科技巨头的 AI 支出竞赛正挤压现金

Google 及其最大的科技竞争对手在一个季度内投入约 1700 亿美元用于资本项目，尽管 AI 回报的问题仍未得到解答。如今主导 google news 的这轮支出浪潮，已不再是由科技巨头闲置现金支持的边缘项目。它正在重塑企业资产负债表、电力需求、云服务竞争以及更广泛的股票市场。

Alphabet、Amazon、Microsoft 和 Meta 依然创造着巨额营业利润。它们对 AI 的投资也支撑着需求强劲的云服务。然而，这些公司建设基础设施的速度，已快于客户能够证明其在整个生命周期内会使用多少 AI 算力。

这种错配构成了核心矛盾。高管表示，产能短缺足以证明立即建设的合理性；而投资者则需要看到证据，证明 AI 收入将超过折旧、能源、融资和替换成本。这场押注与此前的基础设施热潮相似，但如今的参与者在主要市场指数中占据着异常庞大的权重。

Google News 正在追踪一场规模大得多的 AI 建设潮

最新财报季让 AI 支出从雄心勃勃的技术计划，变成了全球规模最大的企业建设项目之一。

截至 2026 年 6 月的季度中，Alphabet、Amazon、Microsoft 和 Meta 的资本支出合计达到 1701 亿美元。根据财报公布后汇总的公司文件，这一数字几乎与它们同期合计的经营现金流持平。

资本支出，通常称为 capex，涵盖数据中心、服务器、网络设备和电力基础设施等长期资产。部分披露的资本支出还用于常规云服务、办公场所、物流和其他业务，不能全部归类为生成式 AI 支出。

不过，公司指引几乎没有留下疑问：增长的主要来源正是 AI。各家公司都在增加处理器、数据中心容量、存储和网络，以训练或运行 AI 模型。这些项目也服务于云客户和既有的在线服务。

Microsoft 在其 6 月季度中报告新增不动产和设备 358 亿美元。根据其季度业绩，该公司同期产生了 554 亿美元的经营现金。

Microsoft 还披露了资产寿命的一个重要细节。其近期 capex 中约三分之二投向了短寿命资产，主要是处理器。与数据中心建筑不同，图形处理器可能在数个产品周期内便面临经济层面的过时风险。

Alphabet 的支出也遵循同一方向。Google 需要为 Gemini、Search、YouTube、广告系统和 Google Cloud 提供基础设施。这些相互重叠的用途让其投资更具合理性，但也使 AI 回报难以被清晰计算。

Amazon 在公布强劲的第二季度业绩后，提高了预期技术投资。该公司必须同时为 AWS 容量、仓库、运输设备和零售网络提供资金。因此，投资者不能将 Amazon 的全部 capex 视为纯粹的 AI 数字。

Meta 提供了一个最清晰的例子：在没有大型公共云平台的情况下为 AI 提供资金。其基础设施服务于推荐系统、广告、生成式产品和模型研究。根据其财务业绩，Meta 预计 2026 年资本支出（包括融资租赁付款）将在 1300 亿至 1450 亿美元之间。

单个数字固然重要，但它们共同呈现的方向更重要。四家公司同时押注，使用许多相同的供应商，并瞄准重叠的客户群体。这种同步行动将经济风险提升到了远超任何单一财报的程度。

AI 支出竞赛正在挤压自由现金流

科技巨头负担得起当前的建设潮，但负担得起并不保证能获得可接受的回报。

自由现金流是扣除资本支出后剩余的经营现金。它用于收购、派息、股票回购、偿债和未来投资。当 capex 的增长快于经营现金时，留给其他优先事项的资金就会减少。

Reuters 对 Microsoft、Alphabet、Amazon、Meta 和 Oracle 预估数据的分析发现，到 2027 年，它们合计的 capex 有望超过合计自由现金流。Oracle 已跨过了一个更极端的门槛。根据现金流分析引用的 LSEG 数据，其 2026 财年 capex 达到经营现金流的 174%。

自由现金流为负或下降，并不自动意味着困境。当客户需求超过可用容量时，健康的公司往往会大举投资。云基础设施也会在多年内产生收入，而非仅在建设启动的那个季度。

压力来自时间错配。企业购买处理器或建设数据中心时，现金立即流出，而收入则逐步到来。随后，折旧会在预计使用寿命内将资产成本计入损益表。

AI 硬件让这一熟悉的会计周期变得更复杂。新处理器能够提供更好的性能或更低的推理成本，后者指的是训练完成的模型回应用户时产生的费用。现有处理器虽然仍可运行，但在经济性上可能变得缺乏竞争力。

Microsoft 披露近期 capex 中三分之二涉及短寿命资产，使这一风险更为具体。当前投资中相当大的一部分，需要比建筑、电力系统或土地更早替换。持续的 AI 需求必须同时覆盖今天的采购和明天的升级。

这些公司也越来越多地采用租赁、融资安排和外部基础设施提供商。这些结构能够分摊即时的现金需求，但不会消除义务。它们可能将部分承诺从醒目的 capex 数字中移走。

这也是为什么传统盈利指标可能无法呈现完整图景。收入和营业利润或许持续增长，但现金转化能力可能减弱。折旧也可能滞后于初始投资，延迟对已披露利润率的全面影响。

股东还面临资本配置的第二重压力。科技巨头历来通过回购返还大量资金。若基础设施占用更大比例的经营现金，董事会最终必须在借款、放缓回购或收紧其他支出之间作出选择。

员工和供应商同样会感受到这种取舍。公司可能在保护 AI 预算的同时削减人员、整合团队或取消无关项目。芯片制造商、公用事业公司、建筑企业和数据中心运营商将获得需求，但也会更依赖于少数买家。

只要 AI 使用量持续扩大，由此形成的体系就保持稳定。若产能恰好在需求增长放缓时到位，体系就会变得脆弱。由于每个主要买家都在同步建设，一次预测失误可能影响多个市场的供应商和本地基础设施。

产能短缺正与不确定的回报相碰撞

AI 支出最有力的辩护是切实存在的客户需求，而最有力的批评是，这些需求尚未证明资产整个生命周期的经济性。

Microsoft 为乐观情形提供了证据。Azure 在 2026 财年收入超过 1000 亿美元，Microsoft 365 Copilot 的付费席位超过 3000 万。季度收入达到 900 亿美元，营业利润升至 406 亿美元。

这些业绩表明，Microsoft 并非在没有客户的情况下建设。管理层还表示，即便加快投资，产能限制仍将持续至 2026 年。当云服务提供商无法满足现有需求时，增加基础设施便具备直接的商业逻辑。

Google Cloud 提供了另一项积极信号。AI 工作负载需要用于模型训练、数据处理和推理的计算能力。客户可以租用这些容量，而非自行建设私有系统，这为 Alphabet 提供了一条通过同一基础设施向众多组织变现的路径。

Amazon 的 AWS 业务扮演着类似角色。其基础设施可在 AI 之外，同时服务于成熟的数据库、存储和企业应用。这种混合工作负载减少了对单一产品类别的依赖，也让 Amazon 能够复用配套网络和设施。

Meta 的路径不同。它并不将大部分容量出租给外部云客户，而是希望通过更好的推荐系统和广告工具，提高 Facebook 和 Instagram 上的互动与转化。它也在开发新的 AI 产品和企业机会。

Meta 报告第二季度收入为 608 亿美元，同比增长 28%。但成本和费用上升了 55%，营业利润下降了 8%。这种反差说明，AI 可以强化既有产品，同时对盈利能力施加即时压力。

看空的论点并不要求 AI 失败。即使使用量增长，回报仍可能令人失望。过度竞争可能压低云服务价格，模型可能变得更高效，或者客户可能将工作负载转向需要更少计算资源的小型系统。

效率带来了尤其棘手的预测问题。较低的推理成本往往会推动更多使用量，这一模式类似杰文斯悖论。然而，没有人知道额外需求是否能够完全抵消每项任务所需计算量的减少。

工作负载的质量同样重要。每天使用的付费编程助手，比由广告支持的免费聊天机器人查询具有更清晰的经济价值。公司会披露部分采用数据，但很少提供足够细节，以计算每项 AI 服务的收入和利润率。

同样的不确定性也体现在企业试点中。许多企业正在测试智能体和 Copilot，但试验并不保证会大规模部署。安全审查、不准确的输出、集成工作和员工采用情况，都可能拖慢从试用到持续工作负载的转化。

因此，高管在很大程度上依赖产能信号。积压订单、利用率、客户承诺和供应限制表明即时需求，但并不能确定一个使用寿命横跨数代模型和处理器的数据中心的最终回报。

当前的 google news 叙事往往将问题划分为繁荣或泡沫。这种框架过于简单。更有价值的问题是，新增 AI 收入和成本节省是否会超过资本、能源、维护、折旧和替换的全部成本。

这一衡量难题将持续存在，因为基础设施同时支撑多项业务。一台 Google 服务器可能同时为 Search、Gemini、广告和 Cloud 作出贡献。Microsoft 的容量则可支持 Azure、Copilot、GitHub 和内部服务。

共享使用在经济上具有价值，但它阻碍外部人士精确归属回报。投资者必须从云业务增长、利润率、现金流、折旧和管理层指引中推断表现。每项指标都揭示了部分图景，而非完整结果。

风险已延伸至科技股之外

当一小群估值极高的公司采取相同的资本策略时，其影响会蔓延至指数、信贷市场、能源系统和地方社区。

Alphabet、Amazon、Microsoft 和 Meta 在广泛持有的股票指数中占据较大权重。因此，数百万退休账户和被动型基金会间接受到它们 AI 投资决策的影响。投资者无需持有专门的 AI 基金，也能参与这场押注。

强劲的利润迄今限制了眼前的财务风险。这些公司拥有成熟的广告、软件、零售和云业务。与互联网泡沫建设热潮期间高杠杆的电信公司相比，它们更容易消化不成功的项目。

规模同样会带来集中风险。如果多家公司同时削减支出，芯片制造商和数据中心开发商可能会同时失去订单。公用事业公司则可能面对按预期电力需求设计、却迟于预期到来的项目。

反过来也会产生另一个问题。如果支出持续加速，数据中心将争夺电力设备、建筑劳动力、土地、冷却系统和水资源。需求上升可能推高后续项目成本，并延长接入电网的时间表。

国际能源署已记录数据中心用电量的快速增长。其能源预测也强调，地方电网受到的影响可能比全国总量所反映的更为严重。一个新的园区就可能构成高度集中的重大负荷。

社区面临的结果并不均衡。数据中心会带来建筑工作、税收收入和基础设施投资。然而，一旦投入运营，与占用相近土地或消耗相近电力的许多制造设施相比，它们雇用的人数更少。

居民也可能通过新的输电项目、用水需求、备用发电，或变化中的公用事业费率承担成本。成本如何分配取决于监管和合同安排，而这些安排在各州和电力市场之间差异很大。

政府政策进一步增添了不确定性。许可改革和电网投资可以加快建设进程。对先进芯片出口的限制、环境审查或地方禁令，则可能对其形成约束。这些因素都不完全处于科技公司的控制之中。

随着项目规模扩大，信贷市场也变得愈发相关。Big Tech 过去主要依靠内部现金为扩张融资。如今，企业及其合作伙伴可能更频繁地使用债务、租赁、合资企业和项目融资。

这种转变是在分散风险，而非消除风险。数据中心开发商可能拥有建筑物，而科技公司签署长期租约。资产和债务位于其他主体名下，但其经济逻辑仍依赖于集中租户群体持续的需求。

消费者和企业客户也面临另一类风险敞口。服务提供商需要通过订阅、按使用量收费、广告或生产率提升来收回基础设施成本。激烈竞争可能推迟这一回收过程，但无法无限期延后。

AI 产品可能变得更昂贵，设置更严格的使用限制，或包含更多广告。云客户可能看到承诺条款或折扣结构发生变化。知识工作者可能会面临更大的压力，需要采用那些财务回报仍不均衡的工具。

这也构成了关注支出争论的现实理由。它会影响哪些 AI 产品能够存续、哪些功能仍会得到补贴，以及服务提供商多快会从获取用户转向变现。

对个人用户而言，保持对工作上下文的掌控，可以降低对任何单一模型提供商的依赖。本地AI 知识库能够在模型、订阅和服务限制不断变化时，帮助用户整理并保留有用的源材料。

不应夸大这种系统性风险。这些公司并不相同，它们的基础设施支撑着不同的收入来源。Alphabet 和 Meta 高度依赖广告，Microsoft 强调企业软件，而 Amazon 则将云计算与商业业务结合起来。

不过，每家公司内部的多元化并不能消除相关性投资。四家公司都依赖于 AI 使用规模扩大、充足的电力、持续的芯片供应，以及愿意付费的客户。正是这种共同敞口，使这轮建设的影响超出了 Silicon Valley。

三项信号将显示 AI 押注是否奏效

接下来的财报必须把基础设施支出与可持续的现金回报联系起来，而不只是宣布又一次扩容。

第一个信号是云收入与资本支出之间的关系。Azure、Google Cloud 和 AWS 应当在基础设施支出扩大的同时维持增长。如果折旧和运营成本吞噬了由此产生的毛利润，仅有收入增长并不足够。

投资者应关注云业务的营业利润率，而不只是销售额。服务提供商可以通过接近成本价出售昂贵的算力来获得收入。可持续回报要求利用率、定价和软件收入足以覆盖处理器、电力、网络、支持服务和折旧成本。

积压订单的质量同样重要。已签约的承诺比对需求的笼统表述提供更有力的证据。然而，积压订单可能跨越数年，也可能包含常规云服务，因此必须与当前收入和剩余义务进行比较。

第二个信号是扣除租赁和其他承诺后的自由现金流。标题中的资本支出涵盖直接采购，但不断扩大的建设越来越多地涉及融资租赁和第三方设施。分析师需要以一致的视角审视现金支出和未来合同义务。

关注 AI 收入增长时自由现金流是否趋于稳定。这一结果将支持管理层的论点，即支出正在建设富有生产力的产能。若持续恶化，则意味着投资的推进速度仍快于变现。

资本回报也提供了另一条线索。当内部项目能够提供更好回报时，放缓回购本身并非负面信号。然而，持续削减回购表明 AI 建设正在消耗此前可供股东使用的现金。

第三个信号是在新增产能投用后的利用率。当前的短缺支持扩张的理由，但真正的检验会在处理器和数据中心投入使用时到来。高利用率将确认受限需求是真实且持续的。

云服务价格下跌、客户承诺期限缩短或项目延期，都会削弱这一结论。若行业迅速转向能以少得多算力完成常见任务的小型模型，也同样如此。

效率提升并不必然削弱基础设施需求。更便宜的 AI 可以吸引更多用户，并催生新的应用。关键在于，使用量是否增长得足够快，以保持昂贵资产的生产效率。

各公司的结果将出现分化。Microsoft 可以通过 Azure 和软件订阅实现变现。Alphabet 可以将 Cloud 收入与 Search 和广告改善结合起来。Amazon 可以通过 AWS 销售基础设施，而 Meta 则需要通过参与度和广告增长，来证明其大部分内部支出的合理性。

这种分化使得比较比单一合并资本支出总额更具信息价值。如果云服务提供商带来的现金回报强于以内部应用为重点的平台，市场将看到哪种变现模式最能应对这一投资周期。

未来几个季度还将揭示这些公司是否持续上调指引。反复上调并伴随更强利润率，将验证供给短缺的叙事。支出增加却伴随现金转化率下降，则会加剧对竞争性过度建设的担忧。

关注 Google News 的读者应区分四类证据：管理层预测、已签署的客户需求、已披露的 AI 收入，以及已实现的自由现金流。预测反映信心，客户合同揭示意向，收入记录实际消费，现金流则显示整个系统是否正在付费。

最后一项指标最值得关注，因为它纳入了投资负担。Big Tech 已证明自己能够建设庞大的 AI 系统，但尚未证明每一位参与者都能在同时建设这些系统的情况下获得卓越回报。

这场押注可以成功，却未必产生同等的赢家。客户可能获得更便宜的算力，芯片供应商可能捕捉早期利润，一些平台可能将 AI 转化为经常性收入。其他所有者则可能发现，战略必要性并不等同于财务优势。

这就是为何这场支出竞赛对开发者、企业采购者和知识工作者都很重要。产品可用性、云成本、模型选择和订阅条款，都将遵循这套基础设施的经济逻辑。追踪每项 AI 承诺背后的现金流，将利用率与产能进行比较，并追问不断增长的收入是否正在产生可持续的自由现金流。