AI 的无底洞问题正面临投资者日益严格的审视

Google News 本周捕捉到 AI 投资叙事的一个明显转变：强劲增长已不再保证投资者会容忍不受约束的支出。

SpaceX 和 AMD 的营收均有所增长，但两家公司都面临市场压力，因为投资者质疑维持这种增长所需的基础设施投入。Meta 也遭遇了类似的怀疑，其支出增速远快于营收增速。

冲突不再是 AI 信仰者与 AI 怀疑论者之间的对立，而是承诺中的需求与建设足够多的数据中心、芯片、网络容量和电力基础设施所需现金之间的较量。

Google、Microsoft、Amazon 和 Meta 仍报告了对云服务和 AI 服务的强劲需求。然而，市场已开始区分回报清晰可见的公司与要求投资者为遥远可能性买单的公司。

这种区别改变了人们解读每一份 AI 财报的方式。营收增长依然重要，但自由现金流、折旧、产能利用率和已签约需求如今同样重要。

Google News 捕捉到 AI 支出的新考验

最新市场反应表明，投资者正在逐家公司评判 AI 支出，而不再对整个行业一视同仁地给予奖励。

8 月 5 日的一篇 AI 支出分析指出，多家公司正面临这一更严苛的标准。SpaceX 在发布营收超出预期的财报后，股价跌至新低。

尽管营收增长 50%，AMD 股价同样下跌。投资者希望看到更明确的证据，证明客户在 AI 基础设施上的投入将持续带来更快的回报。

Meta 在报告季度支出增长 55% 后，股价仍远低于此前高点。其营收增长 28%，增长与支出之间留下了明显缺口。

这些反应并不证明 AI 基础设施建设正在失败。它们表明，仅靠营收增长已无法消除人们对资本密集度的疑问。

资本支出，通常简称 capex，涵盖数据中心、服务器、网络设备和电力系统等长期资产。这些资产在产生收入前就会消耗现金。

自由现金流衡量扣除运营费用和资本投资后剩余的现金。它有助于投资者评估一家公司能否在支持回购、分红、收购或偿还债务的同时为增长提供资金。

这种关系已成为核心问题。一家公司可以报告销售额和账面利润增长，却产生疲弱甚至为负的自由现金流。

SpaceX 清楚地体现了这种紧张关系。Elon Musk 向投资者表示，公司预计将在 2030 年，甚至可能 2029 年，实现 1 万亿美元的年营收。

此前目标是 2031 年。提前目标本应强化增长叙事，但 Musk 同时描述了实现这一目标所需的巨额投资。

这些计划包括火箭研发、电力协议、数据中心和 AI 计算基础设施。Musk 表示，到 2027 年底，仅计算能力就应达到 5 至 10 吉瓦。

一吉瓦等于十亿瓦电力。以数据中心规模来看，这一数字意味着基础设施投入远不止采购更多处理器。

AMD 则从供应链中的另一个位置面临相关问题。云服务商和 AI 实验室扩建基础设施时，这家芯片制造商将从中受益。

然而，投资者必须相信，这些客户能够获得足够回报，以持续订购加速器。因此，AMD 的增长部分取决于部署其硬件的公司所取得的经济成果。

这正是最新一轮 Google News 报道的重要性所在，它的影响不止于三只下跌股票。市场正开始检验连接芯片、电力、云容量、AI 产品和客户营收的完整链条。

AI 基础设施正在重写科技巨头的现金模式

AI 正在将历来轻资产的科技平台，转变为需要持续投资实体基础设施的企业。

软件和广告平台传统上具备优异的经济性，因为营收增长速度可以快于实体投资。一款应用可以服务数百万新增用户，而无需按比例扩大资产规模。

生成式 AI 改变了这一等式。训练模型需要集中的计算能力，而运行模型则会为每一次请求带来持续的推理成本。

推理是训练完成的模型生成答案、图像、预测或行动的过程。因此，使用量增加既会带来营收机会，也会带来持续的基础设施需求。

一篇 7 月的 现金流分析使用 LSEG 一致预期，考察了 Microsoft、Alphabet、Amazon、Meta 和 Oracle。预计到 2027 年，这五家公司的合计 capex 将超过合计自由现金流。

该分析估计，2025 年至 2027 年间，年度经营现金流将增加约 3400 亿美元。同期 capex 预计将增加约 5340 亿美元。

这意味着每增加 1 美元经营现金流，就要增加约 1.57 美元投资。这一对比揭示了投资者为何变得更加挑剔。

由于公司很少披露完整的 AI 专项数据，该估算不仅包含 AI 支出，也涵盖传统云基础设施和其他资本项目。

尽管如此，管理层始终将 AI 需求视为服务器、数据中心、网络设备和电力系统支出的主要驱动因素。这使得更广泛的 capex 趋势具有相关性。

这五家公司当年 capex 的一致预期，从 1 月约 4850 亿美元上升至 7 月约 7300 亿美元。预期在七个月内发生了巨大变化。

担忧并不只是公司支出高于分析师预期，而是这些资产具有不同的经济寿命和回报特征。

数据中心建筑可运营多年。随着芯片制造商推出更快或更高效的新一代产品，处理器可能更快在商业上过时。

Microsoft 表示，其近期 capex 中约三分之二涉及短寿命资产，主要是 CPU 和 GPU。随着公司现代化其基础设施，这些组件最终需要更换。

折旧会将资产记录成本分摊至其使用寿命期间。即使最初的现金支出已经发生，折旧上升仍可能压低未来盈利。

随后，电力、冷却、维护和网络连接还会增加运营费用。购买处理器只是其经济成本的开始。

这形成了一个艰难循环。供应商必须增加容量以承接需求，但技术进步可能会在投资尚未完全回本前降低已安装设备的价值。

模型成本下降并不会自动解决问题。更低的推理成本可以增加使用量，但竞争可能通过更低价格将大部分效率提升让利给客户。

结果类似一种混合型商业模式。软件利润率仍有可能实现，但它们日益依赖需要反复更新资本的计算工厂。

这种转变给轻资产时代形成的估值假设带来压力。投资者现在需要看到证据，证明 AI 营收增长能够快于 capex、折旧和运营成本的总和。

云业务增长将投资与投机区分开来

强劲的云营收和已签约需求，让一些公司能够以可衡量的方式回应 AI 基础设施是无底洞的指控。

Google 是近期最清晰展现两面性的例子。Alphabet 将其 2026 年 capex 预期上调至 1950 亿至 2050 亿美元。

此前预期为 1800 亿至 1900 亿美元。上调源于更快的产能交付，以及管理层称持续超过现有基础设施供给的需求。

与此同时，Google Cloud 在 6 月季度的营收增长 82% 至 248 亿美元。这一表现显著超过分析师预期的增速。

Alphabet 季度总营收达到 1198 亿美元，广告营收为 816 亿美元。这些数字表明，Google 仍拥有多个大型业务来支撑其投资周期。

但 Alphabet 也报告称首次出现季度自由现金流为负，流出 59 亿美元。管理层披露更高的 capex 预期后，其股价下跌。

这一反应体现了市场的新框架。云业务增长支撑了支出理由，但投资者仍希望知道营收何时能转化为可持续的现金创造能力。

Alphabet 财务主管 Anat Ashkenazi 表示，需求仍超过过去三年新增的产能。她将部分支出增加归因于基础设施比预期更早到位。Alphabet 的投资者材料同样将其基础设施投资计划与云产品和服务的强劲需求联系起来。

这一解释是合理的，尤其是在云营收加速增长之际。然而，产能限制既可支持看涨解读，也可支持怀疑论解读。

看涨观点认为，客户正在请求超出 Google 供应能力的更多计算资源。因此，新增设施一旦投入使用，应能很快创造营收。

怀疑论观点则认为，竞争性支出正变得不可避免。由于 Microsoft、Amazon、专业云服务商和 AI 实验室都在争夺同一批客户，Google 必须大举投资。

Alphabet 还计划在 2027 年再次显著增加 capex。这一承诺将回本问题延伸至不止一个异常昂贵的年份。

Amazon 在报告 AWS 增长更强劲后，提出了更大规模的支出计划。该公司将预期的 2026 年资本支出从 2000 亿美元提高至 2200 亿美元。

该总额还包括机器人、半导体和卫星。CEO Andy Jassy 将此次上调主要归因于存储芯片成本上升。

AWS 营收在 4 月至 6 月期间增长 37%。根据公司业绩，这是该业务 18 个季度以来最快的扩张速度。

Jassy 表示，即使按计划增加产能，仍不足以满足现有的 2026 年需求。他还称，已经可见的 2028 年需求令人瞩目。

尽管支出增加，Amazon 股价在盘后交易中上涨逾 9%。这一反应表明，由于 AWS 实现加速增长，投资者接受了更高的 capex。

Microsoft 也获得了类似的差异化反应。其季度 capex 增长 70% 至 410 亿美元，但净利润增长 31% 至 358 亿美元。

Microsoft 股价在盘后交易中上涨，而 Meta 下跌。投资者奖励该公司，是因为利润增长和 Azure 的表现提供了投资与回报之间更清晰的联系。

这正是 Google News 报道所强调的区别。由云业务增长和已承诺需求支撑的支出，正与主要依赖雄心勃勃预测的支出受到不同对待。

积压订单并不保证带来有利润的收入。合同条款可能变化，客户可能整合工作负载，价格竞争也可能压缩利润率。

尽管如此，已签约需求比泛泛而谈未来 AI 采用情况提供了更有力的证据。它为估算利用率和投资回报提供了起点。

这一标准更有利于同时掌控分发渠道与基础设施的公司。Google 拥有搜索、广告、Workspace、Android、Cloud 以及自有 AI 加速器。

Microsoft 将 Azure 与企业软件和开发者分发渠道相结合。Amazon 则将 AWS 基础设施、大型商业客户群和自研芯片连接起来。

这些优势并不能消除风险，但让每家公司拥有更多途径，将昂贵的计算能力转化为客户支出。

市场定价的是证据，而非对 AI 的热情

当前的核心竞争已转向已承诺的 AI 需求与已验证的现金回报之争，每份财报都如同一次审计。

起初，投资者奖励那些锁定稀缺处理器、宣布建设更大数据中心项目的公司。由于需求似乎毫无上限，产能本身看起来就很有价值。

这种假设正在弱化。如今的关键问题在于，扣除折旧、能源、融资和维护成本后，究竟有多少产能能够产生有吸引力的回报。

自由现金流比许多增长指标更早暴露这种张力。Amazon 在第一季度的过去十二个月经营现金流增长 30%，达到 1,485 亿美元。

但其过去十二个月自由现金流降至 12 亿美元。这一差异表明，即使运营依然健康，基础设施投资也可能大量吞噬现金。

Oracle 展示了更严峻的情况。其 2026 财年资本支出达到 557 亿美元，而经营现金流为 320 亿美元。

LSEG 数据显示，Oracle 的资本支出相当于经营现金流的 174%。Reuters 于 7 月发布分析时，其股价年内已下跌 36%。

Oracle 计划通过债务和股权融资筹集 450 亿至 500 亿美元，用于云业务扩张。融资会引入额外成本，并使股东面临稀释或更高杠杆风险。

最大的超大规模云服务商仍拥有比大多数公司更强的资产负债表。Microsoft、Alphabet 和 Meta 在最近一个财年都创造了足以覆盖股息和股票回购的现金。

然而，当基础设施支出持续高企时，回购更容易被削减。这一选择将使 AI 建设对那些受益于资本回报的股东更加直观。

最有力的乐观论点是，当前支出反映了真实的供给短缺。云业务高管一再表示需求超过产能，而增长率也在一定程度上支持这一说法。例如，Microsoft 告诉投资者，需求仍持续超过供给，同时也承认投资者对硬件资本支出、收入与利润率之间关联的疑问。

Microsoft 表示，其 AI 业务的年化营收运行率已超过 370 亿美元。Amazon 表示，其 AI 业务和芯片业务的年化运行率均超过 250 亿美元。

这些数字显示出真实的商业活动，而不只是试验性兴趣。但相对于全行业的基础设施承诺，它们的规模仍然较小。

困难的计算在于增量回报。投资者需要知道，每增加一单位基础设施支出，能够带来多少额外收入。

公司很少提供这一计算结果。它们的资本支出覆盖了相互重叠的云、AI、网络、房地产和传统计算需求。

收入报告也带来另一项障碍。AI 功能可能同时支持广告、订阅、云消费、生产力产品和客户留存。

这使得清晰的 AI 投资回报率难以计算，但并不意味着可以放松经济纪律。

投资者可以转而追踪营业利润率、自由现金流、折旧、积压订单转化、利用率和收入增长。这些指标结合起来，能够揭示支出是否正在改善业务。

负面解读也有其局限。单个季度的现金流出，并不能证明某项资产在其使用寿命内无法产生回报。

数据中心需要大额前期付款，而客户收入会逐步到来。因此，将一个季度的资本支出与同一季度的收入直接对比，可能会误判投资周期。

云基础设施也承载非 AI 工作负载。将每台服务器或每栋建筑都视为投机性的 AI 支出，会夸大风险。

正确的检验需要时间和针对公司的证据。这也正是广泛热情让位于选择性判断的原因。

投资者不再只是问 AI 是否会吸引用户，而是在问：哪些服务商能够将这种使用转化为超过其不断上升资本成本的回报。

风险在于为可替代的计算能力投入更多资金

最严峻的情景并非 AI 需求崩塌，而是需求强劲却伴随着基础设施回报下滑。

即使整体市场扩张，云服务商也可能面临激烈竞争。客户可以迁移工作负载、协商折扣，或使用多家服务商以降低依赖。

AI 模型也正变得更加高效。开发者越来越多地使用更小的模型、量化、缓存和任务路由来减少计算量。

量化会降低模型使用的数值精度，从而减少内存和处理需求。它无需完全重建应用，就能降低运营成本。

这种效率提升应当会使用户和应用开发者受益。对基础设施所有者而言，它可能减少每项任务所需的计算量。

更低成本可能刺激额外需求，这种模式有时被称为杰文斯效应。然而，使用量增加并不保证服务商能够保留由此产生的经济价值。

如果产能变得更容易获得，云计算可能显得更具可替代性。届时，服务商可能投入更多资金，却不得不接受更低价格或更弱的利润率。

CoreWeave 等专业运营商又增加了一层竞争。大型客户也可以开发自研芯片，或直接与多个基础设施合作伙伴谈判。

Google 和 Amazon 已经通过各自云平台提供内部设计的加速器。Microsoft 和 Meta 也在持续推进自己的芯片战略。

自研芯片可以降低对外部供应商的依赖，并提高特定工作负载的效率。但它们也需要大量的设计、软件和部署投入。

因此，硬件竞争在更大的数据中心竞赛中又形成了一场支出竞赛。公司必须提升价格和性能竞争力，同时避免过多现有设备被闲置。

电力供应构成另一项约束。新设施需要接入电网、长期能源协议、备用系统和冷却基础设施。

没有足够电力，建成的建筑无法产生预期收入。输电设备或发电项目的延误，可能导致昂贵资产利用不足。

SpaceX 提出的 5 至 10 吉瓦计算目标显示，这场竞赛已远远超出软件范畴。执行负担包括能源采购、建设、冷却、芯片和网络系统。

与该基础设施相关的收入目标仍是公司的预测。投资者必须判断，应对一项延伸至数年后的预测赋予多大信心。

模型竞争带来更多不确定性。服务商可能为一种工作负载特征投资，却遇到需要更少计算量或不同处理器组合的模型。

企业采用也可能进展不均。公司可以迅速测试 AI 工具，但要将其部署到受监管或关键任务运营中，可能需要更长时间。

生产率收益并不总会流向基础设施服务商。客户可能获取成本节约，应用公司可能保留订阅收入，竞争也可能压低云服务价格。

这种价值分配问题关系到每一位参与者。不断扩张的 AI 市场可以创造巨大的社会或客户价值，同时为部分基础设施所有者带来有限回报。

当前证据并不足以宣称这场建设是泡沫，也不足以保证其成功。它支持将回报可见性视为分界线。

开发者和企业买家也应关注，因为基础设施经济性将决定产品可用性。面临利润率压力的服务商可能调整配额、服务条款、模型访问权限或区域产能。

因此，构建 AI 工作流的公司应保留运营灵活性。这包括跟踪模型依赖关系、保留评估数据，并为重要工作负载维持替代方案。

结构化的 AI 工作流也能帮助团队记录 AI 在何处产生可衡量的价值。随着供应商面临证明成本合理性的压力，这类证据会变得更加重要。

投资者和 AI 买家接下来应关注什么

三个信号将决定当前支出周期究竟是富有成效的基础设施建设，还是一场日益昂贵的防御性竞赛。

第一个信号是下一轮财报周期中的自由现金流。如果资本支出、折旧和运营费用持续吞噬由此产生的现金，收入增长的重要性就会下降。

Alphabet 的下一份财报应显示，其负现金流季度究竟反映项目时点，还是更持久的现金负担。投资者将把这一结果与 Google Cloud 的增长进行比较。

Amazon 在将资本支出计划提高至 2,200 亿美元后，也将面临同样的检验。AWS 的增长必须足够强劲，才能支撑管理层关于需求超过现有产能的说法。

Microsoft 的业绩将显示，不断增长的 Azure 和 AI 收入能否继续抵消寿命较短的硬件投资。其耐用建筑与可替换处理器的组合值得密切关注。

第二个信号是积压订单向已确认云收入的转化。只有当客户部署工作负载，且服务商以可接受的利润率获得收入时，已签约需求才具有说服力。

积压订单增长却没有转化，可能意味着项目延迟、电力不足、芯片短缺，或客户预留的产能超过最终实际使用量。

公司应披露足够信息，以区分真实利用率与愿景式需求。投资者将越来越严厉地惩罚那些没有运营结果支撑、却含糊谈论短缺的说法。

第三个信号是价格、效率与利用率之间的关系。如果服务商能够保留节省下来的成本，更快的芯片和更高效的模型可以提高利润率。

但如果竞争迫使服务商将每一项效率收益都让渡给客户，这些改善也可能削弱回报。云业务利润率趋势将有助于揭示哪种结果正在发生。

关注有关自研加速器、租赁产能和折旧计划的更多细节。每一项因素都会改变提供下一单位 AI 计算能力的成本。

未来一到三个月不会彻底确定完整的投资逻辑。数据中心和云合同的运作周期以多年计。

但它们仍将揭示管理团队是否正以可衡量的证据回应投资者审视。清晰的利用率、利润率和现金转化将强化支出逻辑。

如果又一轮更高预期伴随着更弱的现金生成能力，这一逻辑将被削弱。届时，投资者会将更多 AI 资本支出视为防御性必要投入，而非增长优势。

Google News 传递的教训并非市场已经拒绝人工智能。投资者正在提出一个更严苛的问题：究竟是谁能够赚取回报。

开发者、企业采购方和知识工作者也应同时思考一个问题：哪些 AI 服务能够创造足够可量化的价值，从而经受更严格的财务约束？

应关注那些能够节省经验证的时间、改善决策或产出可直接使用成果的工具。在基础设施成本重塑访问权限、配额或供应商优先级之前，记录这些成效。

AI 基础设施建设能够支撑多年的实用产品，但未必会让每一家为其提供资金的公司都获得回报。最终胜出的，将是在投资者耐心耗尽前，把昂贵的算力与持久客户价值连接起来的企业。