AI 万亿资本支出:泡沫还是伟大投资?

2026 年，四大科技巨头——Alphabet、Meta、Microsoft、Amazon——合计投入约 7000 亿美元建设 AI 基础设施。黄仁勋两年前预测的"1 万亿美元 CapEx 周期"，当时被视为疯狂，如今看来甚至有些保守。

第一个问题：CapEx 不是"花掉的钱"

CapEx 是买资产，不是烧钱。数据中心和 GPU 集群是能持续运转 15-20 年的固定资产。正确的衡量方式不是"今年花了多少 vs 今年赚了多少"，而是"这笔投资的内部收益率（IRR）是多少、多久能回本"。

以 Elon Musk 的 Colossus 1 为例，IRR 高达 55%，意味着大约 1.5-2 年回本。借贷成本只有 6-8%，而回报率是 55%——这笔账显然算得过来。

更关键的是，数据中心是典型的固定成本业务。一旦建成，每增加一美元收入的边际成本极低。每吉瓦的货币化能力在 2026 年上半年从 200 亿美元飙升至 300-400 亿美元——而成本几乎没有增加。这意味着新增收入几乎全部转化为纯利润。

第二个问题：3000 亿美元的"AI 收入"到底是什么？

这是整个叙事中最脆弱的环节。

当行业宣称"AI 已经产生了 3000-4000 亿美元的收入"时，这个数字是怎么算出来的？独立分析师 Philipp Dubach 做了一次严格的审计级清查，结论令人警醒：

审计级底线：仅 632 亿美元。这是 SEC 财报中能追溯的、扣除了双重计算的纯净 AI 收入。

那剩下的 2000 多亿是怎么"凑"出来的？主要靠三个手段：

第一，把卖铲子的钱算进去。 NVIDIA 一家的数据中心收入就年化约 2500 亿美元。但这是卖 GPU 的钱，不是终端客户使用 AI 产生的收入。

第二，云厂商互刷云额度。微软投给 OpenAI 130 亿美元的 Azure 云额度，OpenAI 消耗这些额度后，微软将其记为 Azure AI 收入。同样的循环在 Amazon-Anthropic、Google-Anthropic 之间上演。本质上是"左手倒右手"。

第三，把整个云增长归功于 AI。微软声称"AI 业务年化 370 亿美元"，但其中大部分是 Azure 算力租赁的自然增长，真正的 Copilot 订阅收入只占一小部分。

真正由终端客户掏出真金白银购买的 AI 服务——AI Agent、SaaS 溢价、企业 AI 解决方案——目前的规模仍然有限。Bain 的调研显示，40% 的企业 AI 项目实际成本节约率低于 10%；MIT 研究表明，95% 的企业生成式 AI 试点产生零可衡量的损益表影响。

第三个问题：被忽视的"隐性收入"——裁员与效率提升

但如果换一个角度来看，AI 创造的经济价值远不止直接收入。

2024-2026 年，全球科技行业裁员超过 64 万人。仅 2026 年前五个月，AI 相关裁员就超过 8.7 万人。Goldman Sachs 估计，AI 驱动的裁员每月超过 1.6 万人。

这些裁员节省了多少钱？测算如下：

价值来源	年化规模	逻辑
直接裁员节省	约 500 亿美元	64万人 × 平均薪酬，年化
少招人的隐性节省	约 665 亿美元	四大巨头如果没有AI，按历史增速应多雇的人
编码效率提升	约 1680 亿美元	1400万开发者用AI工具，平均提效15%
知识工作者效率提升	约 1250 亿美元	5000万人深度使用AI，平均提效5%
合计	约 4100 亿美元

如果把这些"隐性价值"加上审计级直接收入（632 亿），总计约 4700 亿美元——确实接近甚至超过了 Baker 所说的 3000-4000 亿。

但这里有一个关键区别：这些钱并没有流向 AI 公司。裁员省下来的钱留在了大厂自己的口袋里，变成了更高的利润率。它不是 OpenAI 的收入，也不是 NVIDIA 的收入。

第四个问题：裁员省下的钱，去了哪里？

这恰恰是最有趣的地方。

仅看四大 Hyperscaler，裁员加上少招人，每年省下约 840 亿美元。这笔钱不是"闲置"的——它被直接转移到了 AI 基础设施的上游：GPU、光模块、电力、数据中心建设。

本质上，大厂在做的事情是一次大规模的价值链重分配：

以前：大厂的钱 → 员工薪资 → 员工消费 → 分散到整个经济体现在：大厂的钱 → GPU + 数据中心 + 电力 → 高度集中到少数上游供应商

这意味着三件事：

第一，上游供应商的收入确定性极高。因为这些钱不是"新增预算需要审批"，而是"已经从人力预算里腾出来了"。大厂不会把裁员省下来的钱再去招回来，这是单向的、刚性的支出转移。

第二，这是一个效率极高的"内部融资"。不用发债、不用稀释股权、不用等客户付款。裁掉 20 万人省下 840 亿，等效于需要额外 1200-1400 亿美元新增收入（按 60-70% 毛利率反推）才能产生的利润。要挣出这 840 亿有多难？这相当于"免费"获得了一个巨大的利润增量。

第三，这解释了为什么 NVIDIA 的订单积压如此庞大。大厂不是在"试探性地买 GPU"，而是在"把原来养人的钱系统性地转移到算力上"。这是一个确定性极高的需求来源。

第五个问题：2028 年的自由现金流拐点

根据 S&P Capital IQ 和 Bloomberg 的共识预测，四大巨头的自由现金流（FCF）将在 2025-2026 年触底，然后从 2028 年开始爆发式增长——从 2026 年的约 800 亿美元，飙升至 2030 年的超过 6500 亿美元。

这个拐点的逻辑很清晰：

CapEx 增速见顶。 2026 年是 CapEx 占收入比的峰值（约 35-40%），2027 年开始增速将从 67% 降至 15-20%。

建设高峰过去后，维护性支出远低于新建支出。

收入滞后期结束。数据中心从动工到产生收入有 6-24 个月的滞后期。2025-2026 年砸下的巨资，其对应的收入将在 2027-2028 年集中兑现。

运营杠杆释放。固定成本已经沉没，新增收入的边际利润率极高。一旦收入开始放量，利润增速将远超收入增速。

积压订单提供确定性。 AWS 的积压订单高达 3640 亿美元，这些长期合约为未来收入提供了极高的可见度。

结论：一个"三层缓冲垫"支撑的泡沫

综合以上分析，当前 AI 资本支出的状态可以用一个框架来理解——它确实存在泡沫特征，但这个泡沫有三层缓冲垫支撑：

缓冲层	机制	特征
第一层：现金流	四大巨头年运营现金流合计约 4000 亿美元，足以自我融资	很厚，但有上限
第二层：裁员提效	每年 800-1000 亿美元的"内部套利"空间	中等，容易裁的人裁完后递减
第三层：AI Agent 收入	终端客户开始付费，规模尚小但在增长	薄但在增厚，是唯一增长型缓冲

关键在于：前两层是消耗型的（现金流有上限、能裁的人有上限），只有第三层是增长型的。如果第三层增厚的速度能在前两层耗尽之前接棒，那就不会有"下调"；如果接不上，就会出现调整。

时间窗口的判断：裁员红利的半衰期大约在 2027-2028 年（低垂果实基本摘完）；CapEx 增速 2027 年开始自然放缓（压力释放阀）；而第三层的验证窗口在 2027 年的财报季——届时将是第一次能真正看到"企业 AI 采纳是否放量"的时刻。

这意味着，当前的 AI 资本支出周期大概率还能维持 1-2 年的高景气。之后，要么第三层成功接棒（AI Agent 大规模落地），整个循环进入正向飞轮；要么接棒失败，市场经历一次 15-25% 的估值修正。

无论哪种情景，有一点是确定的：这不是 2000 年的互联网泡沫。当年的 .com 公司没有现金流、没有利润、没有真实客户。

而今天的四大巨头拥有全球最强的现金流引擎、真实的效率提升证据、以及正在增长（虽然缓慢）的终端客户付费。

泡沫的程度取决于你的时间尺度：如果看 12 个月，确实存在估值过热的风险；如果看 5 年，当前的投入大概率会被证明是合理的；如果看 10 年，可能还是保守的。

最终的判断不在于"AI 有没有泡沫"，而在于"你能不能撑过泡沫可能破裂的那个窗口期"。对于四大巨头来说，答案大概率是"能"。对于依赖外部融资的纯 AI 公司来说，答案就没那么确定了。