AI算力資本開支估算：3-4萬億美元算得出來，但兌現條件極其苛刻

錦緞2026.08.10 12:03 · 來自北京全文6134字00:00 / 18:45全球AI資本開支未來空間沙盤推演。文 | 錦緞Agent技術的落地讓大模型真正擁有了"手"和"腳"：Coding能力的跨越與工具調用的完善，將AI從"對話式助手"推向了"自主執行者"的新高度；另一方面，供應鏈的全面緊張讓市場全面擁抱硬件，廣為傳播的投資聖 經是："美國缺電、中國缺芯、永遠缺存儲"。隨著北美進入財報季，AI敘事卻站在微妙的十字路口：大廠的資本開支超預期，但全球AI硬件股價卻接連顯著承壓。一切爭論都圍繞著，未來北美關於AI算力資本開支天花板到底在哪裡？

實際市場偏樂觀的預期已經不低，Semi Analysis近期給出的預測是美國AI數據中心新增電力需求將從2026年的21GW快速增長至2030年的84GW。按照當前硬件成本，每GW的AI數據中心投資至少需要花費400億美元（若採用最新一代平臺Vera Rubin，單GW投資上限可達470-500億美元），那30年80GW的體量，隱含著屆時AI基建總投資可能達到3-4萬億美元。表：高預期下的AI建設量對應的資本開支規模 資料來源：錦緞研究院總結但問題也隨之而來：遠期收入能否論證起這天量投入的合理性？當下的資本開支強度是否已經觸碰到合理邊界？如果前面論述成立，這筆錢又從哪來？

本文試圖以中性、客觀的視角，嘗試測算AI投資的理性天花板。前言：需求膨脹的四輪躍遷與總量合理性錨定要理解資本開支的空間，必須先理解AI需求為什麼能膨脹的底層邏輯。自2022年底以來，AI大模型經歷了四次清晰的範式躍遷：○第一輪是文生文開啟的問答時代，帶來了用戶廣度的膨脹；○第二輪是上下文能力與視覺能力的補全，帶來了數據容量的膨脹；○第三輪是推理與思維鏈時代，帶來了深度信息量的膨脹；○而當前正在經歷的第四輪，則是Agent時代，大模型可以完成極複雜的任務。每一次躍遷的終點都是同一個結果：Token用量大幅增加，AI解決問題的能力邊界大幅外擴。

需求爆炸的直接結果，是供應鏈的持續緊張與全面漲價，最終雲廠商資本開支連續上修。尤其是2026年以來，第四輪範式的加速落地，使得"工作Agent"從概念走向現實，企業核心工作流被AI滲透的速度顯著加快。根據美國人口普查局的數據，美國企業AI滲透率已從2023年末的不足5%，快速上升至2026年中的約20%。顯然AI已經成為幾十年一次的重量級技術革命。圖：美國企業AI滲透率資料來源：美國統計局，中信證券放在宏觀尺度下，這一AI投資的量級是否合理？當前全球GDP總量約118萬億美元，2026年的AI投資約在1萬億美元，佔全球總GDP的強度不到1%。

假設2030年全球GDP達到130萬億美元，其中IT支出佔比達到3%（美國此前IT支出就已經佔GDP的6%），同時IT支出中有一半在AI，那麼AI資本開支可以算出來4萬億美元。由於這一輪是北美領投，所以另一個視角是隻看美國的投資強度。美國GDP為38萬億美元，當前AI資本開支佔GDP比重在2%左右。若參照歷史基建週期——英國鐵路投資最高達到GDP的6%左右，美國鐵路投資達到GDP的3-4%——AI投資佔比仍有顯著翻倍以上空間。圖：英國鐵路泡沫時期，資本支出一度達到GDP的6-7%資料來源：華泰研究這些測算共同指向一個結論：從宏觀總量上看，3-4萬億美元的AI資本開支並非一個完全不可行的假設。

但宏觀上的"可行"，不等於微觀上的"可兌現"。收入能見度如何？3萬億確定和7萬億待定投資最終需要收入來做支撐。根據歷史經驗規律，可假設AI行業在偏高峰期的資本開支強度（Capex/收入）為35%，那麼3-4萬億美元的資本開支，即隱含要求AI行業實現8-10萬億美元的年化收入。這是一個什麼概念？可以做下簡單的對比分析：○2025年，北美Mag 7合計收入約2.2萬億美元，8-10萬億美元相當於再造近5個Mag 7。○若擴大到標普500，其2025年總營業收入約19萬億美元，AI相當於要再造至少半個標普500。

○近10萬億美元收入，假如類似其他信息技術產業，收入中50%可轉化為GDP，那麼我們測算到2030年AI產業佔全球GDP的比重約為3-6%，這相當於再造一個汽車+醫藥行業，AI要在10年走完兩個百年行業的路。表：AI產業佔GDP比重資料來源：錦緞研究院估算如此龐大的收入體量預期，目前有多少是"看得見"的？從當前已跑通的商業模式來看，主要有三條路徑。第一是雲（API）服務。這是目前路徑最清晰、兌現最確定的賽道，即AI大幅提升企業上雲的動力和付費上限。Anthropic約七至八成收入來自 API 調用，也印證了雲側變現的核心地位。

北美主要雲廠商2026-2030年的AI相關收入增量估算顯示，亞馬遜有望增長約2000億美元，谷歌約3000億美元，微軟約2000億美元，加上其他新雲廠商約2000億美元，合計對應約9000億美元的收入空間，即萬億美元賽道。第二是個人訂閱（To C）。美國市場以OpenAI、Anthropic等為代表，C端已普遍確立了每月20美元起步的"AI稅"門檻。若全球C端付費用戶數達到20億人，僅基礎訂閱就對應約5000億美元；疊加廣告等附加服務，C端合計約1萬億美元空間並不算異想天開。但這條賽道的不確定性在於用戶付費意願與留存率，以及不同地區的付費能力差異。第三是編程（Coding）。

這是當前關注度最高、變現確定性最強的垂直賽道。Coding賽道之所以更容易變現，核心在於用戶是高薪知識工作者，工具深度嵌入開發流程，付費主體是企業研發預算而非個人消費者，且結果可量化。全球約0.5億程序員，年均工資約5萬美元，若40%的工作被AI替代或增強，則對應約1萬億美元的市場空間。雲服務、C 端、編碼三條賽道加總，大約對應 3 萬億美元的可預見收入。這是當前市場共識度最高、有明確數據支撐的部分。但距離10萬億美元的目標，中間仍有7萬億美元左右的缺口，這需要從哪些場景生長出來，目前其實並不清晰。第三方研究也算不出來更高的數。彭博行業研究在2026年將生成式AI遠期市場規模從1.

8萬億美元上修至2.3萬億美元，並給出了2032年的詳細收入拆分：基礎設施近6000億美元、設備與應用（推理）7300億美元、推理/微調雲工作負載1919億美元、LLM授權收入1200億美元、聊天機器人/AI Agents 3100億美元、客服/合同審查AI Agents 2100億美元、生成式AI驅動廣告支出2100億美元、IT服務800億美元、工作負載監控軟件800億美元。HSBC 預測 2030 年全球 AI 行業收入 9200 億美元，其中 B2B 佔7080 億；Jefferies 測算 2030 年全球除中國外企業 AI TAM 為 1.4 萬億美元。

更關鍵的是，從美國當前滲透率來看，信息服務、金融保險、技術服務、企業管理等高技術行業的從業人員使用生成式AI的比例最高，均超過60%；而公共管理、文娛休閒、住宿餐飲、交通運輸等偏傳統行業的滲透率均不足30%。根據Anthropic的研究，對於管理、商業和金融、計算機和數學等行業，AI的理論滲透率可以超過80%；但對於生產、製造和維修、農業等行業，理論滲透率不足20%。這意味著，AI要找到新的萬億級賽道，必須在高技術行業繼續深挖，同時突破傳統行業的滲透瓶頸——而後者在短期內顯然面臨更大挑戰。圖：美國各行業僱員AI使用比例資料來源：國泰海通證券它山之石，資本開支強度的歷史座標系有哪些參照？

既然總量和收入都存在巨大的不確定性，從財務角度，如何去研判當前雲廠商的資本開支強度是否合理？判斷當前 AI 資本開支是否合理，不能只看絕對值，更要看資本開支強度（Capex / 收入）的相對水平。通過對標不同類型的重資產行業，可以更清晰地定位 AI 當前所處的週期階段。歷史上高資本開支強度的行業大致可分為兩類：第一類是"重資產網絡型行業"，典型如鐵路、電網、電信運營商。其共同特徵是投資在前收入在後，待網絡覆蓋進入成熟階段後，資本開支強度回落，自由現金流和利潤率改善才開始兌現。

電信是典型案例：中國三大運營商2021-2023年5G與算力網絡投入高峰期，Capex/收入高達20%-24%，近幾年下降到18%以下；歐洲電信行2021/2022年見頂約20%後，逐步回落至2026年的約15%以內。電網強度略低一點，以中國為例，國網與南網合計年收入約5萬億元，資本開支約7500億元，capex/收入約15%。這些賽道基本錨定的強度是15%-25%，很難進一步更高。第二類是"技術迭代驅動型行業"，一直保持較高的投資強度，典型如半導體代工、雲計算、鋰電池、存儲。它們的投資高峰期反而可能在需求極強、產能利用率高、產品代際領先時，出現"高Capex強度+高利潤率"並存的狀態。

臺積電是最極端的案例：最近一輪2021-2022年資本開支強度高峰中，Capex/收入達到50%左右，但營業利潤率仍近5成；2024-2025年資本強度回落至約33%後，利潤率繼續上修。AWS的歷史數據同樣典型：2018-2023年資本強度大致在27%-33%之間，進入AI投入期後，資本強度更是上升到40%以上。鋰電的寧德時代也有一定的參考意義，在產品領先時其資本開支陡增，2020-2022年Capex/收入達到26.4%-33.6%的高位，後快速滑落並伴隨現金流回正與盈利能力快速提升。存儲廠商（海力士、美光）是這些高技術產品中週期性最強的，但投資強度平均在30%左右。

圖：存儲廠資本開支強度 資料來源：WindAI產業，既像鐵路運營商一樣投資在前收穫在後，又像半導體等高科技一樣，資本開支強度掛鉤產品能力。所以需要綜合這些歷史座標，我們可以得出一個相對客觀的結論：資本開支強度在15%-40%區間都是合理的假設。如果對標雲運營商、鐵路、電網等重資產行業，穩態約為15%，高峰期接近25%；若對標晶圓代工、互聯網泡沫、存儲等強週期行業，平均值在20%-30%，高峰期可達40%+。當前AI行業的資本開支強度正處於這一對標區間的偏上沿。1萬億美元的總投資，能見到的收入是3萬億美元，即對應的投資強度已經達到30%。短期進一步上修的空間確實難做到此前動輒翻倍。

雲廠的彈藥庫還能撐多久？資本開支最終要落到 “錢從哪來” 的問題上。所以當前敘事的另一個切面是，作為AI投資的中軍，北美四大雲廠的彈藥還能支撐多久？第一層是內生現金流。根據當前經營趨勢，2027年雲廠合計經營現金流大約可支撐8600億美元左右的資本開支；假設2028年再增長約2000億美元，內生極限大約在1.1萬億美元左右。外部融資提供了第二層彈藥：債券市場方面，五大雲廠2025年以來公司債發行累計約3000億美元；股權市場方面，今年就看到谷歌800億美元股權融資計劃，且SpaceX也完成美股史上最大IPO，部分投向AI。

第三種方式是"循環融資"——英偉達投資AI初創公司如xAI、OpenAI，初創公司承諾進行雲支出，雲提供商購買英偉達硬件，英偉達確認營收。這一模式的脆弱性在於現金從未完成真正的商業循環，所以都依賴Anthropic和OpenAI上市來填這個窟窿，最終還是需要AI終端應用起來。將上述渠道加總，一個相對客觀的極限測算是：經營現金流約1萬億美元，合理舉債空間接近1萬億美元，合計可支撐約2萬億美元的資本開支。同時假設四大廠佔全球資本開支的50%-60%，則對應全球AI總投資約3-4萬億美元。

計算到這裡，不難發現開篇講到了資本開支規模，是可以通過企業自下而上“計算彙總出來的”，但這個量級也基本觸及了想象的上限。近期這個夢想已經產生了裂縫：1）SpaceX和Meta對算力的加碼，由於暫時沒有自身雲業務做支撐，更多屬於"自己賭"的戰略選擇，在持續高壓下開始轉型做算力租賃和雲服務，以分攤部分成本壓力；2）近期媒體報道稱英偉達管理層正在討論為 OpenAI 俄亥俄州數據中心項目提供約2500 億美元的融資擔保，更是加深了市場的擔憂。結語：AI的趨勢向上與硬件鏈的預期管理AI 產業的長期趨勢沒有問題，但資本開支並不是可以無限外推的。

從歷史技術革命的投資強度、行業資本開支規律、企業資金能力三個維度看，3-4 萬億美元的高額投資是一個偏極限的情景，並非必然達到，更不是短期就能看到的。在上述邏輯推演過程中，我們不難發現，北美雲廠的AI資本開支故事，正在從信仰轉向算賬，其中首先要經受考驗的是AI硬件。2025年，AI硬件產業鏈的上漲全部由基本面驅動；但進入2026年上半年，節奏明顯過快，更多是由"需求暴增、全產業鏈漲價"的恐慌性預期推動。自下而上彙總各家雲廠商、主權機構的規劃，明年AI總資本開支大約在1.2-1.5萬億美元。但若按GPU、光模塊等核心硬件的預期指引做倒算，市場對總資本開支的預期可能在1.5萬億美元以上。

這意味著北美雲廠還需要繼續明顯上修資本開支才行，這也解釋了為什麼谷歌財報明明上修了資本開支，全球硬件的行情卻一路下行。更關鍵的問題是，當市場對明年資本開支的預期已經高達1.5萬億美元以上時，一個難以迴避的現實是：遠期進一步上修的空間正在收窄。雖然從總量上看，3-4萬億美元的投資規模在宏觀層面可以錨定；但產業供需兩端的論據偏弱。從需求側看，四輪範式躍遷和Agent技術的落地，確實支撐了需求持續膨脹的長期敘事；但行業視角，目前僅有約3萬億美元的收入具備相對清晰的能見度，剩餘7萬億需要AI在更多傳統行業實現滲透率突破，而這並非短期可以兌現的。

從供應側來看，3-4萬億美元的投資願景面臨兩個硬性前提：第一，雲廠的現金流必須出現大幅增長，以支撐持續高強度的資本開支；第二，非北美雲廠也要加速投資，比如主權AI、中國AI國產投入。簡而言之，當前不少硬件公司的估值已隱含了對2027年極高資本開支的預期。一旦北美的核心玩家因現金流壓力或戰略調整而放緩資本開支步伐，市場預期將面臨重大修正。當下一個相對客觀的結論是：1.2-2萬億美元的AI資本開支確實是可以預見的，分歧不大；遠期的3-4萬億美元確實可以算得出來、但需要極限條件才能實現。

對於投資者而言，重要的不再是爭論AI革命是否真實，而是清醒地認識到：當一場投資狂飆觸及天花板時，預期管理將比需求預測更重要。