AI投資已經成為美國增長的重要支撐。但企業宣佈花多少錢、美國新增多少產出，以及這些投入最終能否賺錢，屬於三本不同的帳。讀懂它們之間的差距，才能判斷這輪繁榮走到了那一步。
AI已經拉動增長，但0.6個百分點需要拆開看
美國經濟對AI的依賴，正在從市場敘事變成可以追蹤的支出變化。資料中心需要施工，伺服器需要採購，電力系統需要擴建，企業也在增加軟體投入。這些活動先產生訂單與投資，然後才可能產生更高的生產效率。
摩根士丹利截至2026年9月8日的測算，為這條傳導鏈提供了一個值得重視的尺度：從2025年到2026年上半年，廣義AI相關投資對美國實際GDP增長的平均貢獻約為0.61個百分點；如果進一步估計真正由AI熱潮帶來的新增投資，貢獻約為0.42個百分點。
這說明AI投資已是增長的實質性來源，但“與AI有關”和“因為AI才發生”之間仍有明顯距離。 電腦更新、傳統軟體開發、常規通訊裝置採購，即使沒有生成式AI，也不會全部消失。把這些活動悉數算給AI，會擴大技術熱潮的貢獻。
還要區分“百分點”和“百分比”。這裡的0.42個百分點，是對實際GDP增長率的貢獻，既不是AI佔GDP的比例，也不是AI產業的增速，更不是資本開支的投資回報率。假設某段時期實際GDP年化增長2%，貢獻0.42個百分點意味著按該核算框架，相關支出解釋了其中一部分增長。它並不證明刪掉AI後，經濟就必然只增長1.58%：資金、勞動和其他支出可能重新配置。
兩組測算也不是同一個數的上下置信區間。廣義指標主要追蹤一籃子可能用於AI的投資類別；狹義指標額外依賴“沒有AI會怎樣”的模型。前者便於觀察，後者更接近問題本身，卻也引入了更多判斷。
為什麼幾1000億美元資本開支不能直接算成美國GDP
理解AI的宏觀貢獻，首先要把企業財務報表與國民經濟核算分開。
大型雲廠商披露的資本開支可能發生在世界各地；美國GDP衡量的是美國境內生產。企業購買伺服器，是一種投資支出，但如果伺服器在境外製造，其進口價值就不能作為美國新增產出。同樣，進口晶片在美國組裝成整機，美國可以獲得本地製造、組裝及相關服務的增加值，卻不能把進口晶片的價值也全部算成自己的生產。
概念上，可以把傳導過程寫成：企業全球支出，先篩選出發生在美國且符合投資統計定義的部分，再匹配其進口含量，最終得到支出對美國國內產出的貢獻。實際計算還涉及價格變化和各類增長貢獻的權重，不能直接用一組企業資本開支除以美國GDP。
更容易被忽略的是，進口也不能一股腦扣掉。 一台進口電腦可能進入企業投資，也可能被居民購買，或者再次出口。若將全部電腦進口額從私人固定投資中扣除，相當於把其他用途的進口也壓到了投資頭上。
摩根士丹利的改進包含三個步驟：先剔除再出口，再按最終用途識別進入私人固定投資的比例，同時補上進口半導體等中間投入。前兩步可能減少原先過大的扣減，第三步則補足遺漏。它們共同追求的，是支出與進口之間的對應關係。
可以用一個完全假設的例子說明。某類裝置投資從100增加到130，與這類投資匹配的進口從40增加到50。在同一名義口徑下，扣除進口後的金額由60增加到80，增量是20，而不是30。如果錯誤地把居民消費對應的10單位進口也扣到投資上，結果又會被壓低。這只是幫助理解的算術示意，不是鏈式實際GDP的計算公式。
這一修正也改變了讀資料的方式。淨貢獻提高，既可能因為投資更強，也可能因為需要扣除的進口增量減弱。兩種情形對國內企業訂單、供應鏈和後續增長的含義並不一樣。
“AI獨有投資”有用，也最依賴假設
廣義指標的優勢是覆蓋面清楚：資料中心、電力設施、電腦及外設、通訊裝置、動力和工業裝置，以及軟體等。問題在於，其中包含大量常規經濟活動。
狹義指標試圖剝離這些正常增長。其基本方法是先估計一條沒有AI熱潮的投資路徑，再觀察實際支出高出了多少。摩根士丹利採用2010年至2019年的歷史樣本，結合GDP、價格和趨勢等變數建立基準；對資料中心、電腦等類別，則根據行業變化使用特殊處理。
這個思路比把整籃子投資都歸給AI更精細，但無法自動解決因果識別。企業投資偏離舊趨勢，可能同時受到供應鏈重組、能源建設、傳統數位化和價格結構變化影響。即使模型已控制部分宏觀變數，剩餘差額也不必然全由AI造成。
估計窗口尤其重要。2010年至2019年的經濟結構，與2023年之後並不完全相同。如果原有投資趨勢本身已經改變，那麼“實際值減舊基準”的差額，也會包含結構變化。基準偏低，AI增量容易偏大；基準偏高，增量則可能被低估。
還有一個更細的限制：模型中使用GDP幫助估計常規投資，而AI投資本身又會影響GDP。因此，這種反事實適合用來跟蹤支出的異常擴張，不能被理解為一個完整模擬了“沒有AI的美國經濟”的世界。
此外，AI投入可能擠掉原本會用於其他技術的預算。支出轉向AI，能夠增強AI供應鏈訂單，卻未必同幅度增加全社會投資。狹義反事實可以處理部分替代影響，但並未完整測出整個經濟的資源重新配置。就業、消費和其他行業可能出現的外溢，也不在這張直接投資帳裡。因此，不能把0.42個百分點解釋成AI全部經濟影響的精確淨值。
對讀者而言，正確用法是同時觀察兩套指標。如果廣義投資持續上升、狹義貢獻也穩定擴大，而且電腦、資料中心和軟體的具體支出能夠互相印證，結論會更紮實。如果只有某一個模型殘差突然跳升，就需要先檢查價格、進口和基準變化。
半年貢獻上上下下，意味著什麼
將關鍵貢獻放在同一張表裡，可以看到AI投資的宏觀影響並不是一條平滑上升曲線。
以上均為摩根士丹利估算的實際GDP增長貢獻，採用半年度年化口徑；它們不是每半年新增的GDP佔比，也不能直接相加作為全年增長貢獻。
從這組結果看，2026年上半年的狹義貢獻明顯回升，但仍低於2025年上半年；廣義貢獻則高於2025年上半年。AI的增長支撐依然明顯，但支出類別的正常擴張、AI帶來的額外增量，以及進口變化，需要分別解釋。
2025年下半年的回落也不能直接等同於AI需求坍塌。實際投資是剔除價格影響後的量。如果軟體支出金額仍在增加，但統計價格漲得更快，實際量就可能走弱。裝置進口的前置和回擺，也會改變不同半年度的淨貢獻。
摩根士丹利還承認，近期進口對投資的抵消減弱，可能與統計記錄、囤貨以及貿易限制前的採購有關。現有證據不足以證明，美國已經大規模完成相關裝置的本土替代。
因此，判斷增長韌性需要同時看投資端和進口端。若伺服器及資料中心投入繼續擴張，進口調整之後的國內貢獻仍保持強勁，支撐更可信；若淨貢獻主要靠進口暫時回落抬升，就應對未來的逆轉保留空間。
摩根士丹利進一步拆解發現，2025年以來幾個半年度，基礎設施投資在扣除進口前的直接拉動大體處於0.5個百分點附近；同期進口抵消卻逐漸減弱。2025年上半年，進口抵消接近0.4個百分點，到2026年上半年已降到0.2個百分點以下。因此，淨貢獻的增強，並不完全對應建設需求的同步加速。
這一差別影響後續驗證。如果裝置訂單沒有進一步加速，進口抵消恢復，就可能讓GDP貢獻回落，即使企業仍維持很高的採購額。反過來，若進口結構持續變化、美國本土增加值確實提高，那麼同樣規模的投資也可能留下更多國內產出。需要觀察這一變化能否跨季度持續，並與實際生產活動對應，才能在統計時點和結構轉變之間作出判斷。
目前主要在建設端，“軟體”也不等於純應用
從狹義貢獻內部看，AI經濟仍然偏重基礎設施建設。摩根士丹利估算，2026年上半年基礎設施投資貢獻約0.36個百分點，軟體所代表的應用相關投資貢獻約0.18個百分點，二者合計約0.54個百分點。
這意味著，在當期新增增長貢獻中，基礎設施約為軟體代理項的兩倍。它不意味著AI的價值只能停留在硬體，而是說明建設產生的投資活動，仍比應用擴散更容易在當前資料中體現。
投資金額也呈現相似結構。按名義當期年化口逕取整，AI獨有投資約為4500億美元，其中基礎設施約3900億美元，軟體約600億美元。這裡的“年化”是把當前支出速度折算成一年，不能把4500億美元寫成過去半年實際花掉的金額，更不能當作累計資產存量。
從基礎設施內部看，電腦及外設約佔AI基礎設施支出的60%至70%，說明計算裝置仍是建設的主要支出載體。資料中心建築和電力設施雖然金額較小，卻可能決定整套裝置能否如期投入運行。投資份額反映錢花在那裡，不能單獨說明那一環節最緊缺、那類供應商最有定價權。
這裡還涉及一個技術限制：不同分項的鏈式實際美元值通常不能嚴格相加。下圖用堆疊幫助觀察結構，其總量只能作示意；分析精準的加總金額，應回到可加的名義口徑，並說明其中包含價格變化。不能拿實際圖中的分項金額機械相加，再與4500億美元的名義年化數字核對。
增長貢獻與金額佔比又是兩回事。規模較小的領域，如果增長很快，也可能貢獻較多新增增長；規模很大的領域，如果支出進入平台期，對增長率的新增拉動就會下降。
更關鍵的分類問題在於，軟體只是一種應用代理。相關統計既可能包括企業部署AI，也可能包括模型開發者的軟體研發和自研投入。一個模型公司增加開發支出，並不能證明普通企業已經完成流程改造、實現降本增效。
大型雲廠商的研發披露也無法消除這個模糊地帶。摩根士丹利估算，2026年二季度這些企業的研發支出約相當於資本開支的一半，但財報沒有提供足夠一致的資訊，把其中的軟體開發、模型訓練及其他研發可靠拆開。把全部研發劃為AI應用，會造成另一種高估。
因此，軟體投資上升可以說明與軟體有關的投入增強。若要證明應用真正擴散，還需要付費使用、續約、客戶工作流程改變和單位服務成本等更貼近經營結果的證據。 (404K)