AI资本开支迈向万亿美元时代

今天这条 AI 动态，我想谈一个不在产品发布会上、但会左右整个行业步伐的问题：AI 投资正迈入万亿美元压力区。

MarketWatch 和 Business Insider 均报道了 Goldman Sachs 最新研判。核心结论很明确：市场对 2027 年大型云服务商资本支出的预估或许过于保守。当前华尔街预期约为 9200 亿美元，而 Goldman 更为实际的判断是 1.1 万亿美元，乐观情形下甚至可能触及 1.4 万亿美元。

这并非单纯的财经资讯。因为这些资金最终会转化为芯片、服务器、数据中心、电力、网络、散热系统，也会成为我们日常使用 AI 工具时的真实成本。

AI 行业正从"性能比拼"，转向"资本支出与回报验证"的新阶段。

许多人认为 AI 基建烧钱已足够惊人，但 Goldman 的看法是，市场可能依然低估了需求。

原因之一是 token 消耗。Business Insider 报道指出，Goldman 预计企业 token 消耗到 2030 年或将增长 24 倍，主要受企业 Agent 驱动。其逻辑很清晰：AI 不再只是答疑解惑，而是开始帮企业运转流程、检索数据、编写代码、分析信息、处理客户诉求。

Agent 执行的任务越多，后端推理调用就越多。每一次调用都消耗算力，每一批算力都需要数据中心和电力支撑。

AI 应用越接近工作流，基础设施支出就越非一次性投入，而是长期扩容。

因此这轮投资不是仅购入几块 GPU。它是整条链路同步扩张：芯片、存储、网络设备、机房、电力、散热、运维人员，缺一不可。

企业 Agent 与 token 消耗攀升，将持续推高芯片、数据中心、电力和网络投资。

问题是，资金越多，压力也随之增大。

MarketWatch 提及，AI 基础设施个股估值已显著抬升，部分基建公司估值倍数升至 ChatGPT 面世以来的高位。Goldman 也警示，价格攀升过快、估值偏高、交易拥挤，均会加剧波动风险。

更现实的问题在于，众多企业尚未阐明 AI 回报。报道中有一个颇为值得关注的数据：一季度财报电话会上，54% 的企业提及 AI 生产力，但仅 11% 量化了具体收益，仅 2% 量化了对盈利的贡献。

市场已在为 AI 想象力估值，但企业尚未普遍将收益转化为账目。

这便形成张力：一方面资本支出持续扩大，另一方面投资者开始追问，何时能从"AI 至关重要"转变为"AI 明确盈利"。

万亿级 AI 支出的背后，物理瓶颈、估值压力与投资回报将同步显现。

还有一个常被忽视的点：资金或许并非唯一瓶颈。

Business Insider 报道指出，Goldman 认为未来更关键的制约可能来自物理世界，如数据中心项目延期、存储供应、电力接入及劳动力限制。换言之，即便预算获批，机房也无法一夜建成。

这与我们此前探讨 AI 电力账单那篇相呼应，但今日视角更侧重资本与产业链。电力只是其中一环，真正复杂的在于整套基础设施的建设速率。

AI 的下一轮瓶颈，或许不是模型能否更强大，而是现实世界能否跟上模型的胃口。

这也解释了为何芯片、网络、散热、电力、数据中心这些看似"不像 AI 应用"的企业，会持续受到市场关注。它们是 AI 使用量增长背后的硬支撑。

对普通企业而言，面对万亿级投资，最易产生两类误判。

一是焦虑：别人都在投入，我也必须立即上大项目。二是观望：反正大厂会先试水，我等成熟再说。两者均有失偏颇。

更务实的做法，是先将 AI 投入拆解为可衡量的账目：这个场景每月处理多少任务，原来需要多少人时，AI 调用成本几何，准确率与返工率如何，能否稳定影响收入、成本或客户体验。

企业运用 AI，不能仅看模型效果，需将 token 成本、人力节省与业务成效纳入同一张表格。

若一个项目仅在演示中表现出色，却无法阐明节省了什么、增加什么、风险在哪里，则难以支撑长期投入。

企业进行 AI 投入，关键在于将业务场景、成本面板与收益复盘串联起来。

今日这条 AI 行业动态的重点，并非"AI 泡沫"四字那么简单。更确切地说，AI 既存在真实需求，也面临日益沉重的资本支出压力。

若 Agent 与企业 AI 真的大规模融入工作流，算力需求仍会继续攀升。但与此同时，投资者、企业客户与市场都将要求更明确的回报证明。

AI 投资的下一阶段，不是谁敢花钱，而是谁能把花出去的钱转化为可验证的业务收益。

你认为 AI 万亿级投资更像长期基建，还是已有泡沫风险？

欢迎在评论区聊聊：你所在行业里，AI 现在是已经省钱了，还是仍停留在试点和预算阶段？

参考