到2027年,AI支出热潮将面临营收考验

巴伦周刊 · 深度长文精读　｜　2026-10-11（第 1 期）· 精读二 栏目：巴伦宏观 本刊面向所有想学习投资的读者，只呈现可迁移的投资逻辑，不做针对任何特定职业或行业背景的定制分析。

原文信息

• 标题：到2027年，AI支出热潮将面临营收考验
• 作者：泰·罗什（Tyler Roush）
• 发布时间：2026-10-10（原分析周五发布）
• 来源渠道：腾讯新闻「Barrons巴伦」官方号（全文完整）

核心结论

22V Research 的测算给出了一个可检验的硬门槛：AI 开发商（OpenAI、Anthropic 等）的年化收入必须在 2027 年底达到 4000 亿至 6000 亿美元，2028 或 2029 年逼近 1 万亿美元，才能支撑相应的基础设施投入。若达不到，2029 年起可能触发资本开支"断崖"。而当前出现了一个认知错位：分析师认为股价已反映了"2029 年就会产能过剩"的担忧，但 54% 的交易员却认为算力供给过剩要到 2030 年之后才出现——乐观的一方是交易员，悲观的一方是估值。22V 自己的判断是资本开支仍将延续到 2027 年。

关键论点与数据

• 营收门槛：AI 开发商年化收入 2027 年底需达 4000–6000 亿美元，2028/2029 年逼近 1 万亿美元。达标则"基础设施建设计划很可能会落地实现"
• 资本开支规模：AI 相关资本开支 2027 年预计达 1.4 万亿美元，2028 年超过 1.5 万亿美元（对比：贝恩估算 2025 年 AI 年资本开支约 7800 亿美元，三年增长近 5 倍）
• 断崖风险：若营收未达标，从 2029 年开始对原计划投资出现急剧回撤
• 估值与预期的背离：与基建相关的公司估值已经下滑，尽管市场对其盈利预期反而在上调——说明市场担忧的是"持续性"，而非当期业绩
• 多空分歧的关键数据：22V 调查的交易员中，约 54% 认为算力供给过剩要到 2030 年之后才会出现；而分析师认为股价反映的是最早 2029 年就会出现产能过剩的担忧
• OpenAI 营收的两种说法：
• 《金融时报》报道称 OpenAI 年化营收较此前目标低了 200 亿美元
• 彭博报道称 OpenAI 9 月底年化营收已达 500 亿美元，且仍预计年底达到或超过 700 亿美元
• 文章判断 FT 的缺口"可能被夸大了"
• 中国变量（★ 值得单独记住）：22V 调查的投资者中，约 54% 表示来自更低价中国模型的竞争影响了他们对美国基础设施支出的预期。分析师提示：AI 服务价格走低可能抵消不断膨胀的需求，使开发者更难获得足够营收来支撑未来投资
• 22V 的最终判断：仍预计 AI 相关资本开支预测将延续到 2027 年——即便长期可持续性的疑问在增加，行业建设扩张短期内仍有增长空间

背景补充

• 22V Research：一家总部位于纽约的独立宏观与市场研究机构（成立于 2020 年前后），以量化 + 交易员调查的混合方法著称，其"投资者情绪调查"在华尔街有一定影响力。它不是投行，不承销股票，所以立场相对中性。
• 为什么"4000-6000 亿美元"是个硬约束：AI 数据中心的商业模型本质是重资产 + 长折旧周期。一旦建成，电费、折旧、融资成本是刚性的，而收入端是弹性的。所以分析师的做法不是预测 AI 有多有用，而是反过来问：要覆盖这些刚性支出，收入必须长到多大？ 这是"从支出倒推收入"的会计式思考，比预测技术前景可靠得多。
• 中国低价模型的传导路径：这不是情绪问题，而是价格机制问题。当开源/低价模型把单 token 价格压下来，美国开发商要么降价（收入增速放缓），要么守价（需求被分流）。**两条路都指向"收入追不上资本开支"**——这才是 54% 投资者改口的真正原因。
• 同主题的另外两篇可作延伸（我只见到二手摘要，数字请以原文为准）：
• 巴伦另有一篇《AI 基建投资逼近历史红线，流动性或成更大瓶颈》，做法是回溯美国 250 年资本开支周期，提出"技术变革投资接近 GDP 的 25% 时金融风险集中爆发"的经验阈值；按美国约 30 万亿美元经济体量，对应 7.5 万亿美元上限，因此 AI 建设周期"或还可持续六七年"。但本轮与历史不同的是政府与 AI 建设方同时大规模融资，六大科技企业合计自由现金流 2026 年预计转负、2027 年缺口扩大，流动性可能比需求更早成为约束。
• 贝恩（Bain）的测算口径更激进：AI 基建年支出 2027 年达 1.5 万亿美元，则到 2031 年需要约 6 万亿美元年收入才能支撑（超过德国 GDP），而当前预测只有 1.2–1.8 万亿美元，缺口 2.7–4.2 万亿美元。

投资含义

1. 这是检验 AI 交易可持续性的"上游仪表盘"（★★ 重点）。 这篇文章最大的价值，是把模糊的"AI 会不会退潮"换成了三个可跟踪的数字：

2. 看 AI 链的标的，要盯收入端而不是订单端。 资本开支是"计划"，收入才是"验证"。如果 2027 年上半年前 AI 开发商收入增速明显低于 10 倍级路径，就是资本开支预期下修的前置信号——与其等财报确认，不如用这个门槛做提前量的仓位判断。这类"硬门槛式"测算，比任何关于 AI 有多好用的论述都更适合用来决策。

3. "中国低价模型"这条线是双向的。 若美国基建因价格竞争放缓，全球 AI 芯片需求增速会下修；但中国本土模型与算力链条的相对份额会提升。对投资者而言，这意味着"买 AI"正在从一个同质化交易变成一个需要做地区拆分的选择——同一条产业链上，美国算力与中国算力的贝塔正在分化。

4. 一个反直觉的提醒：文章里最值得注意的不是 1.4 万亿这个数字，而是"估值已经反映 2029 年过剩担忧、但交易员要等到 2030 年之后才认"这个错位。估值跑在基本面前面 1–2 年是常态；当同一事实被给出两个时间表时，价格通常已经提前反映了较早（也更悲观）的那一个。

可迁移的投资视角

• "从支出倒推收入"的会计式思维：不预测技术前景，而是反过来问"要覆盖这些刚性支出，收入必须长到多大"。这套约束式思考可迁移到任何重资产、长折旧周期的行业（数据中心、面板、航运、航空）。
• 常见认知误区：把"多空分歧"读成"方向不明"。这里的两个 54% 恰好相反——分歧本身是可以定价的信息：估值端（分析师）悲观、持仓端（交易员）乐观，通常意味着乐观的一方手里有仓位。
• 一个可复用的判断信号：区分"需求问题"与"流动性问题"。同主题的另一篇指出，本轮的特殊性在于政府与建设方同时大规模融资、六大科技企业自由现金流 2026 年预计转负——当财务约束比需求更早显现时，价格往往先于基本面反应。

存疑与盲点

• 1 万亿美元年收入的时点模糊：文中"2028 年或 2029 年逼近 1 万亿美元"存在两种口径，而这两年之差对折现估值影响巨大，文章未说明差异来源。
• "收入"的定义未交代：是 AI 开发商的 API/订阅收入，还是包含云厂商 AI 业务收入、甚至包含 AI 带来的间接增量？口径不同，门槛的可比性完全不同——这是全文最大的方法论空白。
• 调查样本不透明：两次提到的"约 54%"分别是交易员（算力过剩时点）和投资者（中国模型影响），样本量与统计方法均未披露，且两个 54% 是否同一群体不明，存在巧合或混淆的可能。
• OpenAI 数字的时间戳问题：500 亿（9 月底）与 700 亿（年底目标）来自彭博，与 FT 的"低于目标 200 亿"是不同时点、不同基准的对比，文章只说"可能被夸大"，未做严格口径校准。
• 22V 的立场：作为研究机构，其资本开支预测延续到 2027 年的结论，与其"不看好 2029 年后"的判断并不矛盾，但读者容易误读为"整体乐观"。这是一份"短期偏多、长期存疑"的报告。
• 缺环：文章完全没有讨论供给侧（电力、先进封装、HBM 产能）的约束。若电力或封装产能先卡住，资本开支根本花不出去，营收门槛的讨论就失去意义。

精读日期：2026-10-11 ｜ 来源：巴伦中文网（barrons.com.cn）及官方授权分发渠道