夜雨聆风2026年5月27日，彭博社援引知情人士报道，某互联网大厂正讨论将2026年资本支出上限提高至700亿美元，约合4000到5000亿元人民币，主要投向AI芯片、数据中心及服务器等基础设施。资金来源是该公司2025年实现的约500亿美元利润。截至目前，该公司未予否认。
这已经不是今年第一次传出上调预算。
早在5月10日，该公司已将2026年AI基础设施支出从去年底的1600亿元上调至2000亿元，增幅25%。仅仅18天后，彭博社再次爆出的700亿美元，远超市场此前预期的任何数字。消息人士还透露，如果经济及商业环境有利，该公司内部已讨论过将明年资本支出进一步提高至约1000亿美元。而去年，公司资本支出约为250亿美元。
几个异常点值得关注。首先是数字的三级跳——从1600亿到2000亿再到700亿美元，幅度远超正常年度的预算微调节奏。消息人士也强调，这个数字仍属初步方案，至少每季度都会调整，最终规模可能有较大变化。其次是投入产出比——700亿美元的资本支出，对应500亿美元的年利润，几乎是把去年挣的所有利润全部砸进AI基建。第三，该公司官方至今未否认任何一个版本的传闻，市场已将这种沉默解读为“默认”。
把这件事放在全球科技巨头的棋盘上，格局更清晰。
根据TrendForce集邦咨询5月6日发布的最新研究，2026年全球九大云服务商——包括多家海外头部企业以及国内互联网龙头——合计资本支出预估已上调至约8300亿美元，年增率从61%提升至79%。国内另外两家互联网大厂也在同步加码：一家称未来资本支出将超过原计划的3800亿元，要建的数据中心规模是2022年的十倍以上；另一家首席策略长表示今年资本支出将大幅增加，下半年增速将进一步加快。再加上英伟达、英特尔、台积电、三星在芯片和设备端的持续加码，以及苹果据报已开始测试玻璃基板用于AI服务器芯片，全球AI投资正在从一个“上行周期”演变为一场“全链共振”。
但这里需要做一个关键的事实校准：资本支出是用于AI基础设施的，而不是用于“购买AI收入”的。这两个概念常被混淆。
前者是投资GPU、数据中心、液冷系统等物理资产，后者是投流买量获取用户。很多分析把某互联网大厂的AI资本支出类比为互联网时代的“烧钱换增长”，这是不准确的。它不是在烧钱买用户，而是在修建一条通向未来的高速公路。
要理解这个数字的意义，我们需要回到第一性原理，回答一个根本问题：大厂AI资本支出的底层逻辑到底是什么？
从最根基的角度看，这是一个博弈论问题，不是财务问题。任何一家大厂的CEO在做预算时，真正恐惧的不是“多投了”——多投了最多是资产利用率不足，服务器可以关机，芯片可以降级使用。真正恐惧的是“少投了”——如果竞争对手投了你没投，而AI确实是下一代基础设施，那输掉的不是一年利润，而是整个时代。这个博弈结构决定了所有人的理性选择都是跟投，直到有人退出。
这正是囚徒困境的经典格局：个体的最优策略叠加起来，导致了集体的过度投入。但在AI基础设施这个具体场景里，囚徒困境不是bug，而是feature——它驱动了整个产业的加速进化。
驱动这场竞赛的最根基力量，是算力供给端的两个残酷事实。第一，高端GPU和HBM内存的供应是绝对稀缺的。SemiAnalysis的研究显示，2026年内存可能占据超大规模云服务商AI支出的约30%，而2023至2024年这一比例仅为8%左右。当供应链瓶颈成为常态，谁先锁定产能，谁就锁定了下一轮竞争的门票。第二，黄仁勋在2026年3月提出的AI“五层蛋糕”框架——能源、芯片、基础设施、模型、应用——给出了一个清晰的产业坐标。每一层都需要前一层的支撑。大厂们发现，模型和应用层的机会极大，但基础设施层的缺口更大。如果现在不建地基，未来的模型和应用都是空中楼阁。
如果把AI资本支出当成一台机器，输入的是现金利润、供应链产能、电力供给，输出的是GPU集群、数据中心、算力平台。核心变量只有三个：芯片获取速度——拿到GPU的速度决定一切；电力保障——数据中心能不能通电；工程效率——机房从开工到交付的时间。
当前主流叙事有一个致命的漏洞。市场习惯性地把AI资本支出类比为互联网泡沫时代的“烧钱”——投入巨大、回报渺茫、最终一地鸡毛。但这套类比忽视了一个关键区别：2000年的互联网投资，大部分烧在了获客和营销上，几乎没有留下物理资产。而2026年的AI资本支出，大部分花在了GPU、数据中心、液冷系统和光纤网络上，这些都是有真实物理形态、有使用寿命、有二手市场定价的硬资产。即使AI应用端的收入增长不及预期，这些算力资产也不会归零——它们可以被重新配置、降级使用、或者出租给下一波需要算力的企业。从物理资产的角度看，这是一场“硬着陆风险可控”的豪赌。
顺着这个逻辑深挖下去，会发现三个反常识的真相。
第一层，700亿美元这个数字如果落地，该公司的资本支出将逼近或超过谷歌、微软、Meta等美国巨头的水平，跻身全球AI投入最激进的公司阵营。但它的收入规模远低于这几个对手——这是一场用更小的利润基数支撑更大投资规模的极限操作，财务风险远比市场当前定价的要高。
第二层，该公司大概率是整个全球AI产业链里最大的单一采购方之一。它一家的订单变动，足以影响GPU、HBM内存、光模块、液冷设备等数个细分赛道的供需格局和价格走势。市场主流叙事聚焦于“哪些公司会受益于订单”，却忽视了另一面——如果订单节奏出现波动，整条产业链的业绩预期都会随之剧烈震荡。
第三层，很多人以为AI资本支出的最大瓶颈是芯片太贵，但现实恰恰相反。据彭博社披露，美国2026年计划新建的AI数据中心中，近一半可能因关键电气零部件严重短缺而延期甚至取消，核心障碍不是芯片价格，而是大型变压器、开关设备的交货期长达数年。算力的尽头是电力，电力的尽头是能源装备供应链。英伟达Rubin机架120千瓦，大摩一看账单：电源链，你嫌贵？我还嫌贵呢这个制约因素在国内同样存在——建数据中心需要电力扩容审批、需要变电站改造、需要输电走廊，这些基础设施的建设周期比盖机房本身要长得多。算力说的token，和元宇宙一样是骗子吗
我最爱的环节，5W2H速查表。
有了全景表，我们来看看700亿美元——约5000亿元人民币——到底流向哪里。按照该公司此前披露的比例估算，约四到五成用于AI芯片采购，对应金额约2000至2500亿元人民币；剩下约2500至3000亿元用于数据中心建设及配套设备，包括服务器、液冷系统、光模块和电力设备。沿着这笔钱的流向，可以拆出整个产业链的核心受益环节。
环节一：AI芯片——GPU与ASIC的二元世界。 这是资本支出中最大的单一支出项，也是壁垒最高的环节。该公司的采购策略是双轨并行：一方面采购英伟达H200等高端GPU，另一方面也在探索高通的ASIC方案。全球AI芯片采购市场仍以某海外GPU巨头为绝对主导，其作为这场全球科技淘金热中最大的“卖铲人”，核心利益天然与维持AI投资持续升温有关。国内某AI芯片厂商正在加速追赶，但在训练端与海外巨头的差距仍然显著。芯片环节是产业链中利润最集中、确定性最高、但进入门槛也最令人生畏的领域。
环节二：光模块——1.6T放量元年。 数据中心内部GPU之间的互联需要光模块，算力越集中，光模块需求越大。2026年被认为是1.6T光模块放量元年，硅光技术加速落地，有望成为主流方案。国内某光模块龙头已是全球核心供应商，确定性受益于大厂的采购放量。光模块的弹性在于——每增加一张GPU，就需要配套数个光模块，需求是倍数级增长的。5000亿资本支出中，光模块的采购金额可能在百亿级别。
环节三：液冷散热——高功耗的必然选择。 AI服务器的单机架功耗正在从10千瓦向30千瓦甚至更高攀升，传统风冷已经撑不住了，液冷从可选项变成了必选项。该公司新建的数据中心将大规模采用液冷方案。国内某液冷设备龙头、某精密温控厂商已进入其供应链体系。液冷环节的核心壁垒在于整体方案设计能力——不是简单地卖冷却塔，而是从芯片级冷板到机架级管路到楼宇级冷却塔的一体化集成。这在我们之前PCB钻头那篇产业分析里已经埋过伏笔：AI服务器越大越热，散热的物理极限不断被挑战，液冷是那个“确定性增量”。
环节四：电力设备——被市场严重低估的隐形瓶颈。 这是市场认知最不充分但实际瓶颈最大的环节。美国2026年计划中的数据中心，三分之一到一半正面临延期或取消，核心障碍不是芯片价格，而是大型变压器、开关设备的交货期长达数年。国内同样面临这个问题——数据中心建设需要电力扩容审批，需要变电站改造，需要输电走廊。算力的尽头是电力，电力的尽头是能源装备。在国内，特高压设备、配电变压器、UPS电源、柴油发电机组等电力设备供应商，正在成为这轮AI基建浪潮中最容易被忽视但需求确定性最强的隐形受益者。摩根士丹利近期报告也指出，亚洲正在进入一轮规模超过5.5万亿美元的能源投资超级周期，AI数据中心、电力短缺、地缘政治和供应链重构将共同推动能源行业重新进入黄金时代。
环节五：服务器与存储——HBM内存的供应争夺战。 AI服务器的核心不只是GPU，还有配套的高带宽内存HBM。SemiAnalysis的研究显示，2026年内存可能占据超大规模云服务商AI支出的约30%。该公司此前将资本支出上调25%的触发因素之一，正是存储芯片的持续涨价——不追加预算，就锁定不了产能。国内某服务器龙头、某存储芯片厂商正在受益于这一趋势。服务器的利润弹性虽不如芯片，但胜在需求体量大、国产化率高。
在AI淘金热中，卖铲人这个角色已经被市场反复讨论，但并非所有声称自己是铲子的都是真铲子，真正的卖铲人必须满足三个条件。
第一，技术壁垒足够高，高到客户即便知道你在赚超额利润也无法轻易绕开你。典型代表是某海外GPU巨头和某海外HBM龙头。
第二，需求的确定性足够强，强到大厂无论怎么调整采购策略都绕不过你。光模块、液冷、电力设备就属于这个范畴——不管你用英伟达还是国产GPU，光模块和液冷都少不了。
第三，产能的稀缺性足够高，高到你能在大厂的采购体系里拥有议价权。当供应链全线紧张时，谁有现成的产能，谁就有定价权。而三类伪铲子需要警惕：一是“纯概念型”，主营业务与AI基建关联度极低，仅靠参股或概念关联蹭热度；二是“PPT型”，宣称有技术但下游认证和客户送样进展为零；三是“低壁垒型”，产品虽然属于AI基建范畴，但进入门槛低、竞争对手多、毛利率持续走低，最终只是赚了个热闹。
需要特别指出一个深层分歧。高盛的分析框架认为，AI基础设施第一阶段已被充分定价，芯片和“卖铲子”链条拿走了太多确定利润，但企业端ROI仍然没有普遍跑通。而另一边，以SemiAnalysis为代表的产业派则认为，Agentic AI和Token经济的爆发将打开新的市场空间，下一轮增量利润会继续留在硬件层还是开始向模型实验室和云厂商转移，目前还是产业最大的核心分歧。在这个主题上，“卖铲人”逻辑不是一个非黑即白的判断，而是一个需要持续跟踪产业进展的动态博弈。
大厂AI资本支出的产业价值，可以用一套简单的灵魂公式来拆解：核心价值等于资本支出规模乘以供应链紧缺度，再除以货币化进度。分子端，资本支出规模越大、供应链越紧缺，上游设备和材料的议价权越强，产业链受益弹性越大。分母端，AI应用的货币化进度越快，资本支出的可持续性越强，估值可以给的更高；货币化迟迟看不到曙光，资本支出的可持续性就会被市场质疑，估值承压。把这个公式拆开，就是以下五个最值得跟踪的量化指标。
第一个，季度资本支出环比增速。该公司的资本支出预算已从去年底的1600亿跳升到2000亿，再跳到最高5000亿元人民币。核心关注点是2026年下半年实际支出能否按计划执行，以及2027年的预算指引是否真的指向1000亿美元。
第二个，九大云服务商合计资本支出规模。TrendForce最新数据显示，2026年全球九大CSP合计约8300亿美元，年增79%。这个指标比任何单一公司的数字更能反映产业全貌，如果在2026年下半年出现集体下调，那是比单家公司预算调整更强烈的预警信号。token，只做卖铲人
第三个，GPU和HBM的现货价格与交货周期。这两个品类的供需状态是算力产业链景气度的最直接晴雨表。如果交货周期缩短、现货价格回落，说明供需紧张正在缓解，上游设备的议价权可能边际减弱。DRAM与NAND深度产业解析：存储芯片两大支柱的底层逻辑
第四个，数据中心电力审批与并网进度。大厂的数据中心建设能否按计划推进，很大程度上取决于电力扩容和审批速度。国内一线城市周边的电力资源正在成为比土地更稀缺的生产要素，跟踪国家电网和南方电网的大型项目并网公告，比跟踪大厂自身的财报更有先行指示意义。英伟达Rubin机架120千瓦，大摩一看账单：电源链，你嫌贵？我还嫌贵呢
第五个，AI应用端收入增速。豆包、通义、文心等大模型的API调用量和付费收入增速，是判断AI基础设施投入能否形成商业闭环的最终证据。一旦大厂的AI收入增速开始逼近资本支出增速，市场对整个板块的估值框架将被重写。算力说的token，和元宇宙一样是骗子吗
任何产业分析如果只讲机会不讲风险，都是耍流氓。这条赛道至少面临五条需要认真对待的风险。
第一，资本支出不及预期的风险。700亿美元仍是初步讨论方案，每季度都可能调整，最终金额可能远低于这个上限。该公司去年资本支出约250亿美元，今年即使按4000亿元人民币下限（约590亿美元）计算，也是翻倍不止的增长，执行层面的压力不容低估。
第二，资本支出兑现为真实算力的转化效率风险。投了700亿美元，不等于就能拿到700亿美元的算力。GPU有交货周期，数据中心有建设周期，电力有审批周期，光模块和液冷设备有产能瓶颈，任何一环卡住，整个系统的交付都会延迟。
第三，竞争格局恶化的风险。该公司的激进策略，正在倒逼其他竞争对手同步上调资本支出预算。如果所有大厂都加入军备竞赛，最后受益最大的可能只有上游芯片和设备供应商，而大厂自身将在算力同质化竞争中陷入ROI递减的泥潭。囚徒困境的终点，往往是所有人都付出了代价，却没有人真正胜出。
第四，AI应用端收入不及预期的风险。目前大模型的API收入增速虽然可观，但规模与资本支出的体量相比仍然悬殊。如果应用层的商业化进程慢于预期，大厂可能在未来某个时点被迫收缩资本支出，届时整条产业链的估值逻辑将被考验。
第五，地缘政治导致的芯片供应中断风险。AI芯片采购仍大量依赖海外供应商，如果出口管制政策进一步收紧，大厂可能面临“有钱也买不到芯片”的极端情景，而国产替代的产能和性能尚不足以在短期内完全填补这个缺口。
基于以上逻辑和变量，对未来走向可以做五情景推演。
最可能发生的情景是资本支出持续上调但节奏边际放缓，概率约40%。触发条件是AI大模型竞争在2026年下半年继续升级，GPU和HBM供应仍然紧张，AI应用收入保持高速增长。该公司2026年实际支出落在4000至5000亿元区间，2027年继续上调但幅度收窄。这一情景下，上游环节订单持续增长，但市场对“边际增速放缓”做出负面反应，相关板块估值震荡。
第二种情景是供应链瓶颈倒逼支出节奏后移，概率约30%。触发条件是电力扩容和大型变压器交付延迟，数据中心建设进度不及预期，部分资本支出被迫递延到2027年。短期产业链出货量低于预期，但中长期需求没有消失，只是后移，考验投资者的耐心和节奏把握能力。
第三种乐观情景是AI应用端收入爆发，资本支出逻辑被强化，概率约15%。触发条件是AI应用找到规模化付费场景，API收入和订阅收入大幅增长，资本支出从“纯投入”变成“有产出的投资”，大厂ROI改善，市场估值框架从“烧钱”切换到“扩张”。第四种悲观情景是宏观压力或融资条件恶化导致资本支出被大幅削减，概率约10%，届时上游产业链库存积压，量价双杀。第五种极端情景是地缘政治切断芯片供应，概率仅约5%，短期算力建设速度断崖式下降，但长期倒逼国产AI芯片产业加速发展。
站在2026年5月的时点回看，AI资本支出的叙事在短短半年内被反复重写。从1600亿到2000亿，再到700亿美元，每一次上调都在提醒市场：我们对这轮AI基建浪潮的量级，可能始终在低估。产业的确定性在于，全球九大云服务商2026年合计约8300亿美元的资本支出不会轻易掉头，资金流向的受益环节也已清晰可辨。产业的不确定性在于，支出的节奏、供应链的瓶颈、AI应用端收入的兑现进度以及地缘政治的不可抗力，任何一个变量的波动都可能大幅改写整条产业链的景气度曲线。
从第一性原理出发，大厂AI资本支出不是一个简单的“烧钱”故事，也不是一个简单的“卖铲子”逻辑。它是一个囚徒困境驱动的博弈系统，每一个参与者的理性选择叠加在一起，正在以史无前例的速度和规模，将人类的计算基础设施推向一个新的量级。而在算力的尽头，电力设备和能源供应的约束，可能是这个系统最被低估的物理瓶颈。最后的提醒：不要盯着单一数字看，要盯住那五个跟踪指标——季度资本支出增速、九大云服务商合计支出、GPU现货价格、电力审批进度、AI应用收入增速——一个一个地核对。产业的真相从来不在头条新闻里，而在这五个指标的交叉验证中。
最后打个广告，是我的小号影分身，超级硬核的输出，站在化学的角度看世界：
关注，点赞，评论，推荐，转发，谢谢各位看官老爷嘞！祝您天天开心快乐身体健康恭喜发财万事如意福如东海了嘞！
