万亿资本开支背后,AI从故事走向重资产战争
*内容为转载编译，仅为呈现不同市场观点与研究视角，并不意味着本公众号对文中观点结论认可。
Alphabet、Microsoft、Amazon、Meta几乎在同一时间窗口把AI资本开支推上新台阶。Google把2026年资本开支指引上调至1800亿—1900亿美元，Microsoft被华尔街测算全年资本开支可能接近1900亿美元，Amazon维持约2000亿美元级别投入，Meta也把2026年资本开支区间抬到1250亿—1450亿美元。
资本市场对这组数字的反应很分裂：Alphabet上涨，Meta下跌，Microsoft承压，Amazon震荡。分歧不在“花钱多不多”，而在“钱能不能回流”。AI产业已经离开单纯讲故事的阶段，进入现金流验证期。
能把模型调用、云收入、广告效率、企业订阅转成真实收入的巨头，会被允许继续扩张；只会展示支出规模的公司，则会被市场重新审问ROI。资本开支成了AI商业化的压力测试，也把产业竞争推向更重、更硬、更难回头的阶段。
这轮AI资本开支上修，最重要的变化，不是规模变大，而是资金性质变了。
2023年到2024年，AI投资更像战略卡位。巨头争的是模型能力、GPU产能、开发者入口和产品话语权。那时，市场愿意相信“先投再说”，因为谁都害怕错过下一代平台。到了2026年，资本市场的耐心没有消失，但标准变得更硬：AI支出需要看到收入承接，最好还能看到利润率、积压订单和现金流。
Alphabet是这轮财报里最典型的样本。公司2026年一季度营收达到约1100亿美元，同比增长22%；Google Cloud收入增长63%至200亿美元，云业务经营利润率提升到约33%。更关键的是，Alphabet披露Gemini等自有模型通过客户直接API调用处理的token已经超过每分钟160亿，环比增长60%。这组数据让市场相信，Google的AI投入已经从底层算力，传导到了云收入、企业客户和开发者调用。
Microsoft给出的信号也很直接。公司在2026财年第三季度披露，AI业务年化收入运行率超过370亿美元，同比增长123%；该季度收入829亿美元，同比增长18%，Azure增速维持在高位。Microsoft Cloud毛利率虽受到AI基础设施和AI产品使用增长影响降至66%，但公司仍交出了超预期收入、经营利润和EPS。
Amazon的逻辑更偏“云+自研芯片”。2026年一季度，Amazon总收入1815亿美元，同比增长17%；AWS收入376亿美元，同比增长28%，为近四年最快增速。公司还披露，Trainium相关收入承诺超过2250亿美元，AI创业公司和大客户对AWS基础设施、自研芯片和模型服务形成更强绑定。
Meta则是另一种路径。它没有公有云业务，但AI对广告推荐和内容分发的改善已经体现在收入端。2026年一季度，Meta收入563亿美元，同比增长33%；广告展示量增长19%，广告单价增长12%。不过，公司把2026年资本开支指引上调至1250亿—1450亿美元，市场随即担心AI基础设施投入吞噬自由现金流，股价承压。
四家公司放在一起看，结论很清楚：AI资本开支不再天然加分。Alphabet能涨，是因为Google Cloud、搜索和Gemini调用量给出了回款证据；Meta被砸，是因为广告业务虽强，但投资人仍担心它重复元宇宙时期“花钱太快、兑现太慢”的老问题。
这就是AI产业的新规则：巨头可以继续砸钱，但市场要看到闭环。
云收入、模型调用、企业订阅、广告效率、订单积压，至少要有一条线跑得足够快。
过去的逻辑是“投AI，所以估值上修”。现在更接近“AI已经赚钱，所以继续投”。这层顺序变化，决定了接下来AI行情会从主题扩散，转向财报筛选。
如果收入验证回答了“为什么敢投”，供给约束回答的就是“为什么必须投”。
当前AI产业最硬的瓶颈仍在基础设施。GPU、HBM、SSD、光模块、网络设备、先进封装、基板、电力、散热，每个环节都在把云厂商往前推。模型越大，推理越多，用户越快上量，算力需求就越难靠短期采购解决。
Tom’s Hardware援引机构测算称，Google、Microsoft、Meta、Amazon四家公司2026年资本开支合计预计达到7250亿美元；Reuters也提到，主要美国科技公司的AI投资预计将在2026年超过7000亿美元。另有美银分析师估算，2026年超大规模云厂资本开支将超过8000亿美元，并存在2027年迈向1万亿美元的路径。
这些数字看上去夸张，但背后的产业逻辑并不复杂：算力已经从扩张性投入，变成防御性资源。
云厂商如果不提前锁GPU、存储和数据中心容量，后续就可能拿不到客户订单；如果不布局自研芯片，就会长期受制于英伟达、博通、Marvell等供应商；如果不提前建设电力和冷却基础设施，模型和应用需求起来之后，也无法马上交付。
Google就是典型例子。公司在一季度把2026年资本开支指引上调至1800亿—1900亿美元，同时表示需求受到算力供给约束。Google Cloud收入增长63%、积压订单显著扩大，反过来让资本开支更容易被投资人接受。
Microsoft的问题更尖锐。市场报道显示，公司资本开支大幅上行，部分来自组件价格上涨和AI基础设施建设；其资本开支压力已经压低自由现金流表现。Microsoft官方也承认，AI基础设施和AI产品使用增长正在拖累云毛利率。
这类成本压力，本该压制企业投资意愿。但AI周期里，价格上涨反而强化了“先锁资源”的动机。谁能更早拿到GPU、HBM、SSD、光模块和数据中心容量，谁就能更早承接客户需求。
过去，云厂商主要采购商用GPU，围绕英伟达体系搭建训练和推理集群。2026年之后，行业明显走向“商用GPU+自研芯片+专用ASIC”的混合结构。Google推动TPU商业化，Amazon Trainium拿到大额承诺，Meta继续推进MTIA，Microsoft也在自研芯片和外部采购之间做组合。
这意味着资本开支不只是买更多机器，更是在押注未来算力结构。
通用GPU解决生态和灵活性，自研芯片解决特定场景的成本效率，网络和存储解决数据吞吐，软件平台负责把这些资源调度起来。AI基础设施已经不再是一堆服务器，而是一套重资产、重工程、重供应链的系统竞争。
这也是为什么云巨头越投越多。AI不是一个轻资产插件，而是下一代云计算的底层成本结构。谁的基础设施更强，谁就能给客户更便宜、更稳定、更低延迟的模型服务；谁的单位算力成本更低，谁就更有余地打价格战、抢开发者和企业客户。
AI资本开支上修，最直接受益的未必是云厂本身，而是基础设施链条。
第一层仍是算力芯片。英伟达短期仍是最确定的受益者，数据中心业务已经成为公司绝对核心；AMD、Broadcom、Marvell也会围绕GPU、ASIC、网络芯片和定制芯片拿到更多机会。云厂商自研芯片会削弱部分英伟达的份额想象，但也扩大了整个AI芯片市场。
第二层是存储和网络。AI训练和推理把数据吞吐推到更高位置，HBM、企业级SSD、高速以太网、InfiniBand、光模块、交换芯片都从配角变成瓶颈。Tom’s Hardware援引数据称，内存将消耗今年超大规模云厂数据中心支出的约30%，较2023年提升数倍。
第三层是设备、材料和电力。先进封装设备、晶圆制造设备、液冷、电源管理、机柜、变压器、数据中心工程公司，都会吃到资本开支外溢。AI基础设施正在把半导体周期、工业设备周期、电力基建周期绑在一起。
短期看，产业链景气度足够强。Google Cloud、AWS、Azure都在增长，Meta广告业务也在AI推荐下改善，云厂商愿意继续投。中期看，瓶颈环节仍会获得定价权，尤其是GPU、HBM、SSD、网络和先进封装。长期看，风险也会沿着同一条链条反向传导。
如果企业客户放慢AI订阅，消费者AI产品变现有限，广告效率提升见顶，云厂商会开始重新评估资本开支节奏。AI基础设施的折旧周期很长，投入一旦超前太多，财报会迅速承压。
GPU、存储、封装和服务器环节都在扩产。一旦供给瓶颈缓解，价格、毛利率和订单能见度会同时被重估。存储、光模块、服务器等环节尤其容易出现从短缺到过剩的切换。
模型变小、算法效率提升、推理成本下降、自研芯片成熟、开源模型扩散，都可能改变算力需求结构。AI需求不会消失，但单位收入对应的算力消耗可能变化。产业链最怕的不是需求没有，而是需求结构改变后，高估值环节失去原来的瓶颈地位。
第四个风险，是资本市场开始对“负自由现金流增长”失去耐心。
Meta的股价反应已经给了一个提醒：强收入加高Capex，并不一定换来股价上涨。Microsoft同样在超预期财报后承压，原因也和资本开支、自由现金流有关。
不是所有AI概念都能受益，也不是所有硬件链公司都能持续享受高估值。市场会越来越看重三个指标：是否卡在真实瓶颈上，是否已经有订单兑现，是否能在供给恢复后维持利润率。
AI进入重资产时代，
下一步比的是谁先跑出现金流闭环
这轮资本开支上修，给AI产业划出了一条新的分界线。
早期AI行情靠想象力，模型能力越强，估值越容易扩张。现在，想象力还在，但资本开支已经把产业推向更现实的一面：数据中心要钱，芯片要钱，电力要钱，网络和存储也要钱。AI从软件故事变成重资产战争。
巨头敢继续投，不是因为它们不在乎成本，而是部分商业化路径已经开始跑通。Google Cloud加速，Microsoft AI收入年化运行率超过370亿美元，AWS重新提速，Meta广告效率改善，这些都是AI能够回款的证据。
但市场也会变得更挑。Alphabet被奖励，是因为它展示了“投入—云增长—订单—利润率”的闭环；Meta被惩罚，是因为投资人仍担心资本开支跑在现金流前面。未来AI产业链的交易，会越来越像这样：谁能把投入转成收入，谁拿估值；谁只能讲规模，谁就被审问。
短期看，资本开支上修会继续支撑半导体、存储、网络、服务器和电力链条。中期看，云厂商的军备竞赛会决定AI服务的成本曲线。长期看，真正的赢家不是花钱最多的公司，而是单位算力成本最低、客户转化最快、现金流闭环最清楚的公司。
AI已经进入重资产时代。资本开支只是表面，背后的主线更硬：谁能把AI变成稳定现金流，谁才配得上万亿投资。
夜雨聆风
