AI资本开支新阶段：市场从看故事转向验证收入 - 科技巨头将AI资本开支推至新高：Google将2026年资本开支指引上调至1800亿—1900亿美元，Microsoft全年资本开支可能接近1900亿美元，Amazon维持约2000亿美元级别投入，Meta将2026年资本开支区间抬至1250亿—1450亿美元 [1] - 市场反应出现分歧，核心在于对“钱能否回流”的评估：AI产业已进入现金流验证期，市场不再单纯奖励支出规模，而是要求看到AI投入转化为真实收入 [1] - 新的产业规则是巨头可以继续投资，但市场要求看到商业闭环，AI行情从主题炒作转向财报筛选 [6][7] 巨头资本开支的驱动逻辑与收入验证 - 资本开支性质从战略卡位转向收入承接：2023-2024年投资重在抢占模型、产能等战略位置，而到2026年，市场标准变硬，要求看到收入、利润率、订单和现金流 [3][4] - Alphabet成为正面样本：2026年第一季度营收约1100亿美元，同比增长22%；Google Cloud收入增长63%至200亿美元，经营利润率提升至约33%；Gemini等模型API调用量超过每分钟160亿token，环比增长60%，显示投入已传导至云收入和客户调用 [4] - Microsoft AI业务年化收入运行率超过370亿美元，同比增长123%；2026财年第三季度收入829亿美元，同比增长18% [4] - Amazon逻辑侧重“云+自研芯片”：2026年第一季度总收入1815亿美元，同比增长17%；AWS收入376亿美元，同比增长28%，为近四年最快；Trainium相关收入承诺超过2250亿美元 [5] - Meta路径不同：2026年第一季度收入563亿美元，同比增长33%；广告展示量增长19%，单价增长12%。但其上调资本开支指引引发市场对自由现金流的担忧，导致股价承压 [5] 算力成为防御性资源与基础设施竞争 - 供给约束是推动资本开支的硬性原因：AI产业面临GPU、HBM、存储、网络、电力、散热等多环节瓶颈，算力需求难以靠短期采购解决 [9] - 算力从扩张性投入变为防御性资源：云厂商必须提前锁定GPU、数据中心容量和自研芯片，以承接未来客户订单，否则将受制于供应商并错失市场 [10] - 行业测算显示资本开支规模巨大：Google、Microsoft、Meta、Amazon四家公司2026年资本开支合计预计达7250亿美元；主要美国科技公司AI投资预计在2026年超过7000亿美元；有分析认为超大规模云厂资本开支2026年将超8000亿美元，并存在2027年迈向1万亿美元的路径 [9] - 算力架构向混合结构演进：行业从主要采购商用GPU转向“商用GPU+自研芯片+专用ASIC”的混合结构，如Google的TPU、Amazon的Trainium、Meta的MTIA [11] - AI基础设施成为重资产系统竞争：其强弱直接决定为客户提供服务的成本、稳定性和延迟，单位算力成本更低者将在价格战和客户争夺中占据优势 [12] 产业链利润传导与潜在风险 - 利润沿基础设施瓶颈扩散：第一层是算力芯片（如英伟达、AMD、博通、Marvell）；第二层是存储和网络（HBM、企业级SSD、光模块等），内存将消耗今年超大规模云厂数据中心支出的约30%；第三层是设备、材料和电力（先进封装设备、液冷、电源管理等） [13][14] - 产业链面临多重风险：一是AI应用端收入不及预期，若企业订阅放缓或广告效率见顶，云厂商将重新评估资本开支节奏；二是供给释放过快，可能导致价格和毛利率重估；三是技术路径变化，如模型变小、算法效率提升可能改变算力需求结构；四是资本市场对“负自由现金流增长”失去耐心，Meta和Microsoft的股价压力即是例证 [16][17][18][19] - 市场未来将更看重三个指标：是否卡在真实瓶颈、是否有订单兑现、能否在供给恢复后维持利润率 [19] AI进入重资产时代与未来竞争关键 - AI从软件故事变为重资产战争：数据中心、芯片、电力等均需要巨额投入 [21] - 巨头敢于继续投资的基础是部分商业化路径已跑通：如Google Cloud加速、Microsoft AI收入年化运行率超370亿美元、AWS重新提速、Meta广告效率改善 [21] - 未来竞争核心是现金流闭环：市场将奖励能把投入转化为收入的公司（如Alphabet），审问只能讲述规模的公司（如Meta面临的担忧）。真正的赢家将是单位算力成本最低、客户转化最快、现金流闭环最清晰的公司 [21][22]