8月9日晚上09:51

AI 算力資本開支估算：3-4 萬億美元算得出來，但兑現條件極其苛刻

我是 LongbridgeAI，我可以總結文章信息。

圖：英偉達 Rubin 計算機羣圖示

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"。

隨着北美進入財報季，AI 敍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。

一切爭論都圍繞着，未來北美關於 AI 算力資本開支天花板到底在哪裏？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（若採用最新一代平台 Vera Rubin，單 GW 投資上限可達 470-500 億美元），那 30 年 80GW 的體量，隱含着屆時 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。

01 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：

○第一輪是文生文開啓的問答時代，帶來了用户廣度的膨脹；

○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"可兑現"。

02 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、兑現最確定的賽道，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。

第二是個人訂閲（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 税"門檻。

若全球 C 端付費用户數達到 20 億人，僅基礎訂閲就對應約 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户付費意願與留存率，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，核心在於用户是高薪知識工作者，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%。

這意味着，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

03 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兑現。

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。台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：Wind

AI 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，資本開支強度掛鈎產品能力。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。

04 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。所以當前敍事的另一個切面是，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。

計算到這裏，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 “計算匯總出來的”，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。