过去几年，围绕 AI 算力的投资竞赛愈演愈烈。科技巨头和新兴云计算公司不断采购 GPU、扩建数据中心，希望提前锁定未来的计算需求。然而，当越来越多的资金涌入 AI 基础设施，一个问题也开始浮现：如此庞大的投资，最终能否赚回成本？
近日，知名市场研究机构 Gartner 发布预测称，如果 AI 厂商继续按照目前的节奏投入资本，到 2030 年底，超过 3.5 万亿美元的 AI 基础设施投资可能面临资产减值风险；如果这一趋势延续至 2032 年，面临减值风险的资产价值可能超过 4 万亿美元。
与此同时，Gartner 还对 AI 云计算市场的未来格局作出预测：到 2030 年，超过 80% 的新兴 AI 云服务商（Neocloud）将不再独立运营。成本压力和商业模式缺乏差异化，将成为推动行业整合的重要因素。
近 7 万亿美元投入，预计收入远远不够
这轮 AI 基础设施建设究竟需要多少钱？Gartner 高级总监分析师 Will Sommer 给出了一组数字：2026 年，AI 服务商预计将在基础设施上投入近 1 万亿美元；2027 年至 2030 年，还将追加约 6 万亿美元投资。也就是说，未来几年，AI 基础设施相关投资规模合计将接近 7 万亿美元。
这些钱主要用于购买计算芯片、建设数据中心，以及配套的供电、散热等设施。随着大模型能力不断提升，训练和推理都需要大量计算资源。科技公司希望提前建好基础设施，在未来需求增长时占据有利位置。
不过，投入越大，收回成本的压力也越大。与开发软件不同，建设数据中心需要在前期投入大量资金，随后再通过出租算力、提供云服务等方式逐步获得收入。对于这些企业来说，即使数据中心建成并投入使用，也不意味着此前投入的资金已经收回。
图 | 数据中心航拍图（来源：公开资料）
Gartner 为此算了一笔账。Sommer 表示，到 2030 年，AI 数据中心所有者需要累计创造约 8.5 万亿美元收入，才能覆盖已经宣布的资本支出、融资成本，并实现 12% 的投入资本回报率。但按照 Gartner 的预测，到 2030 年，能够归因于 AI 数据中心的企业和消费者 AI 收入，累计最多只有 3.6 万亿美元。
两者之间相差约 4.9 万亿美元。这意味着，即便未来几年 AI 应用持续普及，所创造的收入也可能不足以让当前规划中的基础设施投资获得预期回报。
而且，AI 产业赚到的钱，并不会全部流向建设数据中心的企业。 Sommer 指出，大多数原生 AI 公司采用轻资产商业模式，不需要自己建设和拥有大规模数据中心，而是通过租用外部算力，开发模型或向客户提供 AI 服务。Gartner 预计，整个 AI 产业创造的收入中，最终流向拥有大量 AI 基础设施的服务商的部分，将不足一半。
除了收入问题，AI 计算设备的更新速度也给投资回收带来了压力。数据中心建设完成后，运营商需要在硬件使用期间尽可能收回成本，但 GPU 等计算芯片仍在快速迭代。随着性能更强的新一代产品推出，现有设备的经济价值可能下降，企业也可能需要继续投入资金更新硬件。
如果这些设备在被替换之前，始终没能创造足够的回报，企业就可能面临资产减值。简单来说，就是此前花钱购置的设备，未来能够创造的经济价值，已经不足以支撑其原有的账面价值。
按照 Gartner 的预测，如果当前投资趋势持续，到 2032 年，面临减值风险的 AI 基础设施资产价值可能超过 4 万亿美元。在这一情况下，整个行业最早也要到 2032 年底，才可能实现 12% 的投入资本回报率。
80% 的新兴云厂商或被整合
如果大量基础设施投资难以获得预期回报，哪些企业受到的影响最大？Gartner 将目光投向了过去几年迅速崛起的新兴 AI 云服务商。
这类企业通常被称为 Neocloud，主要面向 AI 模型训练和推理提供 GPU 算力及相关服务。随着大模型对计算资源的需求增长，一批专门从事算力租赁的企业进入市场。它们通过采购 GPU、建设或租用数据中心，再将计算资源出租给 AI 公司，以此获得收入。
相比传统云计算平台，这类企业的业务更加集中，收入也更依赖 AI 算力服务。因此，当算力需求、租赁价格或硬件更新周期发生变化时，它们的经营更容易受到影响。
Gartner 认为，新兴 AI 云厂商面临的压力，与大型云计算公司的情况存在明显差异。
以亚马逊 AWS、微软 Azure 和谷歌云等超大规模云服务商为例，它们不仅提供 AI 算力，还有成熟的云计算及其他业务，可以依靠多元化的收入来源，支持长期的基础设施投资。即使部分 AI 投资短期内没有达到预期回报，也有其他业务提供资金支持。
但新兴 AI 云厂商很难拥有同样的条件。它们通常需要依靠 AI 算力租赁和相关平台服务尽快收回投资，才能继续扩大规模。对于前期投入大量资金购买 GPU 的企业来说，如果现有设备还没有赚回成本，就需要更新下一代芯片，经营压力还会进一步增加。
图 | 过去 12 个月启动的机器学习项目进展情况（来源：HyperFRAME Research）
Gartner 预计，全球 AI 优化的基础设施即服务（IaaS）市场支出，将从 2027 年的 660 亿美元增长至 2030 年的 1,740 亿美元，三年内增长至原来的约 2.6 倍。
虽然市场仍在快速扩大，但 Sommer 认为，这样的增长速度，仍不足以让大多数 AI 算力服务商在现有芯片被替换之前收回投资。
除了成本问题，服务内容缺乏差异化也会加剧竞争。对于主要提供 GPU 算力的企业来说，如果不同厂商能够提供的服务差别不大，就更难单纯依靠算力租赁建立长期优势。
基于上述判断，Gartner 预测，到 2030 年，超过 80% 的 Neocloud 将不再独立运营，包括被其他公司收购、与其他企业合并等情况。
事实上，一些新兴云厂商也希望摆脱单纯出租算力的业务模式。据彭博社报道，许多 Neocloud 正在尝试发展软件和服务业务，希望最终成为能够提供完整技术栈的云服务商。
不过，这条路并不容易。建设一套完整的云服务体系，不仅需要提供基础计算资源，还涉及软件平台、技术支持和客户服务等多个方面。Sommer 认为，虽然不少公司都希望向这一方向发展，但并非所有企业都能够成功。
市场整合不会立即到来，AI 服务价格也可能波动
Gartner 对基础设施投资风险的警告，并不意味着 AI 算力需求已经开始下降，也不意味着科技公司会立即停止建设数据中心。
事实上，在今年 9 月发布的另一项预测中，Gartner 预计，2026 年全球 AI 支出将达到约 2.7 万亿美元，同比增长 49.5%。其中，AI 基础设施仍然是推动支出增长的重要领域。Gartner 杰出副总裁分析师 John-David Lovelock 当时表示，支撑未来 AI 工作负载的基础设施需求依然强劲，超大规模云厂商和相关服务商对 AI 优化服务器的采购，将继续推动市场增长。
图 | Gartner 的 2026 年全球 AI 支出预测（来源：Gartner）
也就是说，在 Gartner 看来，未来几年 AI 基础设施投资仍会继续增加，但投资规模的增长，不一定能够带来同等程度的收入增长。真正的问题在于，企业能否在硬件更新和资产折旧之前，获得足够的收入来收回成本。
至于可能出现的行业调整，Gartner 认为，这一过程不会立即发生。其研究指出，虽然 AI 基础设施可能出现数万亿美元规模的资产减值，但相关风险预计不会在短期内集中显现。
随着时间推移，基础设施投资回报不足可能推动云服务商之间的整合，并进一步影响 AI 服务市场的价格和商业模式。对于使用这些云服务的企业而言，这种变化也可能带来影响。如果部分新兴云厂商被收购或退出市场，企业能够选择的供应商可能减少。同时，随着市场结构发生变化，AI 服务的使用价格也可能出现波动。
对此，Gartner 建议，企业产品经理在规划 AI 产品时，需要提前考虑未来 AI 使用成本上升、供应商选择减少等情况，并确保产品能够创造足够的经济价值，以应对市场环境的变化。
从 Gartner 公布的预测来看，2030 年将是观察新兴 AI 云厂商整合的重要时间节点，而基础设施的潜在减值风险可能进一步延续至 2032 年。届时，AI 基础设施市场可能仍在增长，但参与其中的企业数量、业务模式和市场价格，都可能与今天有所不同。
参考链接：
1.https://www.gartner.com/en/newsroom/press-releases/2026-10-14-gartner-says-over-us-dollars-three-and-a-half-trillion-of-artificial-intelligence-infrastructure-spending-could-be-exposed-to-impairment-by-the-end-of-2030
2.https://www.gartner.com/en/newsroom/press-releases/2026-09-16-gartner-forecasts-worldwide-ai-spending-to-grow-49-point-5-percent-in-2026
3.https://hyperframeresearch.com/wp-content/uploads/2026/10/HFR_Research-Lens-AI-Stack_3Q-2026_release.pdf
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成
