---
title: "📑 📌 面对 AI 令牌消耗规模持续走高带来的算力需求扩张，美国超大规模云公司在资本密集度层面发生巨大转变，以此匹配算力层面的变化。 📋 这些投资一方面来自当下"
topic_id: 14425428448522542
created_at: 2026-09-26T21:31:08.842+0800
source: zsxq
type: topic
cssclasses: zsxq-vault
---

# 📑 📌 面对 AI 令牌消耗规模持续走高带来的算力需求扩张，美国超大规模云公司在资本密集度层面发生巨大转变，以此匹配算力层面的变化。 📋 这些投资一方面来自当下

- 序号：140
- 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/14425428448522542)
- 附件：图片 0，音频 0，文档 0
- 音频文件：_无音频_

## 图片

_无图片_

## 正文

📑 

📌 面对 AI 令牌消耗规模持续走高带来的算力需求扩张，美国超大规模云公司在资本密集度层面发生巨大转变，以此匹配算力层面的变化。
📋 这些投资一方面来自当下供需失衡所带来的实时需求信号，另一方面也来自核心客户多年维度的算力需求。
📝 在 2026 年全年，尤其是刚刚过去的第二季度财报季，我们观察到市场对该主题理解程度进一步提升。
✨ 从财报数据与公司管理层表态来看，投资者已经形成两点共识，
💡 因此过去几个月市场讨论转向更远期视角：2026‑2027 年当期资本开支，将如何在 2028‑2030 年实现投资回报；同时前期资本开支已经实现的资本回报率可以作为分析基准。
📄 在本篇报告中，我们搭建一套分析框架，用来测算美国超大规模云公司当前资本开支规模，想要实现基准投资回报率，AI 经济需要创造多大规模产出。
🔍 本报告分析聚焦：美国超大规模云公司第二阶段（2026‑2027 年）AI 算力投资，要实现，需要达成的营收门槛。
📊 基于多项假设，包含每吉瓦前期投入成本约 420 亿美元；建设结构当中算力设备占 70%、机房土建配套占 30%；保守折旧周期、持续运营成本假设等。
📋 测算得出，美国六大头部超大规模云公司，包括字母表、亚马逊、微软、Meta、甲骨文、SpaceX，需要在 2028‑2030 年合计创造约，才可以跨过 15% 投入资本回报率门槛。
⚠️ 虽然短期资本回报率会承压，加速资本开支周期会压制短期业绩表现。
✅ 但我们判断，当期资本开支具备吸引力的投资回报，会在中长期的经营业绩当中逐步兑现。
💡 换句话讲，我们将短期回报率承压视作大规模前期投资周期带来的必然结果，并不代表 AI 商业模式存在结构性缺陷。
📝 在多篇针对令牌经济、消费端 AI 发展、产业端 AI 格局的研究笔记当中，我们已经梳理市场份额变迁、令牌价格通缩，如何推动 AI 渗透率提升，带动消费端与产业端算力场景不断丰富。
📌 当前市场讨论大多聚焦前沿基础模型公司的市场份额，以及面对开源 / 开放权重模型竞争时的算力定价权。
✨ 但我们认为，算力的性价比才是决定 AI 经济整体规模与边界的关键。
📋 拥有多条处在高效性价比曲线上的不同模型、不同智能等级产品，能够解锁丰富应用场景。
📎 既包含定价大幅下行的商品化智能场景，也包含定价韧性更强的前沿尖端智能场景。
💡 整体层面可以支撑当下算力基础设施提供商的资本投入规模。
✅ 简言之，并不是每一类令牌都拥有一样的商业收益，也不是每一笔资本开支都能获得均等回报。
📊 但综合来看，面向未来 3‑5 年的市场机会空间，我们依旧认为未来 18 个月落地的资本投入可以获得稳健回报 Profile。
🎤 上述逻辑在我们近期的 Communacopia + 科技行业大会上也得到印证，多家公司展示出三点现象。
🔹 第一，行业已经从试验探索阶段，逐步转向落地实施阶段。
🔹 第二，生产力带来的收益以及产品开发周期正在加速。
🔹 第三，行业关注点从一味最大化令牌产出，转向令牌使用效率优化。这改善了产业客户的收益表现，也成为产业端 AI 进一步普及的先行指标，直接带动超大规模云公司营收提升、前期资本开支带来增量经营利润。
📢 除此之外，近期多款面向普通消费者的智能体 AI 产品发布，最具代表性就是 Meta 的 Muse。
✨ 这有可能推动消费端 AI 从对话式交互范式，转向由智能体驱动的行动范式。
📈 这类智能体 AI 平台的规模扩张，还会带来后续其他头部玩家跟进布局消费 AI 平台层，中长期会进一步推高算力需求。
💰 后续可以依托订阅、广告、电商多元机制完成商业化变现，各类商业模式边界互相交融会成为未来营收扩张的核心。
📋 
📈 伴随 AI 令牌需求曲线以及对应算力需求扩张，美国超大规模云公司加速 AI 算力建设，资本密集度显著高于过往算力周期。
📌 近期 Communacopia + 科技大会的一大核心主题，就是整个行业依旧处在算力供给紧张状态。
💡 因此未来 12‑18 个月资本开支节奏，目的就是弥合当前供需缺口。
📝 尽管如此，投资者对于这一段短期资本开支已经有充分认知。
📋 相关公司已经通过当期业绩指引、投资优先级定性描述充分释放相关信号。
✨ 我们认为，2026‑2027 年短期资本开支水平已经被市场充分理解，并且已经反映在当前股价当中。
📊 自 2026 年年初以来，年初已经上市的五家美国超大规模云公司（字母表、微软、亚马逊、Meta、甲骨文），2026‑2027 年市场一致预期资本开支上调约，五家公司两年合计预期资本开支增加 7500 亿美元。
⚠️ 即便如此，我们对 2027 年资本开支的预测依旧普遍高于市场一致预期，我们判断该预测更加贴合投资者的实际预期。
🤔 资本开支对应的投入资本回报率，以及 2028 年之后长期资本密集度，是目前市场最大的两大争议。
📝 随着短期资本密集度水平被充分认知，美国超大规模云公司面对的两大核心悬而未决问题，也是投资者希望获取更多信息的方向，两者互相关联。
🔹 第一，2026‑2027 年这一轮短期资本开支能够实现多高的投资回报。
🔹 第二，2028 年及之后长期资本开支、资本密集度会处在什么水平。
📊 尽管相比过去 12‑18 个月，市场对于 2026‑2028 年资本开支走势已经有更高认知，并且已经体现在市场一致预期。
❓ 但投资者依旧在争论：2027‑2030 年需要多大的 AI 经济市场空间，才可以让这一轮大规模资本投入获得充足回报。
📄 下面我们搭建分析框架尝试解答该问题。
📝 美国超大规模云公司 AI 算力建设划分三个阶段。
🔹 第一阶段（2023‑2025 年）：总资本开支约 6330 亿美元，年均约 2110 亿美元；资本密集度温和抬升；投资主要面向训练相关工作负载。
🔹 第二阶段（2026‑2027 年预期）：总资本开支约 1.73 万亿美元，年均约 8630 亿美元；资本开支规模大幅跃升，投资面向快速扩张、覆盖面持续拓宽的训练以及越来越多推理类工作负载；产能紧缺、供需失衡促使云公司考虑第三方实体、特殊目的载体、金融合作方。
🔹 第三阶段（2028‑2030 年预期）：总资本开支约 4.14 万亿美元，年均约 1.38 万亿美元；资本开支绝对规模维持或继续增长，但增速与资本密集度开始回落；前期投资陆续落地，云公司更多转向收获阶段；实际资本开支、盈利、经营现金流存在不确定性，取决于算力需求扩张速度、数据中心投产时点、硬件更新周期、资金来源等多重因素。
📋 
📊 我们基于半导体产业链最新指引，给出未来三年 AI 基础设施资本开支判断。
📝 过去三年，产业链数据可以较好指示 AI 基础设施资本开支趋势方向。
⚠️ 整体来看，来自产业链的底层数据、公司指引，很难做到对量化趋势完美预测，尤其供给紧张环境下客户会给出更加激进的预测。
✅ 但中长期维度，这些信息依旧是判断开支趋势的有效参考。
🤔 需求端，半导体行业投资者担忧 AI 基础设施公司当下资本开支，和当期 EBITDA、自由现金流之间存在资金缺口。
🏗️ 供给端，市场讨论最多的风险是，可供承接规划中基础设施建设的数据中心土地、电力、机房土建配套资源是否充足，尤其 2028 年之后。
📝 我们基于半导体公司指引与内部预测，测算 AI 基础设施资本开支与对应数据中心部署规模。
📈 我们测算，2027 年 AI 基础设施资本开支约 1.3 万亿美元，同比增长 60%；2028 年达到 2.0 万亿美元，同比增长 42%。
⚡ 算力部署规模上，2026/2027/2028 年分别实现约 20 吉瓦、35 吉瓦、57 吉瓦的 AI 数据中心投产。
ℹ️ 以上数字特指 AI 相关基础设施投资，范围超出传统超大规模云公司资本开支口径，还包含 AI 实验室、主权 AI 公司、企业客户的相关投入。
📌 产业链各家公司相关指引整理如下。
🔹 博通：指引 2027 财年客户 AI 相关算力部署 10 吉瓦，2028 财年 20 吉瓦；数据中心领域，每吉瓦对应的计算加网络业务市场空间为 200‑300 亿美元。
🔹 英伟达：Blackwell 整套计算加网络系统对应每吉瓦约 250 亿美元营收；Rubin 平台该数值将提升至约 400 亿美元；Feynman 平台切换还会额外带来每吉瓦 50 亿美元投入，合计每吉瓦约 450 亿美元营收。
🔹 AMD：测算每吉瓦对应的市场空间 150‑200 亿美元，我们取区间中值用来测算 AMD 对应的 AI 数据中心部署规模。
🔹 迈威尔、联发科：我们采用同样框架，结合每吉瓦营收假设，以及自身数据中心营收预测反推对应的算力部署规模。
📝 综合测算汇总：2026 年整体部署 20 吉瓦 AI 算力，总 AI 资本开支 8610 亿美元，对应单吉瓦资本开支 420 亿美元；2027 年部署 35 吉瓦，总 AI 资本开支 1.338 万亿美元，单吉瓦 380 亿美元；2028 年部署 57 吉瓦，总 AI 资本开支 2.008 万亿美元，单吉瓦 350 亿美元。
📋 分厂商口径：英伟达 2026‑2028 年对应算力部署分别为 14 吉瓦、18 吉瓦、22 吉瓦；博通分别 5 吉瓦、10 吉瓦、20 吉瓦；AMD 分别 1 吉瓦、2 吉瓦、3 吉瓦；联发科分别 0.4 吉瓦、4 吉瓦、11 吉瓦；迈威尔分别 0.5 吉瓦、0.9 吉瓦、2 吉瓦。
📋 
❓ 下面框架用来解答核心问题：美国超大规模云公司，第二阶段（2026‑2027）AI 算力建设，需要实现多少合计营收，才能够拿到达标投入资本回报率。
📌 美国超大规模云公司 ROIC 框架核心假设要点。
👥 分析覆盖的公司：按市值排序，字母表、微软、亚马逊、SpaceX、Meta、甲骨文。
📎 我们认为这一组公司可以很好代表 AI 基础设施算力建设以及资本密集度情况，适配本次讨论。
📝 第二阶段（2026‑2027）资本开支定义：我们只统计两年周期内 AI 算力相关资本开支，用来测算这一轮新建产能所需要创造的营收。
⚠️ 重点说明，我们将这两年资本开支周期做隔离测算，不纳入：①2026‑2027 年算力上线产生的营收、税后净营业利润；②2028 年及之后持续新增资本开支，以及新增产能带来的营收、运营费用。
📊 第二阶段 AI 算力资本开支，采用分公司独立预测，只统计 AI 相关投入。
📎 例如亚马逊统计 AWS 板块资本开支，SpaceX 统计 AI 板块资本开支；对于很难拆分 AI / 非 AI 资本开支的公司，例如字母表，我们假设 2026‑2027 年整体资本开支当中约 85‑90% 投向 AI 算力。
📋 资本开支划分成两类，维持固定占比：第一类算力设备（服务器、芯片、网络硬件设备等），占两年资本开支 70%；第二类机房土建配套（土地、建筑及配套基础设施），占两年资本开支 30%。
⚙️ 算力建设成本假设：两年周期内六家公司统一采用单吉瓦约 420 亿美元前期投入。
📋 该 420 亿美元每吉瓦假设来自多方面输入。
🔹 第一，参考 Epoch AI 截至 2025 年末成本假设，并叠加 10% 通胀率，10% 通胀率与 Meta、亚马逊上调资本开支指引时给出的输入成本上涨幅度保持一致。
🔹 第二，来自我们美国半导体覆盖团队，基于不同硬件类型数据中心容量配比得出的每吉瓦综合成本框架。
🔹 第三，来自各家公司已经披露或者隐含的 AI 算力基础设施建设实际成本。
📎 报告后面也做情景分析，每吉瓦资本开支假设在 340‑510 亿美元区间做敏感性测试。
🎯 投入资本回报率门槛：统一设定 15% 年度回报率，用 2028‑2030 年实现的年度税后净营业利润，除以 2026‑2027 年均资本开支。
📎 报告后面同样做情景测试，投入资本回报率门槛在 0‑30% 区间变动。
⚠️ 需要说明，超大规模云公司当下资本开支实际拿到的回报率，以及这一轮资本开支内部预测回报率，几乎可以确定高于 15% 这一门槛。
✨ 但我们框架目的就是算出，实现一个合理且相对保守的 15% 回报门槛所需要的营收规模，回应部分投资者担忧，即这一轮资本开支回报率可能很低甚至为负。
🧮 运营费用（EBIT 到营收的推导链路）：我们按照美国现行 21% 企业所得税率，把测算出的年度税后净营业利润倒算回需要的年度息税前利润。
📝 在息税前利润基础之上，叠加建好的吉瓦算力对应的年度运营开支，倒算出跨过回报率门槛所需要的年度营收。
📋 运营开支分为两大部分。
🔹 第一部分折旧摊销：第二阶段采购的算力设备资产假设 5 年使用年限，机房土建配套资产假设 15 年使用年限，据此计算每年折旧摊销费用。
🔹 第二部分非折旧摊销的运维开销：数据中心年度运营成本（电力、人力等）假设每吉瓦 8.36 亿美元，该假设来自 Epoch AI 2025 年末数据叠加 10% 通胀。
📎 进一步拆分运维开销：电力每吉瓦 6.53 亿美元，人力每吉瓦 0.44 亿美元，其他开销每吉瓦 1.39 亿美元。
📉 同时叠加利用率折扣，2028 年（第一年）利用率 60%，2029 年（第二年）利用率 80%，2030 年（第三年）利用率 85%。
⚠️ 本分析框架存在部分简化与泛化设定，仅作为广义参考框架，投资者可以根据自身观点、行业、公司后续发展调整假设参数。
📋 几点重要局限说明。
🔹 本分析不纳入第二阶段之后，也就是 2028 年往后的新增投资。本次测算仅隔离最近 18 个月这一轮算力建设以及回本所需要收益；我们分公司正式预测会包含 2028 年以后的资本投入，因此和本框架结果存在差异。
🔹 每家公司对应投产吉瓦算力仅作为演示数值，不代表真实实际产能。框架内统一假定每家公司资本开支对应的吉瓦规模、产能上线节奏一致；现实各家公司现有产能储备、未来上线计划差异巨大，报告忽略该差异，目的给出统一全行业 ROIC 测算框架。
🔹 假设所有超大规模云公司资本开支结构、资产使用年限完全一致。现实各家公司处在建设不同阶段，采购不同类型资产，经济使用年限各不相同，该假设仅用于行业演示框架。
🔹 分析只包含这六家美国超大规模云公司。AI 基础设施建设参与者范围更广，包含新型云厂商、企业开发方、数据中心持有方、特殊目的载体、前沿模型公司等，但本报告站在我们覆盖的六家头部美国超大规模云公司视角测算需要的回报。同时测算主要统计自建自营的数据中心算力资本开支，剔除表外租赁、融资租赁、特殊目的载体、第三方算力授权等模式，原因是难以完整获取相关信息，也存在重复统计投资风险。
📊 在 15% 投入资本回报率假设之下，六家美国超大规模云公司需要在 2028‑2030 年合计创造。
📋 情景分析：变动两大核心输入变量，第二阶段资本开支对应的投入资本回报率（0‑30% 区间）、单吉瓦前期资本开支（340‑510 亿美元区间）。
📎 测算得出，如果投入资本回报率处在 0‑30% 区间，六家公司 2028‑2030 累计需要实现的营收规模为 9080 亿美元‑1.89 万亿美元，对应混合平均每吉瓦年度营收 62‑186 亿美元。
📋 
🔍 为给上面测算结果提供参照，我们选取美国三家头部公有云公司，AWS、Azure、谷歌云，观察当前在手需求订单，以及公司为此开展的基础设施建设。
📈 企业端对于 AI 训练、推理工作负载需求增长，推动三家云公司报告营收与订单承诺规模显著上行。
📝 截至 2026 年第二季度，三家公司合计在手订单规模约 1.69 万亿美元，同比增长 152%，较年初增长约 1.5 倍。
💡 管理层表示，算力产能约束限制自身承接旺盛 AI 相关需求的能力，这也是资本开支加大的关键动因。
📌 同样采用 15% ROIC 门槛框架，三家公司 2026‑2027 合计资本开支约 1.22 万亿美元，需要在 2028‑2030 年累计创造 1.00 万亿美元营收。
📋 该三年所需营收规模，相当于三家公司截至 2026 年二季度合计在手订单 1.69 万亿美元的 59%。
ℹ️ 公司披露预期，约一半在手订单会在未来 24 个月确认收入，另一半在之后确认。
⚠️ 关于现有订单未来转化为实际营收依旧存在讨论空间，包含客户集中度风险、产品营收结构、长期合同带来的收入确认时点等等。
📎 该测算还假设未来订单规模不再继续增长，而过去几个季度在手订单环比持续高双位数增长，该假设已经属于偏保守。
📋 
⚡ 产能约束叠加需求加速，使得当下数据中心资本开支拥有较短的投资回收期。
📝 亚马逊在 2026 年第二季度财报电话会阐述：可以清晰看到 AWS/AI 相关资本开支未来会产生强劲回报。
📎 资本开支分成两类，服务器与网络设备，资产使用年限 5‑6 年，盈亏平衡点大约 3 年，意味着盈亏平衡之后还有 2‑3 年可观现金流生成周期；机房土建配套使用年限 30 年以上，可以支撑 5‑6 轮服务器硬件迭代周期。
⚠️ 数据中心投产之前，资本开支会提前约两年启动，会掩盖当期业绩表现，但 AI 相关投资的 ROIC 本身具备不错吸引力。
📝 甲骨文在 2026 财年第四季度财报电话会披露，基础设施业务大型项目稳态投入资本回报率处在高 20% 区间。
📎 还有上行空间，来自 GPU 更换周期拉长，或者 “自带硬件” 这类降低甲骨文前期资本投入的举措。
📝 SpaceX 在高盛 Communacopia + 科技大会披露，当前落地地面数据中心算力板块资本开支，投资回收期一年。
🏗️ 数据中心基础设施建设设计层面强调灵活性与通用性，降低对单一技术框架、应用场景的依赖。
📝 微软把基础设施投资定位打造一套 “可通用算力集群”，在地域、硬件类型上保留灵活度，可以服务 AI 全生命周期当中不同类型工作负载。
📝 Meta 采用分阶段模式建设数据中心，采用模块化设计，服务器按需临近部署时点下单，同时租赁第三方算力填补自有算力建设的空档。
📝 多家公司都讨论数据中心架构设计创新，例如亚马逊模块化设计，方便未来给现有基础设施快速更换新硬件。
📝 字母表可以在内部业务（搜索、YouTube、DeepMind）和外部谷歌云客户之间动态调度算力，跨地区、跨服务器类型调度工作负载，追求更高利用率。
✨ 市场对于算力基础设施未来多元商业化变现潜力维持乐观。
💰 头部公有云公司（字母表、亚马逊、微软、甲骨文）已经对多类工作负载与服务上调定价；伴随合同续约，未来还有继续提价的潜在空间，匹配供需失衡现状。
📝 微软强调，当前单位经济效益要好于上一轮云周期的同一阶段，随着一批批资本开支逐步成熟，可以创造更大利润池。
📎 从云时代得到的重要经验，Azure 和自有应用使用一套统一技术栈，而非多套技术栈精细匹配，后者利用率最终会更低。同时微软从 AI 发展最初阶段就获取 AI 原生客户，而不是像上一轮云周期属于后期入局者。
🔍 在半导体层面，微软判断芯片层会走向更多元格局，类似 CPU 发展历程。
📝 在令牌租赁业务方面，微软认为自身可以在第三方令牌基础上输出足够增值价值，同时统筹自有与第三方令牌，长期看对利润率冲击有限。
💡 综合判断，微软认为 AI 业务毛利率完全有机会向传统云业务毛利率靠拢。
📋 算力商业化变现路径多元，从裸金属基础设施即服务（例如 SpaceX 近期算力授权合作），一直到完整企业软件服务。
📈 面向消费者的商业化路径也在持续演进，广告模式 Meta、字母表、亚马逊已经发展相对成熟；订阅、智能体电商等其他路径未来也有发展潜力。

## 总体总结

主题正文
1. 📝 在多篇针对令牌经济、消费端 AI 发展、产业端 AI 格局的研究笔记当中，我们已经梳理市场份额变迁、令牌价格通缩，如何推动 AI 渗透率提升，带动消费端与产业端算力场景不断丰富。
2. 这改善了产业客户的收益表现，也成为产业端 AI 进一步普及的先行指标，直接带动超大规模云公司营收提升、前期资本开支带来增量经营利润。
3. 📊 自 2026 年年初以来，年初已经上市的五家美国超大规模云公司（字母表、微软、亚马逊、Meta、甲骨文），2026‑2027 年市场一致预期资本开支上调约，五家公司两年合计预期资本开支增加 7500 亿美元。
4. 📝 随着短期资本密集度水平被充分认知，美国超大规模云公司面对的两大核心悬而未决问题，也是投资者希望获取更多信息的方向，两者互相关联。
5. ⚠️ 重点说明，我们将这两年资本开支周期做隔离测算，不纳入：①2026‑2027 年算力上线产生的营收、税后净营业利润；
6. 同时测算主要统计自建自营的数据中心算力资本开支，剔除表外租赁、融资租赁、特殊目的载体、第三方算力授权等模式，原因是难以完整获取相关信息，也存在重复统计投资风险。
7. 📝 截至 2026 年第二季度，三家公司合计在手订单规模约 1.69 万亿美元，同比增长 152%，较年初增长约 1.5 倍。
8. ⚠️ 关于现有订单未来转化为实际营收依旧存在讨论空间，包含客户集中度风险、产品营收结构、长期合同带来的收入确认时点等等。