关于 AI 数据中心投资是否过热的争论，正在华尔街和硅谷愈演愈烈。

今年以来，科技巨头们相继宣布了令人咋舌的资本支出计划。meta 表示未来三年将在数据中心上投入超过 6,000 亿美元，微软计划 2025 年投入 800 亿美元，谷歌的数字是 750 亿美元，苹果则规划了未来四年 5,000 亿美元的投资。这些数字加起来，让全球数据中心和 AI 基础设施的总投资在未来五年内可能突破 5 万亿美元。

与此同时，质疑的声音也在增多。哈佛经济学家杰森·弗曼 (Jason Furman) 的研究发现，如果排除数据中心相关投资，2025 年上半年美国 GDP 增长仅为 0.1%。著名投资者迈克尔·伯里 (Michael Burry) 公开质疑英伟达芯片的折旧问题。对冲基金 Elliott 在给客户的信中表示，AI 被过度炒作，英伟达处于泡沫之中。

现在，又一位科技界重量级人物加入了怀疑者的行列。

IBM 首席执行官阿尔文德·克里希纳 (Arvind Krishna) 近日在接受科技媒体 The Verge 旗下播客节目 Decoder 采访时，对当前席卷全球的 AI 数据中心投资热潮提出质疑。他直言不讳地表示，按照当前的基础设施成本，科技巨头们投入数万亿美元建设 AI 数据中心“没有办法”获得回报。

图丨相关播客（Youtube）

克里希纳的怀疑建立在一套简单的数学计算之上。

一笔令人不安的账

克里希纳在访谈中从最基本的单位成本开始计算：按照当前的价格水平，填满一个 1 吉瓦 (gigawatt) 的数据中心大约需要 800 亿美元。这个数字包括了服务器、GPU、存储设备、网络设备以及冷却系统等全套基础设施。

如果一家公司承诺建设 20 至 30 吉瓦的数据中心容量，那就意味着 1.5 万亿美元的资本投入。而克里希纳观察到，全球范围内各大科技公司在追逐 AGI (Artificial General Intelligence，通用人工智能) 的过程中，承诺的总容量约为 100 吉瓦。简单相乘，这个数字达到了 8 万亿美元。

“这是我的观点：你不可能从这笔投资中获得回报，因为 8 万亿美元的资本支出意味着你需要大约 8,000 亿美元的利润，仅仅是为了支付利息，”克里希纳说。这还没有考虑到设备的折旧问题。他特别强调，AI 芯片的更新换代速度极快，“你必须在五年内用完这些设备，因为到那时你就得把它们扔掉，重新填充。”

不过，克里希纳特别强调他的计算“基于今天的成本，因为未来的一切都是推测性的”。如果未来半导体技术进步、芯片成本大幅下降，或者出现新的架构大幅提高效率，他的计算基础可能就不成立了。

在对话中，克里希纳还对比了当前的 AI 热潮与 2000 年前后的互联网泡沫。主持人提到，当年铺设的光纤虽然也经历了泡沫，但光纤本身可以使用几十年甚至上百年。相比之下，GPU 和其他 AI 硬件的生命周期要短得多。

克里希纳承认，数据中心的混凝土建筑、电力设施和部分网络设备确实可以长期使用，但 GPU 和计算基础设施需要每隔五年进行一次昂贵的更新。“也许在五年内，我们的半导体技术会进步 100 倍，”他说，“所以 GPU 或某些计算基础设施是有五年的折旧期的，但另一半是有用的。”

不过，他同时表示相信成本会大幅下降。他预测，通过半导体技术进步、新架构 (如 Groq 等替代 GPU 的处理器) 以及软件优化，未来五年计算成本可能降低 30 倍甚至更多。问题在于，这种成本下降能否快到足以让当前的投资产生回报。

AGI：一个 0 到 1% 的赌注

更让克里希纳怀疑的，是整个行业对 AGI 的追逐。当被问及是否认为当前技术能够达到 AGI 时，他给出了一个令人震惊的答案：只有 0 到 1% 的可能性。

这个评估与许多 AI 公司领导者的公开表态形成了鲜明对比。OpenAI CEO 萨姆·奥特曼（Sam Altman）曾表示，公司“现在确信知道如何构建 AGI”。meta CEO 马克·扎克伯格 (Mark Zuckerberg) 今年 7 月写道，“发展超级智能现在已经触手可及”。Anthropic 的联合创始人兼 CEO 达里奥·阿莫代 (Dario Amodei) 则预测，比诺贝尔奖得主更聪明的“强大 AI”可能最早在 2026 年到来。

“我非常确信，或者说我给它的可能性很低，大概 0 到 1%，当前已知的技术无法让我们达到 AGI，”克里希纳说，“我认为这套当前的技术很棒。我认为它将为企业释放数万亿美元的生产力，这点我要绝对明确。但 AGI 将需要比当前 LLM 路径更多的技术。”

他提出，需要将硬知识 (hard knowledge，指经过验证的事实、定律和原理) 与大型语言模型融合。“人类花了数千年发现的硬知识，如果我们能找到一种方法将知识与 LLM 融合在一起，也许可以（实现 AGI），”他说，“即便如此，我也只是‘也许’。”

IBM 的选择

基于这种判断和公司自身的定位，IBM 选择了不在 C 端 AI 市场竞争的策略。“我不会试图与谷歌竞争建立一个拥有 6.5 亿活跃订阅者的聊天机器人，”克里希纳说，“那不是我们拥有品牌许可和可信度的地方。”

IBM 专注于企业市场。克里希纳举例说，IBM 可以走进一家健康保险公司，承诺保护患者数据的同时释放 AI 的力量。他强调 IBM 在 114 年历史中从未滥用过数据。

在实际业务中，IBM 使用自己开发的代码辅助工具，让 6,000 人的团队在四个月内生产力提高了 45%。基于这一经验，在其他科技公司因 AI 而裁员的时候，IBM 反而在招聘。

“可能会有高达 10% 的工作岗位流失，”克里希纳坦言，“但这非常集中在某些领域。”他的观点是，企业变得更高效后会在不同领域雇用更多人。“让入门级员工借助 AI 达到资深专家的水平，这不是更有价值吗？否则，谁会想出下一个伟大的产品？谁能说服客户以应有的方式部署技术？”他反问。

这就是如今 IBM 反而正在招聘更多的程序员和技术人员的原因。克里希纳的计算逻辑是：如果构建产品的成本降低了，就可以更便宜地销售产品，同时仍然保持很好的利润率。“如果我的工作量是无限的，那么我可以更高效，”他说。

IBM 的另一个押注是量子计算。克里希纳预计在未来三到五年内，量子计算将达到某种实用规模，早期每年可能有 4,000 亿至 7,000 亿美元的市场价值。IBM 已经有 300 个客户在研究模式下合作，并将所有量子计算软件开源，目前全球有 65 万人在使用。

对于量子计算何时能真正产生商业价值，克里希纳给出了一个带有概率的时间表：“在三年半内能做出一些了不起的东西吗？我觉得可能性很低，可能是 20% 或 30%，”克里希纳说，“四年内能做到吗？我的可能性大幅上升。五年内能做到吗？我的可能性非常高。”

谁的判断更接近现实？

克里希纳的观点代表了科技产业中的一种声音——技术进步是真实的，AI 的价值是巨大的，但当前投资规模和回报预期之间存在脱节。他相信 AI 会“为企业释放数万亿美元的生产力”，但这与支撑当前投资热潮的 AGI 愿景是两回事。

他将 AI 技术的发展看作不断叠加的过程：机器学习仍然在小型设备中有用，LLM 也会长期存在，但本质上是统计性的。“那么确定性的部分在哪里？知识的部分在哪里？LLM 之外还有什么东西吗？”他问道。

他认为答案会来自学术界而非产业界。“当它如此未知时，不应该由公司来改变它，”他说，“我认为应该由学术界来改变它。”他提到，麻省理工学院、伊利诺伊大学、芝加哥大学等机构的研究人员正在进行相关工作，只是没有占据媒体的注意力。

只是，这种对学术界的期待未必现实。随着产业界在计算资源和数据规模上越拉越大的领先优势，学术界想要在 AI 领域保持前沿地位，可能需要在基本思路上实现颠覆性的突破。但如果下一个重大进展仍然依赖大规模计算实验，学术界恐怕很难抢得先机。

在对话接近尾声时，克里希纳总结了他的核心观点。他不认为当前的 LLM 技术路径能够实现 AGI，他不认为 8 万亿美元的数据中心投资能够获得合理回报，但他相信 AI 会深刻改变企业的运作方式，会大幅提高生产力，会创造新的价值。

不过需要注意的是，克里希纳代表的是企业市场视角。对于 IBM 这样一家主要服务企业客户的公司来说，当前的 LLM 技术确实已经足够有价值。但对于 OpenAI、Google 这些同时押注消费者市场和 AGI 的公司来说，计算逻辑可能完全不同。如果一家公司相信自己能成为最终的两三个赢家之一，那么巨额投入在战略上就是合理的。

期间在谈及奥特曼认为 OpenAI 能获得投资回报时，克里希纳就给出了一个颇有深意的回答：“那是一种信念。那是一些人喜欢追逐的东西。我从他们的角度理解这一点，但这与同意他们不同。”他停顿了一下，“‘理解’ 不同于‘同意’。”

至于谁的信念将变成现实，历史会给出答案。五年后，我们会知道 8 万亿美元的投资是创造了新的技术革命，还是成为了又一次泡沫。我们会知道 AGI 是触手可及，还是仍然遥不可及。我们也会知道，IBM 选择的企业市场加量子计算的道路，是明智的战略，还是错失良机的保守。

现在，我们只能看到不同的信念在相互碰撞。

参考资料：

1.https://youtu.be/iZgdGg8-T0M

2.https://www.businessinsider.com/ibm-ceo-big-tech-ai-capex-data-center-spending-2025-12