当$1306亿砸向AI却颗粒无收：Gary Marcus称这是"史上最大资本错配"
当$1306亿砸向AI却颗粒无收：Gary Marcus称这是”史上最大资本错配”
2026年4月29日下午，华尔街经历了近年来信息密度最高的一个收盘后时段。Amazon、Alphabet、Meta、Microsoft在同一天下午陆续发布Q1财报，四家公司无一例外地超出了分析师预期，也无一例外地将功劳归于AI。
数字是令人目眩的：四家公司在2026年Q1的资本支出合计超过$1306亿，较去年同期大幅增长。其中，Meta宣布将全年AI资本支出指引上调至$640亿到$720亿，数字之大令人咋舌；Microsoft在Azure AI基础设施上的投入继续保持历史高位；Amazon在数据中心扩建和AI芯片采购上砸入数十亿；Alphabet则在TPU训练集群和Google Cloud AI产品线上继续加注。
四家公司的股价，在财报披露后普遍上涨。云业务增长强劲：Google Cloud同比增长63%，Azure增长40%，AWS展示了数十亿美元的AI新签合约。华尔街用真金白银投票：AI支出是对的。
就在这批财报发出后的第二天，纽约大学荣誉教授、AI研究者Gary Marcus在X平台上写下了一句话，被Business Insider、MarketWatch等主流财经媒体广泛转载：
“Amazon、Google、Microsoft和Meta合计，每个月的AI支出超过了整个曼哈顿计划的年度成本，是曼哈顿计划年度成本的12倍以上。没有一家从AI中获得重大利润，没有技术护城河，价格战不可避免。这是史上最大的资本错配。”
讽刺的是，就在这一周的周日，美国著名深夜节目《Last Week Tonight》也专门做了一期节目讨论AI泡沫疑虑。Marcus事后在Substack写道：”我的技术性和经济性警告，终于开始进入主流视野了。”
这条警告值得认真对待。但它是对的吗？或者说，Marcus的”资本错配”断言，本身就是一个对复杂战略押注的过度简化？
数字的重量：$1306亿意味着什么
首先，让我们把这个数字放进历史坐标，感受它的真实重量。
曼哈顿计划（Manhattan Project）是二战期间美国秘密开发核武器的史诗级工程。从1942年到1945年，总耗资约22亿1945年美元，换算成今日购买力约为380亿美元，相当于每年投入约120亿美元——已经是当时美国GDP的接近1%。
而四大科技巨头2026年Q1合计$1306亿，折算成年化是超过$5200亿。这是曼哈顿计划年化成本（按今日购买力估算约$120亿/年）的约43倍。需要说明的是，Marcus在X上的原文说的是”12倍以上”——这一数字很可能是基于不同的曼哈顿计划成本估算基准，或者是单季度与年度的不同比较口径；无论如何，数量级的差距是毋庸置疑的。
但数字之间的差距是次要的，关键在于底层逻辑的对比：
曼哈顿计划的产出是什么？ 原子弹。一个改变了二战格局、重塑了地缘政治的真实”武器”。在道德层面，它引发了人类永久性的反思；但在技术有效性层面，它从未受到质疑——它确实能爆炸，它确实在三年内完成，它确实改变了历史。
$5200亿/年的AI资本支出，目前的确定性产出是什么？ 更快的云服务响应速度，更好的广告定向算法，更强大的代码补全工具，和持续降低成本但尚未产生革命性新商业模式的AI API服务。
Marcus的核心论点并非说AI没有价值，而是说：从商业回报角度衡量，这笔投入的规模已经远远超过了其可验证的当前价值，进入了一个依赖于未来不确定事件的”期权价值”区间。
要理解这个判断的边界，我们需要拆开来看四家公司的具体情况。
Meta：Zuckerberg将全年AI资本支出指引上调至$640亿-$720亿，这相当于Meta年度营收的大约35-40%全部用于资本支出。这个比例在传统科技公司历史上是罕见的。Meta的论据是：AI已经在广告业务上产生了可量化回报——针对性广告效率的提升直接驱动了Q1超预期的广告收入增长。
Alphabet：Google Cloud增长63%，这是一个令人印象深刻的数字，但需要注意基数效应——这是在相对较小的基数上的增长。Google DeepMind的Gemini系列和TPU基础设施是支撑这一增长的技术底座。
Amazon：AWS在AI相关新签合约上突破数十亿美元，Amazon Bedrock正在成为企业AI模型访问的重要入口。据2026年4月28日的What’s New发布，Amazon Connect进一步扩展为4个独立的Agentic AI解决方案。
Microsoft：Azure增长40%，Copilot在企业端的渗透率持续提升，GitHub Copilot的付费用户数已超过数百万。
单看这四家，AI支出确实有可量化的回报。那么Marcus的批评究竟打中了哪里？
护城河悖论：当所有人都”有”AI
问题的核心，在于技术同质化正在加速。
在AI基础设施竞赛中，每一家超级云厂商购买的是同样来源的Nvidia GPU（H100、B200系列），或者自研但互相追赶的AI芯片（Google TPU、Amazon Trainium、微软Azure Maia）。它们调用的是能力日益趋同的大语言模型，提供的是功能逐渐趋同的API服务。
2023年，能接入GPT-4级别模型是稀缺能力，市场愿意为此付出溢价。2024年，Claude、Gemini、Llama的相继成熟，使这种稀缺性开始消退。到2026年，通过Amazon Bedrock、Azure AI Foundry、Google Vertex AI，企业已经可以用几乎相同的API调用来自不同厂商的最先进模型。
这就是Marcus所说的”没有技术护城河”的真实含义。
它引发了一个严峻的经济学后果：当AI能力成为基础设施而非差异化优势时，竞争只能在价格层面展开。
这个逻辑链是这样的：
- 步骤1：四大厂商都疯狂投入AI基础设施，拥有了类似的AI能力
- 步骤2：AI能力因此快速商品化（commoditize），不再是护城河
- 步骤3：商品化意味着用户会选择价格更低的供应商，价格战不可避免
- 步骤4：价格战压缩利润率，但资本支出已经固化为高额的折旧成本
- 步骤5：固定成本高企、利润率下降——经典的”资本过剩陷阱”
Marcus援引的关键数据是：没有一家公司能清晰地拆分出”AI护城河利润”。Google Cloud的63%增长，多大程度上是AI驱动的，多大程度上是疫情后云迁移的尾声效应？Meta的广告效率提升，是AI创造的新价值，还是对已有数据资产的更好利用？这些问题，即便是内部分析师也难以精确回答。
有一个近期的历史先例可以作为参考：云计算基础设施本身的价格战。
2015年前后，Amazon AWS在云存储和计算价格上率先降价，Google和Microsoft随即跟进，形成了一轮长达数年的”云价格战”。结果是：云服务整体的价格下降了80%以上，但最终三家巨头的云业务规模反而都在扩张——因为价格下降带来了市场规模的大幅扩大，抵消了单价的压缩。
AI基础设施是否会走同样的路？理论上可能。但有一个关键差异：AI基础设施的固定成本（GPU集群的折旧、数据中心的电费、液冷散热设施）比传统云存储高出一个数量级。当AI API价格随着竞争压缩到接近边际成本时，拥有最多固定资产的公司，其利润受到的侵蚀将是最严重的。
这就是Marcus”价格战不可避免”论断背后的具体机制：不是说AI没有市场，而是说在AI能力商品化的过程中，大量已经投入的资本将无法获得合理的折现回报。
支持者的逻辑：为什么CEO们认为超支是必要的
公平起见，必须完整呈现反对Marcus的视角。这不是一边倒的争论。
Zuckerberg的”保险费”论
Meta CEO Mark Zuckerberg在Q1财报电话会上再次强调：”如果我们落后了，那将是一个无法弥补的错误。”他把AI超支的逻辑描述为战略保险费，而不是期望回报的传统投资——错过AI超级智能的窗口所付出的机会成本，比浪费几百亿美元的代价高得多。
这个逻辑有其内在的一致性。AI能力的提升存在阈值效应——算力到了某个规模，模型能力会出现非线性跳跃。GPT-3到GPT-4的跨越，背后是算力投入的数量级提升；Gemini Ultra到Gemini 2.0的飞跃，同样需要基础设施的持续积累。如果算力投入不够，就无法进入下一个能力阈值。先到达下一个阈值的公司，将获得竞争先发优势。
因此，这不是”投入了但没有回报”，而是”必须持续投入才能维持在竞争前沿的资格”。
Alphabet CFO的”Cloud ROI”论
Alphabet CFO Anat Ashkenazi在财报电话会上说得更直接：”我们在Google Cloud的AI基础设施投入，已经开始产生可量化的ROI——Cloud收入增长63%就是证明。”
从这个角度看，AI资本支出已经产生了真实的商业回报——只是这个回报以”云服务基础设施租用收入”的形式出现，而不是以”AI产品护城河”的形式出现。对于投资者而言，云业务的增长是可以在财报中看到、在股价中反映的真实价值创造，而不是一个纸面上的期权。
更重要的是，Alphabet拥有一个竞争对手难以复制的长期优势：从搜索广告、YouTube、Google Maps到Android生态，Alphabet的AI能力天然嵌入在数十亿人每天使用的产品中，这些产品形成的数据飞轮是真正的护城河，而不仅仅是”租用了GPU”的护城河。
企业采购的真实数据
此外，有一个真实发生的趋势不能忽视：企业AI采购正在显著加速。
Amazon Connect扩展为4个独立的Agentic AI解决方案；ServiceNow宣布全产品线AI原生化；Salesforce与18,000名企业客户共创AI产品路线图，其中部分客户每周会面反馈；Amazon Bedrock新增接入OpenAI模型和Codex，企业已可在AWS生态内统一调用多家前沿模型。这些不是”没有人买单”的基础设施，而是正在被企业快速消化的实际能力。
据多家咨询机构报告，2026年企业AI Agent部署率相比2024年显著提升，AI软件支出正在加速增长。
Marcus的反驳会是：企业采购的这些AI服务的总收入，仍然远远不足以覆盖$5200亿/年的年化资本支出。差距不是小数字的差距，而是量级的差距。
华尔街的共谋：为什么市场一直奖励这种支出
更深层的问题是：如果资本错配真的发生了，为什么华尔街没有惩罚它，反而持续奖励它？
四家公司财报后，股价普遍上涨——市场对AI支出的反应是奖励，而不是惩罚。这是否说明市场比Marcus更聪明？
这里存在一个微妙的委托-代理问题。
机构投资者（基金经理、分析师）奖励的不是”最优资本配置”，而是”不犯竞争失误”。这创造了一种扭曲的激励结构。
如果一家公司现在削减AI支出，但竞争对手继续加大投入，5年后落后了，那么当初做出减少投入决策的CFO要承担责任——他的决策是可识别的。但如果所有公司都继续加大投入，最终结果是全行业回报不佳，那么没有人特别需要承担个人责任——这是一个集体失误，集体失误无法追责到个人。
这就解释了为什么Meta CFO苏珊·李在财报后的问答环节被质疑AI支出时，给出的是防御性答案：“我们不会因为恐惧而削减必要投入”。这句话的潜台词是：如果我们削减了，后来落后了，这个责任我个人承担不了；如果我们坚持了，最终全行业都没赚到钱，我们只是随大流，没有人承担个人责任。
Marcus在Substack上对此有一个清醒的观察：”整个市场正在进行一场囚徒困境。每一家公司单独决策时都觉得自己必须投入——因为如果竞争对手投入而你没有，你就输了。但如果所有人都投入却都没有产生差异化的商业价值，整个行业最终会面临回报质疑的时刻。”
这种”囚徒困境式超支”在科技史上不乏先例。
2000年代初，电信公司为了不落后于互联网革命，疯狂铺设光纤——结果是全球接近90%的已铺光纤变成了”暗光纤”（dark fiber），未被点亮，运营商的股价在2001-2003年崩溃了70%-90%。但那些光纤，在十年后的YouTube、Netflix和视频流媒体时代，确实被点亮了，承载了当初投资者做梦都没想到的流量规模。
问题是：AI的”YouTube时刻”会在什么时候到来，以什么形式到来？
值得注意的是，这场”囚徒困境”还有一个鲜为人讨论的第二层效应：超支本身正在推动商品化加速。
当所有人都拼命建算力基础设施时，GPU产能在扩张，新AI芯片在落地（Amazon Trainium 3、Google TPU v6、微软Maia 2），算力的边际成本正在下降。算力成本下降，意味着AI API的成本在下降，意味着竞争对手越来越容易以低价参与市场。这是一个加速负反馈：越投入越商品化，越商品化越价格战，越价格战越难以覆盖固定成本。
这个动态，与2000年代电信光纤泡沫有着几乎相同的结构性特征。当时，各大电信公司铺设光纤的规模越大，单位带宽成本下降越快，推动了整个市场的价格崩溃——直到需求侧（互联网内容消费）追上了供给侧（光纤容量）。AI的问题在于，没有人能确定当前的”企业AI应用需求”能在多快的速度内赶上$5200亿/年的算力供给扩张。
第三层洞察：这场豪赌真正在赌的是AGI期权
把Marcus的批评与Zuckerberg的反驳放在一起看，会发现他们其实在讨论完全不同的问题，他们的分歧不是判断力的分歧，而是时间框架的分歧。
Marcus讨论的是：当前AI投资能否在传统商业逻辑框架内（5-8年回报周期）获得合理回报？
Zuckerberg讨论的是：如果AGI（通用人工智能）在未来5-15年内真的出现，谁有基础设施来参与那场游戏？
换句话说，$1306亿/季度的资本支出，本质上是购买一张AGI期权的认购费。
如果AGI不来，或者来得比预期慢很多（比如30年后），Marcus的判断是正确的——这是史上最大的资本错配。AI基础设施过剩，价格战摧毁利润率，折旧成本高企，股东价值大量蒸发。
如果AGI在2030年前后出现——不管是以”人类级别的通用推理”形式，还是以”可以完成复杂开放性任务的高级Agent系统”形式——Zuckerberg的判断是正确的：没有算力储备、没有模型研发积累的公司，将彻底错过那个时代最重要的技术平台。就像2000年没有去构建服务器基础设施的公司，在2010年无法参与云计算革命，在2015年无法构建大规模数据分析能力。
这张AGI期权的定价是否合理？
这是整个争议的核心问题，也是最难回答的问题。
每个季度$1306亿的认购费，对应的隐含逻辑是：
- AGI将在可见的未来出现（比如10年内）
- AGI的经济价值将是惊人的（比如替代现有知识工作的10%-50%）
- 没有提前布局基础设施的公司，将失去在AGI时代的竞争入场券
这里有一个关键的非对称性值得关注：AGI期权的价值是指数级的，而当前的成本是线性的。
如果AGI来了，先进入者的优势可能不是10%的增量，而是整个行业结构的重塑。Google DeepMind的AlphaFold重新定义了蛋白质折叠研究领域——一个AGI级别的系统，可能重新定义的是整个知识经济的底层逻辑，包括医疗、法律、教育、研究、创作，乃至治理。
在这个视角下，$5200亿/年，用来购买一个不确定但可能重塑世界的技术的”优先入场权”，也许并不是”错配”，而是在正确的方向上做了合理的超级对冲。
但Marcus会说：这只在AGI时间线足够短的前提下成立。
如果AGI的时间线是30年，当前的投入节奏完全不合理——企业不能靠透支当期股东回报来对冲30年后的期权。利率成本、竞争格局、政策监管，任何一个因素都可以在30年内重写规则。
而更关键的问题是：我们有没有能力判断AGI的时间线？
Yoshua Bengio、Geoffrey Hinton等AI先驱分别给出了不同的预测范围，从”5年内”到”永远不会”都有权威声音支持。如果连最权威的AI研究者也无法对AGI时间线达成共识，那么基于AGI期权定价的资本支出决策，其理性基础就极为脆弱。
怀疑论者的声音为何开始破圈
2024年，Marcus的AI怀疑论在AI圈子里是边缘声音，在投资圈里几乎不被重视，在媒体圈里也只是偶尔出现的配角叙事。
但2026年5月的情况不同了。
《Last Week Tonight》做了AI泡沫的专题节目；MarketWatch以Marcus的推文为主线做了专题分析；Bloomberg分析师开始在季报评论中加入”AI ROI不确定性”的警示措辞；就连高盛的研究报告也悄悄加入了”AI投资回报时间线的不确定性”章节。
为什么恰恰是现在？有几个时机性因素在共振：
一、OpenAI的增速失速信号。 据知情人士透露，OpenAI的内部增速低于原定计划。当最重要的AI前沿公司——估值超过$8500亿的OpenAI——的实际增速开始令市场失望，整个AI投资叙事的基础都面临质疑。四大云厂商的AI业务增长，在某种意义上依赖于OpenAI是AI需求的持续增长引擎；一旦这个引擎的增速低于预期，整个AI基础设施需求的未来曲线都需要重新校准。
二、AI编码的”质量门槛”争议。 Marcus在同一周还发布了另一篇分析（据garymarcus.substack.com 2026年5月1日），指出”能编译通过测试的代码，与正确、安全、可维护的生产级软件之间，仍有巨大鸿沟”。OpenAI总裁Greg Brockman早前声称”公司80%的代码由AI编写”，Marcus认为这个说法混淆了”能跑”与”能用”的关键区别。这场争论在开发者社区引发了广泛共鸣——真实使用AI辅助编码的工程师普遍反映，高质量代码仍然需要大量人工审核和修正。
三、企业AI落地的”实施摩擦”显现。 尽管企业AI采购数据看起来强劲，但一线实施者开始公开分享更复杂的真实情况：AI Agent的部署需要大量数据清洗和工作流重构，实际投入使用的比例远低于”购买”的比例。Salesforce与18,000名客户的”共创路线图”合作，恰恰说明了企业在AI落地上仍然需要大量手把手指导——这不像是一个成熟商业化的信号，更像是产品仍在大规模灰度测试阶段。
四、市场情绪的微妙拐点。 Q1财报后，四大科技股确实上涨了。但仔细观察财报电话会的Q&A部分，会发现分析师对AI ROI的追问变得更加尖锐。各家CFO在回答”AI支出何时能产生可量化回报”时，给出的答案都变得更加注意措辞——与2023-2024年”提AI必涨、无需解释”的市场氛围相比，这是一个细微但值得关注的变化。
Marcus在Substack中写道：”怀疑论终于开始传播，不是因为我更聪明了，而是因为现实开始说话了。”
第五，全球监管压力的临界点。2026年，欧盟AI Act正式进入执法阶段，美国国内关于AI风险和数据隐私的监管呼声也在加强。监管成本是AI基础设施投资回收的一个隐性风险因素。当一家欧洲企业因为监管合规压力而放弃使用某个美国云厂商的AI服务时，原本预计的需求增长就会打折。监管的不确定性，进一步削弱了基于AGI期权定价的长期回报预测的可靠性。
这五个因素的共振，解释了为什么Marcus的声音在2026年5月开始真正被主流财经世界倾听：不是因为他的论点变得更有力，而是因为越来越多的真实数据开始支持他的担忧。
结语：当泡沫讨论本身成为一个信号
Marcus的”史上最大资本错配”断言，本身可能并不完全准确，也可能过于悲观——AI基础设施投资的真实价值，会在未来5-10年内逐渐清晰，而不是现在。
但他的断言正在从小众声音走向主流媒体，这本身就是一个值得认真对待的信号。
历史上，每一次技术泡沫的转折点，都不是因为某个先知提前准确判断了泡沫的破裂时刻。而是因为：当足够多的主流声音开始认真讨论泡沫的可能性时，市场情绪的临界点已经悄然到来。
2000年3月，《巴伦周刊》发表了那篇著名的《Burning Up》报道，分析了一批互联网公司在现金耗尽之前没有商业模式。那篇报道发出后的三周内，纳斯达克开始了持续两年的崩盘。不是因为那篇报道揭示了什么新秘密，而是因为它把一个大家隐隐有感知但不敢公开说的认知，变成了可以公开讨论的主流叙事。
今天的AI，与当年的互联网有一个至关重要的不同：AI技术确实有真实的商业用例。广告优化可以量化，代码辅助可以量化，客服自动化可以量化——这些不像当年某些互联网公司的商业模式那样近乎虚构。
但有一个关键的共同点：当前的投入规模已经超过了现有商业用例能够支撑的合理边界，进入了一个依赖于未来不确定事件（AGI、通用Agent等）的”期权定价区间”。而期权是有时间价值的——时间越长，期权价值越会因不确定性而打折。
Marcus的最后一段警告值得完整引用：
“没有一家从AI获得重大利润，没有技术护城河，价格战不可避免。我的担忧不是AI没用——AI是有用的。我的担忧是：以这种规模和速度进行资本配置，其背后的赌注是一个尚未被技术或商业逻辑充分支撑的未来愿景。如果那个愿景兑现了，这1300亿将是史上最聪明的投资。如果没有，将是史上最昂贵的幻觉。”
对于科技投资者、企业战略决策者，以及正在思考AI转型方向的从业者，这个问题值得认真凝视：
$1306亿，正在赌的究竟是AI，还是AGI？那张期权，定价合理吗？
在Q2财报季到来之前——大概是2026年7月——我们会得到下一组数字。如果那时候Marcus所说的”没有重大利润、没有技术护城河”依然成立，那么怀疑论就不再只是学者的叹息，而将成为影响市场走向的实质性力量。
参考资料
- Big Tech’s AI spending is the ‘greatest capital misallocation in history,’ AI researcher says — Business Insider, 2026-04-30
- The greatest capital misallocation in history? — Gary Marcus on AI, Substack, 2026-04-30
- Big Tech earnings: What separated the winners and losers — Business Insider, 2026-05-01
- Apple Q2 earnings: Tim Cook delivers beat, talks rising memory costs — Business Insider, 2026-04-30