北欧联合银行（Nordea）10月27日发布报告指出，全球数据中心建设以AI算力需求持续指数增长为前提，但小模型性能提升、推理成本下降和端侧AI发展，正对这一假设构成挑战，可能使巨额投资面临供需错配风险。

　　报告援引斯坦福大学研究称，小模型在大量常见简单任务中已能匹敌甚至超越大模型。国际能源署数据显示，小语言模型能耗最低仅为大型推理模型的3%。随着用户更加重视成本，部分推理需求可能转向廉价模型。毕马威调查显示，49%的企业领导者因预期成本过高而缩减、推迟或暂停AI项目。

　　数据显示，按使用量加权计算的百万Token价格指数已较5月峰值下降约一半，主要缘于用户转向价格更低的中国开放权重模型。小模型还能在手机、电脑等设备本地运行，降低云端推理费用并改善隐私保护，进一步分流数据中心需求。

　　与此同时，AI基建投资规模庞大。报告援引外部资料称，OpenAI计划到2030年投入约7500亿美元算力支出，Anthropic未来算力及基础设施承诺超过6000亿美元，但期限更长。另有研究估计，美国数据中心业主要获得10%回报，2032年行业总收入需达到美国预期GDP的9%至14%。

　　报告警告，数据中心通常需要三至五年才能建成，电力接入可能进一步延迟。若市场转向小模型和本地AI，项目投入运营时的需求结构可能已改变；电网建设滞后、集中扩产、债务融资及AI企业履约能力，也将加大投资风险。

　　








    免责声明：此文仅供参考，未经核实，概不对交易结果负责，并请自行承担责任！