过去几个月，得益于人工智能技术的飞速发展，全球各地掀起一股数据中心建设热潮。多家科技巨头相继公布庞大的投资计划，有些通过战略合作，有些则直接投入资源建设新型AI基础设施，希望部署更强大的算力。部分企业的投资规模甚至高达千亿美元级别。

近日，IBM首席执行官Arvind Krishna在接受采访时，对当前为实现通用人工智能持续加码的资本投入能否获得回报提出质疑。他分析指出，按照目前的建设标准，每提供1吉瓦算力所需的数据中心建设成本约为80亿美元。而全球已公布的算力规划总量已接近100吉瓦，这意味着整体投资总额已逼近8万亿美元。如此庞大的资金投入，若仅用于支付利息，就需要在未来产生约8000亿美元的利润——这一目标在现实中几乎难以实现。

Arvind Krishna的观点基于当前硬件成本、折现周期和能源消耗等现实因素，并非依赖长远预测模型。他特别强调，硬件贬值问题在投资评估中常被严重低估。通常情况下，数据中心每五年就需要进行一次大规模硬件更新，这种周期性的更换会不断叠加资本支出压力，形成持续的财务负担。

类似的担忧并非个例。近期一些投资研究机构也表达了相近看法：随着AI模型性能的快速迭代和规模持续扩大，旧款GPU被迫提前退役。企业原本设想的延长设备使用周期策略正面临挑战。硬件更换速度已从被动升级转为主动淘汰，这意味着新增投入更多用于替换而非扩容，进一步推高了总体成本。

Arvind Krishna认为，尽管人们普遍期待生成式AI工具能显著提升企业运营效率，但现实问题在于，当前AI基础设施的物理扩张速度与经济可持续性之间正日益脱节。对那些正在大规模建设吉瓦级数据中心并主动缩短硬件更新周期的企业而言，必须用实际收益证明其投资回报率足以覆盖空前高昂的资本开支，否则整个发展模式将面临严峻考验。