哥伦比亚大学商学院教授斯泰恩·范·纽文伯格（Stijn Van Nieuwerburgh）为布鲁金斯学会撰写的一份研究报告指出，美国在人工智能基础设施上的投入规模，已超越电力、铁路、州际公路和互联网等历史性大型基建项目，且该领域的融资体系正日趋复杂，可能埋下系统性金融风险的隐患。
最初由亚马逊、Meta和谷歌等企业利用自有资金推动的AI投资，如今已演变为一项大规模扩张计划。预计到2032年，美国每年将把约3.6%的国内生产总值（GDP）投入AI领域，累计规模超过10万亿美元（按当前汇率约合67.23万亿元人民币），同时融资方式也变得更加复杂。这一比例高于19世纪末美国铁路建设时期每年约2.2%的GDP投入，而20世纪50年代的州际高速公路系统和90年代中期的电信基础设施扩张，每年投入均略高于GDP的1%。
范·纽文伯格在论文中提醒，铁路和电信扩张曾引发资产泡沫及随后的崩盘，而如今AI基建的庞大规模、尚未验证的收入来源，以及日益复杂的融资结构，都意味着这一轮扩张面临较大下行风险。“这实在太复杂了。”他在介绍研究时表示。目前，AI企业、大型云服务商、银行、私人信贷机构、房地产公司及其他参与基建的机构之间，正形成越来越复杂的融资安排。
他保守估计，未来7年美国将新增约183吉瓦的数据中心容量，而目前已安装的容量约为57吉瓦。数据中心建设及AI带来的潜在风险，已成为美国政治和经济讨论的核心议题。一些地方政府因担忧电力、水资源等压力，越来越不愿接纳大型数据中心；美联储官员也在考虑数据中心热潮是否加剧通胀压力。部分AI企业高管则建议，放缓基础设施建设和AI开发速度或许更安全。
范·纽文伯格在论文中指出，当前的AI基础设施投资规模已超出主要企业自有现金流所能支撑的范围。随着产业越来越依赖外部融资，整体杠杆率上升，风险被重新分散到整个经济体系中，且投资依赖尚未验证的未来收入。这篇论文将于当地时间周五正式提交。
他在采访中表示，围绕AI产业形成的大量特殊目的实体（SPV）及相关融资安排，其不透明程度令人联想到美国次贷危机时期的情况。当时，复杂的住房抵押贷款融资结构最终出现大规模问题，并以冲击全球金融体系的速度恶化，引发了2007年至2009年的经济衰退。
不过，他在论文中强调，目前的情况并不意味着金融危机迫在眉睫。“这些发展并不意味着金融困境即将出现。AI应用的强劲增长、较高的基础设施利用率以及模型能力的持续提升，都可能支撑预期中的基础设施投资，并带来稳定的现金流。”他写道。但他同时指出，不确定的市场需求、快速的技术变化、执行瓶颈及高杠杆率叠加，如果市场预期调整，就可能带来“实质性的下行风险”。
他估算，到2032年，AI行业每年需要创造约3.7万亿美元（按当前汇率约合24.87万亿元人民币）的收入，才能实现目前预期的投资回报。而目前对OpenAI和Anthropic年合计收入的估算约为1,000亿美元（约合6,722.65亿元人民币），这意味着相关收入需以每年约80%的速度增长才能达到目标。