账，如果投资者比较保守，不愿意冒风险，那他们会要求更高的回报。具体来说，安全资产的回报率可能上升约0.5个百分点，股票的风险补偿可能上升约3个百分点。

三、钱已经多到能左右经济

论文里还有一个容易被忽略的数据，AI投资已经占到美国全部私人固定资产投资的约一成多，占整体经济的约两个百分点。论文认为这个比例超过了当年电信投资高峰时占整体经济的水平，那时大约是一个半百分点。

论文估算，2025年下半年AI贡献了美国实际经济增长的约两成。如果剔除AI相关支出，企业的设备投资整体会是负增长。换句话说，AI投资对美国经济增长的贡献已经很大，其中主要就是这几家科技公司的支出。

各公司自己公布的2026年支出计划是，亚马逊、微软、谷歌、Meta这几家巨头每家都要花上千亿美元，甲骨文花的少一些但增速也很快。这些钱主要花在几个地方，建数据中心、买服务器和芯片、升级电力设施等。

四、划了四条边界

这篇论文有几个重要限定。

后面几年的超大数字是作者自己估算的，不是任何一家公司的官方计划。企业通常只给出当年和下一年的具体支出指引，更长期的数字是作者根据趋势推算的。

破产风险是模型推导，不是财务预测。论文没有说这些公司真的会破产，而是说在模型假设下，这些投资需要生产力大幅提升才能在账本上说得通。论文的真正意思是，如果生产力不提升，这些投资的回报就覆盖不了成本，从经济学角度看就不划算，而不是会计意义上的破产。

论文用了一个特定的经济学模型，假设会出现罕见的生产力大幅提升时期。这个假设本身有争议，因为AI的实际影响也可能是慢慢渗透的。如果AI的实际影响是缓慢渗透的，这个模型算出的门槛可能就不准确。

论文没有讨论低成本竞争的可能性。如果市场上出现成本更低的替代方案，科技巨头可能不需要砸这么多钱也能获得类似的AI能力。这会改变投资回报的计算方式。论文算出的将近三倍门槛，隐含了一个假设，只有大规模投入才能带来生产力大幅提升。如果少花钱也能达到类似效果，这个门槛就不成立了。

五、论文到底在问什么问题？

论文的模型假设是，理性投资者在做最优决策，他们预期AI未来能创造出足够多的新价值来覆盖成本。模型反推出来的必要条件是，生产力需要提升将近三倍。

但这里有一个问题值得思考，谁来定义生产力？论文用的是宏观经济学标准指标，比如扣除投入后的纯效率提升、整体经济贡献。但这些指标可能无法完全捕捉AI的实际价值。比如，AI让一个人产出更多，这算生产力提升。但如果产出质量没有提高，或者市场不需要这么多，这个提升的实际价值就有限。

另一个问题是收益分配。即使AI整体提升了将近三倍生产力，这些收益也可能集中到少数公司手里。如果其他行业和普通劳动者没有受益，那从社会角度看，这场投资的价值就要打折扣。论文没有讨论谁受益谁受损，但这个问题真实存在。

六、没做的历史对比

1990年代末的电信泡沫常被用来讨论科技投资过热。当时美国电信公司大规模建设光纤网络，预期互联网流量会爆发式增长。结果流量确实增长了，但速度没赶上投资速度，很多公司破产，光纤资产被低价收购。后来这些基础设施确实支撑了互联网繁荣，但早期投资者和后来获利者不是同一批人。

论文本身没有做这种历史类比，作者没有给出明确结论。他们的模型回答的是，如果投资是理性的，那么投资者心里到底在预期什么。至于这个预期能不能实现，模型本身无法回答。

七、这篇论文的真正价值

这篇沃顿论文的核心贡献，不是预测破产或繁荣，而是用模型把科技巨头的AI投资拆解成了可计算的算术问题。将近三倍不是一个随意的数字，它是模型假设下的一个基准线。超过它，这些投资在模型假设下就说得通，低于它，投资的合理性就会受到质疑。

但论文也留下了一个问题，当少数几家公司的投资规模大到能影响整体经济增长，而他们的投资决策又建立在尚未验证的技术假设上，这种集中度本身是不是值得关注？这个问题超出了论文的范围，需要更广泛的讨论。