7600亿美元的AI押注：四大云巨头的资本开支赌局，以及那个没人愿意大声说出的风险
7600亿美元的AI押注：四大云巨头的资本开支赌局，以及那个没人愿意大声说出的风险
2026年，亚马逊、Alphabet、微软、Meta四家合计资本开支预计约7600亿美元。
这个数字，比2025年的约4130亿美元高出逾80%。高盛预测，算上更多参与者，全行业的AI相关投资总额将超过1万亿美元。
这是一个令人窒息的数字。不是因为它大，而是因为它大到一个令人不安的程度：如果这些投入的回报假设是错的，损失将没有任何历史先例可以参照。
而目前，每一家公司的财报电话会议上，分析师问的都是”增长何时加速”，没有人在追问”你们的利用率是多少”。这种沉默本身，就是一个信号。
2026年的AI资本开支，在某种程度上是一场”囚徒困境”的宏观版本：每家云巨头都知道，如果所有人都放慢扩张速度，整个行业的利用率风险会降低；但只要有一家公司继续全速推进，其他所有人都不敢停下来。AWS、谷歌云、Azure、Meta AI Infrastructure，都在以近乎相同的节奏扩张，因为没有任何一家愿意成为”停下来等市场成熟”的那一家。这是商业理性导致的集体非理性，也是这场赌局最难解的部分。
增长数字背后的三条平行线
要理解这1万亿美元的赌局，需要先理解三条正在同时演进的平行线：需求侧的爆发、供应侧的繁荣，以及那条被刻意低调处理的利用率曲线。
需求侧：AI应用的商业化正在加速
AWS在2026年Q2实现了37%的年增长，谷歌云实现了82%。这两个数字在绝对值上都是巨大的，而且增速在加速。Salesforce的Agentforce平台仅Q2就交付了32亿个Agentic Work Units。企业对AI算力的需求，已经从”试用期”进入了”规模化部署期”。
从用户行为看，AI代理正在成为一个新的持续性消耗端：每个部署中的代理，每次运行都需要推理算力。随着企业从实验性部署转向生产环境，代理的数量和运行频率都在指数增长。这是支撑数据中心投资的核心逻辑。另一个数据点：Cohere以200亿美元估值进行新一轮融资，计划从机构投资者募集20-30亿美元，体现了市场对企业AI服务需求的长期乐观判断。
供应侧：TSMC的记录说明需求是真实的
2026年8月，台积电（TSMC）营收达到NT$514.81亿，同比增长53.3%，创历史新高。这个数字是需求侧真实性的最有力证明：TSMC是Nvidia和AMD最先进芯片的唯一生产者，它的营收增长直接反映了AI算力的实际采购量——不是规划，不是订单，是已经制造并交付的产品。
但TSMC的记录数字，同时也带来了一个新的成本压力信号：有消息称TSMC可能在明年上调晶圆代工价格约10%，这一预期已经对半导体股价造成了压力。
台积电的议价能力正在上升，而它的直接客户——Nvidia和AMD——将面临更高的生产成本。这两家公司的利润率，在历史高位上，正面临向下的压力。Nvidia凭借CUDA软件生态和平台粘性，有更强的成本转嫁能力；AMD作为挑战者，通常需要提供更有竞争力的定价，在成本上升时，利润空间更脆弱。
利用率曲线：被刻意忽略的关键变量
这是最重要的一条线，也是最难看到数据的一条线。
四大云巨头的资本开支建立在一个核心假设之上：五年后，这些算力基础设施的利用率将足够高，使得投资回报为正。这个假设需要哪些条件同时成立？条件一：AI应用的需求持续增长，且增长速度快于算力扩张速度；条件二：没有出现能显著降低单位算力消耗的新技术突破；条件三：竞争格局维持稳定，不出现颠覆性的低成本供应者。
这三个条件，哪一个都不是理所当然的。AI基础设施的算力租用合同通常是多年期的，这给云巨头提供了一定的需求保障。但即便有合同，五年后数据中心资产的利用率是否能支撑投资回报，取决于整个AI应用市场的演进速度，而这个速度是无法被合同所保障的。
1万亿美元赌局的类比与边界
在AI投资叙事中，过度建设的风险往往被引用的历史类比来”解释”：互联网泡沫后的光纤过剩、2000年代初的电信基建浪费。支持者则用另一套类比回应：电力行业的基础设施投资在短期看总是”过多”，但长期看总是”不够”。
这两个类比都有其道理，也都有其局限。AI算力与电力基础设施的根本差别在于：电力需求有非常好的长期可预测性（经济增长、人口增长），而AI算力需求的长期驱动因素是新技术应用的渗透速度，这个速度具有根本不确定性。AI算力与互联网光纤过剩的差别在于：光纤是基础传输层，其物理性质没有替代方案；AI算力有替代性。
Positron AI在9月10日完成的8.75亿美元融资，正是这个替代风险的具体化。这家推理专用芯片公司的核心主张是：基于LPDDR5X内存的推理系统，可以在每瓦特和每美元维度上超越英伟达GPU，且规避了HBM和CoWoS供应链的约束，架构使其能实现90%以上的内存带宽利用率。如果类似Positron的推理专用硬件在未来3-5年取得突破，云巨头们正在大量采购的Nvidia GPU，可能会比预期更快变成次优选择。
当然，这个风险是双向的：专用推理芯片也可能因各种原因失败，Nvidia的CUDA生态可能继续保持壁垒，云巨头的推理需求可能超越所有预期。这正是”赌局”的本质——它的结果是不确定的，而且是以数千亿美元为单位的不确定性。
谁赢谁输：不同角度的受益者分析
在这1万亿美元的赌局中，不同位置的玩家面临的风险回报结构截然不同。
最确定的受益者：TSMC
无论哪家云巨头赢得最终的市场份额，无论AI应用的增长曲线是否如预期般陡峭，在可见的未来，最先进的AI芯片都必须经过TSMC的晶圆厂生产。TSMC的”管道费”逻辑使其成为整个AI算力生态中风险最低的受益者——只要有芯片需求，TSMC就有收入。TSMC 8月营收+53.3%的纪录，正是这种结构性优势的体现。
高受益高风险：Nvidia
Nvidia目前是AI训练和推理市场的主导者。FY2027 Q2，Nvidia数据中心业务同比增长117%至890亿美元，是任何单一硬件产品历史上最快速的规模增长之一。但Nvidia的风险也是最高的：它的超高利润率依赖于对AI算力市场的主导地位，而这种主导地位正在被Broadcom（为OpenAI定制的Jalapeño芯片）、Positron（推理专用芯片）、AMD（持续提升的MI系列）等挑战者质疑。
与此同时，TSMC价格上涨预期，会直接压缩Nvidia的毛利率，而Nvidia向客户转嫁成本的能力，将是2027-2028年最值得观察的财务指标之一。
规模护城河：云巨头四家
AWS（Q2营收+37%）、谷歌云（Q2+82%）、Azure、Meta AI Infrastructure的差异化竞争力，来自各自的行业数据积累、AI工具链整合、以及长期客户关系。在AI算力需求长期增长的情景下，规模越大，单位成本越低，竞争优势越强。
但四家的资本开支赌注不尽相同：Meta相对特殊，它的AI基础设施投资目前主要是内部消化（自用），对外的算力销售仍在探索阶段，有分析认为Meta可能正在建立类似AWS的对外算力销售业务——这将是对AWS、Azure、谷歌云的直接挑战。
最不确定的：中间件和应用层
对那些依赖云巨头算力的AI应用公司来说，1万亿美元的基础设施建设意味着算力供给持续扩张，理论上应该压低算力价格，降低应用层的运营成本。但实际上，顶层算力供给的扩张可能并不会在短期内降低高性能推理的价格——因为需求增长的速度在同步攀升。Cohere以200亿美元估值进行新一轮融资，正是企业AI算力需求高增长预期的市场定价体现。
7600亿美元被正确使用的前提
支持这些资本开支的最强逻辑，是AI应用将持续创造经济价值，且这种价值足以支撑算力消费的持续增长。这个逻辑在当前有强有力的支持证据：Salesforce的AWU数据、AWS和谷歌云的高增长率、企业AI代理的实际部署成效。
但这个逻辑成立需要一个关键前提：AI代理在企业中的部署，必须能够产生可量化的、超越成本的经济回报。
这个前提目前还没有系统性、跨行业的数据来支撑。现有的案例（Engine 50%客服解决率、Perk 60%销售管道）是积极信号，但样本仍然有限，且这些数字的可持续性——代理在大规模运行后是否会出现边际效益递减——还需要时间验证。
从投资者的视角看，这1万亿美元是一个分散于多个时间维度的赌注：前期的资本开支是确定的，后期的利用率回报是不确定的。云巨头们相信，在AI应用需求持续扩张的条件下，这个不确定性是可以接受的风险。
但有一件事是确定的：1万亿美元的赌注，已经把”AI利用率”从一个技术指标，变成了定义未来10年云计算格局的关键经济变量。
Broadcom的221%增长与Jalapeño芯片的信号
在这1万亿美元的赌局中，有一个重要的外部变量正在悄悄改变格局——定制化AI芯片的崛起。
Broadcom在FY2026 Q3公布的AI半导体营收同比增长221%，达到167亿美元，占其总营收的56%。管理层预计FY2027的AI芯片营收将达到1150亿美元，FY2028进一步增长至2300亿美元。这不只是一个财务数字，这是关于AI芯片市场格局的重要信号。
Broadcom之所以能够实现这样的增长，核心原因是：它为超大规模数据中心（尤其是Google、Meta、OpenAI等）定制专用AI芯片，这些芯片针对特定工作负载优化，在特定场景下的性能和效率可以优于通用GPU。最引人关注的例子是Broadcom与OpenAI共同开发的Jalapeño芯片——这款专为推理场景设计的定制芯片，被市场解读为OpenAI减少对Nvidia的依赖、构建独立算力来源的战略布局。
这对7600亿美元capex赌局意味着什么？
意味着云巨头和AI领头公司正在同时押注于两种算力路径：一是继续采购Nvidia GPU（训练和通用推理），二是开发/采购针对特定场景的定制芯片（高效推理、成本敏感场景）。定制芯片路径如果进一步成熟，会使得单位工作量所需的通用算力减少——这是对”1万亿美元算力投资利用率”假设最直接的挑战。
不是因为需求会下降，而是因为完成同样工作所需的算力总量可能会减少。
中国AI资本开支：另一场平行赌局
全球AI资本开支的讨论中，有一个维度常被西方媒体忽视：中国的平行赌注。
2026年Q2，中国科技巨头（以阿里巴巴、百度、腾讯等为代表）的AI资本开支同比增长了约105%，这个增速甚至超过了美国四大云巨头的增速。Jefferies在其研究报告中指出：中国AI资本开支激增的背后，主要驱动力是推理需求（而非训练），以及芯片供给的改善——华为的Ascend系列等国产AI芯片正在填补部分缺口。
但同一份报告也指出了一个反直觉的判断：美国云巨头面临的可持续性风险，可能比中国对手更大。原因是美国云巨头的资本开支基于对五年期客户承诺的预测，这些预测受到全球AI应用市场波动的影响；而中国互联网巨头的AI算力投资更多是内生驱动（用于自身AI产品和服务），与外部市场需求的关联度相对较低。
这个视角提供了一个不同的风险框架：中国AI资本开支的105%增长，可能是一个更”自我封闭”的赌注（用于内生AI能力建设），而美国云巨头的7600亿美元，是一个更”外部依赖”的赌注（依赖外部客户的AI投资持续增长）。
两者都面临不确定性，但不确定性的来源不同。
7600亿被正确使用的前提
支持这些资本开支的最强逻辑，是AI应用将持续创造经济价值，且这种价值足以支撑算力消费的持续增长。这个逻辑在当前有强有力的支持证据：Salesforce的AWU数据、AWS和谷歌云的高增长率、企业AI代理的实际部署成效——Engine 50%客服自动解决率、Perk 60%销售管道由AI生成。
但这个逻辑成立需要一个关键前提：AI代理在企业中的部署，必须能够产生可量化的、超越成本的经济回报，且这种回报的持续性需要时间验证。
从投资者视角看，这1万亿美元是一个分散于多个时间维度的赌注。前期的资本开支是确定的，后期的利用率回报是不确定的。云巨头们相信，在AI应用需求持续扩张的条件下，这个不确定性是可以接受的风险。
但有一件事正在变得越来越确定：1万亿美元的赌注，已经把”AI利用率”从一个技术指标，变成了定义未来10年云计算格局的关键经济变量。能够优化算力利用率、降低单位AI任务成本的公司，将在这场赌局中占据最有利的位置。无论是通过定制芯片（Broadcom/Jalapeño路径）、推理专用硬件（Positron路径），还是更高效的软件编排（Salesforce Agent Script路径），算力效率竞赛已经正式开始。
最后：资本配置问题没有先例
高盛的1万亿美元预测代表了一种信念：AI是基础设施，而不是周期性科技浪潮。基础设施的特点是需求长期稳定增长，过渡期的过剩最终会被长期需求消化，就像今天的互联网基础设施，在泡沫破裂20年后，已经远不够用了一样。正是这种信念的背书，使得四大云巨头在面对外界质疑时，总能用”看长不看短”的逻辑挡住批评。
这个信念可能是正确的。但它同时包含着一个没有历史先例的赌注结构：在如此短的时间内（3-5年），以如此大的规模（7600亿美元/年），部署一种技术形态仍在快速演化的基础设施——这既没有电力行业的规模可比性（电力基础设施建设是以十年和百年为周期的），也没有互联网时代的精准类比（2000年互联网泡沫的光纤过剩，在规模和集中度上远不及当前的AI算力投资）。
从TSMC 8月营收+53.3%的记录看，真金白银正在流向芯片制造，而不只是在PPT里流通。但背书不等于保证，TSMC营收增长只能说明当前的采购行为，无法保证5年后这些算力资产的利用率。
AWS Q2营收增长37%、谷歌云增长82%——这两个数字展示了一个增长飞轮的高速运转。但飞轮的动量，需要AI应用市场以同等或更快的速度扩展，才能让算力需求保持在高位。而这正是没有任何历史数据可以支撑的预测——因为在这个量级上，这件事以前从来没发生过。
在这个时间点，理性的问题不是”要不要投资”，而是两个更难的问题：第一，在投资飞速扩张的同时，谁在追踪真实的利用率数据，并有权利提出令人不安的问题？第二，当利用率数据最终公开，它会说明投资是超前布局，还是过度建设？
目前，这两个问题的答案，在四大云巨头的财报电话会议上，都还是缺席的。但随着大量多年期AI服务合同在2027-2028年进入续约期，利用率数据将不可避免地进入公开讨论——届时，这1万亿美元的赌注，将面临真正的账单。
对企业AI决策者而言，这个背景指向一个实际的策略选择：在当前的AI基础设施过热环境下，选择保持算力消费弹性比锁定长期合同更有价值——即便短期成本稍高。当利用率数据最终公开，能够灵活调整算力消费模式的企业，将比那些被锁定在固定合同中的企业拥有更好的谈判位置。而算力效率的竞争（Positron的推理专用芯片、Broadcom的定制芯片、Salesforce的Agent Script编排优化），正在为这种弹性策略提供越来越多的技术选项。
这不是末日预言，而是基础设施投资周期的正常逻辑：超前投资在短期内总是看起来过多，但最终的检验标准，是在合同期满时，这些资产是否仍然不可替代。对AI算力而言，这个检验标准，在2026年9月，仍然是一个悬而未决的问题。
参考资料
- InsiderMonkey: TSM’s Record Sales Say AI Chips Are Booming. The Nvidia-AMD Fight Is Now About Who Keeps the Margin (2026-09-11) https://www.insidermonkey.com/blog/tsms-record-sales-say-ai-chips-are-booming-the-nvidia-amd-fight-is-now-about-who-keeps-the-margin-1836577/
- PRNewswire: Positron AI Raises $875 Million at a $5 Billion Valuation (2026-09-10) https://www.prnewswire.com/news-releases/positron-ai-raises-875-million-at-a-5-billion-valuation-to-bring-its-next-generation-inference-silicon-to-market-302874601.html
- Salesforce: Expands Agentforce With a New Portfolio of AI Agents Built for High-Value Work (2026-09-11) https://www.salesforce.com/news/stories/agentforce-job-ready-ai-agents/
- Yahoo Finance: The $760 Billion AI Risk That Nobody Is Talking About (2026-09-12) https://finance.yahoo.com/technology/ai/articles/760-billion-ai-risk-nobody-112300734.html
- Yahoo Finance: Better AI Chip Stock: Broadcom vs. Nvidia (2026-09-12) https://finance.yahoo.com/technology/ai/articles/better-ai-chip-stock-broadcom-174600948.html
- pymnts.com: AI Startup Cohere Targets $20 Billion Valuation in Funding Round (2026-09-11) https://www.pymnts.com/startups/2026/ai-startup-cohere-targets-20-billion-dollar-valuation-funding-round/