AI 基礎設施開支預計到 2027 年將達約 1.1 萬億美元。摩根士丹利估算，美國「超大型雲端服務商」（hyperscalers，指谷歌、微軟、亞馬遜等擁有超大規模數據中心及雲端平台的科技巨頭）單在 2026 年的資本開支（capex，即資本性支出，用於興建數據中心、購置伺服器、晶片等長期資產）便會超過 8,000 億美元。
這個 8,000 億美元的數字，被形容為大致相當於標普 500 指數中「非科技」企業整體在上一年投入的資本開支。預測顯示，該水平接近 2025 年的兩倍，並約為 2024 年的三倍。
資本開支增長不只因價格
成本上升有一定影響，但主要推動力是「用量」增加，包括晶片、電力、記憶體（memory，用於暫存運算資料的硬件）及算力（compute，指可提供運算能力的服務器/GPU 資源）。據稱在四年間，晶片、記憶體及「叢集式運算」（clustered compute，把大量伺服器/GPU 連成一個系統以進行大型訓練或推理）能力提升了四至七倍。
Google 表示其每分鐘處理 160 億個「代幣」（tokens，模型處理文字時的基本單位，可理解為將文字切分後的片段） ，按季上升 60%。更高容量的模型訓練，預計將測試近年資本開支能否有效轉化為可部署系統及收入。
這輪建設支持了半導體股，同時亦推高對債務融資的需求。投資級債券（investment-grade，信貸評級較高、違約風險較低的公司債）發行量明顯高於去年，愈來愈多借款亦被安排到更長年期（maturity，即到期時間）。
更高的資本開支可支持收入，但信貸市場（credit markets，公司債等融資市場）需要吸收持續新增供應，可能令「息差」（spreads，即公司債收益率與同年期政府債之差，反映信用風險及供求）受壓。若開支放緩，影響或擴散至多類風險資產（risk assets，價格較受經濟及情緒影響的資產，如股票及企業債），包括信貸市場。
