谁在为近6000亿美元的AI投资买单？

高盛研究部门8月估算，2026年美国境内AI相关资本投入预计达5810亿美元，涵盖数据中心、算力设备及相关产业链建设。作为本轮扩张主力的微软、亚马逊、Alphabet、Meta和Oracle，正迎来一个关键的财务拐点：五家公司的全球资本开支，预计将超过当年经营现金流。

当前AI付费需求迅速扩大，基建投入也已实质拉动美国经济。核心悬念在于，新增业务创造的现金流，能否及时覆盖前期扩张与随后的设备更新。谁能持续锁定终端现金回流，谁只能依赖下一轮融资，将决定这轮投资中利润与亏损的归属。

一、五大巨头资本开支逼近8000亿美元，开始超出自身经营现金流

五大科技巨头的资本开支并非过去几年的匀速延伸，而是从2024年起急剧提速：2023年资本开支尚较上年略有下降，2024年即增至约2400亿美元，2025年进一步升至4160亿美元，2026年预计将接近8000亿美元。

哥伦比亚商学院教授Stijn Van Nieuwerburgh在布鲁金斯学会发表的研究，对比了五家公司的资本开支与经营现金流：2026年资本开支预计同比增长约93%，经营现金流仅增长约17%；新增投资约3850亿美元，新增经营现金流约1040亿美元，前者接近后者的3.7倍。资本开支占经营现金流的比重，也从2023年的41%、2025年的69%，升至2026年预计的113%，对应金额分别约为8000亿和7070亿美元。

这改写了巨头的资金分配格局。过去由广告、软件、电商和云服务产生的现金，在支付基础设施后仍能支撑大规模回购、分红和其他投资；如今同样的现金来源，必须优先承接激增的建设预算。约930亿美元差额并非AI业务亏损，企业也可动用现金储备、缩减股东回报或出售资产，但资本开支已突破原有的内生资金平衡。

该全球集团序列包含非AI业务，历史数据采用日历年现金资本开支和经营现金流，2026年结合已报业绩、指引与预测；第三方建设后租入的机房尚未计入。它反映集团整体预算压力，而非美国境内单一AI项目的资金表。

美国境内近6000亿美元的投资，则将企业预算扩张推向了宏观尺度。高盛在巨头预算基础上扩展企业样本，扣除部分传统业务基数、尽量剔除租赁重复计算，并按项目所在地归集，估算2026年美国AI相关投入约占GDP的1.8%（该全年预测尚非全年已完成金额）。

宏观拉动效应已见于官方统计。美联储7月研究将软件、电脑及外设、数据中心建筑与电力设施合为广义代理指标（包含部分传统IT用途），剔除相关净进口后，测算其对2026年一季度美国实际GDP环比折年增长的贡献约为0.73个百分点，足见本轮科技建设对总需求的支撑力度。

圣路易斯联储2026年1月的研究提供了历史参照：按当时统计版本，在均含非AI活动且未扣进口的同口径下，信息处理设备、软件和研发对实际GDP增长的季度折年贡献，2000年四季平均为0.81个百分点，2025年前三季度平均达0.90个百分点，其中软件贡献由0.11升至0.35个百分点。这表明本轮科技投资的宏观拉动已达互联网热潮峰值年份的量级，且结构上更依赖软件。

不过，全年投资维持高位并不意味着每季拉动恒定。按9月修订的同版BEA数据（未扣除设备进口，覆盖范围亦与美联储研究不同），信息处理设备与软件对GDP增长的毛贡献，已从一季度的1.39个百分点回落至二季度的0.52个百分点，同期实际GDP增速分别为2.5%和2.2%。

在贸易核算中，进口服务器会同时增加美国投资和进口扣减项，境外制造部分不形成美国当期增加值；本地工程及后续运营才计入美国产出，亚洲芯片、存储和设备企业则同步获得订单。由于建设需求先于经营回报发生，未来即使支出维持高位，只要实际投资增长放缓，对GDP、相关订单和就业的拉动就可能减弱。

二、2025年AI数据中心用电增长50%，份额竞争、电网时滞与外部融资推高超前建设

现金预算趋紧并未令企业放慢建设，首要原因在于实际算力负载仍在增加。国际能源署估计，2025年全球数据中心用电增长17%，其中AI数据中心增长50%。用电量虽非收入统计，却从物理层面印证新增设施正在消耗能源、承载实际计算。

模型训练只是其中一部分，推理负载则随用户调用持续发生。文本生成之外，长上下文、视频、多轮思考和智能体任务推高了单次使用的资源消耗。单次计算更便宜与行业总用量更大并行，已成为企业规划容量时的现实基准。

高盛在算力建设情景分析中将需求弹性列为关键变量：技术进步虽能以更少设备完成固定工作量，但算力降价也会吸引原本不划算的任务进入市场。企业在提前预订容量时，已将降价激发的新增用量纳入预期。

第二重动力来自防御性竞争。Meta建设AI基础设施，不仅是销售新模型产品，更要改善推荐和广告；Google则同时迎战搜索入口、模型产品和云市场的竞争。对拥有庞大存量业务的公司，投资收益还包括避免原有收入被替代；这部分收益虽难单列，却实质影响资本预算。

国际清算银行指出，当企业预期领先者能夺取较大市场份额时，各家都会提前投入。由此产生的行业结果，往往是几家公司同时为相近的未来市场超前建设容量。竞争抬高了“不投资”的经营风险，也可能压低所有参与者最终取得的回报。

第三重动力是建设时滞。国际能源署2025年报告指出，数据中心可在两三年内建成，发达经济体新建输电线路却通常需四至八年。若等需求完全确定后再找电、找地和接网，往往已赶不上产品与客户的时间表。

这解释了为何当前电力短缺会促使企业签下更长的容量承诺，也说明短缺并不能自动保证远期项目收益：今天锁定的是未来特定地点、设备和期限的供应，交付时的客户需求、技术路线与服务价格可能已发生变化。

第四重动力在于外部资本愿意提前支付这段等待期。综合平台动用主业现金流，独立模型公司通过股权融资获得购买力，云商与开发商则凭长期客户合同取得贷款及机构资金。多路资金沿采购链条注入硬件与工程，令当期建设规模得以超越AI新产品自身创造的现金。

OpenAI于3月宣布完成1220亿美元承诺资本融资，Anthropic在5月宣布融资650亿美元。尽管资金承诺与实际交割存在时点差异，但巨额融资安排已成为独立模型公司采购算力的重要信用基础。

三、广告、云与模型订阅构成三类回款路径，巨头新增经营现金已被投资吸收

若仅以模型订阅费解释全部AI设施回报，会低估成熟平台的变现能力。Meta与Google的大量投入，服务于已拥有客户、收入和分发体系的核心业务；独立模型公司则要在支付算力的同时，从头建立付费市场。两者承担相近的硬件成本，等待回报的财务韧性却相差甚远。

两大平台的集团年度现金流（不将传统业务现金算作新增AI项目回报）已反映出基建提速的消耗。2025年，Alphabet经营现金流同比增加约394亿美元，现金购置物业及设备的支出增加约389亿美元，几乎悉数吸收现金增量；Meta经营现金流增加约245亿美元，含融资租赁本金的资本开支增加约330亿美元，扣除投资后的经营现金余量同比减少约85亿美元。

第一条路径是Meta代表的广告变现。2026年二季度其广告收入约594亿美元，同比增长27%；公司称用户理解、广告排序与序列学习等模型改进提高了转化效果。广告主支付的仍是常规广告费，AI通过提高流量价值和投放效率直接参与回款，无需先行做成单独收费的AI产品。

尽管广告增长同时受流量、宏观和汇率影响，无法全部归因于AI，但Meta的新增算力确可接入庞大的既有收费体系。不过高强度投入仍在压缩现金缓冲：当季集团经营现金流约319亿美元，含融资租赁本金的资本开支约311亿美元，投资后现金余量由上年同期的约85亿美元骤降至约8亿美元。

Google则同时经营第二条路径——对外出售基础设施。Google Cloud二季度收入约248亿美元，同比增长82%，经营利润约88亿美元；其中既有传统云，也有AI服务与首次交付的TPU系统销售，而共享AI研发仍由集团另行承担。混合业务的云利润与集团资金缺口并存：当季Alphabet经营现金流约391亿美元，现金购置物业设备达449亿美元，投资后现金流由上年同期的正约53亿美元转为负约59亿美元，云分部盈利尚不足以证明全部AI资产均已回本。

这也赋予了Google向外部模型公司提供算力清晰的商业逻辑：通过承接自有模型、外部模型厂商及普通企业客户的不同负载，可将同类底层设施接入多元需求来源。只要合同、价格与成本划算，下游客户即便在应用层与Gemini竞争，也不妨碍其成为云业务的买方。

但云平台的收入仍需向下穿透。企业为已上线业务购买算力，与模型公司为下一代产品训练购买算力，虽同样形成云商销售，付款基础却不同：前者更多依靠日常经营预算，后者则可能高度依赖融资支持。云商收到货款，并不意味整条产业链已实现终端回款自给。

第三条路径才是模型、应用与软件直接收费。微软披露，截至2026财年末，Microsoft 365 Copilot已逾3000万付费席位，表明企业软件的存量客户正转化为AI工具付费群体；但调用增加也会同步推高推理成本，席位扩张并不能全部视作新增利润。

独立模型公司的商业化放量尤为显著。据路透社10月报道，Anthropic向投资者披露其一至三季度收入分别约47亿、116亿和168亿美元，三季度收入约为一季度的3.6倍，前三季度合计达331亿美元，且三季度已实现调整后盈利，显示企业与开发者付费已具可观规模。

OpenAI按9月推算的年化收入速度也已接近500亿美元。尽管年化速度尚非全年实际收入，且两家公司渠道销售的确认方式存在差异、不宜仅凭表面收入排名判定谁的终端需求更强，但均印证付费市场正在迅速扩大。

Anthropic的盈利进展虽提振了商业化信心，但公开材料尚未披露完整盈利调整表与全周期现金流。租用算力形成的当期费用，与未来训练、长期采购承诺及自建设备支出，入表与现金付款的时点并不一致；单季经营改善虽能缓解短期压力，后续履约义务仍需持续增长的现金流支撑。

上述差异使“谁为AI买单”有了清晰图谱：广告主、企业软件客户、开发者与个人用户已在终端付款；成熟平台将部分传统业务现金投入新设施，外部投资者则提供增量资金。多路资金在当期共同支撑起庞大建设，但评估新增AI项目的独立回报时，仍须与集团传统业务的存量盈利严格区分。

当然，现金余量收窄并未使巨头陷入即刻的资金短缺。6月末Alphabet持有约559亿美元现金及现金等价物，Meta现金、现金等价物与有价证券合计约903亿美元；二季度两家公司现金流量表列示的股票回购均为零，且均取得外部融资。巨头已主动调整现金分配，仍握有资产与融资缓冲，经营现金更多投向基建并不等于资金即将耗尽。

企业付费能扩展多快，根本上取决于买方的实际收益。麦肯锡2026年调查显示，80%的受访者报告个人生产率改善，但仅37%报告AI对企业息税前利润产生正面影响，表明工时节约尚未普遍转化为企业利润。若技术节约主要通过降价让渡给客户，供应商取得的收入和利润也将低于技术节约的潜在价值。

四、Alphabet六成技术基础设施投入用于服务器，算力降价与芯片迭代收窄回收窗口

巨额资本开支购置的并非同质资产。Alphabet二季度称，其技术基础设施投资约六成用于服务器，约四成用于数据中心和网络设备。土地、电力接入、建筑、冷却系统与服务器、加速芯片的经济寿命悬殊；其中短寿命硬件的持续更新，会使“建好以后慢慢收租”的传统基建逻辑失真。

亚马逊2026年股东信指出，不同建设环节的支出通常早于客户计费六至二十四个月；其年报还曾将部分服务器及网络设备的会计使用寿命从六年缩至五年。建设等待已占用资金，投产后还要经历爬坡，硬件竞争又可能缩短维持初始价格的时间窗口。

因此，全行业并无统一的“每年最低回报率”。付现运营成本决定当期能否继续运转，折旧等费用影响当期利润，完整投资则须由多年经营净现金流逐步收回。折旧本身虽不再消耗现金，但其背后的设备耗用与技术淘汰，决定了企业何时需要再次付款更新。

以投运后稳定运营作简化测算（暂不计建设等待和爬坡）：假设投入100，设备60、经济寿命四年，设施40、寿命二十年，均无残值。按10%税前无杠杆资金成本，将两类资产分别按寿命折算为每年应收回的本金及资金成本并相加，合计约23.6，隐含持续服务及相应更新。若另有固定运维3，基准价格下变动运行成本占收入20%，所需年收入约33.3。作为对照，同样的100投入若全都能经济使用二十年，年度资本回收要求仅约11.7，不足上述混合资产结构的一半。短寿命设备的高占比，直接压缩了项目等待回款的时间。

假定该项目满负荷年收入为50、对应变动运行成本为10，则需约67%的利用率方可达标；若仅将服务售价下调20%，同等工作量的运行成本仍为10，所需利用率便跃升至约89%。模型中的寿命、资本成本与价格虽系假设，却直观说明了算力降价为何会迅速侵蚀项目的回收余量。

更高效的新芯片可能降低单次计算成本，也可能促使旧设备降价。旧款GPU物理上仍能开机，不等于还能按原租价出租；转做要求较低的推理任务虽可延长使用期，却需对接新客户、完成软件适配并相应定价，单纯延长账面折旧年限无法替代这些经营条件。

算力资产能否转配给其他客户，还受供给形式约束。共享公有云可在客户间调度资源，专属集群则把特定设备使用权锁给单一客户；物业租赁通常只解决机房、电力和冷却，服务器另由云商或客户持有。因此，建筑租出、GPU得到使用与资本赚回成本，属于不同层面的结果。

例如，CoreWeave与OpenAI的公开协议便约定指定算力配置供后者独占使用。合同终止并完成过渡后，服务器虽可出售或改配新客户，但过程中仍伴随合同交割、迁移与再定价成本。专属使用协议并未转移设备所有权，也未消除原持有人的资产残值风险。

Abilene一期两栋机房则展示了另一种分工：物业实体将建筑出租给Oracle，再由OCI承载OpenAI负载。物业方靠租金回收建设投资，云商回收设备与服务成本，模型公司则用产品收入及融资支付算力。截至2025年底的项目财报披露，其租约长达十五年，建设贷款却在2028年到期。长期租约虽可支持融资，项目仍须跨过较早的债务到期日；承租方在用量不足时也仍须履行付款义务。

CBRE统计显示，2026年上半年北美八大主要市场机房空置率仅1.4%，在建容量已有80.4%预租。这说明可交付设施依然紧张，也为建设融资提供了依据；但该统计针对的是机房租赁与容量预订，并不能直接反映GPU繁忙程度、旧设备租价及客户的最终利润。

下游客户可以逐步采用新技术，硬件持有人却已承担设备购置成本。当服务降价快于用量与成本改善带来的现金增长时，压力便会率先落在旧设备的租金与残值上。极低的空置率虽印证了场地租赁需求，却并未锁定每一代算力硬件的回收价格。

五、贝恩情景中的远期AI基建对应近6万亿美元市场，关联交易将现金流考核推向全链条

将这些微观经营差异放回行业总量框架，专业机构的分歧便十分清晰：现有的广告、云和模型市场究竟能支撑多高的持续资本开支？若存量市场尚不足以覆盖，新的商业收入又能以多快的速度涌现？

贝恩9月报告预计，2031年全球AI基础设施年度支出可能达1.5万亿美元，既包括新建容量，也涵盖存量GPU、内存与网络设备升级。参照云服务商资本开支占相关收入25%的经验强度推算，对应的全球年度AI相关市场就需接近6万亿美元（所需收入规模随该资本强度假设而变动）。

而在同一2031年框架下，报告估计消费级AI收入机会约2000亿至4000亿美元，企业采用带给供应商的收入约1万亿至1.4万亿美元，合计仅1.2万亿至1.8万亿美元。这虽是围绕基础设施与应用构建的相关市场情景（而非逐层交易去重后的终端付费总表），却直观表明现有应用预期与远期建设规模之间，仍需更大的增量市场来衔接。

这项测算的价值，在于明确指出当前建设预期中有多少依赖新的商业活动。扩大既有订阅与编程工具销售，只覆盖其中一部分；更大规模的流程自动化、物理世界应用和新产品，还必须形成可付费市场。资本预算由此包含了一项很重的假设：未来应用不仅能扩大使用，还能建立起足够大的收费体系。

高盛则更重视近期开支与通用技术扩散的空间，预计美国AI相关投资占GDP的比重将由2026年的1.8%升至2028年的2.8%。两者并非简单的多空对立：高盛的建设空间回答“能投多少”，贝恩的收入情景则追问“持续投入需要多大的市场”。建设预测越高，对后续经营现金流的要求也越严苛。

资本市场正在承担中间的时间差。Anthropic向AWS承诺未来十年采购逾1000亿美元技术服务，Amazon同时投资Anthropic。股权资金赋予客户采购能力，长期采购合同又帮助供应商安排建设。对项目而言，订单与资金均真实有效；但对全行业而言，这部分购买力仍包含投资者对未来收入的押注。

IMF十月分析复核了2023年以来14笔关联交易，发现大额股权和债务安排已与约1.4万亿美元未来收入承诺相绑定。这一跨年交易样本虽非当年需求规模，却揭示出资金结构的变化：越来越多算力投资正通过交叉持股、长期订单和融资紧密咬合，下游经营结果因而会沿着链条传导至多个环节。

若模型公司收入不及预期，可能先影响其后续采购和再融资能力，压力也可能传导至云商续约、设备租价和项目信用。长期合同虽可将部分闲置风险留给客户，但一旦客户支付能力下降，供应商与债权人仍须重估现金流，整栋机房完成出租并不能阻断这条风险传导链。

上中下游兑现利润的时点也存在错位。符合收入确认条件的硬件交付可使设备商确认销售，买方却要在随后几年通过使用逐步回款；云商按约提供训练算力服务后确认营收，模型公司仍须把训练成果转化为付费产品。这种时差有利于早期上游收入，却不能保证供应商在客户收缩预算后仍维持原有增长。

相较之下，坐拥广告、软件和传统云充沛现金流的综合平台，更有能力承受一段回款等待；而客户集中、资产更新快的算力运营商，以及持续承担训练与推理费用的独立模型公司，则对新增收入与融资条件更为敏感。即便行业需求增速相同，不同企业的资金余量与投资安全边际也会显著分化。

这些差异决定了对本轮投资的判断应分层审视。广告和企业服务拥有最清晰的既有付款基础，模型公司收入跃升及Anthropic盈利改善也提供了需求兑现的积极证据；但两大平台的现金流演变同时表明，经营增长并未自动扩大投资后的现金余量。当前能够确证的是资本预算与资金结构已发生质变，但尚不能据此断言全行业经济回报必然不足。

近期更容易率先发生的调整，是巨头减少其他现金分配、增加外部融资，或重新安排边际项目的建设节奏——二季度两大巨头暂停回购已提供了现实例证。若已投产项目持续达不到预期的经营现金流、且新资金难以接续，压力可能进一步传导至服务租价、客户履约和资产减值；客户集中、设备更新快、债务到期较早的项目对此最为敏感。

归根结底，近6000亿美元美国AI投资的当期付款者，是动用主业现金的科技巨头与提供股权、债务和项目资金的投资者。终端客户虽已支付广告、软件、云和模型服务费用，但这些业务的增量收益能收回多少建设成本，仍取决于投产后的现金表现；收益不足的部分将由股东、债权人及合同义务承担者消化。以2025年和2026年二季度两大平台的现金流看，资本扩张在当下便已开始压缩原有现金余量，而非等到需求停止增长才形成财务约束。