领先的技术分析师吉尔·卢里亚认为，人工智能领域的真正金融风险不在于英伟达等芯片制造商，而在于通过债务融资购买硬件的数据中心。可持续人工智能增长的关键指标是软件服务的货币化，而不仅仅是芯片销售。
尽管英伟达强劲的财务表现似乎挑战了人工智能泡沫的说法，但D.A. Davidson技术研究主管吉尔·卢里亚的分析表明，市场关注的风险领域是错误的。更重要的担忧在于购买人工智能硬件的数据中心的债务杠杆商业模式。衡量人工智能经济健康状况的真正标准正在从零部件销售转向人工智能软件和服务的成功货币化。
论点的核心是，对人工智能芯片的巨大需求（推动了英伟达的增长）是由数据中心基础设施中大规模、债务资助的资本支出周期驱动的。这些运营商正大量投资于硬件，期望未来能从人工智能应用中获得回报。然而，这些人工智能服务的收入尚未完全实现，从而造成了潜在的财务不匹配。卢里亚指出，对人工智能硬件的过度采购是建设阶段的指标，不一定是可持续的、盈利的最终用户应用。
偿债成本与人工智能服务产生的实际收入之间潜在的脱节可能会给市场带来显著的波动。如果人工智能服务货币化（如微软和Adobe平台所见）未能充分加速，数据中心运营商可能面临财务困境，导致该行业出现调整。这使得投资者关注的焦点从硬件制造商转向人工智能软件平台的性能和采用率。根据波士顿咨询集团的一项研究，虽然超过75%的领导者每周使用生成式人工智能，但一线采用率仅为51%，这凸显了公司必须弥合的执行差距，以创造价值。
D.A. Davidson的吉尔·卢里亚发出了明确的警告，指出“担忧不应该是英伟达，而是债台高筑的数据中心。”他详细阐述道，人工智能经济成熟度的关键绩效指标与软件巨头开发的平台上人工智能服务的货币化相关，而不仅仅是芯片销售量。普华永道的数据也强化了这一观点，该数据显示，虽然72%的商业领袖认为人工智能提供了显著的竞争优势，但将这种潜力转化为具体的财务回报仍然是一个挑战。高管乐观情绪与运营现实之间的差距是一个核心风险因素。
当前的人工智能投资周期反映了历史上的技术繁荣，其中基础设施支出先于广泛、盈利的应用。人工智能成熟度报告表明，尽管许多行业都在投资人工智能，但整体准备情况和整合程度差异很大。例如，HG Insights人工智能成熟度指数显示，目前只有十个行业超过平均成熟度得分。当前人工智能繁荣的最终成功将不取决于所建设基础设施的容量，而取决于企业重新设计工作流程和执行能够带来切实经济价值的战略的能力，这一观点得到了市场研究的呼应，该研究指出“赢家将不是那些实验最多的人，而是那些执行最好的人。”
