美国证券交易委员会(SEC)前主席Gary Gensler(加里·根斯勒)在11月16日刊出的CNN采访中表示,人工智能投资热潮已形成泡沫,并认为其可能在2028年美国大选前引发经济衰退。他将潜在冲击与本世纪初互联网泡沫破裂相比,但预计严重程度低于2008年金融危机。这是他对经济前景的判断,并非已经发生的结果。
支出扩张与收入兑现之间的距离
根斯勒给出的主要依据是,大型科技企业2026年的支出达到三年前的五倍。他援引铁路、20世纪20年代电力建设及90年代互联网投资热潮,强调基础设施融资先于收入形成时,繁荣可能转向收缩。
这组支出对比反映投入规模,却不能单独证明投资回报不足。判断其担忧是否成立,还需要区分支出扩张与收入兑现:新设施能否获得持续订单,服务收入能否覆盖建设、运营及融资成本,才决定扩张能否维持。采访没有给出相应收入数据,因此“五倍支出”支持的是投入加速,尚不足以独立确定衰退的时间和幅度。
对市场而言,这一区分意味着,人工智能需求增长与所有参与者都能收回投资,是两个不同问题。即使技术得到广泛使用,投入过早、融资成本过高的企业仍可能面临经营压力。
新型云服务商为何成为风险焦点
根斯勒认为,较早出现经营失败的可能是neocloud企业,即向开发者出租人工智能专用算力的新型云服务商。他指出,其中一些企业依赖大量债务,并判断大型科技企业能够存续,而部分新型云服务商可能出现破产。
这类企业的关键约束在于现金流与债务偿付的匹配。借款支持算力建设后,偿债义务不会随客户需求变化而自动减少;如果出租收入不足,或需要持续借新债维持投入,融资环境变化就可能放大经营压力。这是对其业务机制的条件分析,不能据此认定整个行业已经陷入偿付危机。
根斯勒还质疑贷款机构向该领域提供信贷的速度和规模,并称循环交易与表外融资使风险积累更难辨认。前者会增加判断独立终端需求的难度,后者则要求投资者进一步辨认风险最终由谁承担。相关安排复杂,并不等于已经发生损失,但会提高评估债务承受能力的难度。
融资压力与模型趋同是两条风险路径
根斯勒此次警告集中于基础设施融资,与他此前提出的人工智能金融风险有所不同。他在2021年至2025年担任SEC主席,曾于2023年12月向金融稳定监督委员会提出担忧:多家机构若依据同一人工智能模型的信号行动,可能形成趋同行为,使人工智能处于未来金融危机的中心。
两种风险的传导机制不同。算力投资风险首先涉及借款企业、贷款机构和项目现金流;模型趋同风险则涉及金融机构是否同时调整决策。前者需要观察偿债能力,后者需要观察模型依赖程度,不能将两者合并为同一个已经得到证实的危机。
BitMEX联合创始人Arthur Hayes也曾质疑人工智能建设背后的债务,并将其与2008年住房危机比较。但相似的债务担忧,并不能直接证明两类市场拥有相同的损失规模或传染路径。
估值回落能否替代对债务的检验
Yardeni Research总裁Ed Yardeni认可根斯勒描述的是一种可能情景,但认为泡沫正在逐步降温,而非必然破裂。他援引芯片企业市盈率已低于整体市场,作为市场正在调整估值的依据。
我们的判断是,这两种观点并不完全处于同一层面:市盈率变化衡量股票价格与盈利的关系,债务风险关注借款人能否按期支付本息。芯片企业估值下降,不能直接回答新型云服务商的债务是否可持续;同样,部分借款企业承压,也不足以单独证明整个经济将进入衰退。
后续更有解释力的公开信息,是相关企业的算力租赁收入、债务到期安排、利息负担,以及循环交易和表外融资的具体责任。只有这些条件逐步清晰,才能判断压力主要停留在个别企业,还是可能进一步影响贷款机构与投资支出。







