12月2日，据The Verge最新播客内容披露，IBM首席执行官Arvind Krishna在访谈中对当前人工智能基础设施投资的经济可持续性提出了尖锐质疑。他直言，在现有成本结构下，行业为追求通用人工智能（AGI）而投入的天量资本几乎难以收回。
Krishna指出，尽管AI企业正以前所未有的速度扩张算力规模，但支撑这一扩张的数据中心建设与运营成本却高得令人咋舌。以当前造价估算，一个装机容量达1吉瓦的数据中心需耗资约800亿美元。若一家公司计划部署20至30吉瓦的算力设施，其总资本支出将飙升至1.5万亿美元左右——按当前汇率折合约10.62万亿元人民币。
更令人警觉的是，Krishna进一步推演称，全球范围内已宣布或规划中的AGI相关数据中心总容量可能逼近100吉瓦，对应总投资额高达8万亿美元（约合56.63万亿元人民币）。仅就融资利息而言，要覆盖这部分成本，行业每年需产生近8000亿美元的利润，这在当前技术与商业模式下几无可能。
他还特别强调了AI芯片折旧周期对投资回报的制约作用。目前主流AI加速芯片通常设定为五年内完成财务折旧，之后便面临淘汰或性能落后的风险。这种快速迭代节奏使得长期资产回报模型更加脆弱，进一步压缩了盈利窗口。
在AGI前景方面，Krishna态度审慎。他认为，若沿用现有技术路径，不出现根本性突破，实现真正意义上的通用人工智能的概率“介于0%到1%之间”。这一观点并非孤例——Salesforce CEO Marc Benioff、AI先驱Andrew Ng以及Mistral AI创始人Arthur Mensch近期均表达了类似保留意见。OpenAI联合创始人Ilya Sutskever亦公开表示，大模型依赖“扩大规模”带来的性能提升已接近边际效益拐点，未来必须回归基础研究驱动的创新轨道。
尽管对AGI的短期可行性持怀疑态度，Krishna并未否定当前AI技术的实际价值。他肯定生成式AI和专用模型已在企业级应用中展现出显著生产力提升潜力，并预测其将在未来释放“数万亿美元级别”的效率红利。他建议，下一步技术演进或需将结构化的硬知识体系与大语言模型深度融合，方有可能突破现有瓶颈。然而，对于这一融合路径能否最终通向AGI，Krishna仍保持高度谨慎，强调“热情必须建立在现实基础之上”。
