华尔街争论AI基建是否泡沫，八成六的企业选择继续加码
一份针对财富一千强企业首席信息官的调查显示，百分之八十六的受访者计划在未来十二个月内继续增加AI基础设施的投入，即使华尔街分析师普遍认为超大规模数据中心建设已经出现产能过剩迹象。企业侧的加码行为与投资者的谨慎态度形成鲜明对比。
调查中让企业IT负责人给出具体的预算增长比例，中位数是同比增加百分之四十五，最高的一家零售企业计划把AI相关支出翻两倍。资金的主要流向是私有云中的推理算力、向量数据库和模型微调工具链。相比之下，训练成本占企业AI支出的比例已经降到不足百分之十五。
推理算力的需求增长速度让投资者感到意外。过去两年市场普遍认为AI的商业价值主要集中在模型训练环节，超大规模公司的资本开支会构成算力需求的主体。但企业侧的数据显示，一旦模型部署到生产环境为业务流程服务，推理算力的持续消耗远超训练阶段的一次性投入。
华尔街分析师的担忧主要来自超大规模数据中心的空置率上升。摩根士丹利的报告显示，北美地区已经建成或在建的AI数据中心，签约客户比例从去年的百分之九十下降到今年的百分之七十四，部分区域的电力容量出现闲置。这些数字被解读为AI基建可能已经过剩的信号。
但企业侧的实际动作在讲另一个故事。参与调查的一千强企业中，超过六成计划自建或租赁专门为自己服务的AI基础设施，而不是依赖公有云的通用算力。原因是模型定制、数据合规和延迟要求让企业更倾向于把AI部署在离业务系统更近的位置。
私有基础设施的这一波扩张也带动了一批中型云服务商和主机代管公司的业绩。数字房产信托和易讯宽带在最近的财报里都提到了来自企业客户的定制化AI部署订单，这些订单的合同期通常在五到七年，锁定长期收入。
华尔街的争论焦点其实是时间窗口的问题。超大规模数据中心的建设周期是十八到二十四个月，而企业的AI应用推广速度可能需要三到五年才能真正消化现有算力。这种时间错配会让短期财报数据看起来压力很大，但长期需求仍然存在。
企业首席信息官在调查中最担心的不是算力供给，而是熟练AI工程师的短缺。百分之七十四的受访企业表示招聘瓶颈是AI项目推进的最大障碍，超过预算限制、技术选型和数据准备等其他因素。这个信号可能预示着未来一年AI人才市场的薪资会继续上涨。