從未有如此龐大的資金湧入一項新技術，其規模之大，甚至超越了當年鐵路或網際網路革命吸引的資本。
根據 PwC 的預測，全球在數據中心方面的累計支出到 2050 年可能超過 30 兆美元，幾乎相當於美國國債的總值。PwC 指出，即使考慮通膨因素，這也遠遠超過了鐵路或網路泡沫時期所花費的金額。
與此同時，僅是 AI 競賽中的一家主要公司 Anthropic，根據路透社看到的首次公開募股（IPO）說明書，計劃在未來幾年內投入 5180 億美元，這比其 2025 年的預期收入高出 100 多倍。其支持者認為，AI 技術的變革性將超過蒸汽機及其帶動的工業化革命。
然而，經濟學家指出，在這些令人眼花繚亂的預測和 AI 公司巨額的支出、以及高得離譜的估值背後，隱藏著對大規模生產力提升和未來利潤的假設，但迄今為止，卻缺乏足夠的證據或歷史先例來確保這些目標能夠實現。
摩根大通在 8 月份寫道，在 AI 競賽中領先的美國，其廣泛的生產力提升「仍然難以捉摸」，這對 AI 估值的可持續性提出了質疑。
Bain & Company 的一項研究表明，現有市場的生產力提升不足以證明目前的支出是合理的，並且「必須出現全新的市場來彌補資金缺口」，這可能包括使用 AI 指導的機器人，以及開發用於電池和半導體的新材料。
Bain 表示，美國的超大規模雲端服務提供商（Hyperscalers）—— 如 Google、Amazon 和 Microsoft 等在全球部署基礎設施的公司——以及其他參與 AI 競賽的公司，需要在未來五年內找到超過 4.2 兆美元的新收入來支持其建設。
根據上個月發布的研究報告，「問題在於應用程式能否及時出現來支付這些費用。」
很少有人懷疑 AI 在從辦公室工作到研究實驗室等各個領域的變革潛力，就像過去的革命將旅途時間從幾天縮短到幾小時，或通過鍵盤連接世界一樣。
然而，更難以改變的是確保投資回報的數學計算，以及償還貸款的截止日期，這使得經濟學家們需要計算出對全球經濟的影響，超越投資週期的起伏。
摩根大通寫道：「歷史先例表明，技術驅動的繁榮往往在基礎設施建設不再能提供足夠回報時結束。」
以輝達（Nvidia）為例，這家美國公司提供的晶片是 AI 革命的基石。摩根大通估計，為了證明其估值合理，美國的生產力需要在未來 10 年內每年增長 3% 至 5%。這將遠高於美國國會預算辦公室預計的同期 1.75% 的年均生產力增長率。
根據哥倫比亞大學商學院經濟學家 Stijn Van Nieuwerburgh 的估計，僅美國（據一些估計，佔全球 AI 總投資約四分之三）在 2025 年至 2032 年的投資將高達約 9 兆美元，相當於每年支出美國 GDP 的 3.2%。
他估計，到 2032 年，美國 AI 行業需要產生約 3.55 兆美元的年收入才能獲得 10% 的投資回報。而目前，其收入僅為這個數字的一小部分。
他在 10 月份修訂的一篇會議論文中寫道，許多為 AI 基礎設施提供債務融資的結構都帶有槓桿，這意味著「需求、延遲或資產價值的相對溫和的惡化，就可能導致更大的損失。」
這些令人眼花繚亂的數字並未阻止美國 AI 企業家們以一種超凡脫俗的熱情談論即將到來的變革。
Anthropic 的 Dario Amodei 曾表示，AI 的未來可能「是一件超凡脫俗的美麗事物」，而 OpenAI 的 Sam Altman 則表示，「新奇蹟的實現速度將是巨大的」，因為模型能夠自我學習並加速突破。
Google DeepMind 的首席策略官 Jasjeet Sekhon 在 8 月份的加州大學柏克萊分校峰會上表示，這種被稱為「遞歸自我改進」的自我學習是「投資論點的關鍵部分」，如果實現，它將帶來前所未有的生產力提升。
遞歸自我改進雖然可能帶來指數級的 AI 進步，但也引發了對人類生存風險的擔憂。
然而，生產力變化的速度仍可能落後於企業會計部門所需的時間表。
英國劍橋大學經濟學家 Diane Coyle 表示，過去革命性技術的生產力影響通常需要大約 10 到 50 年才能顯現。
Anthropic 的經濟學團隊對 AI 在 2030 年將帶來多少額外增長進行了情景模擬。假設在非 AI 環境下的基線增長為 2%，他們建議在 AI 影響溫和的情景下增長 2.4%，在顯著情景下增長 5.4%，在極端情景下增長 15.4%。
報告指出，更高的增長意味著更多的失業，但並未為任何結果分配概率。
Amodei 去年預測，AI 可能在五年內消除一半的入門級白領工作。然而，目前一些研究人員表示，AI 的影響似乎僅限於讓尋找辦公室工作的人更難找到工作。
美國和英國的研究表明，在 AI 擅長的任務領域，早期職業生涯的白領職位招聘有所放緩，即使整體就業仍然強勁。
史丹佛大學的研究人員在 8 月份表示，在 AI 影響的行業（如會計師和律師助理）中，22 至 25 歲工人的就業人數比 AI 難以複製的職位（如清潔工和建築工人）低 19%。
然而，即使承諾的變革比 AI 公司周圍的數字所暗示的要花費更長的時間，實際的經濟效益應該會保留下來——就像 1873 年的經濟恐慌導致鐵路大亨破產後，火車仍然運行一樣，網際網路也沒有在 20 世紀 90 年代網路泡沫破裂後消失。
Coyle 說：「歷史是我們理解這個問題的朋友。只要我們留下了支持未來生產力效應所需的基礎設施，那就沒問題。」
