--- title: "AI 算力资本开支估算：3-4 万亿美元算得出来，但兑现条件极其苛刻" type: "Topics" locale: "zh-CN" url: "https://longbridge.com/zh-CN/topics/43296529.md" description: "图：英伟达 Rubin 计算机群图示 Agent 技术的落地让大模型真正拥有了"手"和"脚"：Coding 能力的跨越与工具调用的完善，将 AI 从"对话式助手"推向了"自主执行者"的新高度；另一方面，供应链的全面紧张让市场全面拥抱硬件，广为传播的投资圣 经是："美国缺电、中国缺芯、永远缺存储"。随着北美进入财报季，AI 叙事却站在微妙的十字路口：大厂的资本开支超预期..." datetime: "2026-08-10T02:51:21.000Z" locales: - [en](https://longbridge.com/en/topics/43296529.md) - [zh-CN](https://longbridge.com/zh-CN/topics/43296529.md) - [zh-HK](https://longbridge.com/zh-HK/topics/43296529.md) author: "[锦缎研究院](https://longbridge.com/zh-CN/profiles/2576456.md)" --- # AI 算力资本开支估算：3-4 万亿美元算得出来，但兑现条件极其苛刻 图：英伟达 Rubin 计算机群图示 Agent 技术的落地让大模型真正拥有了"手"和"脚"：Coding 能力的跨越与工具调用的完善，将 AI 从"对话式助手"推向了"自主执行者"的新高度；另一方面，供应链的全面紧张让市场全面拥抱硬件，广为传播的投资圣 经是："美国缺电、中国缺芯、永远缺存储"。 随着北美进入财报季，AI 叙事却站在微妙的十字路口：大厂的资本开支超预期，但全球 AI 硬件股价却接连显著承压。 一切争论都围绕着，未来北美关于 AI 算力资本开支天花板到底在哪里？实际市场偏乐观的预期已经不低，Semi Analysis 近期给出的预测是美国 AI 数据中心新增电力需求将从 2026 年的 21GW 快速增长至 2030 年的 84GW。 按照当前硬件成本，每 GW 的 AI 数据中心投资至少需要花费 400 亿美元（若采用最新一代平台 Vera Rubin，单 GW 投资上限可达 470-500 亿美元），那 30 年 80GW 的体量，隐含着届时 AI 基建总投资可能达到 3-4 万亿美元。 表：高预期下的 AI 建设量对应的资本开支规模 资料来源：锦缎研究院总结 但问题也随之而来：远期收入能否论证起这天量投入的合理性？当下的资本开支强度是否已经触碰到合理边界？如果前面论述成立，这笔钱又从哪来？本文试图以中性、客观的视角，尝试测算 AI 投资的理性天花板。 # **01** # **前言：需求膨胀的四轮跃迁与总量合理性锚定** 要理解资本开支的空间，必须先理解 AI 需求为什么能膨胀的底层逻辑。自 2022 年底以来，AI 大模型经历了四次清晰的范式跃迁： ○第一轮是文生文开启的问答时代，带来了用户广度的膨胀； ○第二轮是上下文能力与视觉能力的补全，带来了数据容量的膨胀； ○第三轮是推理与思维链时代，带来了深度信息量的膨胀； ○而当前正在经历的第四轮，则是 Agent 时代，大模型可以完成极复杂的任务。 **每一次跃迁的终点都是同一个结果：Token 用量大幅增加，AI 解决问题的能力边界大幅外扩。需求爆炸的直接结果，是供应链的持续紧张与全面涨价，最终云厂商资本开支连续上修。** 尤其是 2026 年以来，第四轮范式的加速落地，使得"工作 Agent"从概念走向现实，企业核心工作流被 AI 渗透的速度显著加快。 根据美国人口普查局的数据，美国企业 AI 渗透率已从 2023 年末的不足 5%，快速上升至 2026 年中的约 20%。显然 AI 已经成为几十年一次的重量级技术革命。 图：美国企业 AI 渗透率资料来源：美国统计局，中信证券 放在宏观尺度下，这一 AI 投资的量级是否合理？ 当前全球 GDP 总量约 118 万亿美元，2026 年的 AI 投资约在 1 万亿美元，占全球总 GDP 的强度不到 1%。假设 2030 年全球 GDP 达到 130 万亿美元，其中 IT 支出占比达到 3%（美国此前 IT 支出就已经占 GDP 的 6%），同时 IT 支出中有一半在 AI，那么 AI 资本开支可以算出来 4 万亿美元。 由于这一轮是北美领投，所以另一个视角是只看美国的投资强度。美国 GDP 为 38 万亿美元，当前 AI 资本开支占 GDP 比重在 2% 左右。若参照历史基建周期——英国铁路投资最高达到 GDP 的 6% 左右，美国铁路投资达到 GDP 的 3-4%——AI 投资占比仍有显著翻倍以上空间。 图：英国铁路泡沫时期，资本支出一度达到 GDP 的 6-7% 资料来源：华泰研究 这些测算共同指向一个结论：从宏观总量上看，3-4 万亿美元的 AI 资本开支并非一个完全不可行的假设。 但宏观上的"可行"，不等于微观上的"可兑现"。 # **02** # **收入能见度如何？3 万亿确定和 7 万亿待定** 投资最终需要收入来做支撑。 根据历史经验规律，可假设 AI 行业在偏高峰期的资本开支强度（Capex/收入）为 35%，那么 3-4 万亿美元的资本开支，即隐含要求 AI 行业实现 8-10 万亿美元的年化收入。 这是一个什么概念？可以做下简单的对比分析： ○2025 年，北美 Mag 7 合计收入约 2.2 万亿美元，8-10 万亿美元相当于再造近 5 个 Mag 7。 ○若扩大到标普 500，其 2025 年总营业收入约 19 万亿美元，AI 相当于要再造至少半个标普 500。 ○近 10 万亿美元收入，假如类似其他信息技术产业，收入中 50% 可转化为 GDP，那么我们测算到 2030 年 AI 产业占全球 GDP 的比重约为 3-6%，这相当于再造一个汽车 + 医药行业，AI 要在 10 年走完两个百年行业的路。 表：AI 产业占 GDP 比重资料来源：锦缎研究院估算 如此庞大的收入体量预期，目前有多少是"看得见"的？从当前已跑通的商业模式来看，主要有三条路径。 **第一是云（API）服务。** 这是目前路径最清晰、兑现最确定的赛道，即 AI 大幅提升企业上云的动力和付费上限。Anthropic 约七至八成收入来自 API 调用，也印证了云侧变现的核心地位。 北美主要云厂商 2026-2030 年的 AI 相关收入增量估算显示，亚马逊有望增长约 2000 亿美元，谷歌约 3000 亿美元，微软约 2000 亿美元，加上其他新云厂商约 2000 亿美元，合计对应约 9000 亿美元的收入空间，即万亿美元赛道。 **第二是个人订阅（To C）。** 美国市场以 OpenAI、Anthropic 等为代表，C 端已普遍确立了每月 20 美元起步的"AI 税"门槛。 若全球 C 端付费用户数达到 20 亿人，仅基础订阅就对应约 5000 亿美元；叠加广告等附加服务，C 端合计约 1 万亿美元空间并不算异想天开。但这条赛道的不确定性在于用户付费意愿与留存率，以及不同地区的付费能力差异。 **第三是编程（Coding）。** 这是当前关注度最高、变现确定性最强的垂直赛道。Coding 赛道之所以更容易变现，核心在于用户是高薪知识工作者，工具深度嵌入开发流程，付费主体是企业研发预算而非个人消费者，且结果可量化。 全球约 0.5 亿程序员，年均工资约 5 万美元，若 40% 的工作被 AI 替代或增强，则对应约 1 万亿美元的市场空间。 云服务、C 端、编码三条赛道加总，大约对应 3 万亿美元的可预见收入。这是当前市场共识度最高、有明确数据支撑的部分。但距离 10 万亿美元的目标，中间仍有 7 万亿美元左右的缺口，这需要从哪些场景生长出来，目前其实并不清晰。 第三方研究也算不出来更高的数。 彭博行业研究在 2026 年将生成式 AI 远期市场规模从 1.8 万亿美元上修至 2.3 万亿美元，并给出了 2032 年的详细收入拆分：基础设施近 6000 亿美元、设备与应用（推理）7300 亿美元、推理/微调云工作负载 1919 亿美元、LLM 授权收入 1200 亿美元、聊天机器人/AI Agents 3100 亿美元、客服/合同审查 AI Agents 2100 亿美元、生成式 AI 驱动广告支出 2100 亿美元、IT 服务 800 亿美元、工作负载监控软件 800 亿美元。 HSBC 预测 2030 年全球 AI 行业收入 9200 亿美元，其中 B2B 占 7080 亿；Jefferies 测算 2030 年全球除中国外企业 AI TAM 为 1.4 万亿美元。 更关键的是，从美国当前渗透率来看，信息服务、金融保险、技术服务、企业管理等高技术行业的从业人员使用生成式 AI 的比例最高，均超过 60%；而公共管理、文娱休闲、住宿餐饮、交通运输等偏传统行业的渗透率均不足 30%。 根据 Anthropic 的研究，对于管理、商业和金融、计算机和数学等行业，AI 的理论渗透率可以超过 80%；但对于生产、制造和维修、农业等行业，理论渗透率不足 20%。 这意味着，AI 要找到新的万亿级赛道，必须在高技术行业继续深挖，同时突破传统行业的渗透瓶颈——而后者在短期内显然面临更大挑战。 图：美国各行业雇员 AI 使用比例资料来源：国泰海通证券 # **03** # **它山之石，资本开支强度的历史坐标系有哪些参照？** 既然总量和收入都存在巨大的不确定性，从财务角度，如何去研判当前云厂商的资本开支强度是否合理？ 判断当前 AI 资本开支是否合理，不能只看绝对值，更要看资本开支强度（Capex / 收入）的相对水平。通过对标不同类型的重资产行业，可以更清晰地定位 AI 当前所处的周期阶段。 历史上高资本开支强度的行业大致可分为两类： **第一类是"重资产网络型行业"，典型如铁路、电网、电信运营商。**其共同特征是投资在前收入在后，待网络覆盖进入成熟阶段后，资本开支强度回落，自由现金流和利润率改善才开始兑现。 电信是典型案例：中国三大运营商 2021-2023 年 5G 与算力网络投入高峰期，Capex/收入高达 20%-24%，近几年下降到 18% 以下；欧洲电信行 2021/2022 年见顶约 20% 后，逐步回落至 2026 年的约 15% 以内。 电网强度略低一点，以中国为例，国网与南网合计年收入约 5 万亿元，资本开支约 7500 亿元，capex/收入约 15%。这些赛道基本锚定的强度是 15%-25%，很难进一步更高。 **第二类是"技术迭代驱动型行业"，一直保持较高的投资强度，典型如半导体代工、云计算、锂电池、存储。** 它们的投资高峰期反而可能在需求极强、产能利用率高、产品代际领先时，出现"高 Capex 强度 + 高利润率"并存的状态。台积电是最极端的案例：最近一轮 2021-2022 年资本开支强度高峰中，Capex/收入达到 50% 左右，但营业利润率仍近 5 成；2024-2025 年资本强度回落至约 33% 后，利润率继续上修。 AWS 的历史数据同样典型：2018-2023 年资本强度大致在 27%-33% 之间，进入 AI 投入期后，资本强度更是上升到 40% 以上。 锂电的宁德时代也有一定的参考意义，在产品领先时其资本开支陡增，2020-2022 年 Capex/收入达到 26.4%-33.6% 的高位，后快速滑落并伴随现金流回正与盈利能力快速提升。 存储厂商（海力士、美光）是这些高技术产品中周期性最强的，但投资强度平均在 30% 左右。 图：存储厂资本开支强度 资料来源：Wind AI 产业，既像铁路运营商一样投资在前收获在后，又像半导体等高科技一样，资本开支强度挂钩产品能力。所以需要综合这些历史坐标，我们可以得出一个相对客观的结论：资本开支强度在 15%-40% 区间都是合理的假设。 如果对标云运营商、铁路、电网等重资产行业，稳态约为 15%，高峰期接近 25%；若对标晶圆代工、互联网泡沫、存储等强周期行业，平均值在 20%-30%，高峰期可达 40%+。 **当前 AI 行业的资本开支强度正处于这一对标区间的偏上沿。**1 万亿美元的总投资，能见到的收入是 3 万亿美元，即对应的投资强度已经达到 30%。短期进一步上修的空间确实难做到此前动辄翻倍。 # **04** # **云厂的弹药库还能撑多久？** 资本开支最终要落到 “钱从哪来” 的问题上。所以当前叙事的另一个切面是，作为 AI 投资的中军，北美四大云厂的弹药还能支撑多久？ 第一层是内生现金流。根据当前经营趋势，2027 年云厂合计经营现金流大约可支撑 8600 亿美元左右的资本开支；假设 2028 年再增长约 2000 亿美元，内生极限大约在 1.1 万亿美元左右。 外部融资提供了第二层弹药：债券市场方面，五大云厂 2025 年以来公司债发行累计约 3000 亿美元；股权市场方面，今年就看到谷歌 800 亿美元股权融资计划，且 SpaceX 也完成美股史上最大 IPO，部分投向 AI。 第三种方式是"循环融资"——英伟达投资 AI 初创公司如 xAI、OpenAI，初创公司承诺进行云支出，云提供商购买英伟达硬件，英伟达确认营收。这一模式的脆弱性在于现金从未完成真正的商业循环，所以都依赖 Anthropic 和 OpenAI 上市来填这个窟窿，最终还是需要 AI 终端应用起来。 将上述渠道加总，一个相对客观的极限测算是：经营现金流约 1 万亿美元，合理举债空间接近 1 万亿美元，合计可支撑约 2 万亿美元的资本开支。 同时假设四大厂占全球资本开支的 50%-60%，则对应全球 AI 总投资约 3-4 万亿美元。 计算到这里，不难发现开篇讲到了资本开支规模，是可以通过企业自下而上 “计算汇总出来的”，但这个量级也基本触及了想象的上限。 近期这个梦想已经产生了裂缝：1）SpaceX 和 Meta 对算力的加码，由于暂时没有自身云业务做支撑，更多属于"自己赌"的战略选择，在持续高压下开始转型做算力租赁和云服务，以分摊部分成本压力；2）近期媒体报道称英伟达管理层正在讨论为 OpenAI 俄亥俄州数据中心项目提供约 2500 亿美元的融资担保，更是加深了市场的担忧。 # **05** # **结语：AI 的趋势向上与硬件链的预期管理** AI 产业的长期趋势没有问题，但资本开支并不是可以无限外推的。从历史技术革命的投资强度、行业资本开支规律、企业资金能力三个维度看，3-4 万亿美元的高额投资是一个偏极限的情景，并非必然达到，更不是短期就能看到的。 在上述逻辑推演过程中，我们不难发现，北美云厂的 AI 资本开支故事，正在从信仰转向算账，其中首先要经受考验的是 AI 硬件。 2025 年，AI 硬件产业链的上涨全部由基本面驱动；但进入 2026 年上半年，节奏明显过快，更多是由"需求暴增、全产业链涨价"的恐慌性预期推动。 自下而上汇总各家云厂商、主权机构的规划，明年 AI 总资本开支大约在 1.2-1.5 万亿美元。但若按 GPU、光模块等核心硬件的预期指引做倒算，市场对总资本开支的预期可能在 1.5 万亿美元以上。 这意味着北美云厂还需要继续明显上修资本开支才行，这也解释了为什么谷歌财报明明上修了资本开支，全球硬件的行情却一路下行。 更关键的问题是，当市场对明年资本开支的预期已经高达 1.5 万亿美元以上时，一个难以回避的现实是：远期进一步上修的空间正在收窄。 虽然从总量上看，3-4 万亿美元的投资规模在宏观层面可以锚定；但产业供需两端的论据偏弱。 从需求侧看，四轮范式跃迁和 Agent 技术的落地，确实支撑了需求持续膨胀的长期叙事；但行业视角，目前仅有约 3 万亿美元的收入具备相对清晰的能见度，剩余 7 万亿需要 AI 在更多传统行业实现渗透率突破，而这并非短期可以兑现的。 从供应侧来看，3-4 万亿美元的投资愿景面临两个硬性前提：第一，云厂的现金流必须出现大幅增长，以支撑持续高强度的资本开支；第二，非北美云厂也要加速投资，比如主权 AI、中国 AI 国产投入。 简而言之，当前不少硬件公司的估值已隐含了对 2027 年极高资本开支的预期。一旦北美的核心玩家因现金流压力或战略调整而放缓资本开支步伐，市场预期将面临重大修正。 **当下一个相对客观的结论是：1.2-2 万亿美元的 AI 资本开支确实是可以预见的，分歧不大；远期的 3-4 万亿美元确实可以算得出来、但需要极限条件才能实现。** 对于投资者而言，重要的不再是争论 AI 革命是否真实，而是清醒地认识到：当一场投资狂飙触及天花板时，预期管理将比需求预测更重要。 ### 相关股票 - [NVDA.US](https://longbridge.com/zh-CN/quote/NVDA.US.md) - [NVDL.US](https://longbridge.com/zh-CN/quote/NVDL.US.md) - [07788.HK](https://longbridge.com/zh-CN/quote/07788.HK.md) - [07388.HK](https://longbridge.com/zh-CN/quote/07388.HK.md) - [NVDY.US](https://longbridge.com/zh-CN/quote/NVDY.US.md) - [NVDD.US](https://longbridge.com/zh-CN/quote/NVDD.US.md) - [NVDX.US](https://longbridge.com/zh-CN/quote/NVDX.US.md) - [NVDQ.US](https://longbridge.com/zh-CN/quote/NVDQ.US.md) - [06030.HK](https://longbridge.com/zh-CN/quote/06030.HK.md) - [600030.CN](https://longbridge.com/zh-CN/quote/600030.CN.md) - [NVD.DE](https://longbridge.com/zh-CN/quote/NVD.DE.md)