← 返回财报

美联储工作论文 FEDS 2025-109《用项目级数据估算总数据中心投资》全文中文翻译

标题页 · 引用格式

Finance and Economics Discussion Series (FEDS) — 美联储理事会，华盛顿 ISSN 1936-2854 (印刷版) / ISSN 2767-3898 (电子版)

论文标题：用项目级数据估算总数据中心投资 编号: 2025-109

建议引用方式： > Brandsaas, Eirik Eylands, Daniel Garcia, Robert Kurtzman, Joseph Nichols, and Adelia Zytek (2025). "Estimating Aggregate Data Center Investment with Project-level Data," Finance and Economics Discussion Series 2025-109. Washington: Board of Governors of the Federal Reserve System.

注：FEDS 工作论文是初步材料，旨在刺激讨论与批判性评论。分析与结论代表作者个人观点，不代表美联储理事会或研究人员的一致意见。

---

第 2 页 · 摘要

作者：Eirik Eylands Brandsaas、Daniel Garcia、Robert Kurtzman、Joseph Nichols、Adelia Zytek 全部来自：美联储理事会（Federal Reserve Board of Governors） 日期：2025-12-17

摘要

后疫情时代美国数据中心投资迅速攀升，未来投资计划进一步激增。在如此拐点上预测投资是一项重要但潜在棘手的任务——尤其考虑到总量数据的滞后。我们开发一种直观的方法，利用项目级微数据和少数参数预测总投资：具体而言是放弃率、计划到开工时间、开工到完工时间。作为方法的关键验证，我们生成的估计与近期 NIPA（国民收入与生产账户）中数据中心总投资的历史走势相吻合。

我们随后用此方法对短期总数据中心投资做即时预测（nowcast），均值预测显示到 2026:Q2 投资将上升至 $370bn 年化。我们的方法可进一步延伸，但更长期预测则取决于对未来新项目计划流量的假设。

假设未来计划流量为 2024-2025 年平均速度的 1/4 至 2 倍，意味着 2027 年投资预测区间为 $360bn 至 $930bn——展示了未来投资水平的实质性上下行风险。

关键词：数据中心、商业地产、预测、施工、规划时间 JEL 分类：R33（房地产）、E22（资本投资）、E32（商业周期）、L74（建造）

---

第 3-5 页 · 第 1 节 引言

后疫情时代经历了数据中心投资的激增——数据中心结构投资从 2021 年到 2025 年大约翻 4 倍。同时，未来数据中心的公告计划显著增加，2025 年秋累计超过 $1 万亿。鉴于这些发展，政策制定者与从业者面临的一个重要问题是理解此类投资在短期及更长时间跨度上的规模与动态。

本文方法概述

我们的论文提供了一种回答此问题的方法——可以使用项目计划的微数据和少量经验估计参数生成总量实时预测。这种方法为拐点时刻非平稳时间序列的预测提供了替代框架。我们将该方法应用于数据中心行业的项目级数据——该行业正处于这样的拐点，且鉴于其在 AI 驱动服务发展中的作用而具有普遍兴趣。我们的方法在短期内产生合理的样本外表现，并展示如何将其延伸至更长时间跨度——突出对未来计划流量假设的重要性。

三个关键参数

要生成短期（一年外，即我们数据集中典型的"计划到开工"时间）投资即时预测，我们需要三个参数： - 在建项目的完工时间（time-to-completion） - 规划中项目的计划到开工时间（time from plan-to-start） - 项目放弃概率（abandonment probability）——在我们样本中数据中心行业历史上约 33%

要生成超过一年的中期预测，需要对新计划流入做出假设。这是一项更脆弱的任务，因为需要假设未来计划的范围与价值。

数据源

我们将方法应用于 Dodge Construction Network（Dodge）的 2003-2025 项目计划微数据。Dodge 数据的一个优点是它被用作美国 Census 局施工到位 (CPIP) 调研的输入——后者为 BEA 的投资度量提供信息。此外，项目微数据通常包含总成本估计，使我们能够讨论总数据中心投资——而非仅限数据中心结构投资。

关键发现

我们首先使用 Dodge 中 2003-2025 数据中心项目计划历史估计三个关键参数。将这些参数应用于 Dodge 数据中心项目历史——产生与 NIPA 中数据中心总投资量级相近的估计——验证了我们方法的合理性。

我们随后使用 2025 年 9 月 Dodge 微数据通过 Monte Carlo 模拟对数据中心投资近期路径做即时预测： - 均值模拟：投资从 2024:Q4 的约 $60bn 上升到 2025:Q4 的 $180bn，到 2026:Q2 达到 $370bn 年化

我们随后基于未来新数据中心计划流量的三种情景预测投资至 2027： - 悲观（0.25× 历史均值）：2027 投资 ~$360bn - 基线（1× 历史均值）：2027 投资 ~$612bn - 乐观（2× 历史均值）：2027 投资 ~$930bn

→ 实际上，到 2027 年底，投资水平在很大程度上由假设的新计划流入决定，而非当前的计划存量。

NIPA 中的 DC 投资识别

作为工作的一部分，我们开发了一种在 NIPA 中识别数据中心特定投资的方法。虽然数据中心结构投资已在 NIPA 中，但计算机设备与外围设备投资 (E&I) 没有被单独拆出作为数据中心投资。由于此类 E&I 投资还包括其它产品类别（如企业购买笔记本和其它计算机设备），我们认为应去除未归属于数据中心的投资水平。我们提出一个简单方法来构建 NIPA 中数据中心总投资的度量。由于 NIPA 数据有滞后，我们自下而上方法的一个额外优势是允许实时估算这类总投资。

与既有文献的关系

我们的工作为 AI 更广泛经济影响的研究（如 Acemoglu 2025、Furman & Seamans 2019、Brynjolfsson et al. 2025）提供了重要补充。这些论文聚焦 AI 通过提升劳动生产率重塑经济的潜力——而此类潜在发展是数据中心底层物理基础设施建设的函数。我们的工作因此用一种将详细项目级规划数据转译为实际投资时间序列的创新方法为该文献提供有价值的补充——而实际投资是下一代 AI 服务提供的先决条件。

本分析也为使用项目级规划微数据研究投资的文献做出贡献： - Glancy et al. (2025)：放弃出规划是商业建造短期供应弹性的关键决定因素 - Millar et al. (2016)：估算已完成项目的计划时间——突出"计划到开工"和"开工到完工"在项目间的显著异质性 - Selgrad and Siani (2025)：展示计划投资与货币政策对公司层面项目的交互 - Brandsaas et al. (2024)：分析制造业活动计划——突出 IRA 和 CHIPS Act 实施前后开工的上升

论文结构

  • **第 2 节**：如何获取 NIPA 中的总数据中心投资
  • **第 3 节**：从项目级数据生成总数据中心投资的框架
  • **第 4 节**：Dodge 数据描述与属性
  • **第 5 节**：模拟结果
  • **第 6 节**：结论

---

第 5-7 页 · 第 2 节 NIPA 中数据中心投资的度量

NIPA 没有一个单一类别的投资完整捕捉所有数据中心投资。相反，与数据中心相关的投资记录在几个主要类别中。

结构投资

BEA 使用 Census 的非住宅结构 CPIP 报告衡量结构投资。图 1 左面板显示，数据中心结构的名义支出迅速增加——从 2021 年的约 $10bn 上升至 2025 上半年的约 $40bn。

高科技设备投资

然而，数据中心总投资远大于结构本身——数据中心装备有高科技资本货物，包括服务器、存储阵列、网络硬件。最终计算机硬件（含服务器和其它成品计算设备）购买被计入"信息处理设备私人固定投资"中的"计算机与外围设备"组件（图 1 左面板蓝色实线）。该序列的水平也反映其它计算机设备的投资——如企业购买的笔记本和打印机。

我们的方法（detrend）

我们的方法是有效去趋势化此类计算机 E&I 投资，并取残值作为数据中心 E&I 投资。我们估算 2015-2022 的时间趋势（图 1 左面板虚线）——这是数据中心活动近期激增前的反事实投资估计。然后我们将实线与虚线之间的差值解释为反映数据中心设备投资，并将此差值加到结构投资上以获得数据中心投资度量。

图 1：数据中心相关投资 & 推算数据中心投资

左面板：数据中心结构（黑线）+ 高科技设备（蓝实线）+ 估计趋势（虚线），2015-2022 趋势估计 右面板：推算的数据中心总投资 = 数据中心结构 + 去趋势化高科技设备

局限性

虽然这一度量准确捕捉了数据中心投资的近期趋势，我们承认这仍是不完美的估计。一方面，它不包括一些相关组件——如专业数据中心软件或自营设备投资。另一方面，如果企业笔记本购买大幅超趋势，这一估计可能包括一些与数据中心无关的设备购买。

---

第 7-8 页 · 第 3 节 用项目级规划数据预测总投资的框架

3.1 环境

我们的分析以项目级别为索引——每个项目 $i$ 都有特征向量 $X_i$，包括美元总项目成本估计 $V_i$。项目经历不同阶段 $j$，可取四个值：规划中 (P)、在建/已开工 (S)、已完成 (C)、已放弃 (A)。

所有项目都假设从规划阶段 (P) 开始，然后经过若干期后进入建设开工或被放弃。一旦开工，项目在额外若干期后完工。

关键参数（可随项目特征变化）

  • $T_{P,S}(X_i)$：**平均计划到建设时间** — 可随项目特征（特别是项目规模）变化
  • $T_{S,C}(X_i)$：**平均开工到完工时间** — 同样可变
  • $\lambda(X_i)$：**放弃率** — 模拟开始时被放弃出规划的项目平均数

建设期间投资分布的假设

我们假设投资在建设时间线上均匀分布。即：价值 $V_i$、开工到完工 $T_{S,C}$ 的项目，从开工到完工每月支出 $I_i = V_i / T_{S,C}(X_i)$。

若仅考虑建筑结构施工，这一假设可能过度后置。美国 Census 局估计，对于超 $100M 大型项目（建设期 >3 年），通常： - 第一年到位约 50% - 第二年末到位 90%

但合理认为设备安装相对于结构建造更后置，因此该假设平衡了这些竞争力量。

短期 vs 中期

  • **短期（约一年外，即最新规划数据的最后一个周期外）**：投资水平**主要由现有计划存量决定**——因为通常需要约一年时间计划才能从规划阶段进入建设开工阶段
  • **中期**：投资**严重依赖于未来计划流入的假设**

3.2 短期即时预测（Nowcasting）

给定三个参数和时刻 $t$ 仍处于规划或建设阶段的项目存量，可生成总价值到位时间序列的即时预测：

$$I_t = \sum_i \mathbb{1}[s_i \leq t < s_i + T_{S,C}(X_i)] \cdot I_i$$

其中 $\mathbb{1}[\cdot]$ 是指示函数（若项目 $i$ 在月 $t$ 在建则为 1），$I_i = V_i / n$ 是月度项目级投资。这一框架（建设期间分阶段支出）与美国 Census 局估计非住宅结构投资的方法密切相关；但与设备投资的衡量方法不同——后者由 Census 在购买时记录。

3.3 中期预测（Forecasting）

要将模拟延伸至一年外，需要对新项目进入规划的流入做假设。

令 $\bar{t}$ 表示我们观察到规划项目的最后月份，$T_{P,S}$ 表示所有特征的平均计划到建设时间。$\bar{t}$ 之后进入规划的新项目到 $\bar{t} + T_{P,S}$ 月之前不会有意义地贡献于投资。我们定义中期开始为：

$$\bar{k} = \bar{t} + T_{P,S}$$

例如，若 $\bar{t}$ 是 2025 年 12 月、$T_{P,S}$ 是 10 月，则 $\bar{k}$ 是 2026 年 9 月。实践中，$\bar{k}$ 月的投资将由现有存量中开工日期 $s_i < \bar{k}$ 的项目主导。随着预测期延长，归属于新项目流入的投资份额上升。

---

第 8-12 页 · 第 4 节 项目级数据

4.1 Dodge Construction Network 数据

我们的分析基于 Dodge Construction Network 的 Real Estate Analyzer (REA) 数据——2003 年至 2025 年 9 月。Dodge 是建造行业领先的数据提供商，其数据被美国 Census 局用于度量 CPIP。具体而言：Census 调研从 Dodge 获取的分层样本施工项目，项目经理报告从开工到完工每月完成的工作价值（"value-in-place"）。

为何关注计划而非开工

我们在此主要关注项目计划而非开工，原因有几点： 1. 计划增加经济预测的提前期——因为它平均领先建设开工约一年 2. REA 数据中项目级计划的美元价值很可能主要反映项目总成本（含设备和结构）

我们通过比较 REA 中的计划成本与我们在线找到的最大近期公告数据中心项目成本来验证这一点。

REA 数据内容

REA 数据包含每个项目的财产类型、平方英尺、位置、项目价值。我们使用的总项目价值以名义美元计，仅考虑美国境内项目。我们将最后报告的计划价值作为计划的价值。我们将项目阶段合并为四类：规划、开工、完工、放弃。

与其它行业分析师方法对比（脚注 9）

行业分析师用其它方法推算数据中心投资水平。例如： - J.P. Morgan (Reinhart and Feroli, 2025)：基于公告数据中心电力消耗估计 + 实现这些计划目标的成本假设来预测投资 - Goldman Sachs (Peng et al., 2025)：基于 AI 繁荣相关公司或行业的营收或报告投资变化生成估计

4.2 描述性统计

图 2 左面板显示 Dodge 数据中每月新数据中心计划的未调整名义价值： - 2023 年前数据中心计划规模适度：2019-2022 年均约 $7bn / 年 - 2023 年底开始飙升：2024 累计新计划价值近 $300bn - 2025 年到 9 月超 $900bn

虽然部分计划进入建设阶段并贡献于数据中心支出（见图 1），但大多数计划尚未破土动工。

图 2 右面板：数据中心计划存量价值（累计计划流入 - 已开工或放弃）——2025 年 9 月超 $1tn。

计划增加的两个驱动

  • **2019-2022 四年间**：约 **278 个数据中心计划**，平均项目价值 **$114M**，中位 **$26M**
  • **2025 年到 9 月**：**521 个计划**，平均价值 **接近 $2bn**，中位 **$216M**

4.3 估算样本

为模拟投资，我们需要计划到开工时间、开工到完工时间、放弃率的估计。为此，我们聚焦于有观察到规划阶段和有观察到从规划过渡出的项目样本。

我们将项目在规划中观察 ≥48 个月但无开工视为放弃（因为约 95% 开始建设的项目在 48 个月内开始）。我们也排除主报告（聚合多个项目、放弃状态模糊）——这些项目在模拟样本中重新引入。总体而言，估算样本规模减少 56%——主要由于近期未过渡出规划的项目。

表 1：估算样本汇总统计

#### Panel A：所有项目

| 变量 | 均值 | 标准差 | p10 | p50 | p90 | 计数 | |---|---|---|---|---|---|---| | 放弃率 ($\lambda$) | 0.33 | 0.47 | 0.00 | 0.00 | 1.00 | 1,711 | | 计划到开工月数 ($T_{P,S}$) | 11.11 | 15.36 | 2.00 | 6.00 | 26.00 | 981 | | 开工到完工月数 ($T_{S,C}$) | 9.37 | 6.83 | 3.00 | 9.00 | 17.00 | 715 | | 价值（10 亿美元，$V$） | 0.10 | 0.38 | 0.00 | 0.01 | 0.25 | 1,711 |

#### Panel B：大型计划（>$250M）

| 变量 | 均值 | 标准差 | p10 | p50 | p90 | 计数 | |---|---|---|---|---|---|---| | 放弃率 ($\lambda$) | 0.30 | 0.46 | 0.00 | 0.00 | 1.00 | 169 | | 计划到开工月数 ($T_{P,S}$) | 15.00 | 18.47 | 2.00 | 9.00 | 37.00 | 113 | | 开工到完工月数 ($T_{S,C}$) | 19.77 | 9.78 | 10.00 | 18.00 | 35.00 | 48 | | 价值（10 亿美元，$V$） | 0.70 | 1.02 | 0.28 | 0.48 | 1.07 | 169 |

与 Glancy et al. (2025) 对比

  • **放弃率 0.33** 低于 Glancy et al. 报告的 **0.46**（整体商业行业）——**意味着数据中心放弃率比典型办公或零售建筑低**
  • **大型项目放弃率 0.30**，与整体相近——与 Glancy et al. 一致："放弃率不太随规模无条件变化"
  • **大型项目计划到开工 15 月**，比整体 11 月略高（不显著）
  • **大型项目开工到完工 20 月**，**显著高于整体 9 月**——大项目建设耗时更长

---

第 12-19 页 · 第 5 节 数据中心投资模拟

5.1 校准

#### 放弃率 $\lambda$ - 均值 = 0.33 - 标准差 = 均值标准误 = 0.01

#### 计划到开工 $T_{P,S}$ - 均值 = 11.11 月 - 标准差 = 0.49

#### 开工到完工 $T_{S,C}(X_i)$

因为与项目规模有强关联，我们建模为：

$$T_{S,C}(X_i) = \beta_0 + \beta_1 \cdot \log(V_i)$$

回归结果：$\hat{\beta}_0 = 19.15$ (SE=0.54)，$\hat{\beta}_1 = 2.15$ (SE=0.11) → $1bn 数据中心项目典型开工到完工约 19 个月

对已经开始建设的项目，基于观察到的开工日期和上述时间到完工校准方法模拟支出。

5.2 短期即时预测

模拟样本包含 2025 年 9 月 Dodge 数据集中所有处于规划或已开工但未完成或放弃的项目。模拟有两大随机性来源： 1. 每次模拟中关键参数从正态分布独立抽样 2. 每次模拟中放弃在项目级别随机决定

实践中，大部分随机性来自项目特定的放弃。

1000 次 Monte Carlo 模拟

#### 图 3 左面板：短期投资模拟（2026:Q2 前，季度年化）

  • **均值模拟**：投资从 **2024:Q4 的约 $60bn → 2025:Q4 的 $180bn → 2026:Q2 的 $370bn 年化**
  • **5th 百分位**：$240bn (2026:Q2)
  • **95th 百分位**：$450bn (2026:Q2)

红色虚线对照：NIPA 推算的数据中心投资——与模拟投资接近——验证模拟投资是实际投资的良好指南。

双峰分布

模拟的中位数超过均值——因为总投资分布显示双峰且右峰质量更大。这一分布模式由两个因素导致： 1. 放弃率 0.33 2. 项目级投资价值的右偏分布

特别地，少数极大项目（如 Project Stargate）是显著离群值。这些超大项目被放弃的模拟产生较低总投资水平；完成时则大幅抬升投资总量。由于模型中约 2/3 时间项目存活，右侧分布模式质量更大——大多数模拟包括超大项目完成，把中位推到均值之上。

Gabaix (2011) "granular origins" 视角

我们将此即时预测解读为与 Gabaix (2011) "颗粒源" 总量波动观点一致：数据中心项目分布有肥右尾——投资繁荣的幅度严重依赖于少数极大项目的支出和完成。值得注意的是，数据中心项目的上升足够广泛——即使在最悲观情境（许多大项目被完全放弃）中，投资到 2026 年中仍升至 $240bn。

5.3 中期预测

到短期的模拟独立于未来计划流入的假设——因为计划在模拟中需约一年才破土动工。我们现在转向模拟至 2027 年的投资（中期），需要 2027 前新计划流入的假设。

我们计算 2024 至 2025 年 9 月的平均计划规模和月度新计划流量，然后考虑三种情景： - a) 1/4 倍（悲观） - b) 同等（基线） - c) 2 倍（乐观）

表 2：投资 & GDP 增长贡献（按未来计划流入情景）

| 年份 | 投资 (Bn $) ||| GDP 增长贡献 (pp) ||||| |---|---|---|---|---|---|---|---|---| | | 0.25× | 1× | 2× | 含进口 ||| 剔除进口 ||| | | | | | 0.25× | 1× | 2× | 0.25× | 1× | 2× | | 2023 | 10 | 10 | 10 | 0.02 | 0.02 | 0.02 | 0.01 | 0.01 | 0.01 | | 2024 | 58 | 58 | 58 | 0.17 | 0.17 | 0.17 | 0.07 | 0.07 | 0.07 | | 2025 | 179 | 179 | 179 | 0.41 | 0.41 | 0.41 | 0.18 | 0.18 | 0.18 | | 2026 | 413 | 464 | 526 | 0.75 | 0.91 | 1.11 | 0.33 | 0.40 | 0.49 | | 2027 | 357 | 612 | 921 | -0.17 | 0.45 | 1.21 | -0.08 | 0.20 | 0.53 |

关键结论

  • **2026**：基线 1× 情景投资 $464bn，对 GDP 增长贡献 **0.91pp 含进口 / 0.40pp 剔除进口**
  • **2027**：三情景分歧极大——
  • - 悲观：投资 $357bn，**对 GDP 增长贡献 -0.17pp（含进口）**——意味着数据中心 capex 增速回落甚至成为 GDP 增长**拖累**
  • - 基线：$612bn，+0.45pp 含进口
  • - 乐观：$921bn，+1.21pp 含进口

进口调整

数据中心投资繁荣对 GDP 增长的净效应不仅取决于投资水平，还取决于净进口的投资份额。我们的"大致"估算方法： 1. 假设 30% 投资是国内结构 + 70% 是高科技设备 2. 假设高科技设备进口份额为 80% 3. → 数据中心投资中 44% 为国内

含进口的 GDP 贡献需要乘以 0.44 得到剔除进口的贡献。

5.4 进一步稳健性与讨论

#### 放弃率敏感性

历史放弃率年均在 0.2 到 0.45 之间变化。放弃率变化对模拟投资分布百分位有微妙影响： - 若放弃率上升至 >0.5，投资分布仍双峰但左峰质量更大——中位数下移 - 均值大致与放弃率成比例缩放——例如放弃率从 0.33 升至 0.45，均值投资水平大致缩小 18%（存活率从 67% 降至 55%） - 若 AI 回报预期恶化，可能预期放弃率参数上升

#### 项目规模变化

历史数据中我们没有看到价值有向上或向下变化的强烈倾向——所以基线没有加入缩放因子。

#### 供应链瓶颈

数据中心建设的史无前例加速可能被产能约束延迟——尽管预测供应链瓶颈何时何地显现极具挑战。土地、劳动力、设备、电力、资本等输入都有紧张迹象（见 Chen 2025、Turner and West 2025、Duguid and Kinder 2025、Whelan 2025）。建设时间线的延迟将大致按比例延迟模拟投资。

---

第 19-20 页 · 第 6 节 结论

我们提供了一种新方法——基于项目级数据和少数经验估计参数，生成总数据中心投资的实时估计与短期即时预测。该方法也可在对未来计划流入做假设的情况下生成中期预测。我们的估计在 2025 样本外表现良好——所以我们用它在 2025 年 9 月观察到的规划和建设活动基础上对 2026 投资做即时预测。我们也展示了如何用方法预测更远——但这些中期预测对当前未知的规划活动流入假设变得相当敏感。

虽然数据中心投资因后疫情时代该领域的大规模投资而备受关注，我们的方法对任何潜在拐点期投资的检验都有价值——只要全面的项目级微数据可获取。也就是说，我们的模拟没有考虑数据中心投资激增或人工智能采纳的众多其它宏观经济效应。在经济演化中分离这些渠道将是未来研究的重要挑战。

---

第 20-22 页 · 参考文献

  • **Acemoglu, Daron**, "The Simple Macroeconomics of AI," *Economic Policy*, 2025, 40(121), 13-58.
  • **Brandsaas, Eirik E., Daniel I. García, Joseph B. Nichols, and Kyra Sadovi**, "Nonresidential Construction Spending is Likely Not as Weak as it Seems," *FEDS Notes*, 2023.
  • **Brandsaas, Eirik E., Robert J. Kurtzman, and Joseph B. Nichols**, "From Plans to Starts: Examining Recent Trends in Manufacturing Plant Construction," *FEDS Notes*, 2024.
  • **Brynjolfsson, Erik, Danielle Li, and Lindsey Raymond**, "Generative AI at Work," *QJE*, 2025-05, 140, 889-942.
  • **Byrne, David M., Carol Corrado, and Daniel E. Sichel**, "Own-Account IT Equipment Investment," *FEDS Notes*, 2017.
  • **Byrne, David M., Carol Corrado, and Daniel E. Sichel**, "The Rise of Cloud Computing: Minding Your P's, Q's and K's," *NBER WP* 25188, 2018.
  • **Chen, Te-Ping**, "Data Centers are a 'Gold Rush' for Construction Workers," *WSJ*, 2025-11-29.
  • **Duguid, Kate and Tabby Kinder**, "Investor Angst Over Big Tech's AI Spending Spills Over into Bond Market," *FT*, 2025-11-11.
  • **Furman, Jason and Robert Seamans**, "AI and the Economy," *Innovation Policy and the Economy*, 2019-01, 19, 161-191.
  • **Gabaix, Xavier**, "The Granular Origins of Aggregate Fluctuations," *Econometrica*, 2011-05, 79(3), 733-772.
  • **Glancy, David, Robert J. Kurtzman, and Lara Loewenstein**, "JUE Insight: Shovel Ready Projects and Commercial Construction Activity's Long and Variable Lags," *Journal of Urban Economics*, 2025.
  • **Millar, Jonathan N., Stephen D. Oliner, and Daniel E. Sichel**, "Time-to-Plan Lags for Commercial Construction Projects," *Regional Science and Urban Economics*, 2016, 59, 75-89.
  • **Peng, Elsie, Joseph Briggs, and Sarah Dong**, "US Daily: A Primer on the Impact of AI on the GDP Statistics," *Goldman Sachs Economic Research*, 2025-09-13.
  • **Reinhart, Abiel and Micheal Feroli**, "US: The Data on Data Centers," *J.P. Morgan: North America Economic Research*, 2025-01-15.
  • **Selgrad, Julia and Kerry Siani**, "Monetary Policy and Investment Plans," *Working Paper*, 2025.
  • **Stock, James H. and Mark W. Watson**, "Evidence on Structural Instability in Macroeconomic Time Series Relations," *JBES*, 1996, 14(1), 11-30.
  • **Turner, Nicol and Darrell West**, "The Future of Data Centers," *Brookings*, 2025-11-05.
  • **Whelan, Robbie**, "CoreWeave Reports Doubling of Revenue From AI Boom," *WSJ*, 2025-11-10.

---

第 23-27 页 · 补充材料

S.1 文本中引用的补充图

#### 图 S1：数据中心相关投资（实际值，年化）

按季度展示数据中心结构和高科技计算机&外围设备的实际（去通胀）投资。

#### 图 S2：开工时间累积分布函数（CDF）

按价值加权——从计划到开工的月数分布。约 94% 项目在 48 个月内开始——这是我们将 48 个月作为放弃阈值的依据。

#### 图 S3：短期模拟投资量分布

  • **密度**：双峰分布，右峰质量更大
  • **CDF**：基于 1000 次模拟，黑色实线为均值、虚线为中位数

S.2 数据构建细节

#### S.2.1 阶段处理

Dodge 原始报告中项目可在 8 个阶段进出：pre-planning、planning、final planning、bidding、underway、completed、abandoned、deferred。

我们做调整以创建跨项目一致的阶段结构： 1. 合并 pre-planning、planning、final planning、bidding 为单一"planning"阶段 2. 我们做的阶段调整使得仅图 S4 所示的阶段变化被允许

具体调整步骤： 1. 每个项目找最后一次进入开工阶段——所有先前条目阶段变为 plan 2. 每个项目找最后一次进入 plan 阶段——所有先前条目阶段变为 plan 3. 任何不在项目结尾的放弃/延期序列——根据最近 plan 或 start 切换。在规划阶段连续 48 个月且最后阶段标签为放弃或 plan 的项目，从 48+1 月起阶段变为 abandoned 4. 完成只能出现在序列结尾（因为完成变量定义：最后更新完成日期后的每个条目都被视为完成）

#### 图 S4：有效阶段转换

``` Entry → Plan → Start → Complete ↓ ↓ Cancel Cancel ```

实线箭头表示允许的转换。从 Entry 出发的虚线代表项目进入数据库的概念时点。

#### 综上确保

1. 放弃或完成条目只能出现在序列结尾。项目不能再被标为延期——若项目正在进行且当前延期，则标为放弃 2. 项目一旦离开 plan 永不返回 plan；项目一旦离开 start 永不返回 start 3. 项目可以在四个重新定义阶段中任一进入数据集

#### S.2.2 主报告与子报告合并

大型项目通常先以主报告报告，随后子报告为特定组件或阶段创建。子报告获得唯一项目 ID——Dodge 提供主-子报告之间的映射（一旦子报告收到首次条目）。

我们用以下方式合并子-主： - 所有条目，取主报告最近值作为项目价值 - 项目"已开始建设"——当第一个子报告开始建设 - 项目"已完成"——当所有子项目完成，或至少一个子项目完成且其它所有子报告已放弃（或有挂起延期） - 项目"已放弃"——当所有子报告已放弃

#### S.2.3 项目移除

Dodge 出于以下原因可能移除项目： 1. 报告是另一项目的重复 2. 项目价值降至 $500k 名义美元以下 3. 项目是主报告且其所有子项目已收到首次报告 4. 项目在 36 个月内未收到阶段更新——后续如有更新会重新引入

数据清理后，我们观察到 3,916 个项目——每个项目平均观察 58 个月，无缺失期。

---

译者后记 — Fed 测算的政策含义一页速查

这份报告为什么重要

这是 Fed 官方对美国数据中心 capex 的独立测算（不是 BEA NIPA，也不是卖方推算）。重要性等同于： - 不依赖任何卖方测算 - 用项目级 micro data（Dodge）自下而上 - 与 BEA NIPA 推算交叉验证一致 - 为 Fed 内部货币政策讨论提供独立锚

核心数字

| 维度 | 数字 | 注释 | |---|---|---| | 数据中心结构 capex | $10bn (2021) → $40bn (2025 H1) | NIPA 唯一直接捕捉 | | DC 计划存量（2025-09） | >$1 万亿 | 含未来项目 | | 新计划流量 | $7bn/yr (2019-2022) → $900bn (2025 to Sep) | 128 倍跃迁 | | 典型放弃率 | 33% | 比一般商业 46% 低 | | 典型计划到开工 | 11 月 | 大项目 15 月 | | 典型开工到完工 | 9 月 | 大项目 20 月 | | 2024:Q4 DC 投资 | $60bn 年化 | 起点 | | 2025:Q4 DC 投资 | $180bn 年化 | 已实测 | | 2026:Q2 DC 投资（mean nowcast） | $370bn 年化 | Fed 即时预测 | | 2026 投资 | $413-526bn | 三情景区间 | | 2027 投资 | $357-921bn | 极大不确定 |

对 GDP 增长贡献

| 年份 | 含进口（pp） | 剔除进口（pp） | |---|---|---| | 2025 | 0.41 | 0.18 | | 2026 | 0.75-1.11 | 0.33-0.49 | | 2027（基线） | 0.45 | 0.20 | | 2027（悲观） | -0.17 | -0.08 | | 2027（乐观） | 1.21 | 0.53 |

→ 若新计划流量回落到历史 1/4，2027 数据中心 capex 将拖累 GDP 增长 0.17pp（含进口），即从 2026 的 +0.91pp 反转。

进口假设关键

  • 数据中心投资**44% 国内 / 56% 进口**
  • 拆分：30% 结构（100% 国内）+ 70% 高科技设备（80% 进口）
  • → **GDP 净贡献只有总投资名义增长的 44%**

与 NVDA $3-4T anchor 的对照

| 来源 | 2026 投资 | 2030/decade end | |---|---|---| | Fed FEDS 2025-109 (本报告) | $464bn (1× 基线) | 未给 — 但 1× 流量推到 2030 大致 $1-1.5T 年化 | | NVDA Jensen FY27Q1 | n/a | $3-4T 年化 by 2030 (全球) |

→ Fed 的隐含 2030 年化预测远低于 NVDA $3-4T——即使乘以 2 (假设全球是美国的 2 倍) 也只到 $1-2T 年化，仍是 NVDA 的 1/3。这与我们前面发现的"NVDA 是同口径分布中的孤峰"高度一致。

关键文献勾连

  • **Acemoglu (2025)** — 简单 AI 宏观经济学（Fed 引用）
  • **Brynjolfsson et al. (2025) "Generative AI at Work"** — QJE
  • **Gabaix (2011)** — granular origins（解释为何 Project Stargate 这类超大项目主导分布）
  • **GS Peng/Briggs/Dong (2025-09-13)** — AI on GDP statistics Primer（与 Fed 方法不同但同主题）
  • **JPM Reinhart/Feroli (2025-01-15)** — JPM 用电力消耗推算（与 Fed 项目级方法对照）

Fed 论文的局限自承（值得强调）

  • **不包括数据中心专用软件投资**
  • **不包括自营设备投资**
  • **不考虑 AI 采纳的其它宏观经济效应**（仅 capex 贡献）
  • **2027 中期预测对新计划流入极敏感**
  • **进口假设引入额外不精确**
  • **没有考虑供应链瓶颈延迟**（土地/劳动力/电力/资本）

政策含义

1. Fed 内部已经把 DC capex 作为独立监控变量（FEDS Notes 系列 + 本工作论文） 2. "granular origins" 视角：少数超大项目（Project Stargate 类）主导总投资分布——意味着一个大项目取消能显著拖累 GDP 3. 基线情景 2027 投资增速回落至 +0.45pp——意味着当前的 +1pp 量级贡献是"暂时的"，需要持续大流入才能维持 4. 悲观情景的 -0.17pp 是关键警示：若新计划流量回落到 1/4 历史水平，DC 从 GDP 顺风变成逆风

---

*翻译完成于 2026-05-25。译文力求忠实于原文（特别是公式与数字），所有引用文献、机构名、模型参数均保留原始格式以便对照。如有疑义请回看原始 PDF。*