AI 狂投 1.4 万亿未回本？仅英伟达盈利，基建热潮面临回报拷问
有个网站名为 Is AI Profitable Yet?（AI 盈利了吗？）
主页仅展示两个大字：NO.
紧接着是一句更扎心的：EVERYONE'S BROKE.（全员破产。）
▲ isaiprofitable.com 首页——监控前沿 AI 企业的收支状况（2026 年 5 月数据）
该仪表盘做了一件简单直接的事：汇总各大 AI 企业在模型研发、算力、数据中心、芯片及网络上的总投入，并与 AI 直接营收进行对比。
结果令人震惊——
支出高达 1.4 万亿美元，仅收回 6130 亿美元。
资金缺口接近 8000 亿美元。
依据该统计标准，AI 领域最大的"出血点"在于科技巨头：
唯一实现盈利的名字——
英伟达：投入 2250 亿美元，营收 4780 亿美元，净利润 2530 亿。
读到此处你或许已察觉：在这场万亿级 AI 基建狂潮中，售卖 GPU 的厂商率先落袋为安。
在深入探讨前，先了解该表的统计逻辑。
网站在方法论说明中明确写道：
「支出数据涵盖直接研发成本、算力消耗，以及 AI 基础设施（含数据中心、芯片与网络）的资本性支出。」
「资本支出被计为支出项，尽管其具备长期资产属性。」
同时，该表剔除了间接 AI 收益——例如 Google 搜索广告因 AI 优化带来的增量、Microsoft 软件因 AI 功能加持产生的溢价。
换言之，这张表刻意将"建设成本"与"直接变现"置于同一维度对比，旨在揭示在 AI 投资回报显现前，资本承诺的规模何等惊人。
这些科技巨头在集团层面依然盈利。Amazon 的电商与 AWS、Google 的广告业务、Microsoft 的 Office 与 Azure、Meta 的社交广告——这些核心业务的利润正用于补贴 AI 基建的巨额烧钱。
但问题恰恰在于：AI 业务本身，按直接营收与投入对比，远未实现自给自足。
该图表被 X 用户 @Pirat_Nation 转发至推特后，迅速引发热议。帖子浏览量超 11.5 万，获近 2800 个赞。
▲ @Pirat_Nation 在 X 平台分享 isaiprofitable.com 数据，引发广泛讨论
评论区中，最高频的比喻是"淘金热中卖铲子的人"。
有人直言：
「AI 领域唯一赚钱的，就是那个卖铲子的。」
也有人借历史类比：
「这简直复刻了 1999 年的 Cisco。」
但反对声浪亦不少。有人指出，铁路、互联网、电商在早期均经历巨额亏损，基础设施投入本就需要等待长周期回报。还有人认为，将 capex 视为支出计入会严重高估"亏损"——数据中心与芯片采购可折旧摊销，真实 P&L 表并未如此惨淡。
这些反驳不无道理。但争论本身印证了一件事：市场已开始追问 AI 热潮的回报时间表。
若你认为这只是社交媒体的情绪宣泄，不妨看看金融机构的观点。
高盛早在 2024 年 8 月便发布报告，标题直指核心：「万亿美元的生成式 AI 投资能否回本？」
▲ 高盛 2024 年文章：Will the $1 trillion of generative AI investment pay off?
报告引用了高盛资产管理部门的研判：
「这正是当前所有争论的焦点。」
高盛团队访谈了从半导体到软件行业的 20 家科技公司高管，结论并非单纯看空：部分企业确已在 AI 中看到回报，甚至追加硬件采购。但哪些环节能真正捕获价值、整体投入何时回收，业界尚无共识。
至 2025 年 12 月，高盛再发一文：「为何 AI 公司可能在 2026 年投资超 5000 亿美元」。
▲ 高盛 2025 年文章：Why AI Companies May Invest More than $500 Billion in 2026
该文揭示了一个微妙转变：投资者愈发挑剔。分析师发现，过去两年市场持续低估 AI 相关资本开支增速，但与此同时，当 AI 基础设施公司运营利润承压、且资本开支依赖举债时，市场将重新对其进行定价。
通俗来说：钱仍在烧，但华尔街开始甄别谁在烧出未来、谁在烧给别人看。
再看行业研究机构 IDC 的数据。
▲ IDC：AI Infrastructure Spending Caps Historic Year at ~$90 Billion in Q4 2025
IDC 指出，2025 年第四季度全球 AI 基础设施支出约 900 亿美元，同比激增 63%。更令人咋舌的预测是：到 2029 年，AI 基础设施年度支出将突破 1 万亿美元。
IDC 判断，AI 基建投资正从"试验阶段"迈向"长期承诺"。各国政府、云服务商及企业均在制定长周期建设规划——数据中心选址、电力供应合同、芯片采购协议，这些往往锁定五至十年。
这意味着，即便 AI 营收增长不及预期，基建支出的惯性也难以短期刹车。
高盛在一份更早（2023 年）的研究中预测，生成式 AI 对美国 GDP 的可量化拉动或从 2027 年起显现。长远看，AI 确实可能显著提升生产力。
但这引出了万亿级投入最核心的悬念：投入与回报之间的时间差，能否被融资能力、现金流及市场耐心所承受？
几个关键变量：
第一，直接 AI 营收能否加速。目前 6130 亿美元的行业营收主要集中于英伟达的硬件销售及少数 AI 应用的订阅费。若云 AI 服务、企业级 AI 工具及消费级 AI 产品的付费规模无法快速扩张，应用层的现金回流将远滞后于基建层的资本消耗。
第二，间接收益能否获市场认可。Google 的 AI 搜索、Microsoft 的 Copilot、Meta 的推荐算法——若这些 AI 能力优化显著拉动主营业务营收，资本市场或重新评估"AI 回报"口径。但这需公司在财报中提供足够细致的拆分数据。
第三，基建融资的可持续性。当利率高企、AI 基础设施公司依赖举债建设时，资本成本本身已成为 ROI 方程中的重大变量。高盛已提示，debt-funded capex 是投资者最关注的风险信号之一。
AI 不会因一张仪表盘而熄火。技术能力仍突飞猛进，应用场景持续扩展，全球科技企业及政府仍在加码投入。
但 2026 年出现的变数值得关注：行业核心问题，正从"能否建成"转向"回报何时出现、以何种口径呈现"。
1.4 万亿美元支出、8000 亿美元缺口、英伟达独享盈利——这些数字的精确度可争论，统计口径可优化，但它们指向的问题无法回避：
当你斥资万亿建设基础设施，市场终将追问一个问题：资金何时回流？
— END —