Gartner 3.5万亿美元AI减值警告解析

让投资者警醒的数字

Gartner做了一件多数分析师避而不为的事：它为公司在AI上的投入与实际能赚到的钱之间的差距标上了具体金额。这份发布于10月14日的报告结论令人触目惊心。

到2030年，超过3.5万亿美元的AI基础设施投资——按当前汇率折合约553万亿日元——面临减值可能。这并不意味着钱已经打水漂，而是说，如果当前的支出模式延续且收入不及预期，企业资产负债表上的资产价值就需要减记以反映现实。会计术语枯燥，但其暗示意味深远。

这项警示背后的算术值得拆解。Gartner预计，仅2026年AI服务提供商将在AI基础设施上投资近1万亿美元。从2027年到2030年，预计还将有6万亿美元流入数据中心、先进半导体以及训练和运行大模型所需的计算系统。在这五年窗口期内，资本部署总额将达7万亿美元。

再看看收入端。要实现12%的投资资本回报率——这是Gartner用作基础设施投资合理基准的门槛——AI数据中心所有者到2030年需要累计收入8.5万亿美元。而这些数据中心所能归属的企业和消费者AI服务预期收入呢？至多3.6万亿美元。

缺口约为4.9万亿美元。这不是小偏差，而是资本承诺规模与创收规模之间的结构性错配。

今年早些时候的CoreWeave事件提供了第一次可见的震颤。这家专注AI的云服务商报告了毛利扩大和股价暴跌。投资者突然意识到，出租GPU算力并非某些人假设的高利润业务。高性能算力的供应正以超过需求侧以盈利价格吸收的速度扩张。

Gartner的最新预测是二阶信号。它将CoreWeave的案例从一家公司的资产负债表扩展到了整个行业的投资轨迹。

对日本企业而言，这项警示尤为贴切。与美国和中国相比，日本在AI基础设施投资上一直 notably cautious（格外谨慎）。许多日本公司通过软件订阅而非自建专有算力来采用AI工具。这种保守姿态在国内常被批评为迟缓，但或许正是一种风险管理形式。

现在正考虑重大AI基础设施承诺——特别是在数据中心建设或专用算力采购方面——的日本企业，应将Gartner的收入缺口分析视为对其自身计划的压力测试。

Gartner报告中最为具体的预测之一涉及一个已吸引大量关注的细分市场：所谓的新云服务商。这些是CoreWeave、Lambda以及少数其他公司，其商业模式围绕出租高性能AI算力展开。

与亚马逊、微软、谷歌等超大规模云厂商不同，新云服务商高度依赖单一收入来源：算力租赁。他们缺乏使大型厂商能够通过其他板块收益来吸收某一板块下滑的多元化收入基础。Gartner预计，到2030年，超过80%的新云服务商将作为独立企业停止运营。

这并不一定意味着80%会破产清算，而是指市场很可能通过并购或整合进行 Consolidation（整合）。能够独立生存下来的将是那些要么能锁定长期客户合同、要么通过专业化服务实现差异化、要么达到足以在不侵蚀利润率的前提下参与价格竞争的足够规模的企业。

幸存者的命运可能是被收购或并入超大规模云厂商生态系统。这一结果利好巨头，使其能够将算力产能内部化，更高效地服务于自己的云客户。但这也会引发对市场份额集中的竞争担忧，尤其是在许多政府视为战略关键性的领域。

另一个值得关注的细节是从训练支出向推理支出的转变。多年来，关于AI基础设施投资的主导叙事聚焦于训练——构建和优化大型语言模型需要海量算力。这一叙事正在改变。

Gartner预计，2026年推理（即运行已训练模型以生成回复和执行任务）支出将超过训练支出。预计今年推理将占AI优化型IaaS支出的55%，到2027年升至59%。AI优化型IaaS市场总量预计将从2025年的215亿美元增长至2026年的423亿美元，再到2027年的661亿美元。

这一转变反映了一个更广泛的过渡：AI正从开发实验室走向生产环境。企业不再只是构建模型，而是以规模化方式在面向客户的应用和内部工作流中运行模型。推理工作负载不如训练光鲜，但更为持久，且能创造更容易预测的经常性收入流。

这一模式或许有助于缩小Gartner所指出的收入差距——但前提是 companies 能否对推理服务收取足够费用以覆盖运行这些服务的基建资本成本。CoreWeave观察到的利润率压力表明，目前尚未达到市场预期的速度。

在目前的支出假设下，Gartner预计行业最早也要到2032年才能实现其12%的投资资本回报率目标。这一时间表将减值风险推入更长的周期，从而改变了动态博弈。更长周期给予企业调整投资计划的时间，但也意味着在市场达到均衡之前，将有更多资本被锁定。

可能的轨迹是整合、利润率压缩，以及AI基础设施融资与所有权模式的重组。新云服务商将被收购或退出，超大规模云厂商将吸收算力产能，企业买家将从自建专用基础设施转向购买云推理服务——前提是这些服务变得足够便宜以证明转型合理。

对日本而言，战略性问题在于：当前对国内AI基础设施投资的兴趣——尤其是金融机构和大型企业探索专有模型开发时——究竟是否基于现实的收入故事，还是对未来能力的一种投机性押注。Gartner的数字表明，谨慎是必要的。