2025年上半年，美国整体GDP增长1.6%，但细观其结构，增长动力近乎完全倾斜于数据中心和信息处理技术领域的巨额投资，其他经济领域的贡献微乎其微，增长率仅为0.1%。据预测，2025年美国人工智能数据中心支出规模将高达5200亿美元。然而，这种增长主要由微软、谷歌、亚马逊、Meta等科技巨头驱动，而非由AI技术广泛应用带来的消费侧扩张或生产效率的实质性提升。这些企业动辄投入数百亿乃至近千亿美元用于“军备竞赛”式的算力堆砌，却普遍面临投资回报率难以预期的风险。美国AI产业在受到资本追捧的同时，未来是否可持续，更值得关注。
风险值得高度关注
当前，美国AI经济发展高度依赖资本投入，而非依靠全要素生产率提升或消费市场繁荣。AI产业的突破性进展，首先需要数据中心、电网和硬件的建设等有形的、资本密集的基础设施作为支撑，这就容易形成不平衡的增长动力结构，一旦投资热情消退或资本收紧，增长便可能失速。美国对AI的投资高度集中，虽拉动了美国建筑、能源和IT硬件等少数上游产业的GDP增长，但尚未有效渗透和传导至传统制造业、服务业、医疗健康、教育等更广泛的经济中下游领域，并未有效转化为可大规模商业化、能够显著提升消费者福祉或降低生产成本的产品与服务。
健康的经济发展应形成“投资-创新-生产效率提升-收入增长-消费扩大-再投资”的良性循环，然而巨额投资集中涌向算力基础设施，由此产生的AI能力消费侧却显疲软，可能导致投资回报周期被拉长，甚至可能陷入算力的“内卷”式竞争。科技巨头们竞相投入资本，主要目的是争夺算力制高点，构建模型训练的壁垒，保持其在AI领域的领先地位，但其商业模式的落地应用、盈利前景仍充满不确定性。这种状况类似于互联网泡沫前期对光纤网络等基础设施的过度投资，虽然必要的底层建设不可或缺，但若远超前于实际需求和应用场景，则必然会引发市场风险。
从市场的角度而言，美国此种AI增长模式不仅存在阻碍产业发展的可能，还会对市场竞争秩序和经济稳定构成挑战，其风险值得高度关注，尤其是外溢风险更是值得警惕，特别是其高资本刺激的增长模式是否具有可持续性，以及跟随性需要慎思。
首先，高度集中的资本可能导致资源配置失衡，抑制产业创新。当大量资本涌入算力基础设施建设时，AI算法的底层理论突破、AI与具体行业深度融合的应用创新、数据治理与隐私保护技术、AI伦理与安全研究等软件领域的投入则易相形见绌，而可控、安全是AI发展的基本前提，资源错配可能阻碍AI技术多元化、健康化的发展路径，形成“唯算力论”的创新瓶颈。
其次，高筑的资金壁垒可能会固化AI市场竞争格局，损害市场竞争秩序。微软、谷歌、亚马逊、Meta等科技巨头动辄数百亿美元的投入，筑起了极高的资金壁垒，使得中小企业和初创公司难以在基础模型层面参与竞争，可能导致算力、数据、大模型等AI核心资源和技术人才日益集中于少数巨头手中，进一步强化和巩固其市场支配地位，损害市场竞争活力和创新动力，阻碍AI技术的普惠性发展。
最后，不平衡的经济增长结构可能引发宏观经济风险。AI经济增长过度依赖少数科技巨头的资本开支，使得整体经济存在一定的脆弱性，易受个别行业波动和企业决策的影响，一旦AI投资回报不及预期、周期过长，或宏观金融环境收紧，可能导致企业缩减投资，进而影响整体经济增长，甚至引发连锁反应，这种结构性脆弱性值得高度警惕。
为何被视为核心优势的算力反而成为当前AI产业发展“难以承受之重”？目前进行大模型训练所需的计算资源和数据量正在呈现指数级增长，这种高昂的固定成本构成了AI产业最主要的市场进入壁垒，使得只有具备巨大财力的少数科技巨头才能承受，因此资源的高度集中赋予了科技巨头对算力、芯片和数据的控制权，极易产生垄断风险。
但这种算力投入也为科技巨头带来了巨大的压力。一方面，算力优势的维持成本极高，算力基础设施布局需要巨大的能源和环境成本，科技巨头们为保持领先地位，被锁定在高额且持续增长的资本支出中，这种模式在经济增长期或融资宽松时尚可维持，一旦经济环境变化，便可能难以为继。
另一方面，随着模型规模扩大，训练成本呈指数级增长，但模型性能的提升曲线可能逐渐平缓，单纯堆砌算力无法实现真正的通用智能，然而，为了在技术上保持领先，企业只能持续投入，这是一种被迫的“军备竞赛”，可能导致算力成为当前AI产业发展中最大的泡沫。
多个维度实现均衡发展
从宏观趋势看，AI风险治理的国际分歧正在加剧。美国与欧盟正推动不同版本的“AI法案”，其中欧盟强调透明度与可追溯性，美国则侧重市场自律与行业标准化。我国AI产业正处于快速发展时期，且拥有规模庞大的应用领域、场景与用户，需在技术突破、应用创新、产业融合、法规完善、伦理健全等多个维度实现均衡发展，坚持创新驱动与市场需求牵引相结合，着力营造公平竞争、开放协同、安全可信的AI产业发展环境。
其一，需要摒弃“唯算力论”，坚持技术与应用双轮驱动。必须避免陷入盲目追求算力规模的误区，应更加注重AI技术的底层原始创新、算法效率提升以及与实体经济各领域的深度融合应用。产业政策支持应着眼于创造丰富的应用场景，推动AI技术赋能千行百业，切实提升生产效率和消费者福祉，形成投资与消费相互促进的良性循环。应强力推动AI与实体经济，特别是制造业的深度融合，通过深入实施“人工智能+”，让AI技术真正走进普通应用场景，优化生产流程，催生新业态，切实解决产业痛点，提升全要素生产率。
其二，需加强法律法规与伦理治理体系建设，为创新保驾护航。加快完善数据安全、隐私保护、算法治理、知识产权等相关法律法规，明确AI研发者、部署者、使用者的法律责任，划清AI发展应用的底线与红线。建立健全覆盖AI产品全生命周期的伦理审查和风险评估机制，在产品设计、开发、部署阶段进行系统性评估，确保其公平、可信、可控，确保AI创新在法治轨道上行稳致远。健全的治理体系能有效消除公众对技术滥用的担忧，这不仅能规避技术滥用风险，也能通过建立可信赖的AI环境，真正激发消费侧的需求和信心。
其三，维护公平竞争，预防市场垄断与资源错配。竞争执法机构应密切关注AI产业链竞争情况，特别是底层算力、基础模型等关键环节的市场竞争状况。要防止科技巨头通过不合理的手段控制关键资源、设置市场壁垒，对通过排他性协议、数据封锁、恶意收购等手段阻碍竞争的行为依法予以规制，防止市场力量过度集中。应倡导算力、数据等资源的开放共享、互联互通，鼓励建设国家级的公共算力平台和高质量开源开放数据集，以普惠价格向中小企业和科研机构开放，为中小企业创新发展与竞争留出空间。
其四，秉持我国“以人为本”的治理理念，推动AI普惠发展。AI发展的终极目标是为了人的福祉，必须确保技术进步的红利不为少数群体或行业独享，而是惠及全社会，助力解决发展不平衡不充分的问题。应通过税收优惠、补贴、培训等方式，支持面向中小企业的轻量化、低成本AI解决方案，努力降低AI技术的使用成本和门槛。我国应积极参与数据跨境流动、AI伦理准则、安全标准等国际规则制定和国际人工智能治理，推动建立更加公平、包容、有利于发展中国家发展的全球AI治理体系，防止“数字鸿沟”加剧。同时，引导AI技术向教育、医疗、养老、乡村振兴等民生领域倾斜，让AI成为促进社会公平、提升人民生活质量的有效工具，确保AI发展的红利能够惠及更广泛的社会群体和产业部门。
（陈兵系南开大学竞争法研究中心主任，法学院副院长、教授、博导，数字经济交叉科学中心研究员；董思琰系南开大学竞争法研究中心博士生）
举报 文章作者
陈兵
董思琰
相关阅读
AI重塑业务竞争力效果如何？大湾区科技企业这么看首届全球智能机械与电子产品博览会在珠海举行。
5 201 12-06 18:40
AI进化速递丨北京AI产业规模今年将超4500亿元哈尔滨工业大学与中国农业科学院共建农业人工智能学院；钉钉上线首个AI医生助理。
193 11-29 20:55
AI产业成增长新主力，科创板三季度净利润增75%前三季度，板块研发投入总额为1197.45亿元，是板块净利润的2.4倍。
131 11-13 19:36
家电市场双11价格竞争激烈，AI产品销售提升以价格促销为主的家电消费已经过去，新品、潮品引导性消费才是未来。
214 11-12 21:46
年轻人追捧的“痛金”跑赢金价，但他们不只是在为爱发电当代年轻人正在花钱中展露一种“精心计算的感性”。
5 173 11-12 16:24 一财最热 点击关闭网络配资,股票配资网站行情,骑牛配资提示：文章来自网络，不代表本站观点。
