球盟会整理如下：
作为一名FRM，我明白当下Ai的「国家级竞赛」阶段所需要承诺的风险和周期角度中不能停下的需求！
其实对于东西方而言，除了在市场上钱的性质不太一样以外，其余各方面的压力约束条件都是近似的。
所谓「Ai金融风险」， 简单而言无非是挤压了经济市场的3个领域的流动性空间，它们是:信贷市场、资本市场、传统商品和消费市场 ，其中有些是直接影响，比如大量Ai企业上市融资，但几乎看不到长期盈利的希望，这推高了市场集中度，又提升了市场整体风险，导致大量的投资者不断在这个过程中成为筹码峰的耐心资本。
而有些是间接影响，比如Ai抽离了市场上太多的自由流动的美元，上游又不断搞“缩量提价”那套，导致其他行业融资和生产成本上涨，在货币市场传导不畅，消费端承接不力的情况下，就容易导致量价背离。
我前段时间看过一篇高盛的研报，《一切为了科技》（All About Tech） ，其在文章里提出了一个核心观点：当经济资源过度向科技赛道倾斜，而居民内需、收入修复滞后，会造成经济结构性失衡，资本市场与实体经济出现显著分化，喇叭口型增长加剧时，我们真的做对了么？
客观的说，当前全球经济已经显现部分该报告描述的特征，但尚未完全演化成报告所描绘的极端情景，可这中间的缓冲区还有多久，实际上没人知道！
而周小川先生的提醒，其实从货币经济学的角度看，已经和《一切为了科技》有异曲同工的味道了。
在2026外滩年会上， 先生的原话总结下来就是 ：技术迭代天然伴随投资的分化成败，当前海量资本持续涌入人工智能算力、数据中心等基础设施赛道，若大规模投资项目集中失败，有可能触发金融动荡，甚至演化成局部危机，因此监管层应当前置研究，完善政策工具箱，储备逆周期干预工具以应对冲击 。
这个观点站在宏观经济学与金融周期理论框架审视，其实是基于资本周期、资产负债表传导机制的前瞻性判断，不能说只是在提醒风险，因为风险不可消灭，只能被转移。
而从理论底层来看， 这一论断契合信贷驱动型资产繁荣—萧条周期理论，与明斯基金融不稳定假说高度呼应，属于典型的央行派逻辑 。
明斯基认为，长期繁荣环境下市场风险偏好抬升， 资本逐步从稳健对冲型融资转向投机型、庞氏型融资，一旦资产回报不及预期，资产减值链条会快速反噬金融体系 。
而当前全球AI投资体量已经达到历史罕见量级：麦肯锡测算，2025–2030年全球AI相关数据中心总投资规模可达5.
2万亿美元，仅五大海外科技巨头2026年AI资本开支计划便接近7000亿美元，远超2000年互联网泡沫时期美国电信行业峰值资本开支（约1115亿美元） 。
但不同于互联网泡沫时期大量无盈利初创企业依靠股权融资，本轮AI基建投资一部分依托巨头自有现金流，但相当规模依然依靠长期债券融资，高企的杠杆率放大了行业回调时的金融传染风险，甚至直接引发了美国的需求端通胀和实际利率的飞升！
为了预防美国的问题在更脆弱的金融周期市场里出现，周小川先生将AI投资划分为三类：大模型与算力数据中心基建、AI应用层、半导体/电力等配套支持产业， 并且指出配套产业韧性相对更强，而算力基建是风险最高的环节 。
这一分类和我前面的「算力泡沫」文章的管观点和数据类似： 大量数据中心项目具备重资产、长折旧周期特征，一旦后续模型推理优化、蒸馏技术降低算力需求，已建成的算力资产利用率下滑，将出现大额资产减值，更何况有些真的只有公告的合同，不见真实的落地 。
这点美国也一样，根据伯恩斯坦测算，美国已规划的数据中心项目中，具备真实落地可行性的仅约35%，2026年已有至少47个大型数据中心项目延期或撤销，侧面印证资本投入与真实需求之间存在错配空间。
所以，AI其实不是全面泡沫，而是资本集中投放于长周期重资产赛道，存在尾部风险外溢至金融系统的可能性！
提前储备政策工具，本质是宏观审慎管理，而非否定AI技术革命本身 ，我们不能再走一次房地产基建潮的老路。
倘若AI发展在供需两端同时不及预期，并形成一条多层级的宏观传导链条。
比如， 在供给侧，算力产能过剩 ：大规模建成的数据中心、AI服务器利用率持续走低，固定资产回报率跌破资本成本，企业被迫计提资产减值，资本开支主动收缩，这就会上游半导体、光模块、HBM存储订单快速下滑，产业链进入去库存周期。
再比如在需求侧 ，AI商业化落地慢于预期，企业投入AI之后，生产率提升未能兑现，新增营收不足以覆盖AI投入成本，企业盈利修复受阻，进而抑制新一轮资本开支。
毕竟，经济学目前不知道怎么解决Ai问题，若AI陷入需求瓶颈场景，自动化替代劳动力，被替代的劳动者同时也是消费主体，居民收入与消费收缩，最终会形成负向循环，长期自然利率甚至会回落至AI浪潮之前的水平 ，至于对机器人和Ai收税更扯，你怎么可能靠单一税解决这么多人的长期需求，这不是人为给自己天花板了么！
此外， 一旦供需双曲线回落，那么AI相关股权、债券
球盟会将持续关注后续动态。
