一项新研究将科技巨头的 AI 豪赌量化为一道生死算术题：要么实现史无前例的生产力跃升，要么面临破产风险。
据美国国家经济研究局（NBER）发布的最新工作论文，沃顿商学院金融经济学家 Jessica Wachter 与对冲基金 Point72 的 Jonathan Wachter 联合建模测算，亚马逊、Alphabet、微软、Meta 和甲骨文 2025 年资本支出合计达 3810 亿美元，2026 年预计将攀升至约 7550 亿美元——较 2024 年水平增逾两倍。两位作者估算，2027 年这一数字将进一步升至约 1.1 万亿美元。
论文核心结论直指这场豪赌的内在逻辑：上述支出规模只有在 AI 行业生产力实现约 2.7 倍跃升的前提下才具备合理性，否则相关企业将 " 面临破产风险 "。与此同时，AI 投资已占美国全部私人固定投资的预计 14%，占 GDP 的 2.4%，超过 1990 年代末电信投资高峰时约 1.5% 的水平，其体量已足以左右整体经济走势。
史无前例的赌注规模
论文采用 " 罕见生产力繁荣 " 模型对科技巨头的支出行为进行反向推导，试图厘清这场投资狂潮背后隐含的预期。结果显示，2.7 倍的生产力提升若要在约五年内实现，将超越经济史上任何可比时期的纪录。
论文援引两个历史参照系加以说明：美国铁路时代用约 60 年时间才将人均 GDP 近乎翻三倍；1995 年至 2005 年的整个 IT 繁荣周期，生产力提升幅度也仅为 1.5 倍。以此衡量，科技巨头当前押注的速度与幅度均属孤例。
若赌注成真，该模型预测到 2030 年美国累计 GDP 增长将额外获得 5 至 58 个百分点的提振。这一区间跨度之大，本身即反映出预测的高度不确定性。
AI 投资已成经济支柱
论文数据揭示，AI 投资对美国宏观经济的渗透程度已远超市场普遍认知。2025 年下半年，AI 约贡献了实际 GDP 增长的五分之一；若剔除 AI 相关支出，企业设备投资整体将呈现负增长。
从占比来看，AI 投资在美国私人固定投资中的份额已从 2022 年的 3.3% 跃升至预计 14%，并以 2.4% 的 GDP 占比超越了上一轮科技泡沫高峰期电信投资的峰值水平。这意味着，AI 投资的任何大幅收缩，都将对整体经济产生可量化的下行冲击。
论文作者对结论的适用边界作出明确说明，投资者在解读时需注意两点重要限定。
其一，2027 年约 1.1 万亿美元的资本支出预测系作者自行基于自下而上的方法估算，目前尚无任何企业发布 2027 年资本支出指引，该数字并非来自公司官方披露。
其二，" 破产风险 " 是一个 " 显示性偏好 " 论证——即在当前支出规模下，生产力大幅提升是使这些支出具备理性依据的必要条件——而非对上述企业实际将会破产的预测。换言之，论文描述的是这场赌注的内在逻辑，而非对结果的判断。
廉价替代模型加剧前线实验室压力
在上述宏观背景下，前线 AI 实验室还面临来自低成本竞争者的直接挑战。一项独立测试将 DeepSeek V4 Pro 与 GPT-5.5 Pro 在精准任务上进行对比，结果显示 DeepSeek 在四项文本测试中以 38 比 33 胜出，测试方使用 Grok 作为评判模型。
不过，该测试方法论在 Hacker News 上遭到广泛质疑：批评者指出实验仅涵盖四项设计粗糙的任务，缺乏可复现流程，且所用评判模型已被停用。尽管如此，用户持续反映的成本差距仍是更实质性的信号——有评论者指出，在另一项漏洞扫描测试中，DeepSeek 的运行成本约为 GPT Pro 的十分之一。
这一争议折射出更深层的市场结构性压力：随着企业客户加速寻求压缩 token 成本，并日益倾向于采用 DeepSeek 等开源替代方案，前线实验室的定价策略与投资者叙事均面临考验。Wharton 论文所揭示的生产力门槛，正是这一压力的终极量化表达——若廉价模型 " 足够好 " 的论断经得起检验，前线实验室维持高溢价的逻辑将受到根本性挑战。
