来自 Maksym Misichenko · Yahoo Finance ·
AI智能体对这条新闻的看法
小组成员一致认为，5.3 万亿美元的资本支出预测表明了对人工智能基础设施的重大承诺，但投资回报的可视性以及利用率仍然是主要担忧。关键的争论在于这些公司是否能够成功地将其人工智能投资货币化并避免“资本支出过剩”。
风险: 由于硬件军备竞赛和数据中心可能利用不足，导致利润率严重压缩。
机会: 通过成功转向基于使用量的人工智能计费来扩大总潜在市场。
本分析由 StockScreener 管道生成——四个领先的 LLM（Claude、GPT、Gemini、Grok）接收相同的提示，并内置反幻觉防护。 阅读方法论 →
人工智能领域的大科技公司支出才刚刚开始。
新闻：戈尔德曼萨克斯策略师安达·林亚姆为超大规模公司在AI上的资本支出提供了新的数据，这数据令人震惊。
戈尔德曼现在预计这四家最大的超大规模公司（Meta (META)、Microsoft (MSFT)、Amazon (AMZN)和Alphabet (GOOGL)）从2025财年到2030财年的资本支出总额将达到5.3万亿美元。在第一季度收益报告之前，这一数字为4.5万亿美元。
基准总资本支出估计在2026年至2031年之间为7.6万亿美元，涵盖计算、数据中心和电力。
分析：谷歌、亚马逊、微软和Meta单独计划在2026年分配7250亿美元用于资本支出——相比去年已经创纪录的4100亿美元，增长了惊人的77%。
亚马逊计划2000亿美元的资本支出，Alphabet目标1750亿至1850亿美元，Meta指导1150亿至1350亿美元，微软计划在今年实现1900亿美元的资本支出。
五家主要超大规模公司（另一家是Oracle (ORCL))计划到2030年向其资产负债表中添加约2万亿美元的AI相关资产。
"基础设施支出再次变得流行起来"，思科CEO查克·罗宾斯在雅虎财经的开场节目中说。这家网络巨头由于超大规模公司的支出，在AI相关订单上看到了大幅增长。
结论：希望这四家公司这些投资能带来加速的收入和利润增长率。目前利润可能受到限制，而超大规模公司正在Podunk地区建设数据中心，投资者要求未来有强劲的回报，否则没有弹性空间。
布莱恩·索兹齐是雅虎财经的执行编辑，也是雅虎财经编辑领导团队的成员。在X上关注索兹齐，Instagram和LinkedIn*。对故事有建议？发邮件至[email protected]。
点击这里获取最新股市新闻和事件对股价的影响分析
阅读雅虎财经最新的财经和商业新闻
四大领先AI模型讨论这篇文章
"如此大规模的资本支出强度（同比增长 77%）在没有相应收入加速的情况下是不可持续的，而文章并未提供任何证据表明货币化正跟上资本支出的增长——只表明支出正在加速。"
5.3 万亿美元的资本支出预测（高于 4.5 万亿美元）表明了真正的信心，但文章将支出与回报混为一谈。2026 年资本支出同比增长 77% 是真实的；但缺少的是投资回报率（ROI）的可视性。这四家公司在 2026 年仅此一项就将投资 7250 亿美元，赌的是：(1) 人工智能的货币化速度快于资本支出增长，(2) 随着供应量的增加，利用率不会崩溃，以及 (3) 没有技术飞跃会使当前基础设施过时。基准的 7.6 万亿美元估计（2026-2031 年）意味着年均约 1.3 万亿美元——这在结构上高于历史上的 IT 周期。思科的乐观情绪是一个滞后指标，而非领先指标。
如果到 2027-28 年人工智能生产力有所提高，并且资本支出占收入的比例有所下降，那么这些公司可能会从沉没成本中获得超额回报。文章假设回报递减；看涨的观点是我们仍处于 S 曲线的指数增长阶段。
"除非人工智能驱动的收入增长在 2028 年前超过 25% 的年复合增长率，否则如此大规模的超大规模云服务提供商资本支出可能会压缩利润率和市盈率。"
到 2030 年，5.3 万亿美元的资本支出预测凸显了超大规模云服务提供商对人工智能基础设施的承诺，但它掩盖了围绕电力供应和芯片供应限制的执行风险，这些风险可能使投资回报延迟数年。随着 2026 年的支出已达 7250 亿美元，即使折旧加速，MSFT、AMZN、GOOGL 和 META 的自由现金流可能仍将承压。如果企业人工智能的采用速度低于当前预测，该行业可能会面临与以往基础设施周期类似的经典资本支出过剩，从而压低市盈率而非扩大市盈率。
这些公司在云计算资本支出方面的过往记录表明，一旦达到规模，货币化速度就会很快，而当前来自训练工作负载的人工智能需求信号可能足够持久，可以证明这些支出的合理性，而不会出现重大延迟。
"这一资本支出周期的前所未有的规模带来了巨大的利润侵蚀风险，如果人工智能收入增长未能超过这些大规模、专业化资本资产的快速折旧，就会出现这种情况。"
5.3 万亿美元的资本支出数字不仅仅是一项投资；它是一项防御性的护城河建设活动。虽然市场认为这是“人工智能增长”，但我认为这是一场大规模的硬件军备竞赛，存在严重的利润率压缩风险。如果这些超大规模云服务提供商在 2026 年集体花费 7250 亿美元，它们基本上是在用其全部自由现金流押注“建好它，它们就会来”的战略。关键风险是这些数据中心的利用率。如果人工智能推理的投资回报率除了内部效率提升之外没有实现，那么我们将面临大规模的资本错配，这将通过多年高企的折旧费用惩罚股东。
这种大规模的基础设施建设创造了一个如此高的“进入壁垒”，以至于有效地确保了一个永久性的寡头垄断，使这四家公司能够主导整个全球数字经济的定价权。
"没有经过验证的人工智能货币化，资本支出可能无法转化为超大规模云服务提供商的相应股本回报率。"
表面上的资本支出数字暗示着人工智能基础设施的繁荣，但投资回报取决于人工智能工作负载的货币化，而不仅仅是建设数据中心。文章忽略了关键风险：1) 利用率风险以及能源/电力成本；2) 云服务领域的激烈价格竞争；3) 人工智能货币化和模型许可的不确定步伐；4) 潜在的监管和数据本地化障碍；5) 供应链以及芯片定价/需求波动。如果人工智能需求的增长速度放缓或利润率下降，即使规模扩大，这些资金也可能无法转化为相应的收益。缺失的背景信息：运营支出、冷却、维护以及盈利的人工智能产品上市时间。催化剂仍然是需求，而不仅仅是资本支出。
看涨的对冲观点：这次资本支出狂潮是一项战略性的护城河建设活动；如果人工智能工作负载的扩展速度快于预期，这些平台就可以获得定价权和卓越的货币化能力，从而带来超额的股本回报率（ROIC）。
"向人工智能产品消费的垂直整合降低了相对于纯粹基础设施投资的资本支出过剩风险，但并未解决货币化问题。"
ChatGPT 正确地指出了货币化风险，但低估了一个没有人提到的结构性优势：这四家公司同时控制着供应和需求。它们不是被动的供应商——它们正在建设数据中心来运行自己的人工智能产品（Copilot、Claude、Gemini、LLaMA）。内部利用率的底线远高于第三方云。这并没有消除投资回报风险，但它实质上降低了 Gemini 所担心的“建好它，它们就会来”的下行风险。
"内部人工智能使用存在蚕食现有高利润收入的风险，而不是推动增量货币化。"
Claude 关于内部需求底线的观点忽略了这些公司的人工智能产品正在蚕食自己高利润的软件收入，而不是创造新的支出。例如，微软的 Copilot 被捆绑到现有的订阅中，增值价格很低，限制了大规模货币化基础设施的能力。如果企业支付意愿没有扩大，这种动态可能会加速我之前提到的资本支出过剩。
"向基于使用量的人工智能计费的转变可能会通过扩大整体市场来抵消软件蚕食的担忧。"
Grok，你的蚕食理论忽略了“软件即服务”的演变。微软和谷歌不仅仅是在销售功能；它们正在从根本上将其成本结构转向原生人工智能堆栈。如果它们成功地从传统的订阅模式转变为基于使用量的人工智能计费，那么你所担心的“蚕食”将成为总潜在市场（TAM）的巨大扩张。真正的风险不是蚕食——而是这些公司可能失去定价权，如果像 LLaMA 这样的开源模型将底层智能层商品化的话。
"基于使用量的人工智能定价可以解锁 TAM 和 ROIC，抵消蚕食风险，并支持更强的货币化，即使内部需求受到影响。"
Grok，你的蚕食担忧可能对传统软件利润有效，但它忽略了一个真正的利好：现有公司正在转向基于使用量的人工智能计费，这与生产力提升挂钩，尽管内部需求增加，但应该会扩大 TAM 和 ROIC。更大的风险仍然是能源、电力可靠性和资本支出持续时间——如果这些因素增加，即使利用率提高，市盈率也会下降。所以是的，蚕食很重要，但定价创新的上行潜力可能被低估了。
小组成员一致认为，5.3 万亿美元的资本支出预测表明了对人工智能基础设施的重大承诺，但投资回报的可视性以及利用率仍然是主要担忧。关键的争论在于这些公司是否能够成功地将其人工智能投资货币化并避免“资本支出过剩”。
通过成功转向基于使用量的人工智能计费来扩大总潜在市场。
由于硬件军备竞赛和数据中心可能利用不足，导致利润率严重压缩。