从铁路狂热到人工智能狂热：技术革命如何穿越资本泡沫
文/谭寅亮 中欧国际工商学院 决策科学与管理信息系统教授
2026年，人工智能市场的核心争论已经从“有没有用”，转向“这么多钱能不能赚回来”。高盛预计，2026年全球人工智能相关投资将超过1万亿美元，其中约5810亿美元发生在美国；美国银行证券分析师预计，2027年全球云计算与人工智能基础设施资本开支可能升至1.4万亿至1.5万亿美元。后一个数字相当于美国一年国内生产总值的近5%，虽然这些投资由美国科技企业主导，却分布在全球，不能直接理解为美国国内投资占比达到5%。按高盛更严格的地域口径，美国人工智能投资占国内生产总值的比重预计将从2026年的1.8%升至2027年的2.5%。
为什么要把今天与铁路相比？因为在资本开支强度和建设机制上，互联网并不是最接近的历史样本。2000年前后，美国广义信息与通信技术投资曾达到国内生产总值的约4.5%，但其中包括千千万万家企业购买计算机、软件和通信设备，是技术向全社会的分散扩散。若只看互联网底层的电信网络，美国上市电信运营商2000年的资本开支约1210亿美元，仅相当于当年国内生产总值的1.2%。
今天则不同。投资高度集中于少数大型科技企业，并同时进入芯片、服务器、数据中心、电力、光纤、冷却和土地。若把条件限定为私人资本主导、单年投入达到经济总量的数个百分点、建设周期长、资本承诺难以撤回、必须先建网络再等待需求形成，那么现代商业史上几乎只有铁路可以类比。英国铁路投资在1846年和1847年分别达到国内生产总值的5.7%和6.7%。因此，铁路不是一个修辞，而是一面资产负债表的镜子。
英国：股价先见顶，钢轨后见顶
19世纪40年代，英国铁路股在1843年至1845年平均上涨约106%。随后市场转向，代表性铁路股指数从1845年夏季高点到1849年底下跌约64%。但股票见顶并没有立即终止建设。英国投入运营的铁路从1844年的2240英里增加到1850年的6621英里，年度新增里程直到1848年才达到高峰；铁路投资占经济总量的峰值，也出现在股价见顶之后。
原因并不复杂。股价是对未来的投票，资本开支却是对过去承诺的交割。土地已经购买、合同已经签署、工程已经开工，市场即使转冷，支出仍会继续。更危险的是，当时投资者最初只需缴纳少量认购款，项目推进后再被不断催缴资本。成本高于预期、收入低于预测、平行线路重复建设，再遇到信用收紧，技术繁荣便迅速变成融资压力。
这给今天最直接的提醒是：资本开支仍在加速，并不代表投资回报仍在改善。建设高峰，往往只是上一轮乐观预期最密集的兑现。
美国：泡沫破裂之后，铁路继续扩张
美国铁路周期更长，也更像未来可能出现的人工智能周期。美国年度新建铁路里程从1866年的1404英里升至1872年的7439英里。大量线路修向需求尚未成熟的西部，收入需要多年才能形成，利息却必须立即支付。1873年，为北太平洋铁路融资的杰伊·库克公司倒闭，引发金融恐慌；364家铁路公司中有89家破产，年度新建里程到1875年降至1606英里。
但铁路时代并未结束。新建里程在1879年恢复到5006英里，1882年达到11599英里，1887年又升至13081英里。过度建设和高负债随后再次触发1893年危机，截至1894年6月的一年中，超过125家铁路进入破产接管。
美国铁路不是一次简单的“繁荣—崩盘”，而是反复经历建设、危机、再融资、兼并、标准化和再建设。泡沫破裂没有否定铁路，而是改变了铁路的所有者、资本结构和行业秩序。第一次繁荣回答“有没有铁路”，危机后的整合回答“谁来运营、怎样互联、如何提高利用率”。人工智能很可能也会经历这一过程。
最大的错配：社会价值不等于股东回报
铁路创造的价值，远不止铁路公司的利润。发表于《政治经济学杂志》的一项研究估计，如果没有铁路，美国1890年的整体生产率可能低约27%；铁路资本的年度社会回报率约为48%，但铁路企业只获得了其中约7%。
人工智能也可能如此。它降低的是信息处理、知识生产、组织协调和决策判断的成本。最大的受益者可能是借助人工智能重构研发、营销、供应链和客户服务的企业，以及消费者和新创业者，而不一定是承担全部基础设施投资的公司。
因此，“人工智能将提高生产率”不能自动推出“人工智能基础设施都会获得高回报”。一项技术可以取得巨大的社会成功，同时成为部分股东的财务失败。
真正的转折：从自由现金流投资走向债务融资
今天最值得观察的，不只是资本开支有多大，而是钱从哪里来。过去，大型科技公司主要用自身强劲的自由现金流建设数据中心；如今，资本开支正在逼近经营现金流，债券、长期租赁、项目融资和私人信贷开始承担更大角色。高盛估计，2026年超大规模科技企业约三分之一的资本开支可能由债务融资，2027年可能升至35%；从投入资本到形成收入，时间差可能从三个月拉长至两年。
投资逻辑由此发生根本变化：过去是用今天的现金购买未来增长，现在越来越像以今天的融资成本，购买尚未确定的未来现金流。观察企业的角度也必须从利润表转向资产负债表，从收入增速转向债务成本与投资回报率的比较，从年度业绩转向再融资窗口、合同期限、资产残值和算力利用率。这是行业的中观变化。
微观上，美国资本市场正在从为增长“定价”的投资市场，部分转向为建设“供血”的融资市场。投资者不能只问公司准备花多少钱，更要问谁提供资金、风险留在哪一层，以及一旦收入不及预期，损失由股东、债权人、数据中心业主还是私人信贷基金承担。
宏观上，流动性也未必永远充裕。美国财政治理的分歧，使迅速压降赤字并不容易。美国国会预算办公室预计，2026财年联邦赤字约占国内生产总值的5.8%，不断上升的利息支出使债务问题更具持续性；日本货币政策正常化，则可能使长期低利率环境下积累的隐性杠杆和日元融资交易逐步退出。两者都可能抬高全球资金成本，压缩依赖遥远未来现金流的高估值资产的承受空间。
这些变化不意味着问题会立即发生，也不能据此断言危机必然发生。科技巨头仍有强劲的资产负债表，真实需求也仍在增长。但风险的观察窗口已经改变：单一维度失速，可能只是一次行业重估；如果投资回报下降、再融资成本上升和全球流动性收紧三个维度同时共振，风险就可能越过人工智能产业，演变为更广泛的信用事件，极端情况下甚至成为金融危机。
从建设竞赛走向利用率竞赛
下一阶段，市场将从“谁建得更多”转向“谁能把资产填满”，从比较资本开支转向比较资本回报，从奖励拥有最多芯片的公司，转向奖励最能把人工智能嵌入客户流程、形成持续现金流的企业。
铁路没有失败。失败的是那些高估需求、低估成本、依赖脆弱融资并重复修建线路的资本。人工智能也不会因为股价下跌、项目停工或企业破产而失败。真正需要警惕的，是把“人工智能必然改变世界”，误读成“每一笔人工智能投资都必然赚钱”。历史不会因为技术方向正确，就原谅资本配置错误。
