随着全球AI基础设施进入资本开支周期，财产保险行业将迎来巨大的市场空间，以及可保资产风险池形态的重构

文｜王言

人工智能（AI ）正进入新一轮资本开支周期。高盛在最新报告中指出，人工智能投资的重心已开始从模型研发向更广阔的实体经济延伸，在算力、电力和数据中心持续高速建设的同时，AI正加速进入制造、能源、物流、国防、生命科学和机器人等现实场景。高盛预计，2026年至2031年，全球围绕计算、数据中心和电力的AI资本开支将达到约7.6万亿美元。

中国也正快速进入这一轮AI基础设施建设周期。2026年初，中国AI大模型日均Token（词元）调用量已突破140万亿，较两年前增长约1000倍；全国在运营、建设及规划中的智算中心项目超过500个，智能算力规模达到188.2万P（P代表千万亿次浮点运算每秒）（FP16），位居全球第二；“十五五”期间，我国算力基础设施投资规模预计约2万亿元，一个覆盖智算中心、GPU（图形处理器）集群和算力网络的新型数字基础设施体系正在加速形成。

当人工智能进入资本开支时代，一个过去并不存在的AI基础设施资产池也正在快速形成。伴随数万亿元基础设施投入而来的，不仅是新的产业机会，也意味着大量高价值资产开始持续积累。对于保险行业而言，一个新的风险池正在形成，与之相匹配的风险保障体系仍有待完善。

AI进入资本开支时代，一个新资产池正形成

中国是否正在形成一个足够大的AI基础设施资产池？这个资产池是否足以改变保险行业长期形成的风险结构？

答案正在逐渐显现。

随着大模型应用范围不断扩大，人工智能模型调用规模正在快速增长。数据显示，国内AI大模型日均Token调用量在两年内增长约1000倍，从2024年初的1400亿增长至2026年3月的140万亿。人工智能正在从少数科技企业的技术试验，进入金融、制造、能源、医疗等行业的大规模商业应用阶段。

而每一次技术从实验阶段走向产业化，都伴随着基础设施投资周期的开启。

过去几年，人工智能产业竞争主要围绕模型能力展开，大模型参数规模不断扩大，算法能力持续突破。但随着生成式人工智能进入规模化应用阶段，产业竞争正在发生变化：人工智能正在从“模型竞争”进入“基础设施竞争”。

支撑AI发展的关键资源，正在从软件能力转向更加重资产的基础设施体系。大模型训练、推理服务以及企业智能化应用，都需要持续投入大量计算资源，算力正在成为人工智能时代类似电力、通信和交通的新型基础设施。根据相关数据，截至2026年3月，中国智能算力规模达到188.2万P（FP16），较去年同期增长2.5倍；2025年中国算力市场规模预计达到8351亿元，并有望在2026年突破万亿元规模。与此同时，全国在运营、建设及规划中的智算中心项目已经超过500个，万卡级智算集群不断增加。

与过去互联网产业依靠软件、平台和流量实现快速扩张不同，人工智能的发展具有更加明显的资本密集型特征。一个大型智算中心并非简单堆叠服务器，而是由建筑、电力供应系统、高性能GPU服务器、制冷系统、网络设备以及安全设施共同构成的复杂基础设施体系。

从全球范围看，AI基础设施投资规模正在达到前所未有的水平。瑞士再保险（Swiss Re）的相关研究指出，人工智能发展正在推动新的资本开支周期，并创造大量过去不存在的可保资产（insurable assets）。部分大型数据中心建设成本已经达到数十亿美元规模，在部署高价值GPU设备后，整体投资规模可能进一步提升，超大型项目甚至可能超过200亿美元。

这意味着，AI基础设施正在形成一个新的高价值资产池。从保险行业视角看，这一变化具有重要意义。

过去几十年，财产保险主要围绕工业化时代形成的风险资产展开，包括工业厂房、生产设备、商业建筑以及能源交通设施。而人工智能时代正在创造新的风险暴露对象，包括智算中心、GPU集群、算力网络以及围绕人工智能运行形成的数字基础设施体系。

当单体投资规模达到数十亿美元甚至百亿美元级别的新型基础设施不断增加时，它带来的不仅是科技产业机会，也意味着一个新的风险保障市场正在形成。

超级算力资产正在创造超级风险

人工智能基础设施的大规模建设，正在创造一个新的高价值资产池。但对于保险行业而言，真正值得关注的不仅是资产规模的快速增长，更是这些资产背后风险形态的深刻变化。

因为AI基础设施与传统工业资产存在一个根本区别：它的价值并不只体现在设备本身，而在于持续提供计算能力的能力。

过去几十年，财产保险主要围绕“物理资产损失”展开。工业厂房发生火灾，保险关注的是建筑、生产设备和库存损失；能源设施发生事故，保险关注的是设备损毁和工程修复成本。传统财产保险的风险逻辑，本质上是围绕固定资产价值建立的。

但对于人工智能基础设施而言，风险正在发生变化。智算中心最重要的资产不仅是其中部署的GPU服务器，而是这些设备共同形成的算力生产能力。一旦关键系统出现故障，即使没有发生严重的物理损毁，也可能造成巨大的经济损失。

这意味着，AI时代保险面对的问题正在从“设备损坏怎么办”，转向“算力生产体系停止运行怎么办”。

AI基础设施可能同时面临资产损失、营业中断以及物理风险与数字风险融合等多重风险。智算中心由高价值GPU服务器、电力供应系统、制冷设备、网络设施等多个复杂系统组成，任何关键环节出现故障，都可能影响整体运行。

与传统工业资产相比，AI基础设施具有更高的技术复杂度和系统关联性，风险并非单一设备损坏，而可能涉及整个基础设施体系。与此同时，对于依赖算力服务的企业而言，真正的损失并不仅是设备维修成本，更包括算力服务中断带来的模型训练延期、人工智能应用暂停、客户服务中断以及合同履约风险等业务影响。

此外，人工智能时代的智算中心承载的不只是服务器和数据，更承载企业核心AI应用、模型训练任务以及大量商业服务，网络攻击、数据泄露、勒索软件和供应链安全风险，也正在成为影响算力基础设施运行的重要因素。

尤其对于大型智算中心而言，网络风险的影响可能远超传统企业信息安全事件。一次网络攻击可能导致算力服务中断，影响模型训练进度，甚至造成大量企业客户业务暂停。因此，未来围绕AI基础设施形成的保险需求，将不再属于单一险种范畴，而需要融合财产损失、营业中断、网络安全、第三方责任以及供应链风险等多个维度。

与此同时，AI基础设施的快速发展也正在挑战保险行业长期形成的承保和定价能力。当单个智算中心投资规模达到数十亿美元甚至百亿美元级别时，传统保险模式中的风险分散机制将面临新的挑战。

对于保险公司而言，未来需要回答的不只是“是否承保”，更重要的是如何准确评估风险：大型算力中心的风险如何量化？物理风险、网络风险和业务中断风险如何组合定价？多个大型项目同时出现风险时，如何控制行业整体暴露？

从风险保障到风险管理：算力保险重构新生态

AI基础设施正在创造一个新的高价值资产池，但对于保险行业而言，真正的挑战并不只是市场需求的出现，而是如何理解和管理一种过去不存在的新型风险。

传统保险体系建立在长期风险数据积累基础之上，通过历史损失数据判断风险发生概率、损失程度和合理价格。但对于智算中心、GPU集群和算力网络而言，很多风险仍处于早期阶段，保险行业正在面对一个“高价值、低历史数据”的新风险领域。

对于保险公司而言，算力保险的发展方向并不是简单增加一个新的保险产品，而是推动风险管理模式发生变化。过去，保险主要承担事故发生后的经济补偿功能；但对于投资规模达到数十亿美元的智算中心而言，企业更需要的是在建设、运营和服务全过程中的风险管理能力。保险公司需要通过风险评估、持续监测、事故响应和损失控制，将风险管理从事后赔付逐步前移。

人工智能时代，保险面对的不只是一个新的业务机会，而是一类新的风险资产。未来，围绕AI基础设施形成的保险体系，将不再局限于单一险种，而需要融合财产损失、工程风险、营业中断、网络安全和第三方责任等多维保障。同时，保险行业需要逐步建立针对AI基础设施的风险数据体系和定价模型。谁能够率先积累算力基础设施运行数据、风险案例和损失经验，谁就更有可能获得这一新兴风险市场中的定价能力。

从风险保障到长期资本：保险业解锁AI时代新角色

人工智能基础设施的发展，不仅创造了新的保险需求，也正在带来新的资产配置机会。过去几十年，保险资金凭借长期负债属性和稳定资金来源，持续参与交通、能源、新型基础设施等长期资产投资。随着AI产业进入基础设施建设阶段，智算中心、数据中心和算力网络等新型资产，也可能成为未来长期资本关注的重要方向。

AI基础设施具有投资周期长、资本投入大、产业带动效应强等特点，与保险资金长期投资、价值投资特征具有较强匹配性。近年来，保险资金已经成为人工智能产业生态发展的重要长期资本来源之一：一方面，保险资金通过股权投资、产业基金等方式参与AI产业链上下游企业发展，为人工智能基础设施建设和产业生态完善提供长期资本支持。

另一方面，随着算力中心、数据基础设施等新型资产规模快速增长，保险行业也正在通过算力保险、数据中心保险和网络安全保险等创新产品，为人工智能基础设施建设提供风险保障。保险资金正在从传统金融投资者逐步拓展为人工智能产业发展的长期资本伙伴。

未来，随着算力成为数字经济的重要生产资料，保险行业能否建立与AI基础设施发展相匹配的风险管理能力，将成为观察保险业服务新质生产力发展的一个重要窗口。

（作者王言为北京水木方略咨询有限公司创始人，编辑：杨芮）

责编 | 陈湘

题图来源 | 视觉中国