利用项目级数据估算数据中心总投资

联邦储备委员会，华盛顿特区 ISSN 1936-2854（印刷版） ISSN 2767-3898（网络版） 使用项目级数据估算总数据中心投资 埃里克·埃兰兹·布兰德萨斯，丹尼尔·加西亚，罗伯特·库茨曼，约瑟夫·尼克斯，和阿黛莉亚·齐特克 2025-109 请引用此论文：品牌萨斯，埃里克·艾兰兹，丹尼尔·加西亚，罗伯特·库茨曼，约瑟夫·尼科尔斯和阿黛莉亚zytek（2025）。“基于项目级数据估算数据中心总投资，”金融与经济学讨论系列2025-109。华盛顿：理事会联邦储备系统，https://doi.org/10.17016/FEDS.2025.109。 注意：金融与经济学讨论系列（FEDS）中的员工工作论文是初步材料，用于激发讨论和批评性评论。所提出的分析和结论是作者的观点，并不表示研究团队其他成员或董事会成员的赞同。在出版物中引用金融与经济学讨论系列（除致谢外）应获得作者许可，以保护这些论文的初步性。 使用项目级数据估算总数据中心投资* 2025年12月17日艾瑞克·埃兰德·布兰德萨斯†1,丹尼尔·加西亚‡1, 罗伯特·库茨曼§1, 约瑟夫·尼科尔斯¶1，以及阿黛莉亚·齐特克||11联邦储备委员会 摘要 美国数据中心投资在后疫情时代迅速增加，未来投资计划进一步激增。在这样一个转折点预测投资是一项重要但潜在的充满挑战的工作，尤其考虑到汇总数据可用性的滞后性。我们开发了一种简单的方法，使用项目级别的微观数据和少量参数来预测汇总投资：具体而言是放弃率、从计划到启动的时间以及从启动到完成的时间。作为我们方法的关键验证，我们生成了与NIPAs（美国国民经济分析局）近期汇总数据中心投资历史相匹配的估计值。然后，我们使用该方法生成了短期汇总数据中心投资的即时预测，平均预测表明投资将于2026年第二季度增长至3700亿美元（年化）。我们可以将我们的方法论进一步延伸，但我们的预测将取决于假设的新数据中心计划流量。假设未来计划从2024-2025年计划的四分之一到两倍的平均速度，意味着2027年的投资预测范围在3600亿美元至9300亿美元之间，这表明了未来投资水平的巨大上行和下行风险。 关键词：数据中心，商业地产，预测，建设，规划时间 JEL分类：R33，E22，E32，L74 1. 简介 后疫情时代数据中心投资激增，从2021年到2025年，数据中心结构投资大致增长四倍。与此同时，未来数据中心的计划显著增加，在2025年秋季总额超过1万亿美元。鉴于这些发展，政策制定者和从业者面临的一个重要问题是理解这种投资的短期规模和长期动态。 我们的论文提供了一种回答这个问题的方法，该方法可以使用项目计划微观数据和一个节省的参数数量来生成汇总实时预测。这种方法为在拐点初始阶段生成非平稳时间序列的预测提供了一个替代框架。1 我们将方法应用于数据中心行业的项目级数据，该行业正处于恰好这样的拐点之中，并且因其在对潜在变革性的人工智能驱动服务发展中所起的作用而引起广泛关注。我们的方法在短期内产生了合理的样本外性能，我们展示了如何将其扩展到更长的预测期，突出了未来新计划流动假设的重要性。 为了在短期内生成未来投资的预测（定义为一年期，即我们数据集中从计划到启动的典型时间），我们需要三个参数。对于在建项目，我们需要完工时间。对于规划中的项目，我们需要计划到启动的时间。最后，我们需要项目的放弃概率，在我们的样本数据中心行业的历史数据中约为33%。要生成一个超过一年的预测，我们称之为中期，需要对新计划的流入做出假设。这是一项更微妙的任务，因为它需要对未来计划的范围和价值做出假设。2 我们应用我们的方法来估计和预测数据中心投资，使用来自道奇建筑网络的项目计划微观数据，涵盖近期历史和短期。 （规避）然后通过生成中长期预测来扩展分析。Dodge数据的优点在于其作为人口普查局“已建成建筑投资”（CPIP）调查的输入，为BEA的投资测量提供信息。此外，该项目微观数据通常包括总成本估计，这使我们能够讨论整体数据中心投资，而不仅仅是数据中心结构投资。 我们首先使用道奇公司从2003年到2025年报告的数据中心项目计划历史数据，来生成上述讨论的三个关键参数的估计值。将这些应用于道奇数据中心项目历史，为国民收入和产品账户（NIPA）中的数据中心总投资提供了定量相似的估计，从而验证了我们的方法。然后，我们使用截至2025年9月的道奇微观数据，通过蒙特卡洛模拟方法预测数据中心投资的短期路径。在我们的模拟平均值中，投资从2024年第四季度的约600亿美元增加到2025年第四季度的1800亿美元，到2026年第二季度达到每年约3700亿美元的速度。然后，我们针对未来数据中心新计划流量三种不同情景，预测到2027年的投资。这些情景假设未来计划的速度从2024-2025年平均速度的四分之一到两倍不等。在这些模拟中，2027年的平均年化投资在更悲观的替代方案中约为3600亿美元，在更乐观的情景中约为9300亿美元；实际上，到2027年底，投资的水平很大程度上取决于假设的新计划流入，而不是当前的计划存量。 作为我们工作的一部分，我们开发了一种识别NIPAs中数据中心特定投资的方法。尽管NIPAs中已经产生了数据中心建筑投资总额，但计算机设备和外围设备投资（E&I）没有被单独列为中心数据投资。由于此类E&I投资包括其他产品类别，例如商业笔记本电脑和其他计算机设备采购，我们主张应剔除不属于中心数据范畴的投资水平。我们提出了一种简单的方法来构建NIPAs中数据中心投资总额的度量。由于NIPAs存在滞后发布，我们自下而上的方法的一个额外优势是它允许实时估算此类总投资额。 我们的研究为关于人工智能更广泛的经济影响的研究提供了重要的补充（例如，Acemoglu 2025,富尔曼和西曼斯 2019，或布林约夫森等 2025). 而，这些论文专注于AI重新排列经济体系的潜力，主要通过提高劳动生产率，这种潜在的进展是底层物理构建的函数 数据中心的基础设施。我们的工作因此为该文献提供了一份宝贵的补充，即一种创新的方法，可以将详细的 项目级规划数据转化为实际投资的 时间序列，这是提供下一代人工智能服务的先决条件。 这项分析也促进了运用项目级规划微观数据研究投资的文献。格拉尼等(2025)表明非计划性放弃是商业建筑空间短期供给弹性的关键决定因素,为我们的建模方法提供了动机。Millar等人(2016) 估算已完成项目的时间规划，并强调项目间从规划开始到实际开始以及从开始到完成的时间存在显著异质性。塞尔格兰和希阿尼(2025）展示了计划投资和货币政策对企业层面项目的相互作用，证明了新项 目在应对货币政策冲击方面的重要作用。Brandsaas 等(2024) 分析制造业活动的计划，突出了在《降低通胀法案》和《芯片与科学法案》实施时间附近启动率上升的情况。我们的研究表明计划对预测数据中心投资的价值；该框架可以自然地应用于非住宅结构投资，其通常占私人投资的约20% (Brandsaas 等,2024)，或转移到其他形式的投资，在这些投资中，由于规划、规划时间和建设时间而导致的废弃可以始终估计。 其余部分按此进行。在章节2，我们描述了我们如何获得 NIPAs 中的数据中心投资总额。在第三节3，我们介绍了我们用于从项目级数据生成汇总数据中心投资的框架。在第三节4，我们描述Dodge数据及其属性。在第三节5，我们展示了仿真结果。在第三节6，我们得出结论。 2. Nipas数据中心投资的测量 NIPA中不包含一个能够涵盖所有数据中心投资的单一投资类别。相反，与数据中心相关的投资被记录在几个主要类别中。BEA使用人口普查的非住宅建筑CPIP报告来衡量结构投资。图左侧面板1显示数据中心结构的名义支出已迅速增长，从2021年的约100亿美元增长至2025年上半年约400亿美元。3 然而，数据中心的总投资远大于其本身结构，因为数据中心配备了高科技资本货物，包括服务器、存储阵列和网络 来源：作者使用经济分析局的数据进行的计算。 硬件。最终计算机硬件的采购，包括服务器和其他成品计算设备，计入信息处理设备私人固定投资中的“计算机和外设”组成部分，如图左 panel 中显示的实蓝线所示。1本系列的水平也反映了在其它计算机设备上的投资，例如商业采购的笔记本电脑和打印机。 我们的方法是将这种计算机E&I投资有效去趋势化，并将残差作为数据中心中的E&I投资。我们估计了2015年至2022年的时间趋势，如图左面板中的虚线所示。4 这是在没有近期数据中心活动激增的情况下对反事实投资的估计。接下来，我们将实线和虚线之间的差异解释为反映数据中心设备投资，并将此差异加到结构投资（黑色线，左图）上，以获得数据中心投资的衡量指标。 该总和显示在图1的右图中。尽管我们认为这个数据中心 投资准确地捕捉了数据中心投资的近期趋势，我们注意到这仍然是一个不完善的估计。一方面，它不包括一些相关部分，例如专门数据中心软件的投资或自有账户设备投资。5 另一方面，如果，比如说，笔记本电脑的业务采购显著高于趋势，那么这个估计可能包括一些与数据中心无关的设备采购。 3. 基于项目级规划数据预测总投资的框架 在本节中，我们描述了使用项目级数据模拟汇总数据中心投资的框架。 3.1. 环境 我们的分析在项目级别进行索引，每个项目i具有特征向量x.i这些特征包括以美元计的总项目成本估算V项目进化i通过不同阶段，j项目阶段可以是以下四个值之一：规划中（P）、建设中或“已开始”（S）、已完成（C）或已放弃（A）。 所有项目均假定以规划阶段（P）开始，然后在若干个时期后进入施工启动或被放弃。一旦启动，项目假定在若干个额外的时期后达到完成。6 T(x)从计划到施工的平均时间，可以因项目特性而变化，在iP,ST(尤其是项目的规模。从开始到完成平均需要的时间，x)，可以同样iS,Cλ(随项目特征而变化。放弃率，x)，是项目平均数i那些从一开始因规划而被放弃的，也可能因项目特性而变化。 在建设阶段，关于投资分布可能存在各种潜在的假设——也就是说，一旦开始建设，支出是如何逐步到位的。 对于我们的分析，我们假设投资在建设时间线上均匀分布。V从开始到完成所需的数月和T我=实际上具有价值的项目,花费出去 i/T(x)从其开始日期到完成每月一次。这种假设将会太iS,C如果我们只考虑建筑建设的话，美国人口普查局估计 >对于非常大的项目（1亿美元），需要3年以上的时间才能完全建成，通常第一年会有大约50%的价值分期交付，到第二年年底则有90%。7 然而，假设设备安装比结构本身的施工更倾向于后期进行似乎是合理的。因此，这一假设平衡了这些相互竞争的力量；然而，这一假设在我们的方法中可以轻易地被改变。 在模拟和讨论中，我们发现区分“短期”和“中期”是有帮助的。在短期——大约从最后一个规划数据的年份开始的一年里——投资水平主要是由当前现有计划的存量决定的，因为计划通常需要大约一年时间才能从规划阶段进入施工启动阶段。虽然短期的投资很大程度上是现有计划的因素，但中期的投资反而严重依赖于关于未来计划流入的假设。 3.2. 短期预测 考虑到上述定义的三个参数，以及在该时间点仍处于规划阶段或仍在建设中的项目库存t,我们可以根据这些项目生成按项目现场价值计算的总量时间序列的即时预测。第一步是将项目开始施工的月份记为s对于在数据中观察到开始日期的项目，我们知道开始日期，而对于项目i那是计划（在模拟中未取消的），s可以从该月得出i T(项目输入了从计划开始到的时间x).iP,S 当月在建投资价值总额t由所有在建项目在该月份的求和给出t: 1[ ]哪里·是一个指示函数，当项目i正在建造中月份t和 0我=否则，和V/n是按上述定义的月度项目级投资。因此，一个项目是iiT(在建工程，比如十二个月（x) =12) 并于2025年1月开始施工iS,C将在全年为投资做出贡献。我们注意到，这个投资框架—ti i i i S,ci 在项目施工期间逐步