美债收益率跨过5%,AI必须证明自己能改变世界

9月23日，美国10年期国债收益率升到5.11%，第二天达到5.18%。这意味着把钱借给美国政府十年，一年大约就能拿到5%的回报。这个数字乍一看和AI没有多少关系。可就在当前资金变贵的时候，科技行业正在进行一轮规模惊人的AI基础设施建设。Brookings今年9月的一项研究估算，2025年至2032年，美国围绕AI建设的数据中心、电力、网络和计算设备累计投资可能达到10.3万亿美元。这个数字只是根据当前建设计划做出的情景推演，却已经足够说明问题：AI正在从一门轻资产的软件生意，变成一个需要持续吞入资本的基础设施行业。

那么，我们想问的是：AI究竟要成功到什么程度，今天这轮数万亿美元的投资才值得？

01. 安全收益提高了及格线

假设一个AI项目长期回报率是8%。10年美债只有2%的时候，投资者承担企业经营、技术变化和设备折旧等风险，可以拿6个百分点；美债升到5%，同一个项目只多3个百分点。国债收益率上升让安全资产变得更有吸引力。

这也是高利率影响长期投资最直接的方式。资金要今天投入，收益等几年以后才能拿回来。等待时间越长，资金成本越重要。AI恰好需要巨大的前期投入，而且大量利润仍然存在于未来，因此AI行业比传统轻资产软件更容易受到长期利率变化影响。

Brookings在自己的AI基础设施模型中采用10%的无杠杆要求回报作为基准。这个数字不是整个AI行业统一的资本成本，但可以拿来做一笔很有意义的测试：如果投资者希望这些项目最终获得大约10%的回报，目前规划中的资本到底需要产生多少收入？

02. 软件公司的估值，基础设施公司的账

传统软件最吸引资本的地方，是扩大收入通常不需要同比例增加资产。一套软件开发完成，多卖十万份，并不需要同时建设十倍的厂房。收入增长以后，固定成本被更多客户分摊，利润率也容易提高。大模型不同。训练需要GPU，投入使用以后还要持续消耗推理算力，背后又连着服务器、数据中心和电力。用户越多，计算量越大；模型能力升级，训练集群也可能跟着扩大。显而易见，虽然AI仍然通过软件界面交付，但是它的投入比传统软件重得多。

大型科技公司的现金流正在反映这种变化。Reuters根据LSEG市场一致预期测算，Microsoft、Alphabet、Amazon、Meta和Oracle从2025年至2027年，每增加1美元经营现金流，对应新增资本开支约1.57美元。Oracle在2026财年的资本开支甚至达到经营现金流的174%。与此同时，AI也已经产生真实收入，Microsoft的AI业务年化收入约370亿美元。这些数字说明AI收入增长和资本投入正在同时加速。因此AI行业形成了一种过去很少见的组合：它按照软件公司的增长速度获得估值，却越来越按照基础设施公司的方式花钱。

对于投资者来说，关键不是多赚了多少收入，而是为了多赚这一美元，到底要先投了多少钱。

03. 3.7万亿美元的未来

Brookings进一步把这笔账算到了2032年。按照其中心情景，届时形成的AI基础设施资本基础约为9.6万亿美元。如果投资者要求10%的无杠杆回报，并假设这些资产成熟以后能达到50%的经营现金流率，那么AI相关业务每年需要创造约3.7万亿美元收入。

3.7万亿美元不是预测，而是一个门槛。它告诉我们，当前建设规模如果真的落地，要获得合理回报，AI最后需要成长成一个多大的产业。

Reuters根据这项研究进一步估算，如果从OpenAI、Anthropic等前沿AI企业当前约1000亿美元的合计收入基础出发，到2032年达到3.7万亿美元，未来六年左右需要保持接近80%的年复合增长。

80%听起来夸张，但眼下的AI增长甚至更快。Anthropic 2025年的收入增长约12倍，说明早期需求确实非常强。不过低基数阶段翻几倍，与收入进入数千亿美元甚至万亿美元以后继续保持80%的增长，难度完全不同。收入规模越大，每年需要新增的绝对收入就越惊人，而且最后还要留下足够现金流，才能让那些数据中心和GPU产生合理回报。

到这里，问题已经变得很清楚。资本市场押注的不是AI能不能找到客户，而是它能不能迅速长成一个数万亿美元级的经济部门。

04. GPU让时间变得更贵

AI还面对一个普通基础设施很少遇到的问题：核心设备可能很快过时。

铁路建好以后可以使用几十年。GPU的经济寿命短得多。新一代芯片性能和能耗效率提高得越快，上一代设备越容易失去成本优势。技术进步对用户当然是好事，却可能缩短已经投入资本的回收周期。

Brookings的敏感性测试很直观。基准情景假设IT设备经济寿命为6年；如果实际只有3年，在10%的要求回报和50%的经营现金流率下，所需年收入会从约3.7万亿美元升到接近6万亿美元。

AI因此不仅要长得大，还要长得快。投资者需要在设备失去竞争力以前把钱赚回来。长期资金价格越高，这段时间越宝贵。

05. 便宜的token撑不起昂贵的未来

资本越多，AI最后需要创造的经济价值就越大。可AI公司偏偏还面临另一个矛盾：算力很贵，模型价格却受到激烈竞争压制。

OpenAI今年7月把较小的Luna模型价格下调80%。Reuters报道，企业客户开始更仔细地比较AI成本，开源模型和其他供应商也在压低价格。低价可以换来更大的使用量，却会让单位收入承受压力。9月底，OpenAI重新推出200美元的Pro订阅，新版高成本计算额度明显减少，GPT-6 Pro每周消息额度从200条降到100条，同时又增加了500美元的更高档套餐。价格没有简单上涨，公司开始通过额度和分层把重度使用的成本收回来。这暴露了AI商业模式里一个很难处理的夹层。算力成本要求公司提高每个用户带来的收入，竞争又限制它们直接涨价。只靠卖token，很容易落入价格战。真正有吸引力的商业模式，是让同样的算力完成更值钱的工作。

如果AI只是回答问题，客户会比较每百万token多少钱。如果AI能够独立写代码、完成研究、处理客服甚至接管一段企业流程，客户比较的就会变成：这项工作以前需要多少人、花多少钱。这也是为什么AI公司开始把重点从聊天机器人转向coding agent、企业agent和自动化工作流。数万亿美元的基础设施最终需要对应数万亿美元级的经济价值，单纯把token卖得更多、更便宜，很难撑起这样的资本规模。

这时再看AI行业那些越来越宏大的故事，会多出一层现实含义。AI会重构工作、提高生产率、改变科研和医疗，是一套乐观叙事；高级AI可能带来失业、失控甚至长期安全风险，是另一套悲观叙事。方向相反，前提相同：AI必须是一项影响极大的技术。Anthropic最近的IPO材料很能说明这一点。公司2025年收入约46亿美元，同比增长约12倍，同时披露约5180亿美元未来云计算、算力和基础设施承诺；它又把AI的潜在经济影响与工业化、电力和互联网相比，并用大量篇幅讨论高级AI风险。

这些安全判断可能是真实的技术判断，同时也具有资本价值。面对数千亿美元未来投入，一家公司需要让市场相信，它面对的远不是一个普通软件市场。

钱投得越多，未来的故事就必须越大。

06. “AI是真的还是泡沫”是一个伪问题

互联网是真的技术革命，最后对经济的影响甚至超过2000年时许多人的想象。但这并没有让当年的每一家互联网公司都值得那个价格。光纤后来成为数字经济的基础设施，当年的电信建设仍然留下了大量坏帐投资。技术成功和资本成功遵循不同标准。前者看技术最后有没有改变经济，后者看投资者为这场变化付出的价格，最后有没有得到足够回报。

AI已经产生真实价值，也完全可能成为一次重要的技术革命。如果它显著提高生产率，进入大量企业流程，并形成很高的利润，今天这些GPU和数据中心可能只是提前铺好的基础设施。另一种结果也同样合理：AI改变了世界，却没有创造出今天数万亿美元资本投入所要求的利润。技术依然成功，部分投资却会失败。

存在泡沫不是因为技术是假的，只是市场当下就需要为一个更大的未来提前支付。市场已经开始给这种不确定性定价。Reuters 9月22日报道，AI相关企业债券平均信用利差约为115个基点，而美国整体投资级债券约为78个基点。部分差异来自大量AI债券集中发行，但投资者也开始要求更多回报来补偿未来资本开支和项目收益的不确定性。

现实项目里的压力也开始出现。Oracle相关的Jupiter数据中心因为电力接入延期，项目投产和回款都被往后推。在资金便宜的时候，一年延期主要是工程问题；长期安全收益已经来到5%左右以后，一年时间本身就是一笔不小的成本。

所以，10年美债超过5%既是这篇文章的开头，也是贯穿整篇文章的那把尺子。它并没有断言AI是一场泡沫，却把AI需要达到的成功标准抬高了。低利率时代，一个巨大的未来故事本身就很值钱。现在这个未来需要更快变成收入，再变成利润和现金流。

AI很可能真的会改变世界。对今天投入进去的资本来说，这还不够。

它必须改变得足够大，也足够快。