Meta AI 支出遭遇穆迪警告，Big Tech 现金流趋紧

随着穆迪警告史无前例的基础设施成本正削弱 Big Tech 的自由现金流，Meta AI 支出进入了更艰难的阶段。这家评级机构审视了 Meta、Microsoft、Amazon、Alphabet、Oracle 和 CoreWeave——这些公司正将资本投入数据中心和计算硬件。

这一警告并不意味着 AI 热潮已经失败。云服务需求正在增长，已签约收入持续累积，多家公司也报告了可观的 AI 相关销售额。矛盾在于，基础设施支出的增长速度快于可用于为其融资的现金。

这改变了支撑全球最大科技平台的投资逻辑。这些公司过去无需建设同等规模的实体基础设施，便能扩张软件和广告收入。如今，它们的增长依赖于数据中心、加速器、网络系统、内存、冷却设备以及可靠的电力供应。

Microsoft 和 Alphabet 依然拥有相当可观的财务能力。Meta 的广告引擎同样带来大量运营现金。Oracle 和 CoreWeave 的容错空间更小，因为相对于现有的现金创造能力，它们的基础设施承诺更为庞大。

核心问题已不再是 AI 需求是否存在。投资者必须判断，AI 收入、利润率和现金创造能力能否在融资成本与折旧永久重塑这些公司之前迎头赶上。

穆迪将 AI 热潮转化为信用问题

穆迪的警告将 AI 基础设施重新定义为资产负债表上的承诺，而不仅仅是一项技术投资。

穆迪预计，这六家公司在 2026 年的合计资本支出将达到约 7850 亿美元。根据一项 超大规模云厂商资本支出预测，其对 2027 年的预测接近 1 万亿美元。

这六家公司中包括三家大型公有云提供商。Microsoft 运营 Azure，Amazon 运营 AWS，Alphabet 拥有 Google Cloud。Meta 主要为自身产品建设基础设施，而 Oracle 和 CoreWeave 则销售面向 AI 的计算能力。

资本支出，即 capex，涵盖服务器、建筑物和网络设备等长期资产。自由现金流通常从经营现金流中扣除现金资本支出，以显示公司为运营和投资提供资金后剩余的现金。

随着基础设施预算不断扩张，这项扣除变得更加重要。公司可以在收入和会计利润增长的同时，产生更少的自由现金流。折旧会将资产成本分摊至数年，但现金往往更早流出。

穆迪指出，行业正从轻资产模式转向资本密集度更高的结构。软件、广告和知识产权仍贡献了该集团大部分营业收入，但这些服务正日益依赖昂贵的实体产能。

这家评级机构并非认为每一美元都带来糟糕回报。其担忧在于，公司在最终回报显现之前便已投入资本。建设一座数据中心可能需要数年，而芯片和服务器可能更快失去竞争力。

穆迪此前曾警告，更高的资本密集度和不断扩大的债务可能触发对信用状况的重新评估。如果利润增长未能匹配新增融资负担，这种结果将更有可能发生。

这一警告对各家公司的分量不同。Microsoft 保持着穆迪最高的长期评级，而 Alphabet 和 Meta 也拥有强劲的投资级评级。Amazon 规模可观，但其零售业务带来了额外的营运资本需求。

Oracle 更接近信用边界。相对于其经营现金流，云业务扩张代表着规模更大的承诺。CoreWeave 则在同一基础设施周期中面临更高杠杆和客户集中度。

实力最强的公司能够承受数年低自由现金流，而不会立即陷入财务困境。然而，信用实力并非没有上限。即使当前盈利依然强劲，更多债务、租赁负债和采购承诺也会削弱未来的灵活性。

预测上调的幅度同样值得注意。穆迪年初曾预计 2026 年支出约为 7000 亿美元，随后因公司提高基础设施计划而将估计上调约 850 亿美元。

这一上调说明，投资者为何难以界定支出峰值。每一代新模型都需要更多计算能力。Agentic 系统还会持续消耗资源，因为它们完成的是多步骤任务，而非只生成一段简短回复。

更高的内存和组件成本又增加了一层压力。公司可能会部署更多产能，同时为每个单位支付更高价格。因此，预算增加并不总是意味着可用计算能力的等比例提升。

眼前的事件是一份穆迪研究警告。更深层的变化是，AI 投资已成为这些一度被视为拥有卓越自筹资金能力的公司的信用分析议题。

Meta AI 支出是更大规模现金流挤压的一部分

Meta 拥有强劲的广告引擎，但其 AI 雄心如今直接与回购、股息和财务灵活性争夺资源。

Meta 的处境不同于 Microsoft、Amazon 或 Alphabet。它并未运营可比的通用型公有云。其大部分基础设施服务于广告、推荐系统、生成式 AI 产品和内部模型开发。

这种结构为 Meta 提供了从 AI 到收入的直接路径。更好的推荐可以提升用户参与度，而改进的广告工具可以增强营销活动效果。因此，在用户为独立助手付费之前，AI 就能支持公司的现有业务。

Meta 的基础设施指引仍使其面临同样的现金流压力。FactSet 报道称，Meta 将 2026 年资本支出区间上调至 1250 亿至 1450 亿美元。此前的区间为 1150 亿至 1350 亿美元。

这一增长之所以重要，是因为支出发生在每项商业收益都变得可衡量之前。Meta 必须同时为模型训练、推理、内容排序、广告和新的消费者体验建设计算能力。

推理是指已部署模型响应请求时所需的计算工作。与一次性的训练运行不同，推理成本会随每一次提示、推荐、生成图像或自动化操作重复发生。

Meta 的开放模型战略又带来一项复杂因素。更广泛的模型可用性可以增强开发者采用率，并降低对竞争对手平台的依赖。然而，外部采用并不会自动为 Meta 带来直接收入。

该公司仍可间接受益。开放模型可以形成标准、吸引研究人员，并扩大兼容工具的供给。只有当这些优势改善 Meta 的产品、广告经济效益或平台地位时，它们才会体现为财务价值。

因此，投资者需要区分 AI 使用量与 AI 回报。更多提示、模型下载和助手交互证明了需求，却不能证明每项工作负载都能赚取足以覆盖服务器、电力、网络和折旧的收入。

Microsoft 通过 Azure 和企业软件拥有更清晰的按量计费路径。Amazon 可以通过 AWS 向客户收费。Alphabet 则将 Google Cloud 收入与搜索和广告改进结合起来。

Meta 主要为自身产能提供资金，并通过其应用捕获回报。当 AI 提升广告效率时，这种方式可以发挥极佳效果。当支出支持尚无明确商业模式的产品时，评估就会变得更困难。

压力也延伸至股东回报。Reuters 发现，Meta、Microsoft 和 Alphabet 在最近一个财年仍产生了足以覆盖股息和回购的自由现金流。持续的资本支出增长可能会压缩这一缓冲空间。

回购具有自主性，不同于利息支付或具有合同约束力的数据中心承诺。如果支出持续高企，减少回购是保留现金的一种相对简单方式。投资者仍可能将这种减少视为一种经济成本。

Meta AI 支出还会在公司内部产生机会成本。投向基础设施的资本无法同时用于收购、股东分配或其他产品领域。管理层必须决定哪些 AI 项目值得获得稀缺的计算资源。

随着产能变得更加专业化，内部配置挑战将不断加剧。训练前沿模型、服务助手和短视频排序，可能需要不同组合的芯片、内存、延迟和网络资源。

更多基础设施并不会消除权衡。它只可能将权衡从服务器短缺转移到电力、工程团队注意力或合适数据中心选址的短缺。

Meta 的优势在于，它掌控着拥有数十亿用户的应用和成熟的广告系统。其劣势在于，成功的消费者采用可能在直接收入来源出现之前就产生巨大的推理需求。

这使 Meta 成为检验整个 AI 投资论点的有用案例。如果 AI 改进带来的广告收入和利润率增长快于基础设施成本，支出便会巩固公司的传统优势。

如果成本增长更快，Meta 就开始像一家资本密集型基础设施运营商，却无法获得公有云的经济效益。这正是穆迪警告所置于更严格审视之下的逆转。

轻资产模式正在让位于基础设施经济学

Big Tech 的核心财务承诺正在改变，因为软件增长如今需要不断扩大的实体资产基础。

多年来，投资者看重大型科技平台，部分原因在于新增收入只需相对较少的新增资本。一项软件更新可以触达数百万客户，而无需为每一波需求建设一座新工厂。

AI 削弱了这种关系。每个大模型都需要加速器、高带宽内存、存储、网络、冷却和电力。服务更多用户会持续产生对额外产能的需求。

Futurum Equities 的 Shay Boloor 向 Reuters 表示，这一变化可被视为向混合模式的转变。软件、广告和云业务的经济效益正日益依赖规模庞大的实体基础设施。

一项 Reuters 现金流分析发现，五家超大规模云厂商在 2027 年的资本支出可能超过其产生的自由现金流。该集团包括 Microsoft、Alphabet、Amazon、Meta 和 Oracle。

LSEG 一致预期估计显示，它们的年度经营现金流可能在 2025 年至 2027 年间增加约 3400 亿美元。同一时期，资本支出可能增加约 5340 亿美元。

这相当于每增加 1 美元经营现金流，就要增加约 1.57 美元投资。该比较包括全部资本支出，因为公司并未持续披露 AI 专项支出部分。

这一缺口已经体现在个别业绩中。Microsoft 在其财年第二季度报告了 358 亿美元经营现金流。包括融资租赁在内的资本支出达到 375 亿美元。

微软表示，其 AI 业务的年化营收运行率已超过 370 亿美元。这为商业化提供了具体证据，但并未解答回报问题。营收最终必须覆盖运营成本、折旧、融资以及未来的更新支出。

亚马逊展现了同样张力的另一种形式。其过去 12 个月的运营现金流在第一季度增长 30%，达到 1,485 亿美元。随着投资加速，自由现金流降至 12 亿美元。

AWS 营收同比增长 28%，创下 15 个季度以来最快增速。强劲增长支撑了投资逻辑，但自由现金流下降也表明，这种增长需要多少资本投入。

Alphabet 的处境似乎更有利，因为其云业务和广告业务能产生大量现金。Google Cloud 第一季度营收增长 63%，营业利润则增长逾一倍。

AWS、Azure 和 Google Cloud 的合计营收增速达到 2021 年第二季度以来最快水平。在此前的那个时间点，它们的合计云营收仅相当于如今水平的大约三分之一。

这些数据支持了乐观观点。企业并非在没有客户的市场中盲目建设产能。云业务增长、产能短缺和已签约义务都清晰显示出需求。

穆迪表示，超大规模云服务商在两个季度内新增了约 7,000 亿美元的剩余履约义务。这些义务代表企业尚未交付的已签约服务。

OpenAI 和 Anthropic 是这部分增长的来源之一。它们的产能需求帮助云服务商证明未来需求的存在。但当大量签约增长依赖于少数 AI 开发商时，这也会带来集中度风险。

积压订单并不等同于现金。一份合同可能跨越数年，且在营收到账前就需要大量投资。如果建设、内存或能源成本高于谈判时的假设，其利润率也可能发生变化。

数据中心资产同样带来期限风险。一个园区可以运营数十年，但其中的计算硬件需要频繁升级。企业必须在每一轮硬件周期中赚取足够收益，为下一轮更新提供资金。

轻资产模式并未完全消失。软件分发仍可高效扩张，训练完成的模型也能在多个产品中创造价值。只是支撑这些软件的物理基础设施变得大得多。

这一差异对估值至关重要。投资者往往会为可预测的自由现金流给予较高估值倍数。持续需要建设、租赁和设备更新的业务，可能应当承担不同的风险溢价。

因此，AI 热潮带来了一个奇特结果：营收可以加速增长，而估值压力也会增加。当每新增一美元收入所需的资本比过去更多时，市场对增长的回报可能不再那么慷慨。

Oracle 和 CoreWeave 显示风险在何处变得尖锐

当基础设施承诺超过一家企业既有现金引擎的承载能力时，AI 融资问题便最为明显。

Oracle 已转型为激进的 AI 基础设施提供商。大型合同和云需求支撑着这一战略，但其当前支出已大幅超过内部产生的现金。

截至 5 月的财年中，Oracle 的资本支出达到 557 亿美元。路透社援引 LSEG 数据称，其运营现金流为 320 亿美元。

其资本支出相当于运营现金流的 174%。该比例在 2022 财年为 47%。因此，其自由现金流已转为负值。

Oracle 计划通过债务和股权融资筹集 450 亿至 500 亿美元，以继续扩张云业务。外部融资并不会让这项投资失去理性，但会将更多风险转移给债权人和股东。

FactSet 报道称，S&P Global Ratings 于 7 月 9 日将 Oracle 的评级下调至 BBB-minus。该评级仍属投资级，但已接近投机级区间。

S&P 提到了资本支出上升、自由现金流为负以及客户集中度问题。在 FactSet 分析时，穆迪给予 Oracle 的评级为 Baa2，展望为负面，比可比的 S&P 评级高一个级别。

一项融资趋势分析发现，到 2026 年年中，新增年度债务为资本支出提供了 32% 的资金。该比例在 2024 财年为 9%。

外部资金可以包括债券、股权、租赁、客户预付款和合资企业。每种方式都会改变风险承担者，但没有一种能消除获得可接受回报这一根本义务。

租赁可以推迟前期现金支付，但也会形成固定的未来承诺。合资企业可以将资产移出企业合并资产负债表，但企业仍可能通过担保或长期合同保留经济风险敞口。

客户预付款能改善短期融资状况，但也可能要求提供商按照尚未完全明确所有建设成本前确定的条款交付产能。

CoreWeave 处于更为集中的位置。其业务依赖于获取大量计算基础设施，并将这些产能出售给较小范围的客户群体。

与 Meta、微软或 Alphabet 不同，CoreWeave 没有成熟的广告或生产力软件业务来补贴建设支出。其增长与融资渠道以及领先 AI 开发商持续需求密切相关。

这使得客户质量与需求规模同样重要。当客户维持健康财务状况并需要这些产能时，长期合同看起来很有价值。若某一客户推迟部署或重新谈判条款，客户集中度便会变得危险。

看空观点并不要求 AI 需求崩溃。即便使用量增长，回报也可能令人失望。更低的云价格、更高的能源成本、更快的芯片淘汰速度或较低的利用率，都可能压缩利润率。

利用率衡量客户实际使用了多少可用计算产能。满负荷预订的数据中心可以带来有吸引力的经济效益。利用不足的设施仍会产生折旧、维护、人员和融资成本。

乐观观点同样值得重视。计算资源短缺可以赋予提供商定价权。客户可能接受更长期的合同，因为未能锁定产能会威胁到自身的产品计划。

随着签下大型 AI 合同，Oracle 的剩余履约义务达到可观水平。若 Oracle 能按时且在预算内完成产能建设，这些协议可支撑未来营收。

不过，已签约需求并不能消除执行风险。千兆瓦级园区需要土地、电网接入、设备、许可和施工协调。延误会推迟营收，同时融资成本仍会持续。

信用评级将日益拉开这一群体的差距。微软和 Alphabet 可以承受令人失望的项目，而不会立即危及整体财务状况。Oracle 和 CoreWeave 对反复误判的承受空间更小。

这种差异最终可能影响竞争格局。实力更强的企业可以在下行周期继续投入，而高杠杆提供商可能不得不放慢建设，或接受不利的融资条件。

因此，穆迪的警告并非预测六家公司都会同样受损。它表明，同一轮投资周期正在产生显著不同的资产负债表风险。

最重要的分界线不再是大型科技公司与较小竞争对手之间，而是自筹资金的产能与需要持续获得外部资本支持的产能之间。

三个信号将决定支出是否获得回报

云业务增长、自由现金流和融资条件将揭示，AI 基础设施究竟会成为高效资本，还是长期财务负担。

第一个信号是云营收增长与修订后资本支出指引之间的关系。增长必须足够强劲，才能证明每一轮新增建设的合理性。

投资者应将 AWS、Azure 和 Google Cloud 的业绩与基础设施预算一同观察。营收上升而资本支出保持稳定，会强化回报逻辑。增长放缓却伴随又一轮支出增加，则会削弱这一逻辑。

Meta 需要采用略有不同的检验标准，因为它没有可比的公开云业务部门。投资者应关注广告增长、用户参与度，以及管理层关于 AI 改善变现能力的证据。

关键问题不在于 Meta 是否推出更多 AI 功能，而在于这些功能能否让运营现金流的增长快于运行它们所需的基础设施支出。

第二个信号是扣除租赁及其他融资承诺后的自由现金流。表面上的资本支出可能未计入设备或数据中心协议附带的未来付款。

Epoch AI 审查了微软、亚马逊、Alphabet、Meta 和 Oracle 的 SEC 申报数据。其现金资本支出模型预测，到 2026 年第三季度左右，合计现金资本支出将超过运营现金流。

该模型发现，从 2023 年第二季度起，运营现金流年增长约 23%。在同一拟合期间，现金资本支出年增长约 70%。

Epoch 明确表示，这一交叉点是趋势延伸，而非完整的财务预测。季节性和起始日期都可能使估算的交叉时间点前后移动数个季度。

公司层面的顺序仍提供了有用的压力测试。模型显示，Oracle 已经越过这一门槛，亚马逊则接近门槛。在趋势假设下，Alphabet、Meta 和微软会在之后越过该门槛。

交叉并不意味着资不抵债。这些企业仍然盈利，并可利用现金储备、债务、股权、租赁或资产合作伙伴关系。它意味着其运营已无法为所有当前投资支出提供资金。

这一差异应当影响对财报的分析。净利润可以保持健康，同时融资依赖性却在增加。投资者应比较运营现金流、现金资本支出、租赁新增额和总债务，而不是仅依赖盈利数据。

第三个信号是融资的价格和可得性。信用利差、评级行动和债券需求将显示资本市场如何评估这一轮建设。

英格兰银行的评估援引估计称，2026 年超大规模云服务商 2,400 亿美元的投资需求可通过投资级信用债发行融资。

作为对比，该评估指出，美国最大的六家银行通常每年发行 1,500 亿至 1,700 亿美元的优先债务。因此，AI 基础设施可能成为信贷市场需求的重要来源。

当投资者接受较窄利差和较长期限时，融资仍可控。若企业仍需完成部分已建园区而借款成本上升，风险便会增加。

Oracle 提供了最近的检验案例。进一步降级或信用利差扩大，将提高其扩张成本。评级稳定且融资成功，则表明贷款方仍信任其已签约营收基础。

微软、Alphabet、亚马逊和 Meta 拥有更大的财务灵活性。它们的决策仍将影响整个市场，因为其订单支撑着芯片制造商、数据中心开发商、公用事业公司和设备供应商。

协调一致地放缓支出将保护各公司的现金，但也可能削弱供应商，并减少支持未来 AI 服务的可用基础设施。

这就形成了一个悖论：每家公司都希望避免过度建设，却没有任何一家公司愿意将稀缺产能拱手让给竞争对手。即便单项回报变得更难证明，竞争压力仍可能维持投资。

读者还应区分能带来实际产出的 AI 支出与战略性保险投入。部分产能将带来可衡量的云服务或广告收入。另一些产能则是为了避免公司落后，即使其直接回报仍不明确。

战略性保险可能是理性的选择，但难以估值。它要求股东接受较低的短期现金流，以换取避免未来不确定竞争损失的可能性。

对于开发者和企业采购方而言，融资周期可能影响产品可用性和合同条款。面临现金压力的供应商可能会优先服务大客户、较长期的承诺，或利润率更清晰的工作负载。

知识工作者将通过产品捆绑和使用限制感受到影响。寻求回报的公司可能会将更多 AI 功能纳入付费生产力产品，或限制成本高昂的工作负载。

评估供应商声明的团队应将财报电话会议记录、基础设施指引和产品变更保存在可搜索的 AI knowledge base 中。回报逻辑将跨越多个财报周期逐步显现，而非来自某一次公告。

下一轮财报季应回答三个实际问题：云业务增长是否仍在加速？自由现金流是否正在趋于稳定？实力较弱的发行方能否在不付出显著代价的情况下筹集资本？

正面答案将支持这样一种观点：当前支出是为满足持久需求而进行的前置投资。负面答案则会强化 Moody’s 的担忧，即在 AI 经济效益得到验证之前，财务风险正在上升。

Meta 的 AI 支出仍是这项检验的重要组成部分。其广告业务为它赢得了时间，但时间本身并不能证明回报。

关注现金，而非模型发布数量。将每一次基础设施指引上调与经营现金流、商业化证据和融资承诺进行比较。哪家公司会率先证明，AI 收入的增长速度能够快于支撑其交付所需实体系统的扩张速度？