过去数月，受人工智能（AI）产业的驱动，数据中心建设领域涌现出新的热潮。众多科技巨头相继发布公告，要么是建立合作伙伴关系，要么是斥资构建新的AI基础设施并部署新算力，部分投资规模甚至达到千亿美元级别。
据TomsHardware消息，近期IBM首席执行官Arvind Krishna在接受媒体采访时，对当前为追求通用人工智能（AGI）所投入的资本支出能否实现成本回收提出了质疑。以当下数据中心的建设成本计算，每吉瓦算力的建设成本约为80亿美元，而目前全球范围内已承诺的相关算力规模已接近100吉瓦，这意味着总投资金额已高达8万亿美元。如此庞大的投资规模，意味着需要约8000亿美元的利润才能覆盖利息支出，这几乎是一个难以达成的目标。
Arvind Krishna的观点与当下关于硬件、折旧及能源的假设直接关联，并非依赖任何长期预测。他提到，硬件贬值是投资者最易低估的计算环节，通常这些数据中心的常规更新周期为五年，到那时大部分硬件都需更换，这会对长期资本支出需求形成复合影响。
不只是Arvind Krishna，近期一些投资机构同样表达了相近的忧虑：随着性能提升与AI模型规模的不断扩大，旧款GPU的淘汰进程被加速推进，企业此前关于能持续延长这些旧GPU使用寿命的设想是否还能成立。硬件更新换代的速度决定了企业不得不进行设备替换，而非单纯地扩大规模，这背后需要极高的成本来支撑。
Arvind Krishna指出，预计当下形态的生成式AI工具最终会大幅提高企业生产力，不过关键问题在于新一代AI基础设施的物理规模和支撑其运转的经济性之间的关联。那些斥巨资打造吉瓦级数据中心，并且选择缩短更新周期的企业，必须证明其回报率能够覆盖前所未有的资本支出。
