6 万亿美元，是这轮机房的及格线

一个数字如果大到让人不想算，它通常就是用来结束讨论的。6 万亿美元年收入属于这一类。

一、发生了什么

9 月 29 日，贝恩公司发布技术报告，结论是：到 2031 年，AI 行业需要每年做到 6 万亿美元收入，才能为当前的机房投资提供理由。

算法不复杂，关键是那个比例。贝恩预计 2031 年全球 AI 基础设施年支出可能达到 1.5 万亿美元，包括新建机房、GPU 扩容、内存和网络设备。如果这笔资本开支大约等于行业收入的四分之一——报告称这个比例「有野心但合理，参照的是云厂商的历史水平」——那么要撑住 1.5 万亿的支出，行业收入就得接近 6 万亿。

四分之一这个假设，是整篇报告最值钱也最脆弱的地方。它同时暗含两个条件：设备能用足够久，且利用率足够高。任何一头松动，6 万亿就会往上飘。

6 万亿怎么凑？贝恩分了三块。新产品与新场景，包括搜索、广告、自动驾驶和物理 AI，预计贡献 4.2 万亿，是最大的一块。企业生产力提升，包括软件开发、销售、营销、客服和 IT 运维，需要 1 万亿到 1.4 万亿。面向消费者的订阅和广告，只有 2000 亿到 4000 亿。

把三块下限加起来是 5.4 万亿，上限刚好 6 万亿。也就是说，三个预测都得同时兑现，且都落在乐观端，这条线才成立，没有留余量。

报告还给了两个尺度感更强的数字。机房的规模和成本大约每 12 到 16 个月翻一倍。Meta 在俄亥俄的 Prometheus 机房，2025 年是 600 兆瓦、约 240 亿美元；按研究机构 Epoch AI 的数据，2027 年可能到 2 吉瓦、800 亿美元，2029 年 5 吉瓦、1750 亿美元，2030 年 9 吉瓦、2000 亿美元。

贝恩还提到一个容易被忽略的成本项：领先的 AI 实验室正在投入超过 97.5 亿美元做工程化模型，帮企业更快把 AI 用起来。这笔钱的潜台词是——工具已经够强，卡住的是企业的吸收速度。

二、跟你有什么关系

做企业 AI 落地的。 你手里的项目就是这 6 万亿的一小块。报告的隐含要求是：项目要能算清损益，而不只是能演示。算不清的项目，在这条算式里是负项。

看算力与基建的。 1.5 万亿年支出对应的是订单，不是需求。订单已经被下了，收入要等到 2031 年才验证。这个时间差就是风险所在。

投研和看财报的。 衡量这轮周期，别只看 GPU 出货。看三个东西：机房的实际上电容量、利用率、以及客户合同的期限结构。

三、怎么判断

1. 先问那个四分之一。 任何用「资本开支占收入多少」倒推市场规模的模型，先看这个比例怎么来的。云厂商的历史比例不等于 AI 机房的比例，因为折旧年限和利用率都不一样。
2. 看分项有没有余量。 三块加起来刚好等于总数，说明这是「需要发生」的清单，不是「可能发生」的预测。清单式预测适合做压力测试，不适合做估值锚。
3. 盯吸收速度，而不是模型能力。 报告说吸收速度成了新的竞争变量，这句话比 6 万亿更有用。企业多久能把工具用进流程，决定了那 1 万亿到 1.4 万亿能不能落地。
4. 把电力当硬约束。 报告列出的瓶颈里，电网扩容排在第一。一个机房能不能建成，越来越取决于变电站而不是 GPU。
5. 用单机房经济性反推。 拿 Prometheus 的 2000 亿美元、9 吉瓦做样本，算每兆瓦对应的资本开支，再对照它能产生的收入。这比讨论总量更接近真相。

四、三个别信的说法

「6 万亿是泡沫的证据。」 它是一个条件式结论：如果资本开支维持、比例成立，则需要 6 万亿。它证明的是「要求很高」，不是「一定做不到」。把它当成预言，会错过中间那些能达标的部分。

「AI 收入会自然从生产力提升里长出来。」 报告自己的拆分说得很清楚：最大的一块 4.2 万亿来自今天还不存在的新产品和新场景。生产力提升那一块只占六分之一到四分之一。指望现有业务提效填满缺口，算术上不成立。

「机房建得越大，规模效应越强。」 规模和成本每 12 到 16 个月翻倍，意味着每一代机房的单位经济性都要重新验证。上一代的成本曲线不能直接套到下一代，尤其是在电力和并网排期变紧之后。

五、一句话结论

6 万亿不是预测，是一道验收题：它把「AI 能不能赚钱」换成了「AI 必须赚到多少」，而这个数正好卡在三个乐观假设的交点上。

信息来源

• AI needs $6tn in annual revenue to justify data centre boom, Bain says，The National，2026 年 9 月 29 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 19 日。