然而，也有理由持怀疑态度。首先，即使是顶尖的AI公司目前也难以实现正回报。OpenAI和Anthropic的年化收入分别约为250亿美元和190亿美元。OpenAI预计到2030年之前现金流为负，Anthropic则是2029年。而且即使是这些预测也可能过于乐观。麻省理工学院2025年底的一项里程碑式的研究显示，投资生成式AI的组织中，95%未见到任何可衡量的财务回报。

一方面生产力提升和财务回报不匹配，另一方面使用AI的代币成本不断上升，这可能进一步抑制对昂贵AI模型的采用。此外，开源模型日益挑战专有AI模型。中国的DeepSeek V4在各项能力基准测试中与美国领先AI模型极具竞争力，但其API定价仅为美国主要模型的一小部分。例如，DeepSeek V4的输入成本为每百万词元0.27美元，输出成本为1.1美元，而GPT-5.4分别为15美元和60美元，Claude Opus 4.6分别为15美元和75美元。

借助OpenRouter、Venice、Basesten、Together等各类聚合路由平台可调用的开源模型，既能提供成本更低的备选方案，还能兼顾数据隐私保护。这类替代选择或将进一步压缩各大AI企业、其投资方及上下游供应商实现正向现金流的空间。

除此之外，信息技术软硬件领域的资本投资回报率整体呈下行态势。2023至2025年间，IT硬件板块（涵盖电子设备及元器件、通信设备、半导体与半导体生产设备）价格收益率增速由65%大幅回落至31%；IT软件板块（包含信息技术服务、软件、互动媒体服务、综合零售）下滑幅度更为显著，同期收益率增速从61.5%跌至19%。

若企业经营利润与股权融资规模难以覆盖资本开支需求，科技企业会转向企业债、高收益垃圾债、结构化融资、私募信贷、表外特殊目的载体（SPV），以及各类创新会计处理与金融工具来筹措资金。摩根士丹利测算，2025至2028年全球数据中心资本开支总额将达到2.9万亿美元，行业融资渠道呈现多元化特征（表2）。

表2：估计2025-2028年全球数据中心资本支出2.9万亿美元 来源：摩根士丹利 2026

由于循环股权融资盛行，超大规模企业账面上体量可观的现金流数据，实则具备极强迷惑性。包括“七巨头”——Alphabet、亚马逊、苹果、Meta、微软、英伟达和特斯拉——在内的科技巨头通过交叉持股、布局竞品AI企业形成深度利益绑定，高度依赖各类金融工具运作。AI芯片厂商、云服务商与人工智能企业之间，围绕供需合作搭建起错综复杂的合作网络，囊括股权互换、债权融资、信贷担保、设备租赁、合资经营等多重交易架构。

英伟达、微软与Anthropic的合作案例，便能直观体现这类闭环融资模式：英伟达承诺向Anthropic投资高达100亿美元，微软将投资高达50亿美元，而作为交易的一部分，Anthropic宣布计划花费300亿美元的计算资源。表3集中呈现了行业内循环融资的普遍现状。

表3：循环融资：部分交易数据一览 来源：彭博新闻社报道

循环融资构成了“环环相扣的债务链条、盘根错节的网络、错综复杂的乱局、循环往复的衔尾蛇、盘根丛生的利益巢穴，抑或是缠绕交错的意面”。这些具象化描述直指几大核心风险。

第一，若上游供应商向下游客户开展股权投资，客户再将这笔资金反向用于向投资方采购芯片、租赁算力服务，企业营收会因自我资金闭环出现虚高。失真的营收数据会吸引外部投资者与同业入局，整个行业市场就此建立在注水的业绩之上。

第二，这套多层嵌套的融资链条具备极强脆弱性，任一环节出现兑付或经营故障，都有可能引发整个资本架构的连锁崩塌。

尽管头部科技企业将该模式吹捧为可持续的正向良性循环，但诸多分析师已提出警示：此类闭环交易与互联网泡沫时期的乱象高度相似，当年大量初创公司互相购买对方服务以“夸大增长预期”。与此同时，这种深度绑定的资本网络重现了“关联过度、风险高度捆绑”的历史隐患，这意味着当年在全球金融危机中重创金融体系的问题可能卷土重来。

除循环股权融资外，各大科技企业大规模举债，为数据中心与配套能源设施建设筹措资金。2025年第四季度，科技行业债券发行总额达1087亿美元，创下单季度历史新高，发债热潮延续至2026年，仅开年前两周便新增155亿美元债券发行。摩根士丹利预测，2026年超大型科技企业借贷规模将从2025年的1650亿美元大幅增长至4000亿美元。

头部企业债务扩张数据也十分直观：Alphabet在2021至2024年间长期债务稳定维持在140–150亿美元区间，去年大幅攀升至490亿美元；公司还发行了百年期债券，是1997年摩托罗拉之后首家推出该类债券的科技企业。Meta的债务扩张更为迅猛，2021年长期债务余额为零，2024年增至290亿美元，2025年进一步飙升至590亿美元。此外，Meta联合Blue Owl资本设立专项债务特殊目的实体，借款270亿美元用于路易斯安那州数据中心建设。

Meta并非个例，现有有限公开数据显示，全行业依托特殊目的载体形成的表外债务规模至少1200亿美元。除此之外，科技企业积极布局私人信贷市场，通过信用违约互换、资产支持证券等工具将债务证券化，以此隐藏底层风险、规避监管约束。体量庞大、信息不透明且架构繁复的存量债务，对全球金融体系构成严峻的系统性风险。

第三，对数据中心等人工智能基础设施的投资造成了美国国内严重的资源消耗，并对美国经济施加了通胀压力。美国以与中国竞争为名，超大规模企业向AI投资倾注巨额资金。据一项估计，美国最大的公司在2026年有望实现约7000亿美元的AI资本支出，而中国约为1050亿美元。

第四，美国目前拥有5427个数据中心，是其他任何国家的10倍以上，其消耗的能源也超过任何其他国家。据估计，数据中心在2025至2028年间将消耗总计57GW的电力，相当于五个以上纽约市的用电量。但核心算力枢纽接入公共电网成本高昂、审批建设周期漫长；若向乡村区域布局以缓解供电瓶颈，又会面临专业技术人才不足、本地配套数据资源匮乏等全新难题。麦肯锡的数据显示，当前美国约三分之一在建数据中心选择配套自备现场发电机组，以此绕开电网约束。

但这同样产生了自身的瓶颈：适配项目需求的全新燃气轮机订单已排至2029年，市场现货基本售罄。算力需求暴涨持续推高整体电价，尽管工业用户的平均电价低于两年前，但2020年至2024年间，美国居民电价上涨了25%。用水量同样激增。

与数据中心冷却运行相关的水资源使用预计将从每年3.85亿加仑增至超过37亿加仑，增加870%；此外，与数据中心电力消耗相关的年用水量预计将从估计的29亿加仑增至超过145亿加仑，增加400%。这种资源消耗不仅提高了生活成本，还造成显著的气候损害。通胀压力也可能促使货币政策制定者祭出其固执的加息剧本，从而进一步加剧金融脆弱性。

除能源与水资源约束外，工业供应链短板构成另一重发展桎梏：变电站、电力变压器、冷却设备等核心配套产能，完全跟不上数据中心大规模新建节奏。据报道，去年近六成数据中心项目工期延误超三个月。项目测算机构nPlan的统计进一步佐证了施工卡点问题：约88%的项目在混凝土基础施工阶段，78%的项目在冷却系统、消防报警装置安装环节遭遇延期。

数据中心建设长期停滞直接导致企业预期营收持续延后，叠加债务利息利滚利，财务压力持续放大。正如Kwok所言：企业斥资百亿美元采购高端AI芯片，若配套供电变压器长期供货短缺，这批芯片将沦为闲置搁浅资产，尚未产生任何营收便持续快速贬值。