AI 产业链 · 深度拆解
个人观点，仅供参考。不做投资建议，投资需找专业机构。股市有风险投资需谨慎。
深度拆解
一个反常识的事实是：当全球最大的四家科技公司——Meta、微软、谷歌和亚马逊——在 2026 年二季度合计烧掉 1700 亿美元用于资本开支时，华尔街的即时反应并非恐慌，而是冷静地计算这笔巨额投入何时能收回成本。更令人意外的是，根据当日产业巡检引用的分析，AI 相关营收在历史上首次超过了折旧成本。这意味着，经济学意义上的“勉强成立”第一次被摆上了台面，但容错空间已经窄到不能再窄。
要理解这笔巨额投资的必然性，需要拆解三个环环相扣的齿轮。
第一个齿轮是云计算的“军备竞赛”。微软的 Azure、谷歌的 Google Cloud 和亚马逊的 AWS 构成了全球云服务的第一梯队。根据公司财报数据，微软智能云的年运行率已超过 750 亿美元（同比增长 34%），谷歌云的运行率则超过 700 亿美元（同比增长 48%）。在 Q2-26，谷歌云营收更是实现了 82% 的同比爆发式增长。云服务商必须持续扩容，否则就会在算力租赁的竞争中掉队。
第二个齿轮是自研芯片带来的成本结构重塑。谷歌是其中的典型代表——它通过自研 TPU 芯片来降低对传统 GPU 的依赖，从而在提供算力时拥有更灵活的定价权和毛利率空间。这不仅是技术路线之争，更是对算力成本极限的探索。
第三个齿轮则是AI 应用变现的“惊险一跃”。Meta 的广告业务（占其收入约 97%）正在通过 AI 推荐系统提升转化率，微软则将 Copilot 嵌入 Office 和 Azure 生态。只有当 AI 应用真正产生可观的营收，这 1700 亿美元的季度投入才能形成闭环。
让我们把这些数字具象化。四大科技巨头二季度 1700 亿美元的 capex，意味着每天要烧掉约 18.9 亿美元。如果全年达到 1.5 万亿美元，这个数字将占全球半导体市场总收入的一半以上。而 McKinsey 估算的 7 万亿美元数据中心建设支出，相当于再造 3 个当前全球云基础设施的总价值。这些数字并非孤立存在——它们对应着真金白银的营收与估值：Meta 的营收（US$十亿口径）为 200.97，净利 60.46，毛利率高达 82%；微软营收 281.7，净利 101.8；谷歌营收 402.8，净利 132.2。这些强劲的财务数据，是支撑它们敢于下注的底气。
这场资本盛宴并非没有裂缝。首先，“AI 营收首季超折旧成本”的结论极度依赖会计处理——如果折旧年限拉长或资本化比例提高，利润表会更好看，但现金流压力并未缓解。其次，容错空间极窄：一旦 AI 应用的增长速度不及预期，或算力利用率下降，高达 1700 亿美元的单季投资将迅速从“护城河”变成“负债”。再者，自研芯片并非万能解药——谷歌的 TPU 虽强，但在通用大模型训练上仍无法完全替代英伟达的 GPU，这意味着技术路线存在被颠覆的风险。最后，7 万亿美元的建设支出预测隐含了极高的能源与土地成本假设，若全球能源政策收紧，该数字可能大幅缩水。
与其把四大巨头的 capex 看作简单的“花钱”，不如将其理解为一场关于“AI 基础设施定价权”的长期布局。对产业链上下游而言，这意味着：上游的芯片、光模块、液冷设备供应商将迎来持续数年的订单景气周期；中游的云服务商将被迫跟进投资，否则就会在算力租赁市场失去份额；下游的 AI 应用开发者则将受益于更廉价、更充沛的算力供给，从而加速应用层的创新爆发。
理解这场豪赌的三个维度是：① 短期看现金流压力，但长期看市场份额与生态绑定——只要 AI 应用需求保持指数级增长，这笔投入就有望转化为更高的营收天花板；② 关注"AI 营收 vs 折旧成本"的剪刀差能否持续扩大——这是判断资本开支是否"健康"的最核心财务指标；③ 警惕技术路线的分化——自研芯片（如 TPU）与通用 GPU 的竞争将决定未来算力成本曲线的斜率，也决定了 7 万亿美元建设支出中"硬件"与"软件"的分配比例。
市场担心的从来不是巨头花太多，而是怕自己跟不上这场"不扩容就掉队"的生死局——当算力变成基础设施，晚一步，就少一张通往下一个十年的门票。