检测到您的浏览器版本过低，可能导致某些功能无法正常使用，建议升级您的浏览器，或使用推荐浏览器 Google Chrome 、Edge、Firefox 。 X
2026年以来，人工智能产业相关投资已从科技行业内部的资本开支问题，迅速上升为影响宏观增长、全球贸易和金融稳定的重要变量。9月10日，国际清算银行（Bank for International Settlements，BIS）总经理在全球金融科技节发表讲话指出，AI已经引发了一轮广泛的投资热潮，投资重点集中在数据中心、先进半导体、云基础设施和硬件等领域。仅全球五家最大科技企业，2025—2026年AI相关资本支出预计就将超过1万亿美元，预计全球AI相关投资可能从目前约5000亿美元增至2030年的3至4万亿美元。此外，在人工智能供应链的大部分领域有高昂的固定成本和显著的规模经济及范围经济，这种经济特征促成了少数几家全球人工智能巨头的崛起。
一、BIS：AI投资竞赛加快资本扩张，并放大金融风险
（1）“赢者通吃”导致过度竞争
BIS于7月14日发布的工作论文《AI投资竞赛》（The AI investment race）将当前AI建设潮定义为美国历史上规模最大的技术驱动型投资繁荣之一。研究认为，AI市场具有明显的“赢者通吃”特征，如果企业不能率先形成算力和规模优势，可能永久失去市场位置。文章模型中有若干联盟，每个联盟由一家超大规模企业和一个AI实验室组成，它们共同决策、共同竞争，最终只有少数赢家能够分享AI带来的大部分收益。在这种环境下，每个联盟都希望通过更大规模、更早的投资来提高自己获胜的概率。每个联盟在决定投资时，只计算自己的收益和成本，增加一单位算力，不仅会创造新的产出，还会从竞争对手那里夺走一部分份额。对于单个联盟来说，夺来的份额是私人收益，但对于整个社会来说，它只是收益在不同企业之间的转移，并没有创造新的总产出。因此，私人边际收益高于社会边际收益，文章把这一差距称为“竞赛楔子”。这个竞赛楔子大于一，意味着企业眼中的投资回报高于社会眼中的真实回报。楔子越大，过度投资越严重。它的大小取决于参与竞赛的联盟数量和AI服务需求的弹性，联盟越多，每个联盟越有动力去抢份额，需求越缺乏弹性，增加算力带来的收入增长越有限，竞赛的份额争夺就越激烈。文章显示，因竞争负外部性导致的投资规模为社会最优水平的1.5倍。竞赛楔子还放大了企业对循环融资和提前部署的私人估值，使企业更依赖循环股权、更愿意把资本提前投入到尚未观察到生产率的阶段。
（2）循环融资和债务放大风险
当前AI建设的融资方式本身也在放大风险，企业不仅使用自有现金，还越来越多地通过债务、非银贷款和循环股权融资。超大规模企业和AI实验室的联盟为了更加稳固往往采取持有股权的方式进行绑定，这种循环股权融资把企业的资产负债表紧密地联系在一起，形成复杂的关联网络。
图 AI相关企业循环融资结构
在繁荣期，债务和循环融资推动资本部署，使建设规模超过自有资金所能支撑的水平。但在萧条期，当所有联盟同时清算专业化资产时，超大规模企业受到影响，供大于求，收益会随着出售量增加而下降。每个企业在选择杠杆时，会把当前火售（fire sale，即恐慌性折价抛售）价格视为给定，但不会内部化自己的借债会恶化全行业的火售价格，这种火售外部性使企业仍然过度借债。并且，循环融资不仅会造成损失，还会导致风险传染。由于超大规模企业持有其支持的实验室股权，一个实验室失败会直接冲击超大规模企业的资产负债表，使其抵押品价值下降、借款能力收紧。为了修复资产负债表，超大规模企业可能被迫从其他实验室撤资，从而把压力扩散到原本没有直接失败的实验室。这种级联效应会随着建设规模扩大和融资集中度上升而加剧。
二、WIPO：AI投资正由硬件建设延伸至无形资本
世界知识产权组织（World Intellectual Property Organization，WIPO）与路易斯商学院（Luiss Business School，LBS）于7月发布的《世界无形资产投资亮点》（World Intangible Investment Highlights 2026）报告显示，AI的蓬勃发展呈现阶段性：第一阶段是硬件建设投资，即AI运行所需的芯片、数据中心和发电厂等基础设施，这些设施集中在少数企业和经济体中；第二阶段是无形资产投资，企业围绕AI重组其数据、技能和流程，这一波投资的规模相对较小，大部分支出仍然流向实体基础设施。制造业、物流业和国防业的部署正在增加，但在大多数非技术领域，围绕AI的更深层次的工作重组仍处于早期阶段。
表 AI如何驱动无形投资
无形资产 | 短期 | 长期 |
组织资本 | 企业重新设计工作流程，搭建平台与治理体系以嵌入人工智能；这一过程推进缓慢且具备企业特异性 | 企业转型为人工智能原生型企业：自主智能体运营常规业务，端到端协调供应链，整体运营模式从一开始便围绕人工智能构建。这是影响最深远、推进最缓慢的变革，也决定了价值收益的归属。 |
研发 | 人工智能大幅压缩发现与筛选周期，原本耗时数年的工作数天即可完成，因此企业加大投入将其应用于研发环节。 | 自动驾驶实验室与人工智能设计的分子、材料、芯片成为常态，从根本上改变发明创造的方式；价值向“提出问题”的人类专业能力转移。 |
软件与数据库 | 人工智能依托数据与软件运行，因此企业对二者同步投入；相应地，如今大量软件的编写与测试均由人工智能完成。 | 专有数据与数据治理成为核心竞争资产，人工智能可生成大量自有合成训练数据；而软件转向具备自主编写、测试与修复能力的系统。 |
品牌 | 人工智能降低了营销与调研成本，而人工智能生成内容使得可信品牌成为真实性的稀缺信号。 | 品牌成为真实性与来源溯源的保障，由对话式品牌智能体承载，实现规模化的一对一个性化体验。 |
设计 | 人工智能可生成并测试大量方案，因此设计师转向把控方案方向，聚焦于人机交互界面设计。 | 生成式设计与数字孪生可在重量、成本与可持续性等维度实现超出人类直觉的优化，设计资产从单一图纸转变为设计系统及其参数体系。 |
其他知识产权与创意产品 | 企业采用人工智能制作脚本、音乐与视觉内容，同时版权清晰的内容库作为训练素材价值提升。 | 人工智能辅助作品催生全新品类，同时自动化授权、水印与溯源系统可近乎实时地确权；内容既是模型的输入，也是模型的输出。 |
新型金融产品 | 人工智能提升了评分、欺诈检测与定价的精准度，推动企业加大对人工智能风险模型的投入。 | 新型金融工具品类涌现，用于覆盖人工智能自身带来的风险，涵盖自主决策的责任风险到人工智能运营中的系统性故障风险。 |
员工培训 | 企业招聘稀缺的人工智能人才，同时对现有员工进行再培训，因为技能缺口是人工智能落地的主要障碍；人工智能本身也成为培训载体。 | 持续技能重塑成为常态，技能结构从“执行任务”转向“引导与监督人工智能”；学习由人工智能通过全天候辅导工具与内部人工智能学院交付。 |
资料来源：WIPO
综合BIS与WIPO近期研究可发现当前AI投资的三个方向：一是从模型研发转向全链条资本投入。AI竞争已经从算法和软件扩展到芯片、数据中心、电力、云基础设施和网络系统，技术竞争越来越依赖资本和能源条件。二是从企业内部现金流转向更加复杂的外部融资。债务、私人信贷和产业内部循环融资逐步增加，使AI投资与金融体系的联系更加紧密，也放大了风险传导。三是从聚焦硬件投资逐步转向基础设施和硬件投资与无形资本并重。当前资本开支仍集中于AI基础设施，但长期生产率提升越来越取决于软件、数据、研发、人才和组织能力。
参考文献
1.Bank for International Settlements. Artificial Intelligence, Growth and Financial Stability: Challenges for Central Banks [EB/OL]. (2026-09-10) [2026-09-14].https://www.bis.org/speeches/20260910-artificial-intelligence-growth-and-financial-stability-challenges-central-banks?
2.Rungcharoenkitkul, Phurichai. The AI Investment Race [EB/OL]. (2026-07-14) [2026-09-14].https://www.bis.org/publications/working-paper-1367-ai-investment-race.pdf
3.World Intellectual Property Organization&Luiss Business School. World Intangible Investment Highlights 2026: Key Trends and Insights [EB/OL]. (2026-07-08) [2026-09-14].https://www.wipo.int/web-publications/world-intangible-investment-highlights-2026/en/key-trends-and-insights.html
