AI资本投入新阶段：从规模扩张迈向自我循环驱动

过去三年， 市场理解AI资本开支的方式非常简单。

微软、Google、Meta、Amazon不断建设数据中心， 购买GPU， 采购HBM、交换机、光模块、电力设备。

于是资本开支增长， NVIDIA收入增长， AI产业链景气度上升。

但到了2026年， 这个逻辑正在发生变化。

最新一轮财报给出的信号是， AI基础设施正在从一个依靠Hyperscaler资产负债表推动的投资周期， 逐渐转化为一个由真实AI使用量、收入增长、订单积压和现金流共同推动的自我强化循环。

过去是先买GPU， 再寻找收入。

现在越来越接近买GPU， 获得算力， AI产品变强， 使用量增加， 收入增长， 供给再次不足， 再买更多GPU。

2023—2024年， 市场对AI资本开支最大的质疑一直是， 这些钱最后到底怎么赚回来。

这个问题完全合理。

训练一个更大的模型， 本身并不会自动产生现金流。

买下十万张GPU， 也不意味着企业客户一定愿意付费。

因此早期AI投资， 本质上具有很强的战略资本开支属性， 先建立基础设施， 先确保自己不掉队， 至于ROIC以后再说。

但2026年的情况已经明显不同。

Microsoft：截至2026年6月季度， Azure及其他云服务收入同比增长43%， Microsoft Cloud季度收入达到593亿美元， 商业RPO同比增长84%至6780亿美元。 微软在财报电话会上披露， 2026自然年CapEx预期在会计口径调整后约为1750亿美元。

Alphabet：2026年Q2， Google Cloud收入同比增长82%至248亿美元， Cloud backlog达到5140亿美元。 Alphabet当季CapEx达到449亿美元， 并把2026年全年CapEx指引提高到1950—2050亿美元。

Amazon：AWS Q2收入同比增长37%至422亿美元， AWS单季营业利润达到166亿美元。 Amazon预计2026年资本开支约2000亿美元， 同时过去12个月自由现金流转为负76亿美元， 主要原因正是AI相关物业和设备投资大幅增加。

Meta：Q2收入同比增长28%至608亿美元， 单季资本开支达到311亿美元， 全年CapEx指引为1300—1450亿美元。

过去几年AI基础设施最大的关键词是规模。

多少张GPU， 多少MW数据中心， 多少HBM， 多少CoWoS， 多少机柜。

本质上， 科技巨头是在建设一个此前不存在的巨大AI计算网络。

所以投资逻辑很像传统基础设施， 先铺高速公路， 然后等待车流出现。

但2026年的变化是， 车流已经来了。

Alphabet披露， 其模型API目前每分钟处理大约220亿Token， 上一季度还是160亿， 单季增长约37.5%。

与此同时， Google Cloud收入同比增长82%， Cloud backlog达到5140亿美元， 公司仍然明确表示处于算力供给受限状态。

这其实就是AI时代版本的Jevons Paradox。

一次推理成本下降50%， 企业并不会简单地把AI预算削减50%。

企业更可能做的是， 原来只让AI回答一个问题， 现在让Agent连续执行20个步骤。

原来只有程序员使用Copilot， 现在销售、客服、金融、法务全部开始调用模型。

原来一个用户每天调用十次AI， 未来可能是一百个Agent在后台持续工作。

于是单位Token成本下降， 带来的不是总算力需求下降， 而可能是Token数量以更快速度增长。

整个循环可以简化成， CapEx带来更多AI算力， 更多算力带来更强模型和更低推理成本， 更低成本带来更多开发者和企业使用， 更多使用量带来更多Token， Token最终变成Cloud收入和长期合同， 再证明下一轮资本开支的ROIC。

这和2023年的逻辑有一个根本区别。

2023年的CapEx主要建立在一个判断上， AI未来应该会很大。

2026年的CapEx越来越建立在另一个事实之上， 客户现在就在排队。

Google甚至表示， 为了缓解当前供给约束， Q3计划临时扩大第三方算力容量， 在自有产能上线之前先满足客户需求。

AI商业化还有一个长期被低估的地方。

AI不一定需要创造一个全新的“AI收入”科目， 才能证明投资回报。

对于Google和Meta来说， AI首先强化的可能是它们原来的现金牛。

Meta 2026年Q2收入同比增长28%， 广告展示量增长14%， 平均广告价格增长12%。

如果更好的推荐模型提高用户参与度， 更好的广告模型提高广告转化率， 那么AI基础设施实际上会直接提高广告主ROI。

于是又形成一个循环， AI CapEx提高推荐和广告模型能力， 模型提升广告效率， 广告效率提高收入和现金流， 现金流再投入AI。

Google Search同样存在类似逻辑。

Alphabet在Q2电话会上明确表示， AI正在提高Search使用量， 同时Search及其他广告收入同比增长17%。

如果AI投资只是GPU故事， 那么随着GPU供给增加， 最终一定会出现增长放缓。

但2026年的另一个重要变化是， 瓶颈正在不断迁移。

先缺GPU， 然后缺HBM， 再缺先进封装， 再缺交换芯片， 再缺光模块， 再缺网络， 再缺电力， 再缺变压器， 再缺数据中心。

原因很简单， 一个AI集群不是十万颗GPU的简单集合， 它是一台巨大的分布式计算机。

当GPU数量从一万增加到十万， 再到百万颗以后， 决定系统性能的就不只是GPU， 而是Compute × Memory × Network × Storage × Power × Cooling × Software。

NVIDIA FY2027 Q1数据中心计算收入同比增长77%， 但数据中心网络收入同比增长199%。

Broadcom FY2026 Q2 AI半导体收入达到108亿美元， 同比增长143%， 增长主要来自定制AI加速器和AI网络。

市场现在最常见的担忧是， Google一年花接近2000亿美元， Amazon约2000亿美元， Microsoft约1750亿美元， Meta也超过1300亿美元， 这是不是已经投资过度。

这个担忧并不荒谬， 而且可能是未来AI行情最大的风险之一。

但判断是否过度投资， 不能只看CapEx绝对值。

第一， 看Cloud与AI收入增速。 如果CapEx继续增长， 但Azure、AWS、Google Cloud持续减速， 这是最早的危险信号。

第二， 看Backlog， 而不是只看当期收入。 数据中心建设周期很长， 收入天然滞后于CapEx， 所以订单和长期合同更重要。 Microsoft商业RPO达到6780亿美元， Google Cloud backlog达到5140亿美元。

第三， 看利用率与Supply Constraint。 如果GPU利用率下降， 现货算力价格快速下跌， Hyperscaler开始转售闲置容量， 那么产业周期才真正接近顶部。

第四， 看折旧， 而不是只看自由现金流。 AI投资首先表现为现金流出， 然后才逐步进入损益表。 真正的考验是2027—2028年以后， 巨额AI资产折旧进入成本时， AI收入能不能增长得更快。

过去两年市场最喜欢问， 谁的AI CapEx增速最高。

未来这个问题的重要性会下降。

真正重要的问题会变成， 谁能把CapEx最快转化成Token， 谁能把Token最快转化成收入， 谁又能把收入最快转化成下一轮CapEx。

从这个角度看， Google、Microsoft、Amazon和Meta的优势并不只是它们有钱。

它们最大的优势是， 自己既是AI基础设施的购买者， 也是AI产品的分发平台， 还是AI收入的最终获取者。

它们同时控制基础设施、模型、软件、开发者、企业客户， 以及数十亿消费者。

因此， 它们有机会完成整个资本循环。

第一阶段最好赚钱的是卖最稀缺东西的人， GPU、HBM、CoWoS。

第二阶段会逐渐变成解决系统瓶颈的人。

计算仍然重要， 但网络的重要性正在快速提高。

GPU仍然重要， 但ASIC正在成为新增量。

HBM仍然重要， 但高速互联、交换、光通信、存储、电力和液冷的重要性正在提高。

谁成为瓶颈， 谁就拥有定价权。

谁消除瓶颈， CapEx就会流向谁。

所谓自我强化闭环， 绝不意味着AI投资可以无限增长。

任何资本周期最终都必须接受ROIC约束。

真正需要警惕的， 是以下几个信号开始同时出现。

如果这些事情同时发生， 那么CapEx → Revenue这条链条就开始断裂。

届时市场会重新把AI基础设施按照传统半导体资本周期定价。

但截至2026年8月， 我们看到的核心数据仍然是， 资本开支在增加， Cloud收入在高速增长， Backlog在增加， Token量在增加， 算力依然受限， 网络与定制ASIC收入甚至比传统计算增长更快。

这意味着当前AI基础设施周期最核心的矛盾仍然不是需求不足， 而是供给如何跟上需求。

过去三年， 推动AI产业链的是一个非常简单的力量， 科技巨头害怕错过AI。

因此它们必须投资。

这是FOMO驱动的CapEx。

但2026年开始， 我们正在看到另一种力量接棒。

AI算力开始产生Token， Token开始产生使用量， 使用量开始产生收入， 收入开始形成合同和backlog， 合同又要求Hyperscaler建设更多数据中心。

这就是这轮AI资本开支最重要的阶段转换。

当资本开支只能依靠管理层相信未来时， 它随时可能被预算削减。

但当资本开支背后开始出现客户订单、Cloud增长、广告收入和真实现金流时， 它就逐渐从战略投资变成生产性资产。

所以判断这一轮AI基础设施周期是否结束， 不能再简单盯着NVIDIA还能增长多少， 也不能只看Hyperscaler CapEx还能增长多少。

真正应该盯住的是， 新增AI资本开支， 是否仍然能够创造更多AI需求。