万亿Capex砸向AI,为何投资人先按下了卖出键?

当微软、谷歌、Meta宣布将投入数千亿美元建设AI基础设施时，资本市场的反应却是股价下跌与估值收缩。本文通过具体数据与历史对比，拆解这场万亿赌注背后的效率失衡与商业迷雾，并试图回答：谁在为信仰买单，谁又在为现实担忧？

万亿美元赌注与一根下跌的K线

当微软宣布未来几年AI资本支出将显著增加，谷歌、Meta紧随其后押注千亿，为何资本市场的掌声却稀稀拉拉，甚至转身离去？

数据给出了冰冷的答案。微软在2026财年第二季度单季资本支出高达298亿美元，几乎是去年同期的两倍。然而，其股价在2026年内已下跌22%，交易价格远低于分析师12个月目标价。同样，Meta预计2026年资本支出将在1150亿至1350亿美元之间，几乎是2025年支出的两倍，但今年以来股价仍下跌约7%，尽管其新AI模型Muse Spark发布后曾短暂提振。

这种背离并非孤例。AI芯片巨头英伟达的营收增长曲线依然陡峭，但市场对其客户——各大云厂商——资本开支的可持续性已开始担忧。压力沿着产业链传导：一家AI芯片公司财报后股价大跌，尽管营收增长，但投资者担心，如果巨头们的开支放缓，盛宴是否还能继续。

历史的回响：我们见过这场盛宴，也见过它的残局

这一幕并非首次上演。其结构让人联想起2000年互联网泡沫时期全球光纤的疯狂铺设，远超实际需求，导致行业陷入长达数年的低迷与整合。也类似于2010年代初期，亚马逊AWS等云厂商进行数据中心巨额投入时，同样面临盈利压力和“烧钱无底洞”的质疑。

技术范式转换的初期，基础设施投资必然超前于可规模化的商业回报，这是历史的常态。资本效率在此时会暂时“失灵”，因为信仰驱动了超前投资。本轮AI基建的独特之处在于其资本密集度史无前例，技术迭代速度更快，且参与竞争的巨头更多元，形成了全球性的“算力军备竞赛”。

这背后隐藏着一个类似“杰文斯悖论”的现象：技术进步有时首先导致的是成本的急剧飙升，而非立竿见影的利润。当所有人都在为未来下注时，为“现在”买单的意愿就会动摇。

解剖本周期：钱流向了哪里，又卡在了何处？

引用

“他们（Meta）会继续自己建，但也会继续和我们合作。”CoreWeave CEO迈克·因特拉托说，“不这样做风险太大了。”

CNBC报道

万亿资本具体流向了三个无底洞：芯片、能源和数据中心。英伟达的GPU是硬通货，Meta近期就向云服务商CoreWeave追加了210亿美元的长期采购承诺，以确保算力供应。电力成为新的战略资源，数据中心建设如火如荼。

但玩家的动机各不相同。微软的投入紧密绑定OpenAI，意在打造从基础设施到应用层的整合生态；谷歌的巨额开支（2026年指引高达1750-1850亿美元）是为了防御其搜索基本盘，并用云业务（Google Cloud收入季度同比增长48%）捕捉机会；Meta则是在广告业务之外，押注AI成为下一个增长极，为此不惜组建超级智能实验室并投入重金。亚马逊的算力投资则主要由其云服务AWS的需求驱动。

核心的堵点在于：天价的训练与推理成本，与相对贫乏、缓慢的规模化变现途径之间，存在巨大鸿沟。有分析师指出，当前许多AI应用的订阅费收入，可能连背后消耗的巨额电费都覆盖不了。企业端的CIO们开始收紧AI预算审批，从狂热的概念验证（POC）转向谨慎的ROI评估。

众生相：谁在狂欢，谁在颤抖，谁在观望？

产业链上的不同角色，心态已然分化。

未来分岔点：三条路径与一张观察清单

历史周期不会简单重复，但会押韵。基于当前约束，未来可能向几个方向演进。判断的关键，在于跟踪一组具体的指标。

路径一：巨头资本开支增速放缓 → 芯片需求降温 → 行业进入去库存和整合期。观察指标：微软、谷歌下季度的Capex指引是否下调；英伟达数据中心营收增速是否显著放缓；AI初创公司融资总额与估值。

路径二：出现真正能显著提升生产率的“杀手级”企业应用（例如高度自主的AI Agent普及），带动企业IT预算结构性转向AI。观察指标：头部SaaS公司（如Salesforce、ServiceNow）其AI功能的付费用户转化率；企业软件总支出中AI相关支出的占比变化。

路径三：推理成本因芯片架构革新、模型小型化或算法优化而骤降，开启AI普惠时代，催生海量新应用。观察指标：边缘AI芯片的出货量；70亿、130亿参数等小模型在关键任务上的性能基准；主流AI API调用单价的变动趋势。

结语

互联网泡沫破裂后，真正的赢家不是那些铺设了过剩光纤的电信设备商，而是谷歌、亚马逊等找到了可持续商业模式的公司。当前AI机会可能不再于参与昂贵的大模型军备竞赛，而在于解决商业化最后一公里的问题——例如，能显著降低AI使用门槛的工具层，能形成闭环数据飞轮的垂直应用（医疗、金融、法律），或是能优化算力利用率的软硬件协同创新。当所有人都在谈论算力的轰鸣时，你是否看到了数据、工作流程或用户体验上那些更细微、却更真实的创新机会？