双重夹击：AI 的能源软肋与金融暗链

2026 年 6 月，OECD 发布《经济展望》2026 年第一期。报告开篇就把 AI 投资列为全球经济进入 2026 年时“强于预期”的关键原因之一^[1]。

但 OECD 与其他机构的不同之处在于，它把 AI 放在了两条脆弱性链条的交叉点上：一条是能源供应链，一条是金融融资链。中东冲突升级后，这两条链条同时绷紧，AI 从增长支撑变成了风险放大器。

核心判断

1. AI 投资的回报率正在下降，但投资规模还在加速。
2. AI 能不能长期赚钱，很大程度上取决于电费。
3. AI 的故事，正在从“能不能做到”变成“能不能撑住”。技术能力在快速进步，但能源成本、融资成本和地缘风险正在从另一个方向收窄 AI 投资的生存空间。

一、1.1 万亿美元：七巨头的资本投入账

OECD 给出了本轮 AI 投资最具体的一组数字。^[2]

**“科技七姐妹(Magnificent Seven)”，即 Alphabet、亚马逊、苹果、Meta、微软、英伟达和特斯拉，正在执行大规模资本投入计划，**这些开支超过盈利增长，预计 2027 年将达到 1.1 万亿美元**^[3]。

这组数字的含义是：AI 投资的规模已经大到足以影响整体企业债市场。 AI 公司在投资级债券发行中占据越来越大的份额，这会对利率和信用利差形成上行压力，因为投资者需要吸收更多的企业债发行量。

OECD 还指出了一个容易被忽视的房地产集中度问题：美国私人数据中心建设价值稳步上升，到 2025 年 12 月已经等同于写字楼建设价值^[4]。这意味着商业地产中正在形成一个新的 AI 相关集中度，而商业地产上一次的集中度危机，是 2020 年以来的写字楼空置率飙升。

二、循环融资：AI 部门的自我强化幻象

OECD 对 AI 金融风险的描述中，最值得警惕的是“循环融资”。^[5]

报告引用 IMF 2026 年的研究指出：AI 公司之间存在广泛的循环融资安排，AI 公司同时充当彼此的借款人和贷款人，这提高了该部门的互联性和传染风险^[6]。

这个现象的具体运作方式是：芯片公司向 AI 实验室注入股权投资，AI 实验室再用这笔钱承诺采购这些芯片公司的 GPU。从账面上看，芯片公司获得了收入，AI 实验室获得了算力，双方都在增长。但这笔增长的底层，是同一笔钱在循环。

OECD 的判断是：如果 AI 投资的预期回报未能实现，私人贷款人面对一系列 AI 相关资产的关联估值冲击，集中度、杠杆上升和不透明融资模式的叠加可能放大冲击^[7]。

影响路径是：AI 回报不及预期，估值调整，依赖市场债务和私募资本的 AI 公司面临再融资风险，循环融资链条断裂，信用紧缩从 AI 部门向更广泛的企业债市场蔓延。

三、私募资本的 AI 敞口

OECD 对私募资本市场的讨论，揭示了 AI 风险的另一个隐藏层面。

全球私人资本市场规模约 22 万亿美元，其中私募股权和私募信贷基金从 2012 年的 3 万亿美元增长到 2025 年的 15 万亿美元^[8]。在这个庞大的市场中，私募资本基金对 AI 相关抵押品的敞口正在增加，包括数据中心和芯片抵押贷款。

OECD 指出，这些资产的长期价值存在三个疑问：技术快速过时、价格历史有限、估值可能被短期芯片短缺推高^[9]。一些针对 AI 借款人的贷款和 AI 发行人的证券化贷款已经开始被评级^[10]，这意味着在下行周期中可能出现急剧下调。

更具体地说，私募信贷基金对 AI 和 IT 领域的放款规模已经翻了四倍，占投资组合的 15%。面向零售投资者的直接贷款基金已开始面临赎回请求。当零售投资者开始赎回时，通常是流动性压力的早期信号，往往先于更大的问题出现。

四、能源软肋：数据中心 60% 的运营成本是电费

OECD 在 Box 1.3 中给出了对 AI 基础设施能源依赖最完整的分析。它把冲击渠道拆成三条^[11]。

渠道一：数据中心运营成本。 能源占数据中心运营成本的 60%，使得 AI 服务成本对电价高度敏感。高度依赖进口化石燃料发电的国家，在能源价格冲击或短缺中更加脆弱，数据中心投资可能被削弱。

渠道二：硬件生产。 支撑 AI 系统的 ICT 硬件生产高度耗电，反映了先进光刻、洁净室运行和冷却系统的能源需求。半导体等关键组件的制造，严重依赖能源和石化密集型工艺，这些工艺依赖进口原料，尤其来自中东。

渠道三：贸易与物流。 AI 硬件组件如 GPU、服务器、网络设备大量跨境贸易，贸易成本飙升会影响相关价值链。例如红海危机期间，航运成本飙升、交付时间延长，包括数据中心建筑材料也受影响。

OECD 还提到一个地缘政治层面：中东的大型 AI 基础设施项目，包括千兆瓦级数据中心园区，与主权财富基金和国家资本密切相关^[12]。长期地缘政治紧张可能延迟或 halt 这些项目，影响全球推理能力的扩张及其地理分布。2026 年 3 月，对阿联酋和巴林网络服务设施的无人机攻击已经干扰了区域云服务。

五、劳动力市场：没有大规模替代，但技能不足是瓶颈

OECD 在劳动力市场章节给出了一个可能出乎很多人意料的结论：没有迹象表明企业采用 AI 技术导致了行业层面的广泛劳动力替代^[13]。

具体证据是：在大多数有数据的经济体中，被认定为 AI 暴露度最高的行业，其岗位空缺数量在过去一年中增长超过其他行业，美国是明显的例外。OECD 近期的其他分析也没有发现用 AI 工具替代工人的证据，数字技能不足反而成为 AI 采用的障碍^[14]。

这个结论的意义在于：AI 的劳动力影响目前还不是“替代”，而是“未能充分采用”。 瓶颈不在技术能力，而在人才储备。企业想用 AI，但找不到具备数字技能的员工来落地。

六、AI 贸易：104 类商品的全球流动

OECD 对 AI 相关贸易的口径比世界银行宽得多。它采用 WTO 2025 年定义的 104 个 HS6 层级商品作为 AI 相关商品^[15]。

2025 年全球商品和服务贸易量估计增长 5.0%，其中 AI 相关贸易是重要支撑。亚洲受益最明显：越南 2025 年出口量增长约 16%，中国增长约 11%，背后都有科技相关支出和新兴市场需求增强的推动^[16]。

但欧洲的情况不同。OECD 指出，欧洲由于 AI 相关出口有限，2026 年贸易增速预计降至 2025 年的一半以下，到 2027 年才会复苏^[17]。这意味着 AI 贸易红利在地区间分布极不均匀，亚洲供应链上的经济体是主要受益方，欧洲相对边缘化。

七、上行路径：生产率收益可能比预期更早显现

OECD 也没有忽视 AI 的上行潜力。它指出，如果对 AI 技术经济收益的乐观情绪进一步增强，投资可能更强劲^[18]。^[19]

关键逻辑是：美国至今贡献了 AI 相关资本投入的大部分，但其他主要经济体可能越来越多地从这些开支中获益，并自身加速 AI 相关资本投资。 如果这种开支转化为总体生产率增长的持续改善，对经济增长的影响会被放大。

OECD 还提出了一个值得关注的宏观判断：如果 AI 广泛采用带来更强投资和生产率，可能推高全球中性利率^[20]。这意味着 AI 的影响不只在于增长和就业，还可能改变全球货币政策的底层参数。

独立判断

OECD 这份报告对 AI 的分析，有一个其他机构没有做到的事情：**它把 AI 的能源依赖和金融依赖放在了同一个视角里。**OECD 做的是把 AI 放在 2026 年中东冲突的现实背景下，问一个更实际的问题：如果能源价格飙升同时发生 AI 估值修正，会怎样？

答案是：两条链条会同时绷紧。能源价格飙升推高数据中心运营成本，压制 AI 投资；AI 估值修正触发科技股重估，信用利差走阔，私募信贷承压。能源冲击从供给端打击 AI，金融修正从需求端打击 AI，两面夹击。

OECD 给出的 1.1 万亿美元资本投入数字，是理解本轮 AI 投资规模的关键锚点。这个数字超过七巨头的盈利增长，意味着AI 投资的回报率正在下降，但投资规模还在加速。 这正是 BIS 所说的“循环融资”现象的宏观背景：当自有现金流不足以支撑资本投入时，企业转向债务和私募资本，而私募资本又通过数据中心和芯片抵押贷款与 AI 估值挂钩。

所以说，OECD 报告传递的最重要信息是那个 60% 的数字：数据中心运营成本的 60% 是电费。 这意味着 AI 能不能长期赚钱，很大程度上取决于电费。如果中东冲突持续推高能源价格，AI 的单位经济模型会恶化，投资回报预期会下修，金融链条上的压力会加剧。

AI 的故事，正在从“能不能做到”变成“能不能撑住”。 技术能力在快速进步，但能源成本、融资成本和地缘风险正在从另一个方向收窄 AI 投资的生存空间。

AI 的故事，正在从“能不能做到”变成“能不能撑住”。MAVERICK 判断