AI 资本开支冲向万亿美元:这场算力豪赌,谁会赢?

换句话说，AI 已经从“大家都想试试”进入“必须先把基础设施抢下来”的阶段。

二、这场豪赌里，最先赚钱的是谁？

如果只看产业链位置，最先受益的通常不是最终应用公司，而是卖铲子的人。

在这一轮 AI 基建潮里，芯片供应商、服务器厂商、网络设备厂商、数据中心运营商、电力与散热相关公司，都处在资金流入的上游。尤其是 AI 芯片供应商，拥有明显的议价权。

报道中有一个细节值得注意：围绕微软资本开支指引的讨论里，部分增量被归因于零部件涨价。这里最值得关注的，并不是某一个数字本身，而是它暴露出的供需关系：当 AI 芯片、服务器、内存和网络设备等关键零部件处在紧平衡状态时，下游云厂商即使体量巨大，也很难完全压住价格。

这就是为什么 AI 半导体产业链会持续保持高景气度。只要先进芯片、HBM、网络互联、先进封装和高端服务器仍然紧缺，产业链上游就会在很长时间里获得更强的话语权。

但这也带来一个反直觉结论：AI 应用越火，短期内未必是应用公司最赚钱；真正稳定吃到确定性红利的，可能是算力基础设施供应商。

应用层还要证明商业模式，模型公司还要承担训练和推理成本，云厂商要背负巨额折旧，而芯片和基础设施厂商只要供给仍然紧张，就更容易把需求转化成收入。

这也是“卖铲子”逻辑在 AI 周期里的再次出现。

三、云厂商为什么明知成本高，还要继续加码？

从财务角度看，AI 资本开支是一件压力很大的事。投入越多，未来折旧越重；如果需求不及预期，就可能变成利用率不足的资产。

但云厂商仍然必须加码，因为 AI 算力不是一个可以临时补货的商品。

数据中心建设需要时间，芯片供应需要排产，电力和网络配套也不是马上就能完成。如果一家云厂商等到需求完全确定后再建设，很可能已经错过最重要的客户窗口。

更关键的是，AI 时代的大客户会优先选择有稳定算力供给的平台。对模型公司、企业客户和开发者来说，算力不只是成本项，也是产品迭代速度。谁能拿到更多稳定算力，谁就能更快训练模型、更快上线功能、更快扩展用户。

因此，云厂商现在的资本开支，本质上是在购买未来的市场位置。

这类似过去的云计算周期：早期也有人质疑数据中心投入太重、回报周期太长，但最后形成规模效应的平台，变成了整个互联网和企业软件的底座。AI 云也可能重复这个逻辑，只是金额更大、竞争更激烈、技术迭代更快。

所以，云厂商不是不知道风险，而是无法承受缺席。

四、泡沫风险在哪里？

资本开支冲向万亿美元，并不自动等于产业一定健康。恰恰相反，投入越大，越需要追问回报。

当前最大的风险有三个：

这也是为什么市场一边追逐 AI 基建链，一边反复追问大型云厂商的投入回报率。

因此，这一轮 AI 基建潮不能简单理解为“越投越好”。它更像一场高确定性需求与高不确定性回报并存的竞赛。

确定的是，AI 需要大量算力。

不确定的是，谁能最终把这些算力变成足够高的利润。

五、这场豪赌最后可能分出三类赢家

如果把产业链拆开看，我更倾向于把未来几年的赢家分成三类。

赢家一：卡住稀缺供给的上游公司

这一层最典型的是：

• GPU / AI 加速器
• 先进封装、HBM、高速互联、交换芯片
• 服务器、电源散热、数据中心关键设备

英伟达当然是最容易被想到的例子；博通这类服务超大规模客户的定制芯片和网络芯片公司，也属于这一层。

再往后看，内存、封装、服务器 ODM、液冷、电力设备公司，都会被这轮资本开支外溢影响。

它们的共同点不是“离 AI 最近”，而是卡在供给瓶颈上。只要算力供给继续紧，价格和交付周期就会替它们说话。

赢家二：把算力规模变成平台优势的云厂商

微软 Azure、亚马逊 AWS、Google Cloud、Oracle Cloud 以及部分区域性云和算力云，都在争夺这一位置。

但不是所有云厂商都能赢。真正关键的是三件事：

1. 能不能拿到足够多的芯片和电力；
2. 能不能把算力卖给有长期预算的大客户；
3. 能不能让集群保持足够高的利用率。

云厂商看起来是在买 GPU，实质上是在赌自己能不能把 GPU 变成客户合约、平台生态和长期现金流。

赢家三：把 AI 变成业务结果的应用和模型公司

这一类不一定是参数最大的模型公司，反而可能是能把 AI 嵌进真实工作流的公司，比如：

• 企业软件、客服、代码、设计、营销
• 数据分析、安全、医疗、工业软件

ServiceNow、Salesforce、Adobe、Cloudflare 这类公司各自切入的场景不同，但共同问题类似：

客户是否愿意为 AI 功能持续多付钱？AI 是否真的减少人力、缩短流程、提高转化或降低风险？

只有能把“调用模型”变成“业务结果”的公司，才可能从基础设施红利走向商业红利。

所以，最危险的反而是夹在中间的玩家。

这类公司通常有几个特征：

• 没有上游定价权
  
  ：买不到最便宜、最稳定的算力；
• 没有云平台规模
  
  ：无法把固定成本摊薄；
• 没有清晰应用收入
  
  ：只能不断购买昂贵算力维持模型或产品竞争。

它们可能是缺少差异化的通用模型公司，也可能是只把大模型 API 包一层的应用创业公司，还可能是没有电力、网络和客户优势的中小算力平台。

在资本开支上行期，这类公司看起来也在增长，因为融资、订单和行业热度会掩盖成本问题。

但如果未来某个阶段出现供给集中释放、模型价格下行、客户预算收紧，压力会最先落到它们身上：上游供应商还能卖设备，云巨头还有资产和客户，真实应用公司还有收入；夹在中间的人，可能只剩越来越贵的折旧和越来越便宜的模型服务价格。

六、对普通读者，真正值得关注的不是“万亿美元”本身

“2027 年 AI 资本开支可能突破 1 万亿美元”是一个足够吸引眼球的数字，但它不是结论，只是信号。

真正值得关注的是三条变化：

• AI 正在从模型竞赛，进入基础设施竞赛；
• 从产品热潮，进入资本开支周期；
• 从讲故事，进入谁能承担成本、谁能消化供给、谁能获得回报的阶段。

这意味着未来几年，AI 行业的主线可能会发生变化。

我们仍然会看到更强的模型、更酷的应用和更多 AI Agent，但决定行业格局的，不只是产品体验，还包括芯片供给、云厂商资本预算、数据中心建设、电力约束、客户合约和单位推理成本。

一句话总结：AI 的上半场，比的是模型能力；下半场，很可能比的是谁能把算力变成可持续的生意。

如果这场万亿美元级别的资本开支最终被证明是正确的，那么 AI 将成为下一代计算基础设施。如果它被证明过度乐观，那么这也可能成为科技行业新一轮资本错配的典型案例。

现在还不能下最终结论。

但可以确定的是，AI 的竞争已经越来越重，越来越贵，也越来越接近真正的产业底层。

信息来源

• 华尔街见闻：《2027年，AI资本开支将达1万亿美元？》
• CNBC：AI boom: Big Tech capital expenditures now seen topping $1 trillion in 2027
• The Register：Microsoft lifts 2026 CapEx by $25B to cover price rises
• Microsoft Investor Relations：Fiscal Year 2026 Earnings Conference Call
• NVIDIA Newsroom：NVIDIA Announces Financial Results for Fourth Quarter and Fiscal 2025
• Broadcom Investor Relations：Broadcom Inc. Announces First Quarter Fiscal Year 2025 Financial Results
• Oracle Investor Relations：Oracle Announces Fiscal 2025 Third Quarter Financial Results
• Meta Investor Relations：Meta Reports First Quarter 2025 Results
• Cloudflare Blog：Workers AI: serverless GPU-powered inference on Cloudflare’s global network
• 事件摘要：美银上调 2026 年全球云厂商资本支出至超 8000 亿美元，同比约 +67%；2027 年或破万亿美元；微软资本开支与零部件涨价相关讨论，体现 AI 基建链条的供需紧张。公司案例部分基于公开财报、投资者关系材料和产品材料，用于产业链分析，不构成投资建议。