纽约大学金融学教授阿斯沃斯·达摩达兰把话挑明了：“AI行业需要投入巨额资金建设数据中心等实体基础设施，而且相当一部分投资依靠举债完成。”这不是路演PPT上的愿景，是真金白银的杠杆。看看Meta近期锁定的1.6吉瓦电力容量就知道，算力竞赛早就卷成了重基建战。服务器要地皮，机房要电网，冷却系统要水资源。企业资产负债表上，不断膨胀的不是无形资产，而是实打实的长期借款。 2000年的互联网泡沫破裂，买单的集中在纳斯达克散户和一级市场风投。今天的AI泡沫如果刺破，砸中的是地方信贷、能源供应商、服务器租赁商，甚至整个供应链金融。达摩达兰的判断很直白：一旦市场大幅调整，损失不会仅由股东承担，还可能向整个社会扩散。算力军备竞赛的底牌就是债务驱动。大厂用高息债堆砌GPU集群，赌的是未来现金流能覆盖利息。但现金流真的跑得赢硬件折旧和电价波动吗？DeepSeek等玩家不断压低推理成本，行业利润率已经被价格战快速摊薄。边际收益跑不赢资本成本，这就是现实。 政策与资本不能再盯着算力堆头沾沾自喜。当风险已经顺着担保链和应付款蔓延到非科技板块，监管必须提前划定债务红线。信贷投放该从规模崇拜转向严格的现金流压力测试，大型算力中心规划也该纳入区域性债务熔断评估。别等违约潮顺着电网和供应链反噬实体经济才动手。商业闭环验证和社会风险预案，必须跑在盲目扩张前面。 算力基建的钱烧得再猛，商业模式接不住也是白搭。达摩达兰把这笔账算得很直白：“每增加一次使用，AI都要消耗更多算力。”传统软件卖的是授权，边际成本趋近于零，用户越多摊得越薄。AI的物理底座决定了它走不通这条路。每次推理调用，后台的GPU集群都得实打实地耗电运算。这更像Spotify的按次计费，而不是Netflix的固定成本摊销。规模扩张带不来成本骤降，反而因为并发激增把毛利越摊越薄。 资本圈还在迷信数据飞轮，但财务报表不会骗人。行业利润率已经被价格战压到警戒线，国内厂商把推理报价打到地板价，巨头们为了维持估值还在亏钱抢份额。用一次付一次钱的模式，注定了重资产投入无法靠单纯堆调用量来回收。盲目追求日活和API调用次数，只会让现金流断裂来得更快。 信贷机构与产业基金必须停止对规模效应的路径依赖。估值模型和信贷审核该从算力堆头强制切换到单请求毛利与算力成本下降曲线。政策引导资金要精准锚定能跑通商业闭环的垂直场景，果断切断对低毛利通用模型的续命输血。账算不清，扩张越快，系统性风险越高。 就算企业能把账算平，技术真正落地后的社会冲击，比财务报表上的亏损更难消化。达摩达兰把最残酷的推演直接摊开：“如果AI真能实现这一目标，一半白领员工可能失去工作。”现在大厂推的是辅助插件，等模型跨过临界点，出货的就是能直接顶替完整岗位的自治系统。辅助工具是做加法，替代系统是做减法。当基础代码、财务核算、内容运营甚至中层协调被批量清空，社保断缴与地方财政承压的连锁反应，谁来接盘？ 资本还在盯着估值模型里的降本增效，政策端却习惯性地用补贴催熟应用场景。技术一旦越过辅助线进入替代期，现有的就业缓冲垫根本扛不住这种速度的结构性坍塌。我们不能一边鼓励企业用重资产债务堆算力，一边假装劳动力市场能自动消化冲击。 兜底机制绝不能等结构性失业数据见红才启动。财政需要立刻测算白领岗位替代率与过渡期救济的资金缺口，提前研究针对自动化替代收益的税收调节机制。职业教育体系也得马上掉头，停止向注定被算法覆盖的标准化岗位输送人力。技术跑通的代价不能只由企业利润表和普通家庭分摊。政策必须把社会风险预案和产业规划绑在一起推进，否则估值故事兑现的那天，就是系统性社会压力爆表的日子。