<p>（本文作者是路透社 Breakingviews 欄目的專欄作家。所表達的觀點僅代表她個人。）</p><p>作者：Karen Kwok</p><p>倫敦，3 月 26 日（路透社 Breakingviews）——儘管金融市場對人工智能泡沫憂心忡忡，但投資者可能關注錯了風險。普遍的擔憂是，科技巨頭將在人工智能基礎設施上投入數千億美元，但最終需求卻不盡如人意。然而，更緊迫的問題是，科技公司將難以在 2026 年的鉅額預算內完成數據中心的建設，並實現預期的效益。</p><p>硅谷的雄心規模已經與物理現實發生碰撞。據摩根士丹利估計，僅亞馬遜（Amazon.com, AMZN.O）、微軟（Microsoft, MSFT.O）、Alphabet（Alphabet, GOOGL.O）和 Meta Platforms（Meta Platforms, META.O）這四家公司，到 2026 年預計將花費約 6300 億美元用於數據中心和 AI 芯片。這比 2023 年的數字高出三倍多，相當於美國 GDP 的大約 2.2%。如果擴大範圍，將甲骨文（Oracle, ORCL.N）和 CoreWeave（CRWV.O）等排名前 11 位的雲服務和基礎設施提供商都算在內，總資本支出將達到 8110 億美元。</p><p>即使對全球最大的公司來説，這種擴張也是驚人的。據 S&amp;P Global Energy Horizons 的數據，這四家科技巨頭目前在全球運營着約 600 個數據中心設施，另有 544 個正在規劃或建設中。將這一開發管道轉化為可用的計算能力，其挑戰可能比調動所需資本更大。</p><p>理論上，經濟學看起來很簡單。一個現代化的 100 兆瓦 AI 數據中心，包括芯片在內，成本可能超過 40 億美元。約 70% 的支出用於服務器和圖形處理單元，其中大部分與英偉達（Nvidia, NVDA.O）設計的最搶手的芯片有關。土地通常佔預算的 6%，具體取決於地點。其餘部分用於建築、電氣設備、網絡、安全和運行密集型 AI 工作負載所需的冷卻系統。然而，問題在於，行業最嚴重的瓶頸不一定在於半導體，而在於物理基礎設施和安裝所需的當地許可。</p><p>電力是主要的限制因素之一。在倫敦等主要樞紐地區，接入公共電網可能需要長達十年。為了擺脱這種困境，運營商正轉向德克薩斯州等地的鄉村地區。但在偏遠地區，雖然許可證更容易獲得，但熟練的勞動力卻更難找到。在某些情況下，公司不得不建立支持性社區來為他們的設施配備人員。即便如此，這種變通方法也有侷限性，因為數據中心的需求正從訓練大型語言模型轉向推理——即運行訓練好的人工智能模型來為實際應用生成輸出的過程。為客户提供快速響應需要將推理數據中心建在更靠近人口密集區的區域。</p><p>運營商正試圖通過建造由現場燃氣輪機供電的 “孤島” 數據中心來完全繞過電網。據麥肯錫（McKinsey）的 Diego Hernandez Diaz 稱，目前在建的美國設施中約有三分之一依賴現場發電。但這種變通方法也帶來了自身的瓶頸：新的合格燃氣輪機實際上已售罄至 2029 年，這促使開發商尋找替代方案，據波士頓諮詢集團（Boston Consulting Group）的 Thomas Bumberger 稱。地緣政治進一步增加了脆弱性。據麥肯錫稱，大多數數據中心依賴於在主電源故障時啓動的柴油備用發電機。這些裝置每天都要進行測試，這使得人工智能熱潮容易受到中東衝突可能導致的精煉燃料短缺的影響。</p><p>更廣泛的工業供應鏈也在努力跟上壓倒性的需求。變電站、變壓器和冷卻系統等設備的製造過程與科技行業的週期不同步。據 BCG 稱，施耐德電氣（Schneider Electric, SCHN.PA）、伊頓（Eaton, ETN.N）和日立能源（Hitachi Energy）等集團提供的變壓器在歐洲的交貨時間已長達 100 周，而美國的發電機則需要約 50 周才能到貨。去年，近 60% 的數據中心項目延誤了三個多月。據數據中心項目預測公司 nPlan 稱，約 88% 的項目在鋪設混凝土基礎時就遇到了挫折，而 78% 的項目在安裝冷卻系統和火警時出現延誤。</p><p>快速的創新增加了積壓工作。英偉達最新一代的 Blackwell 芯片——及其即將推出的 Rubin 架構——產生的熱量遠高於前幾代。這迫使數據中心從空氣冷卻轉向更復雜的液體冷卻系統，這需要新的管道和水淨化基礎設施。與此同時，下一代服務器機架將消耗如此巨大的電力，以至於傳統的供電方式不再有效。為應對這種情況，數據中心運營商正轉向更先進的固態變壓器（SST），這也能實現電動汽車的快速充電。因此，科技公司正在與汽車製造商爭奪零部件。</p><p>一些運營商，如亞馬遜網絡服務（AWS），正在採取變通方法，例如設計專有設備。另一些公司，如微軟，則從 CoreWeave 和 Nebius (NBIS.O) 等靈活的 “新雲” 運營商那裏租用容量。這些公司，其中許多擁有改造過的前比特幣礦場，通常已經獲得了寶貴的土地、電力和許可證。歷史為我們敲響了投資激增危險的警鐘。以 2000 年代末的商品熱潮為例，當時包括埃克森美孚（Exxon Mobil, XOM.N）、殼牌（Shell, SHEL.L）、英國石油（BP, BP.L）和雪佛龍（Chevron, CVX.N）在內的大型石油集團大幅增加了資本支出，以利用創紀錄的原油價格。2000 年至 2013 年間，全球在石油和天然氣勘探、鑽探和開採方面的投資幾乎翻了三倍，從約 2500 億美元增至近 7000 億美元。但勞動力、專用設備短缺以及審批限制帶來了代價。總體產量幾乎沒有變化，而成本卻螺旋式上升。回報率暴跌，油價從 2008 年中期的每桶 147 美元跌至數月後的每桶 60 美元以下，更是加劇了這種情況。</p><p>不斷上漲的建築成本和延誤也威脅着科技巨頭的回報。nPlan 估計，一個最初預算為 10 億美元的數據中心，其成本很容易膨脹到 13 億美元或更高。與此同時，雲服務提供商只有在數據中心連接好並租賃給客户後才能將其貨幣化。如果一家公司在先進的 AI 芯片上花費 100 億美元，卻無法獲得為其供電的變壓器，那麼這些半導體就成了閒置資本，會迅速貶值，而無法產生一分錢的收入。</p><p>所有這些都將壓縮利潤率，並拖累科技巨頭的投資回報率。根據 Visible Alpha 彙編的預測，Alphabet 的税後已投資資本回報率預計將從去年的 51% 降至 2030 年的約 36%。微軟的這一比率預計將從 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變革性，但如果硅谷認為金錢可以扭曲物理定律，那麼它的鉅額投資可能會事與願違。在 LinkedIn 和 X 上關注 Karen Kwok。</p><p>大型科技公司的雲服務支出持續增長</p><p></p><p>一個 10 兆瓦的 AI 數據中心的資本支出構成</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資資本的回報率</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>（編輯：Peter Thal Larsen；製作：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 欄目的專欄作家。所表達的觀點僅代表她個人。）</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>倫敦，3 月 26 日（路透社 Breakingviews）——儘管金融市場對人工智能泡沫憂心忡忡，但投資者可能關注錯了風險。普遍的擔憂是，科技巨頭將在人工智能基礎設施上投入數千億美元，但最終需求卻不盡如人意。然而，更緊迫的問題是，科技公司將難以在 2026 年的鉅額預算內完成數據中心的建設，並實現預期的效益。</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>硅谷的雄心規模已經與物理現實發生碰撞。據摩根士丹利估計，僅亞馬遜（Amazon.com, AMZN.O）、微軟（Microsoft, MSFT.O）、Alphabet（Alphabet, GOOGL.O）和 Meta Platforms（Meta Platforms, META.O）這四家公司，到 2026 年預計將花費約 6300 億美元用於數據中心和 AI 芯片。這比 2023 年的數字高出三倍多，相當於美國 GDP 的大約 2.2%。如果擴大範圍，將甲骨文（Oracle, ORCL.N）和 CoreWeave（CRWV.O）等排名前 11 位的雲服務和基礎設施提供商都算在內，總資本支出將達到 8110 億美元。</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>即使對全球最大的公司來説，這種擴張也是驚人的。據 S&amp;P Global Energy Horizons 的數據，這四家科技巨頭目前在全球運營着約 600 個數據中心設施，另有 544 個正在規劃或建設中。將這一開發管道轉化為可用的計算能力，其挑戰可能比調動所需資本更大。</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>理論上，經濟學看起來很簡單。一個現代化的 100 兆瓦 AI 數據中心，包括芯片在內，成本可能超過 40 億美元。約 70% 的支出用於服務器和圖形處理單元，其中大部分與英偉達（Nvidia, NVDA.O）設計的最搶手的芯片有關。土地通常佔預算的 6%，具體取決於地點。其餘部分用於建築、電氣設備、網絡、安全和運行密集型 AI 工作負載所需的冷卻系統。然而，問題在於，行業最嚴重的瓶頸不一定在於半導體，而在於物理基礎設施和安裝所需的當地許可。</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>電力是主要的限制因素之一。在倫敦等主要樞紐地區，接入公共電網可能需要長達十年。為了擺脱這種困境，運營商正轉向德克薩斯州等地的鄉村地區。但在偏遠地區，雖然許可證更容易獲得，但熟練的勞動力卻更難找到。在某些情況下，公司不得不建立支持性社區來為他們的設施配備人員。即便如此，這種變通方法也有侷限性，因為數據中心的需求正從訓練大型語言模型轉向推理——即運行訓練好的人工智能模型來為實際應用生成輸出的過程。為客户提供快速響應需要將推理數據中心建在更靠近人口密集區的區域。</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>運營商正試圖通過建造由現場燃氣輪機供電的 “孤島” 數據中心來完全繞過電網。據麥肯錫（McKinsey）的 Diego Hernandez Diaz 稱，目前在建的美國設施中約有三分之一依賴現場發電。但這種變通方法也帶來了自身的瓶頸：新的合格燃氣輪機實際上已售罄至 2029 年，這促使開發商尋找替代方案，據波士頓諮詢集團（Boston Consulting Group）的 Thomas Bumberger 稱。地緣政治進一步增加了脆弱性。據麥肯錫稱，大多數數據中心依賴於在主電源故障時啓動的柴油備用發電機。這些裝置每天都要進行測試，這使得人工智能熱潮容易受到中東衝突可能導致的精煉燃料短缺的影響。</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>更廣泛的工業供應鏈也在努力跟上壓倒性的需求。變電站、變壓器和冷卻系統等設備的製造過程與科技行業的週期不同步。據 BCG 稱，施耐德電氣（Schneider Electric, SCHN.PA）、伊頓（Eaton, ETN.N）和日立能源（Hitachi Energy）等集團提供的變壓器在歐洲的交貨時間已長達 100 周，而美國的發電機則需要約 50 周才能到貨。去年，近 60% 的數據中心項目延誤了三個多月。據數據中心項目預測公司 nPlan 稱，約 88% 的項目在鋪設混凝土基礎時就遇到了挫折，而 78% 的項目在安裝冷卻系統和火警時出現延誤。</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>快速的創新增加了積壓工作。英偉達最新一代的 Blackwell 芯片——及其即將推出的 Rubin 架構——產生的熱量遠高於前幾代。這迫使數據中心從空氣冷卻轉向更復雜的液體冷卻系統，這需要新的管道和水淨化基礎設施。與此同時，下一代服務器機架將消耗如此巨大的電力，以至於傳統的供電方式不再有效。為應對這種情況，數據中心運營商正轉向更先進的固態變壓器（SST），這也能實現電動汽車的快速充電。因此，科技公司正在與汽車製造商爭奪零部件。</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>一些運營商，如亞馬遜網絡服務（AWS），正在採取變通方法，例如設計專有設備。另一些公司，如微軟，則從 CoreWeave 和 Nebius (NBIS.O) 等靈活的 “新雲” 運營商那裏租用容量。這些公司，其中許多擁有改造過的前比特幣礦場，通常已經獲得了寶貴的土地、電力和許可證。歷史為我們敲響了投資激增危險的警鐘。以 2000 年代末的商品熱潮為例，當時包括埃克森美孚（Exxon Mobil, XOM.N）、殼牌（Shell, SHEL.L）、英國石油（BP, BP.L）和雪佛龍（Chevron, CVX.N）在內的大型石油集團大幅增加了資本支出，以利用創紀錄的原油價格。2000 年至 2013 年間，全球在石油和天然氣勘探、鑽探和開採方面的投資幾乎翻了三倍，從約 2500 億美元增至近 7000 億美元。但勞動力、專用設備短缺以及審批限制帶來了代價。總體產量幾乎沒有變化，而成本卻螺旋式上升。回報率暴跌，油價從 2008 年中期的每桶 147 美元跌至數月後的每桶 60 美元以下，更是加劇了這種情況。</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>不斷上漲的建築成本和延誤也威脅着科技巨頭的回報。nPlan 估計，一個最初預算為 10 億美元的數據中心，其成本很容易膨脹到 13 億美元或更高。與此同時，雲服務提供商只有在數據中心連接好並租賃給客户後才能將其貨幣化。如果一家公司在先進的 AI 芯片上花費 100 億美元，卻無法獲得為其供電的變壓器，那麼這些半導體就成了閒置資本，會迅速貶值，而無法產生一分錢的收入。</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>所有這些都將壓縮利潤率，並拖累科技巨頭的投資回報率。根據 Visible Alpha 彙編的預測，Alphabet 的税後已投資資本回報率預計將從去年的 51% 降至 2030 年的約 36%。微軟的這一比率預計將從 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變革性，但如果硅谷認為金錢可以扭曲物理定律，那麼它的鉅額投資可能會事與願違。在 LinkedIn 和 X 上關注 Karen Kwok。</p></div><p>Big tech firms’ spending on cloud computing keeps rising</p>
<div class="lb-trans"><p>大型科技公司的雲服務支出持續增長</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>一個 10 兆瓦的 AI 數據中心的資本支出構成</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資資本的回報率</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>（編輯：Peter Thal Larsen；製作：Pranav Kiran）</p></div>

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

- 四大科技公司在 2026 年的支出預計達 6300 億美元，超過 2023 年四倍。  
- 數據中心建設面臨物理基礎設施瓶頸，供電與材料短缺問題顯著。  
- 投資回報率可能下降，谷歌和微軟的投資回報預計大幅下滑。

路透社觀點：大型科技公司6300億美元AI鉅額支出恐難如願