IBM首席执行官阿尔文德·克里希纳（Arvind Krishna）在接受媒体采访时表示，当前数据中心的建设与运营成本结构，使得行业在通用人工智能（AGI）领域的巨额资本投入难以获得合理回报。他指出，随着AI企业为追求AGI不断扩张计算能力，现有基础设施的经济可行性正面临严峻挑战。
克里希纳通过具体数据揭示了这一困境的严重性。他估算，建设一个1吉瓦规模的数据中心需要约800亿美元投入，若某家企业计划构建20至30吉瓦的数据中心集群，其资本支出将高达1.5万亿美元（按当前汇率折合约10.62万亿元人民币）。更值得关注的是，全球范围内已公布的AGI相关建设规划总量可能接近100吉瓦，对应总投资规模约8万亿美元（折合约56.63万亿元人民币），仅利息成本就要求企业每年创造8000亿美元利润才能维持运营。
芯片折旧周期成为制约长期回报的关键因素。克里希纳解释称，当前数据中心使用的AI芯片通常需在五年内完成折旧，此后可能面临技术迭代被替换的命运。这种快速更替模式使得企业难以通过延长设备使用寿命来分摊初期投入，进一步压缩了投资回报空间。
在技术路径评估方面，克里希纳表现出审慎态度。他认为，基于现有技术框架实现AGI的可能性几乎为零，具体概率评估在0%至1%之间。这一观点与多位科技界人士形成共鸣：Salesforce首席执行官马克·贝尼奥夫（Marc Benioff）、斯坦福大学教授吴恩达（Andrew Ng）以及法国AI初创公司Mistral CEO亚瑟·门施（Arthur Mensch）均对AGI的加速发展持保留意见。OpenAI联合创始人伊利亚·苏茨克沃（Ilya Sutskever）更直言，大模型时代的"规模扩张效应"已接近理论极限，未来发展将回归研究驱动模式。
尽管对AGI路线存疑，克里希纳仍肯定现有AI技术对企业效率的显著提升作用。他预测，AI工具将在企业领域创造"数万亿美元级"的价值增量，特别是在硬知识体系与大模型结合的领域可能孕育突破。不过他同时强调，这种技术融合的成功概率仍存在不确定性，行业需要保持理性预期。
