<p>（本文作者是路透社 Breakingviews 栏目的专栏作家。所表达的观点仅代表她个人。）</p><p>作者：Karen Kwok</p><p>伦敦，3 月 26 日（路透社 Breakingviews）——尽管金融市场对人工智能泡沫忧心忡忡，但投资者可能关注错了风险。普遍的担忧是，科技巨头将在人工智能基础设施上投入数千亿美元，但最终需求却不尽如人意。然而，更紧迫的问题是，科技公司将难以在 2026 年的巨额预算内完成数据中心的建设，并实现预期的效益。</p><p>硅谷的雄心规模已经与物理现实发生碰撞。据摩根士丹利估计，仅亚马逊（Amazon.com, AMZN.O）、微软（Microsoft, MSFT.O）、Alphabet（Alphabet, GOOGL.O）和 Meta Platforms（Meta Platforms, META.O）这四家公司，到 2026 年预计将花费约 6300 亿美元用于数据中心和 AI 芯片。这比 2023 年的数字高出三倍多，相当于美国 GDP 的大约 2.2%。如果扩大范围，将甲骨文（Oracle, ORCL.N）和 CoreWeave（CRWV.O）等排名前 11 位的云服务和基础设施提供商都算在内，总资本支出将达到 8110 亿美元。</p><p>即使对全球最大的公司来说，这种扩张也是惊人的。据 S&amp;P Global Energy Horizons 的数据，这四家科技巨头目前在全球运营着约 600 个数据中心设施，另有 544 个正在规划或建设中。将这一开发管道转化为可用的计算能力，其挑战可能比调动所需资本更大。</p><p>理论上，经济学看起来很简单。一个现代化的 100 兆瓦 AI 数据中心，包括芯片在内，成本可能超过 40 亿美元。约 70% 的支出用于服务器和图形处理单元，其中大部分与英伟达（Nvidia, NVDA.O）设计的最抢手的芯片有关。土地通常占预算的 6%，具体取决于地点。其余部分用于建筑、电气设备、网络、安全和运行密集型 AI 工作负载所需的冷却系统。然而，问题在于，行业最严重的瓶颈不一定在于半导体，而在于物理基础设施和安装所需的当地许可。</p><p>电力是主要的限制因素之一。在伦敦等主要枢纽地区，接入公共电网可能需要长达十年。为了摆脱这种困境，运营商正转向德克萨斯州等地的乡村地区。但在偏远地区，虽然许可证更容易获得，但熟练的劳动力却更难找到。在某些情况下，公司不得不建立支持性社区来为他们的设施配备人员。即便如此，这种变通方法也有局限性，因为数据中心的需求正从训练大型语言模型转向推理——即运行训练好的人工智能模型来为实际应用生成输出的过程。为客户提供快速响应需要将推理数据中心建在更靠近人口密集区的区域。</p><p>运营商正试图通过建造由现场燃气轮机供电的 “孤岛” 数据中心来完全绕过电网。据麦肯锡（McKinsey）的 Diego Hernandez Diaz 称，目前在建的美国设施中约有三分之一依赖现场发电。但这种变通方法也带来了自身的瓶颈：新的合格燃气轮机实际上已售罄至 2029 年，这促使开发商寻找替代方案，据波士顿咨询集团（Boston Consulting Group）的 Thomas Bumberger 称。地缘政治进一步增加了脆弱性。据麦肯锡称，大多数数据中心依赖于在主电源故障时启动的柴油备用发电机。这些装置每天都要进行测试，这使得人工智能热潮容易受到中东冲突可能导致的精炼燃料短缺的影响。</p><p>更广泛的工业供应链也在努力跟上压倒性的需求。变电站、变压器和冷却系统等设备的制造过程与科技行业的周期不同步。据 BCG 称，施耐德电气（Schneider Electric, SCHN.PA）、伊顿（Eaton, ETN.N）和日立能源（Hitachi Energy）等集团提供的变压器在欧洲的交货时间已长达 100 周，而美国的发电机则需要约 50 周才能到货。去年，近 60% 的数据中心项目延误了三个多月。据数据中心项目预测公司 nPlan 称，约 88% 的项目在铺设混凝土基础时就遇到了挫折，而 78% 的项目在安装冷却系统和火警时出现延误。</p><p>快速的创新增加了积压工作。英伟达最新一代的 Blackwell 芯片——及其即将推出的 Rubin 架构——产生的热量远高于前几代。这迫使数据中心从空气冷却转向更复杂的液体冷却系统，这需要新的管道和水净化基础设施。与此同时，下一代服务器机架将消耗如此巨大的电力，以至于传统的供电方式不再有效。为应对这种情况，数据中心运营商正转向更先进的固态变压器（SST），这也能实现电动汽车的快速充电。因此，科技公司正在与汽车制造商争夺零部件。</p><p>一些运营商，如亚马逊网络服务（AWS），正在采取变通方法，例如设计专有设备。另一些公司，如微软，则从 CoreWeave 和 Nebius (NBIS.O) 等灵活的 “新云” 运营商那里租用容量。这些公司，其中许多拥有改造过的前比特币矿场，通常已经获得了宝贵的土地、电力和许可证。历史为我们敲响了投资激增危险的警钟。以 2000 年代末的商品热潮为例，当时包括埃克森美孚（Exxon Mobil, XOM.N）、壳牌（Shell, SHEL.L）、英国石油（BP, BP.L）和雪佛龙（Chevron, CVX.N）在内的大型石油集团大幅增加了资本支出，以利用创纪录的原油价格。2000 年至 2013 年间，全球在石油和天然气勘探、钻探和开采方面的投资几乎翻了三倍，从约 2500 亿美元增至近 7000 亿美元。但劳动力、专用设备短缺以及审批限制带来了代价。总体产量几乎没有变化，而成本却螺旋式上升。回报率暴跌，油价从 2008 年中期的每桶 147 美元跌至数月后的每桶 60 美元以下，更是加剧了这种情况。</p><p>不断上涨的建筑成本和延误也威胁着科技巨头的回报。nPlan 估计，一个最初预算为 10 亿美元的数据中心，其成本很容易膨胀到 13 亿美元或更高。与此同时，云服务提供商只有在数据中心连接好并租赁给客户后才能将其货币化。如果一家公司在先进的 AI 芯片上花费 100 亿美元，却无法获得为其供电的变压器，那么这些半导体就成了闲置资本，会迅速贬值，而无法产生一分钱的收入。</p><p>所有这些都将压缩利润率，并拖累科技巨头的投资回报率。根据 Visible Alpha 汇编的预测，Alphabet 的税后已投资资本回报率预计将从去年的 51% 降至 2030 年的约 36%。微软的这一比率预计将从 2020 年的 95% 大幅降至 2030 年的 36%。</p><p>人工智能可能比石油更具变革性，但如果硅谷认为金钱可以扭曲物理定律，那么它的巨额投资可能会事与愿违。在 LinkedIn 和 X 上关注 Karen Kwok。</p><p>大型科技公司的云服务支出持续增长</p><p></p><p>一个 10 兆瓦的 AI 数据中心的资本支出构成</p><p><img src="https://imageproxy.pbkrs.com/https://www.reuters.com/graphics/BRV-BRV/egpbeokxwvq/chart.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" width="1180" height="894" original-src="https://imageproxy.pbkrs.com/https://www.reuters.com/graphics/BRV-BRV/egpbeokxwvq/chart.png"/></p><p>大型科技公司的支出激增正在降低已投资资本的回报率</p><p><img src="https://imageproxy.pbkrs.com/https://www.reuters.com/graphics/BRV-BRV/byprnqjympe/chart.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" width="1420" height="1010" original-src="https://imageproxy.pbkrs.com/https://www.reuters.com/graphics/BRV-BRV/byprnqjympe/chart.png"/></p><p>（编辑：Peter Thal Larsen；制作：Pranav Kiran）</p>

XDAT

DTCR

2 倍做多 MSFT ETF - GraniteShares

<p>(The author is a Reuters Breakingviews columnist. The opinions expressed are her own.)</p>
<div class="lb-trans"><p>（本文作者是路透社 Breakingviews 栏目的专栏作家。所表达的观点仅代表她个人。）</p></div><p>By Karen Kwok</p>
<div class="lb-trans"><p>作者：Karen Kwok</p></div><p>LONDON, March 26 (Reuters Breakingviews) - For all the hand-wringing in financial markets about an artificial intelligence bubble, investors may be focusing on the wrong risk. The prevailing fear is that technology giants will spend hundreds of billions of dollars on AI infrastructure only for demand to fall short. The more immediate problem, though, is that tech firms will struggle to spend their massive 2026 budgets in ways that deliver functioning data centres.</p>
<div class="lb-trans"><p>伦敦，3 月 26 日（路透社 Breakingviews）——尽管金融市场对人工智能泡沫忧心忡忡，但投资者可能关注错了风险。普遍的担忧是，科技巨头将在人工智能基础设施上投入数千亿美元，但最终需求却不尽如人意。然而，更紧迫的问题是，科技公司将难以在 2026 年的巨额预算内完成数据中心的建设，并实现预期的效益。</p></div><p>The scale of Silicon Valley’s ambition is already colliding with physical reality. Just four companies — Amazon.com (AMZN.O) , Microsoft (MSFT.O) , Alphabet (GOOGL.O) , and Meta Platforms (META.O) — are projected to spend about $630 billion on data centres and AI chips in 2026 alone, Morgan Stanley estimates. That’s more than four times the 2023 figure, and equates to roughly 2.2% of U.S. GDP. Widen the lens to include the top 11 providers of cloud computing and infrastructure, like Oracle (ORCL.N) and CoreWeave (CRWV.O) , and total capital expenditure is set to hit $811 billion.</p>
<div class="lb-trans"><p>硅谷的雄心规模已经与物理现实发生碰撞。据摩根士丹利估计，仅亚马逊（Amazon.com, AMZN.O）、微软（Microsoft, MSFT.O）、Alphabet（Alphabet, GOOGL.O）和 Meta Platforms（Meta Platforms, META.O）这四家公司，到 2026 年预计将花费约 6300 亿美元用于数据中心和 AI 芯片。这比 2023 年的数字高出三倍多，相当于美国 GDP 的大约 2.2%。如果扩大范围，将甲骨文（Oracle, ORCL.N）和 CoreWeave（CRWV.O）等排名前 11 位的云服务和基础设施提供商都算在内，总资本支出将达到 8110 亿美元。</p></div><p>Even for the world’s largest companies, this expansion is staggering. The four tech giants currently operate roughly 600 data centre facilities globally, and have another 544 in planning or under construction, according to S&amp;P Global Energy Horizons data. Turning that development pipeline into live computing power could prove a bigger challenge than mobilizing the necessary capital.</p>
<div class="lb-trans"><p>即使对全球最大的公司来说，这种扩张也是惊人的。据 S&amp;P Global Energy Horizons 的数据，这四家科技巨头目前在全球运营着约 600 个数据中心设施，另有 544 个正在规划或建设中。将这一开发管道转化为可用的计算能力，其挑战可能比调动所需资本更大。</p></div><p>On paper, the economics look straightforward. A modern 100-megawatt AI data centre can cost more than $4 billion, including chips. About 70% of spending goes on servers and graphics processing units, much of it linked to the most sought-after chips designed by Nvidia (NVDA.O) . Land typically consumes up to 6% of that budget, depending on location. The rest is split between buildings, electrical gear, networking, security and cooling systems required to run dense AI workloads. The catch is that the industry’s worst bottlenecks are not necessarily in semiconductors, but in physical infrastructure and the local permits required to install it.</p>
<div class="lb-trans"><p>理论上，经济学看起来很简单。一个现代化的 100 兆瓦 AI 数据中心，包括芯片在内，成本可能超过 40 亿美元。约 70% 的支出用于服务器和图形处理单元，其中大部分与英伟达（Nvidia, NVDA.O）设计的最抢手的芯片有关。土地通常占预算的 6%，具体取决于地点。其余部分用于建筑、电气设备、网络、安全和运行密集型 AI 工作负载所需的冷却系统。然而，问题在于，行业最严重的瓶颈不一定在于半导体，而在于物理基础设施和安装所需的当地许可。</p></div><p>Power is one of the primary constraints. Securing a connection to the public grid in major hubs like London can now take up to a decade. To escape this purgatory, operators are pushing into rural locations like parts of Texas. But while permits are easier to get in remote places, skilled labour is harder to find. In some cases, companies have to build supporting communities to staff their facilities. Even then, this workaround has limits as data centre demand shifts from training large-language models to inference — the process of running a trained AI model to generate outputs for real-world use. Providing swift responses to customers requires inference data centres closer to populated areas.</p>
<div class="lb-trans"><p>电力是主要的限制因素之一。在伦敦等主要枢纽地区，接入公共电网可能需要长达十年。为了摆脱这种困境，运营商正转向德克萨斯州等地的乡村地区。但在偏远地区，虽然许可证更容易获得，但熟练的劳动力却更难找到。在某些情况下，公司不得不建立支持性社区来为他们的设施配备人员。即便如此，这种变通方法也有局限性，因为数据中心的需求正从训练大型语言模型转向推理——即运行训练好的人工智能模型来为实际应用生成输出的过程。为客户提供快速响应需要将推理数据中心建在更靠近人口密集区的区域。</p></div><p>Operators are trying to bypass the power grid entirely by building “island” data centres powered by on-site gas turbines. About one-third of U.S. facilities currently under construction rely on on-site power generation, according to McKinsey’s Diego Hernandez Diaz. But this workaround has created its own bottleneck: new suitable gas turbines are effectively sold out until 2029, prompting developers to look for alternatives, Boston Consulting Group’s Thomas Bumberger says. Geopolitics adds a further layer of fragility. Most data centres rely on diesel backup generators that kick in if the main power source fails, according to McKinsey. These units are tested daily, leaving the AI boom exposed to potential shortages of refined fuel caused by conflict in the Middle East.</p>
<div class="lb-trans"><p>运营商正试图通过建造由现场燃气轮机供电的 “孤岛” 数据中心来完全绕过电网。据麦肯锡（McKinsey）的 Diego Hernandez Diaz 称，目前在建的美国设施中约有三分之一依赖现场发电。但这种变通方法也带来了自身的瓶颈：新的合格燃气轮机实际上已售罄至 2029 年，这促使开发商寻找替代方案，据波士顿咨询集团（Boston Consulting Group）的 Thomas Bumberger 称。地缘政治进一步增加了脆弱性。据麦肯锡称，大多数数据中心依赖于在主电源故障时启动的柴油备用发电机。这些装置每天都要进行测试，这使得人工智能热潮容易受到中东冲突可能导致的精炼燃料短缺的影响。</p></div><p>The broader industrial supply chain is also struggling to keep up with overwhelming demand. The process of making kit like substations, transformers and cooling systems is out of sync with the tech industry’s cycle. The lead time for transformers supplied by groups such as Schneider Electric (SCHN.PA) , Eaton (ETN.N) and Hitachi Energy is now up to 100 weeks in Europe, while generators in the United States can take around 50 weeks to arrive, according to BCG. Nearly 60% of data centre projects were delayed by more than three months last year. Roughly 88% of projects face setbacks simply laying concrete foundations, while 78% are delayed during the installation of cooling systems and fire alarms, according to data centre project forecasting firm nPlan.</p>
<div class="lb-trans"><p>更广泛的工业供应链也在努力跟上压倒性的需求。变电站、变压器和冷却系统等设备的制造过程与科技行业的周期不同步。据 BCG 称，施耐德电气（Schneider Electric, SCHN.PA）、伊顿（Eaton, ETN.N）和日立能源（Hitachi Energy）等集团提供的变压器在欧洲的交货时间已长达 100 周，而美国的发电机则需要约 50 周才能到货。去年，近 60% 的数据中心项目延误了三个多月。据数据中心项目预测公司 nPlan 称，约 88% 的项目在铺设混凝土基础时就遇到了挫折，而 78% 的项目在安装冷却系统和火警时出现延误。</p></div><p>Rapid innovation adds to the backlog. Nvidia’s newest Blackwell chips — and its upcoming Rubin architecture — generate far more heat than previous versions. This has forced data centres to shift from air cooling to more complex liquid systems, which require new plumbing and water purification infrastructure. Meanwhile, next-generation server racks will draw so much power that traditional ways of delivering electricity no longer work efficiently. To cope, data centre operators are shifting to more advanced solid-state transformers (SSTs), which also enable fast charging of electric vehicles. As a result, tech companies are competing with carmakers for components.</p>
<div class="lb-trans"><p>快速的创新增加了积压工作。英伟达最新一代的 Blackwell 芯片——及其即将推出的 Rubin 架构——产生的热量远高于前几代。这迫使数据中心从空气冷却转向更复杂的液体冷却系统，这需要新的管道和水净化基础设施。与此同时，下一代服务器机架将消耗如此巨大的电力，以至于传统的供电方式不再有效。为应对这种情况，数据中心运营商正转向更先进的固态变压器（SST），这也能实现电动汽车的快速充电。因此，科技公司正在与汽车制造商争夺零部件。</p></div><p>Some operators like Amazon Web Services are using workarounds, such as designing proprietary equipment. Others like Microsoft are renting capacity from agile “neocloud” operators like CoreWeave and Nebius (NBIS.O) . These companies, many of which own repurposed former bitcoin mining facilities, have often secured valuable land, power and permits. History offers a stark warning of the dangers of investment splurges. Take the commodity boom of the late 2000s, when large oil groups, including Exxon Mobil (XOM.N) , Shell (SHEL.L) , BP (BP.L) and Chevron (CVX.N) sharply increased capital spending to take advantage of record crude prices. Global investment in searching, drilling and pumping oil and gas nearly tripled from roughly $250 billion in 2000 to almost $700 billion by 2013. But shortages of labour, specialized equipment, and permitting constraints took their toll. Overall production output barely budged while costs spiralled. Returns collapsed, exacerbated by a sharp drop in oil prices from $147 a barrel in mid-2008 to below $60 months later.</p>
<div class="lb-trans"><p>一些运营商，如亚马逊网络服务（AWS），正在采取变通方法，例如设计专有设备。另一些公司，如微软，则从 CoreWeave 和 Nebius (NBIS.O) 等灵活的 “新云” 运营商那里租用容量。这些公司，其中许多拥有改造过的前比特币矿场，通常已经获得了宝贵的土地、电力和许可证。历史为我们敲响了投资激增危险的警钟。以 2000 年代末的商品热潮为例，当时包括埃克森美孚（Exxon Mobil, XOM.N）、壳牌（Shell, SHEL.L）、英国石油（BP, BP.L）和雪佛龙（Chevron, CVX.N）在内的大型石油集团大幅增加了资本支出，以利用创纪录的原油价格。2000 年至 2013 年间，全球在石油和天然气勘探、钻探和开采方面的投资几乎翻了三倍，从约 2500 亿美元增至近 7000 亿美元。但劳动力、专用设备短缺以及审批限制带来了代价。总体产量几乎没有变化，而成本却螺旋式上升。回报率暴跌，油价从 2008 年中期的每桶 147 美元跌至数月后的每桶 60 美元以下，更是加剧了这种情况。</p></div><p>Rising construction costs and delays are a threat to tech giants’ returns, too. A data centre originally budgeted at $1 billion can easily inflate to $1.3 billion or more, nPlan reckons. Meanwhile, cloud providers only monetize a data centre once it is plugged in and leased to customers. If a company spends $10 billion on advanced AI chips but cannot secure the transformers to power them, those semiconductors become stranded capital, depreciating rapidly without generating a cent of revenue.</p>
<div class="lb-trans"><p>不断上涨的建筑成本和延误也威胁着科技巨头的回报。nPlan 估计，一个最初预算为 10 亿美元的数据中心，其成本很容易膨胀到 13 亿美元或更高。与此同时，云服务提供商只有在数据中心连接好并租赁给客户后才能将其货币化。如果一家公司在先进的 AI 芯片上花费 100 亿美元，却无法获得为其供电的变压器，那么这些半导体就成了闲置资本，会迅速贬值，而无法产生一分钱的收入。</p></div><p>All this will compress profit margins and drag down tech giants’ returns on their investment. Alphabet’s return on invested capital after tax is expected to fall from 51% last year to about 36% by 2030, according to forecasts compiled by Visible Alpha. Microsoft’s is projected to drop even more sharply, from 95% in 2020 to 36% in 2030.</p>
<div class="lb-trans"><p>所有这些都将压缩利润率，并拖累科技巨头的投资回报率。根据 Visible Alpha 汇编的预测，Alphabet 的税后已投资资本回报率预计将从去年的 51% 降至 2030 年的约 36%。微软的这一比率预计将从 2020 年的 95% 大幅降至 2030 年的 36%。</p></div><p>Artificial intelligence may be a more transformative technology than oil, but if Silicon Valley assumes money can bend the laws of physics, its splurge may fall short. Follow Karen Kwok on LinkedIn and X.</p>
<div class="lb-trans"><p>人工智能可能比石油更具变革性，但如果硅谷认为金钱可以扭曲物理定律，那么它的巨额投资可能会事与愿违。在 LinkedIn 和 X 上关注 Karen Kwok。</p></div><p>Big tech firms’ spending on cloud computing keeps rising</p>
<div class="lb-trans"><p>大型科技公司的云服务支出持续增长</p></div><p><img src="https://imageproxy.pbkrs.com/https://www.reuters.com/graphics/BRV-BRV/byvrnqjweve/chart.png" alt="" original-src="https://www.reuters.com/graphics/BRV-BRV/byvrnqjweve/chart.png"/></p>
<p>How capital spending breaks down for a 10-megawatt AI data centre</p>
<div class="lb-trans"><p>一个 10 兆瓦的 AI 数据中心的资本支出构成</p></div><p><img src="https://imageproxy.pbkrs.com/https://www.reuters.com/graphics/BRV-BRV/egpbeokxwvq/chart.png" alt="" original-src="https://www.reuters.com/graphics/BRV-BRV/egpbeokxwvq/chart.png"/></p>
<p>Big Tech’s spending boom is driving down returns on invested capital</p>
<div class="lb-trans"><p>大型科技公司的支出激增正在降低已投资资本的回报率</p></div><p><img src="https://imageproxy.pbkrs.com/https://www.reuters.com/graphics/BRV-BRV/byprnqjympe/chart.png" alt="" original-src="https://www.reuters.com/graphics/BRV-BRV/byprnqjympe/chart.png"/></p>
<p>(Editing by Peter Thal Larsen; Production by Pranav Kiran)</p>
<div class="lb-trans"><p>（编辑：Peter Thal Larsen；制作：Pranav Kiran）</p></div>

BREAKINGVIEWS-How Big Tech's $630 bln AI splurge will fall short

- 四大科技公司在 2026 年的支出预计达 6300 亿美元，超过 2023 年四倍。  
- 数据中心建设面临物理基础设施瓶颈，供电与材料短缺问题显著。  
- 投资回报率可能下降，谷歌和微软的投资回报预计大幅下滑。

路透社观点：大型科技公司6300亿美元AI巨额支出恐难如愿