AI算力扩张如何破解三重困局？

□蔡恩泽
　　自生成式AI技术爆发以来，全球算力建设进入高速扩张周期，但资本狂欢背后，技术迭代过快、能耗刚性瓶颈、债务杠杆高企等深层风险累积，行业呈现“产业落地滞后资本扩张、能源钳制产能释放、金融杠杆透支未来空间”的结构性矛盾。
　　此轮算力扩张并非完全由真实产业需求驱动，债务融资占比快速攀升。穆迪发布的报告显示，美国五大超大规模数据中心运营商有6620亿美元未执行数据中心租赁承诺，相当于其调整后债务总额的113%。表外租赁规模已超过表内债务总额，行业进入“先建后等单”的资本透支模式。海外科技巨头现金流正持续承压：谷歌2026年Q2自由现金流史上首次转负，净流出59亿美元；Meta自由现金流同比暴跌91%至7.84亿美元，当期资本开支吞噬了当季经营现金流的97.5%；亚马逊滚动12个月自由现金流转负，净流出76亿美元。国内腾讯2026年Q2自由现金流为-138亿元，剔除算力采购预付款项后，仍为正值376亿元，但持续加码算力投入已实质性拖累企业盈利质量。
　　AI智算中心属于超高能耗产业，单座超大型智算中心持续用电负荷可达100至300兆瓦，相当于满足数十万人口日常用电需求。国际能源署（IEA）统计显示，2022年全球数据中心、加密货币和AI行业耗电量约占全球总电力需求的2%；到2026年，这一数值预计将介于6200亿—10500亿千瓦时之间，全球数据中心电力需求或将实现翻倍增长。电网基础设施接入瓶颈更为严峻，变压器容量、配电网改造、跨区域输电通道升级周期远滞后于算力中心建设速度，大量新建项目陷入“有电不能接、接了不够用”的困境，电力成本已成为大型智算中心最核心单项运营成本。
　　国际清算银行（BIS）2026年6月28日发布的《2026年度经济报告》首次将AI投资热潮纳入全球宏观金融重点风险范畴，警示行业过度投资风险，类比19世纪运河热、铁路热及90年代末互联网泡沫，此类阶段均出现过短期资本集中涌入新兴技术领域，最终均以投资退潮、经济下行收尾。
　　当前行业已形成闭环式杠杆扩张模式：金融机构放贷、企业扩产算力、资产抵押再融资、持续加码新产能，形成“杠杆造产能、产能套杠杆”的泡沫闭环。摩根士丹利预测，2026年全球AI相关债券发行规模或将达到约5700亿美元，较上年增幅超一倍；叠加表外租赁及各类隐性融资规模后，行业整体债务敞口庞大。
　　面对AI算力扩张酿成“债务—能耗—金融嵌套”这三重风险，AI算力产业必须摒弃“重规模、轻效益，重扩张、轻落地”的粗放发展模式，贴合国内“十五五”产业高质量发展导向、遵循新质生产力“因地制宜”发展原则，构建差异化、精细化、可持续的产业发展体系。
　　一是严控金融杠杆，规范表外租赁、循环融资等隐蔽融资行为，严控增量债务规模，对低利用率、高能耗、无真实落地场景的存量项目有序出清，明确政府信用边界，杜绝隐性债务向地方财政传导。二是优化资产折旧年限，将AI专用算力硬件折旧年限统一缩短至三年左右，让资产账面价值真实匹配实际价值，倒逼企业审慎投资决策。三是构建绿色低碳算力体系，依托液冷节能、绿电替代等技术压降单位算力能耗，优化算力集群区域布局，禁止在电力紧张区域盲目新建超大算力中心。四是分层分类发展，中小市场经营主体聚焦细分场景提供轻量化算力服务。头部企业深耕高端核心算力研发，杜绝全域同质化和盲目扩产。五是锚定真实产业需求，以商业化落地消化存量产能。各地考核优先聚焦算力项目实际利用率、单位算力产值、产业赋能成效，而非简单比拼总算力规模。
　　综上所述，唯有摒弃粗放式规模扩张思维，统筹平衡资本、技术、能源、产业协同发展关系，剥离非理性泡沫、化解系统性风险，方能推动AI算力产业走出泡沫周期，实现高质量的可持续发展。