誰在給 AI 付賬單:八大科技巨頭的萬億投注版圖

Tech商業2026.08.30 09:34 · 來自上海全文6563字00:00 / 15:49有人當金主,有人造鏟子,有人守入口——誰在為這場萬億AI賭局買單?文 | Tech商業如果把 2026 年的 AI 競賽拍成一張資產負債表,左邊是燒掉的幾千億美元算力、薪資與電力,右邊是尚未完全兌現的收入。而坐在桌子兩邊、不斷籤支票的,幾乎都是同一批名字:科技七巨頭——蘋果(Apple)、微軟(Microsoft)、亞馬遜(Amazon)、谷歌母公司 Alphabet(Alphabet)、Meta、英偉達(Nvidia)、特斯拉(Tesla)——再加上今年 6 月以 1.
77 萬億美元估值登陸納斯達克的 SpaceX。據各公司最新財報與公開指引彙總,僅微軟、谷歌、亞馬遜、Meta 四家巨頭在 2026 財年的資本開支合計已超過 6,000 億美元,且絕大部分直接指向 AI 數據中心、芯片與電力採購。如果把英偉達、特斯拉與 SpaceX 的算力基礎設施投入全部計入,整張賬單正以萬億美元量級累積。換句話說,AI 不是免費的午餐,而是一張由八張信用卡共同刷出的天價賬單。它們投注 AI 的方式各不相同:有人當“金主”,有人造“鏟子”,有人把模型塞進十億臺設備。這八家如何落子,決定了 2026 年 AI 的走向。
微軟:最敢下注的“金主 + 生態”微軟是這場牌局裡最特殊的玩家——它既是 AI 的最大外部股東,又是最會把 AI 變現的雲服務商。在巨頭科技公司裡,沒有第二家公司像它這樣,同時坐在“資本”和“分發”兩張椅子上。微軟對OpenAI的累計投資體量落在約130億—140億美元區間。換來的不是股權分紅,而是長達數年的深度綁定。今年 4 月雙方修訂的協議顯示:其Azure擁有“首發優先權”,所有OpenAI新模型率先上線;Copilot相關授權延續至2032年,AGI觸發條款一併刪除——即便OpenAI未來達到通用人工智能,微軟的使用權也不會被切斷。
對一家年投入超千億美元的公司來說,這比股權分紅更實在——它鎖定了回報的確定性。在模型戰略上,微軟還扶持法國初創Mistral、收購Inflection團隊,並自研Phi系列小模型——它刻意避免把“前沿模型”的雞蛋放在OpenAI一個籃子裡。這一多元佈局確保了微軟對不同場景、不同成本的模型都有調用能力,進一步分散了戰略風險。在資本開支層面,微軟2026財年物業與設備支出已達約1160億美元,較上一財年增長近80%,絕大部分流向AI數據中心與算力採購。
與之對應的是,這筆鉅額投入正在轉化為商業回報——Copilot已從“嚐鮮功能”變成微軟企業營收表裡快速增長的一條線:Microsoft 365 Copilot的付費席位在2026財年突破3000萬,單季淨增超過1000萬;GitHub Copilot付費訂閱用戶同期突破470萬,同比增長75%,企業部署同步加速擴張。微軟的打法很清晰:用別人的前沿模型,養自己的雲與企業軟件。它不親自押注某一個“超級模型”的勝負,而是確保無論誰贏,算力、接口與分發渠道都攥在自己手裡。這種“收過路費”的商業模式,讓微軟在AI收入的上半場就先回了一部分血。
風險也恰在於此:微軟AI故事的收入質量,高度依賴OpenAI與Anthropic這兩家初創公司的模型競爭力。一旦其中一方掉隊,微軟既是金主又是渠道的雙重身份,會同時承受資產減值與生態失速的雙重壓力。谷歌:唯一“全棧自研”的巨頭如果微軟是“借力”,谷歌就是“全家桶”——從模型(Gemini,由 DeepMind 操刀)、芯片(自研 TPU)、到應用(搜索、Android、Cloud、Waymo),全部自研。七巨頭裡,只有谷歌同時握有“前沿模型能力 + 自研算力 + 最大規模分發”。今年的 I/O 大會上,谷歌正式發佈 Gemini 3.
5 Flash,主打多模態原生(文本/圖像/音頻/視頻同時處理),TPU v6 自研芯片帶來的推理成本下行。近日,谷歌推出Gemini 3.7 Flash 模型,發優惠價為原3.6 Flash 的一半 ,輸入每百萬Token 0.75 美元, 輸出每百萬Token 3.75 美元。這套模型已經入駐 Gemini Spark 訂閱服務、面向 Google AI Pro 與 Ultra 用戶開放,並行接入 Google AI Studio、Vertex AI 以及新上線的 agentic 開發平臺 Antigravity。
Gemini 已深度嵌入谷歌的每一個入口;Waymo 的無人出租車也在 2026 年從鳳凰城、舊金山擴到更多城市。資本開支方面,根據 7 月下旬發佈的第二季度財報,谷歌已將 2026 年指引上調至 1950 億—2050 億美元區間,較此前最高 1900 億美元的指引進一步上調。谷歌雲第二季度營收 247.7 億美元,同比增長 82%,雲積壓訂單已增至 5140 億美元。皮查伊麵對的並非全是好消息。第一是旗艦模型的“跳票焦慮”——市場長期以 Gemini 3.5 Pro 作為衡量 DeepMind 水平的標尺,7 月皮查伊公開承認發佈節奏被迫推遲。
第二是組織震盪:8 月初 DeepMind 完成成立以來最大規模的領導層重組——戴密斯·哈薩比斯(Demis Hassabis)退居二線,由副手科雷·卡武庫克奧盧(Koray Kavukcuoglu)接棒;聯合創始人謝爾蓋·布林近幾個月深度介入核心 AI 團隊。谷歌有搜索與雲兩臺現金牛託底,但 AI 時代的護城河已經從“鏈接”變成了“答案”。亞馬遜:雲、芯片、模型“三角陣”亞馬遜的 AI 故事由三塊拼成:雲(AWS)、自研芯片(Trainium / Inferentia)、模型(Nova + 對 Anthropic 的投資)。它不把賭注壓在單一環節,而是用三塊拼圖彼此咬合。
亞馬遜對 Anthropic 的累計投資約 80 億美元,今年上半年還宣佈未來將追加對其超過 200 億美元投資,是僅次於微軟的“AI 金主”。同時亞馬遜用 Trainium 自研芯片降低推理成本,避免把利潤全交給英偉達。Nova 系列模型補上了自有模型的空缺,與 Bedrock 平臺上的第三方模型形成組合。根據 7 月末最新信息,亞馬遜已在第二季度財報中將 2026 年 AI 相關現金資本開支估算上調至約 2200 億美元,較 2 月預測的 2000 億美元增加 200 億美元。AWS 營收同比增長 36.7% 至 422 億美元。Alexa+ 的重構,則是它把 AI 推向消費端的旗艦嘗試。
亞馬遜的邏輯是用雲收入反哺模型、用模型拉動雲——但 Nova 與 Bedrock 的“中間層”定位,意味著它既要和 OpenAI/Anthropic 搶企業客戶,又要和微軟 Azure、谷歌雲搶雲份額。這是一場“用別人的模型養自己的雲、又用自研模型防住別人”的雙線作戰。Meta:開源 +“超級智能實驗室”Meta 走了一條最難被複制的路:把最強模型開源。在閉源主導的前沿模型競賽裡,它選擇了用開放生態綁定開發者。Llama 系列讓它成為開源大模型的“事實標準”。
與此同時,Meta 在 去年以約 140 億美元投資數據標註公司 Scale AI、並挖來其 CEO 亞歷山大·王(Alexandr Wang)領銜新設的“超級智能實驗室”(Superintelligence Lab)。根據 Meta 最新財報,公司已於 4 月將 2026 年資本支出指引上調至 1250 億—1450 億美元,7 月又將下限從 1250 億上調至 1300 億美元,上限 1450 億美元保持不變。Meta 2025 年實際資本開支為 722 億美元。
Meta 的 AI 投入有兩個回收口:一是廣告系統的 AI 化——推薦與生成式廣告直接拉昇營收,AI 驅動的廣告創意工具已覆蓋其大部分廣告主;二是 AI 硬件,Ray-Ban Meta 智能眼鏡是 2026 年最暢銷的 AI 可穿戴設備之一。開源是把雙刃劍:Llama 生態壯大了 Meta 的影響力,卻也意味著它難以像 OpenAI 那樣靠 API 直接收費。Meta 賭的是“用開源換生態、用生態換廣告與硬件”,回報週期比賣 API 更長。英偉達:所有人都要付的“買路錢”七巨頭裡,英偉達是唯一不直接做應用、卻幾乎被所有人依賴的玩家。它賣的不是模型,而是訓練模型的“鏟子”。
Blackwell 架構 GPU 在 2026 年仍是訓練前沿模型的硬通貨,數據中心業務貢獻了英偉達營收的絕大部分。公司市值在 2025 年夏天突破 4 萬億美元,並在 2026 年繼續穩坐全球市值第一(截至 8 月約 5.3 萬億美元)。對微軟、亞馬遜、谷歌、Meta、特斯拉、xAI 而言,英偉達的產能排期,就是它們的算力時間表。英偉達賭的是“無論誰贏,都要用我的鏟子”。但風險清晰可見:它的每一個大客戶都在自研芯片——微軟(Maia)、谷歌(TPU)、亞馬遜(Trainium)、Meta(MTIA)、特斯拉(Dojo)、蘋果(自研),更不用說中國的昇騰。
微軟自研芯片已能將 AI 運算成本降低最多四成,一旦客戶自研芯片規模化,英偉達的“賣水人”地位會被一點點侵蝕。它的護城河是生態(CUDA)而非單代硬件,但生態的鬆動,往往從大客戶悄悄分流訂單開始。蘋果:最剋制的“終端守門人”七巨頭裡,蘋果對 AI 的反應最慢、最剋制。它不參加“最強模型”的軍備競賽,而是守著自己的設備入口。Apple Intelligence 主打端側 + 私有云計算(Private Cloud Compute),強調隱私優先。
在今年的 WWDC 上,蘋果正式發佈了全新版本的 Siri AI,深度整合 Apple Intelligence,開發者即日起可測試,普通用戶則推遲至今年晚些時候以 Beta 形式體驗。這種“不冒進”有其邏輯:蘋果的核心資產是約 25 億臺活躍設備。在所有人瘋狂燒錢時,蘋果是牌桌上唯一一個“用既有用戶和毛利,等別人把路探明白”的玩家。它的風險在於:若 AI 真的重構了入口(比如對話式助手取代 App、取代搜索),蘋果的“守成型”可能變成“掉隊型”。2026 年蘋果在端側模型的進展,是它能否守住入口的關鍵變量。
馬斯克板塊:特斯拉 + SpaceX + xAI,三張牌一個人打特斯拉與 SpaceX 是否該放在一起?我們的判斷是:應該——而且要把 xAI 也算進來。三者同屬馬斯克控制,AI 戰略高度交織:特斯拉的 FSD 與 Optimus 訓練數據來自數百萬輛車的真實路況;SpaceX 的 Starlink 是全球最大的衛星互聯網,是邊緣 AI 的基礎設施;xAI 的 Grok 與 Colossus 集群則是這一體系的“模型大腦”。人才、算力、資本在三家公司之間來回流動,本質上是一個人的 AI 帝國。
xAI 真正的資產,不叫 Grok,叫 Colossus——這座位於田納西州孟菲斯的超算集群,2026 年初已擴到約 55.5 萬張英偉達 GPU、容量跨越 2 GW 電力邊界;馬斯克的目標是年底前超過 100 萬張。2026 年 1 月,xAI 完成 200 億美元 E 輪融資,估值 2,300 億美元;隨後 SpaceX 在 6 月以 1.77 萬億美元完成全球史上最大 IPO,xAI 與 SpaceX 合併,合併實體估值目前上升至 1.9 萬億美元。模型層面,Grok 4.5 已啟動 SpaceX 與特斯拉內部私測,Grok 4.5(據公開信息,基座模型參數量級約為 1.
5 萬億)正在訓練中。SpaceX 的上市,讓整個馬斯克 AI 版圖有了公開市場輸血的通道。但 xAI 也是質疑最多的一家:Grok 4 在多項企業級編碼榜單上與 Claude、GPT-5.5 仍有明顯代差;Grok 5 已被多次承諾“臨近發佈”卻屢屢跳票。馬斯克的“用算力買時間”,最終要看 Grok 5 能否把最強模型頭銜搶回來。
金主、賣水人與守門人把八家公司擺在一起,角色立刻清晰:而這條鏈路的脆弱點,正藏在《大空頭》原型人物史蒂夫·艾斯曼(Steve Eisman)8 月的警告裡:微軟、亞馬遜、谷歌、甲骨文等的 AI 相關收入中,約 70% 來自 Anthropic 與 OpenAI 兩家。巨頭們的 AI 故事,最終都要落到這兩家初創公司的成敗上。風險深描:賬單越堆越高,回報還在路上八巨頭的 AI 賬單有三個結構性特徵,決定了這場賭局的成色:第一,資本開支與回報之間存在巨大的時間差。僅其中四大科技巨頭在 2026 財年合計超過 6,000 億美元的資本開支,絕大部分要在 2027—2030 年才陸續轉化為收入。
在回報兌現前,每一季的財報都要先承受折舊與電力成本的擠壓。第二,收入高度集中在上游與少數模型公司。雲廠商的 AI 收入主要來自訓練與推理算力(賣鏟子),而模型 API 的真實需求,又高度依賴 Anthropic 與 OpenAI 兩家——這正是艾斯曼警告的“阿喀琉斯之踵”。第三,泡沫爭議的鐘擺正在回擺。從蘋果“最剋制”到馬斯克“最激進”,巨頭公司對 AI 的態度橫跨一整個光譜。但無論激進還是剋制,它們都押注同一件事:AI 終將重構軟件、廣告、搜索與硬件。誰先看到回款,誰就重新落座七巨頭 + SpaceX 的 AI 投注,是一場萬億美元量級的集體下注。
它們分工明確、各取所需,卻共享同一個軟肋:對少數幾家模型公司的依賴度,已經高到系統性風險的程度。最新消息是,Anthropic 已秘密提交 IPO 文件,預計最早今年 10 月上市,部分投資者給出的估值預期已達 2 萬億美元甚至更高,有望超過 SpaceX 的 1.77 萬億美元 IPO 紀錄。公司截至 7 月底年化營收已突破 650 億美元。而當 Anthropic 在 10 月敲鐘、OpenAI 在 2027 年臨近上市,這批巨頭真正的考題才會揭曉——它們買的,究竟是通往 AGI 的門票,還是一場需要有人接盤的資本循環。2026 年,賬單還在漲。誰先看到回款,誰就能在下一輪重新落座。
Related
相關文章

國家數據局:截至 7 月底,我國智算總規模達到 245 萬 PFLOPS
作者:清源 責編:清源 評論: 8 月 29 日消息,據新華社報道,8 月 29 日,國家數據局相關負責人在 2026 中國國際大數據產業博覽會主題交流活動上表示,截至 2026 年 7 月底,全國智算總規模達 245 萬 PFLOPS(FP16),八大國家算力樞紐和三個算電協同發展區已建成智算規模佔全國比重超 85%,已有 145 萬 PFLOPS 智能算力納入國家級監測調度平臺監測範圍,算力資源集約化利用、一體化調度能力不斷增強。
Google AI Releases Gemini Omni 1.1 Flash: 40-Second Scene Extension, First/Last Frame Control, and 4K Upscaling
Google has released Gemini Omni 1.1 Flash (gemini-omni-1.1-flash), a production update to its native multimodal video generation and editing model.
AAR露出自改進潛力
Training AI models with other AI models has become a very popular goal for neolabs — and now, a researcher in Anthropic’s fellows program has given us an early look at what it might look like in practice.
Keras解碼宇宙射線
Keras官方科學部落格近日發表最新應用,展示深度學習在宇宙射線研究上的突破。傳統上,分析宇宙射線需要從複雜的觀測資料中手動提取特徵,但這次研究團隊選擇讓模型直接讀取原始波形,跳過繁瑣的前處理環節。透過陣列探測器,系統能進一步提取出由13×13個站點組成的訊號圖,完整保留空間分佈資訊,作為神經網路的輸入。 這套以Keras打造的模型,核心任務是同時判斷宇宙射線抵達時的能量與來向。不同於過去仰賴人工判讀或簡化統計方法,端到端的深度學習架構能自動捕捉波形中細微的變化模式,讓事件重建的精確度獲得提升。