大型科技公司对 AI 的扩张在一日之间从叙事上的顺风变为市场负担。亚马逊盘后下跌约 10%，此前其预计 2026 年资本支出为 2000 亿美元；Alphabet 在公布明年将近翻倍至约 1850 亿美元的资本支出计划后下跌约 2%；而 Meta 当日盘中最大跌幅达 13.5%，投资者在重新评估为争夺 AI 市场牺牲多少利润时抛售。抛售波及各大基准指数：S and P 500 下跌 1.23% 至 6,798.40，Nasdaq Composite 下跌 1.59% 至 22,540.59，道琼斯下跌 1.20% 至 48,908.72。广泛讨论的估算现在将行业 AI 与数据中心支出推高至 6000 亿美元以上，这在一项大型基金经理调查显示多数人认为 AI 股票估值偏高之时，再次激起泡沫论讨论。
动摇行情的不是 AI 是否真实存在，而是到达目标的速度与价格标签。亚马逊的 2000 亿美元计划、Alphabet 近乎翻倍至约 1850 亿美元的支出以及其他巨头发出的加码信号，将 2026 年的累积支出推向 6000 至 7000 亿美元区间。对股权持有者而言，问题从“会涨多少”变为“多快能回收”：这些资金何时会以高毛利的 AI 服务、广告收益或电商转化回流，以及在此之前有多少年的折旧要消化。由于部分公司的估值已然偏高，市场的本能反应是更严厉地折现远期盈利，尤其是在公司指引留有较长回收期的情况下。结果是一个快速的因子回撤，惩罚那些重资本支出的故事，同时相对未受影响的现金产生型防御性股票保持稳健。
管理层并非盲目支出。理由很明确：构建训练集群、推理能力、定制硅片、数据管道和足够大的供电布局，以确保在 AI 模型领域的领先地位并实现企业锁定。这不仅需要 GPU 和 TPU，还需要土地、变电站、冷却和光纤。商业案例依赖于拥有稀缺算力与能源作为护城河。若退出一个周期，若竞争对手夺取开发者生态与工作负载，就可能被边缘化。这也解释了为何资产负债表较强的公司选择加速而非分阶段投资；基础模型与推理平台的领导地位往往具有路径依赖性。Elon Musk 对算力稀缺的强调以及对下一代加速器的争夺只会加剧竞争紧迫感，即便对于已经深耕云端的公司亦是如此。要么建设，要么被抛弃的心态依然存在。
对市场而言变化在于分母。数据中心支出块状、资本密集，且通常在三到五年内折旧。即便预订量加速，这也会拖累报告的营业利润率。当建设周期达到峰值时，自由现金流可能被压缩，恰恰在市场对 AI 货币化期望最高的时候考验投资者耐心。权衡体现在指引上：更多资本支出、回购放缓以及越来越多利润被再投资。如果长期资产随后带来高于趋势的收入，算术上是成立的；若不能，投入资本回报率的打击将持续。市场普遍预期常将收益回报推得恰到好处以让模型保持整洁。今天的回撤表明市场需要更明确的里程碑和更短的回收期。管理层越是把这些问题悬而未决，每增加一亿美元支出所承受的估值惩罚就越大。
为这种规模融资的路径直指云与广告。在云端，收入引擎是 AI 训练作业进入托管服务以及推理工作负载嵌入企业应用。那意味着更高的每用户平均收入、更长的承诺期，以及对存储、网络与安全的捆绑销售。但买方对价格敏感。如果生成式 AI 的单位经济学不能转化为生产力提升与更低的总体拥有成本，CIO 将放缓采购。在广告方面，平台已经将生成模型注入排序与创意，以期提高转化率并减少浪费。证据负担是可衡量的广告投入回报提升，而非华而不实的演示。对于电商，检验标准是 AI 助手是否能显著降低摩擦以推动客单价和留存率。如果这些用例能明显规模化，如今的支出看起来更像是入场必需而非挥霍。
还有一个硬性上限：电网与供应链。即便 GPU 产量上升，先进封装能力与网络设备仍然是限制因素。高带宽内存、基板与光互连的交付仍受交付期限制。就现场而言，电力是真正的瓶颈。为超大规模园区争取数百兆瓦需要多年互联排队、监管审批，且通常需要新增发电能力。这促使大型科技公司签订长期购电协议，有时甚至在核能与下一代热能上做早期赌注。混凝土、钢材与熟练劳动力的成本通胀为今制定预算却要到 2027 年才投产的站点增添另一层风险。建设曲线必然不均匀，即便战略方向正确，也会使得各季度的利润率表现复杂化。
再加上利率因素。如果通胀顽固且长期收益率回升，埋在多年 AI 现金流内的久期风险上升。当利润被大幅推迟时，贴现率变得更重要。Bank of America 的调查显示 53% 的基金经理认为 AI 是泡沫，这反映了情绪问题：即便多头也承认，对那些高度持仓且估值溢价的巨头而言，路线十分狭窄。历史提供了两种相互竞争的类比。2000 年互联网泡沫时期的过度支出摧毁了资本，因为收入从未出现；2010–2012 年的 4G 网络大手笔当时看似过度，但却支持了十年的移动计算需求与新商业模式。今日的 AI 资本支出介于两者之间：真实的工作负载在扩张，但定价权与使用弹性仍在变动。正是这种模糊性导致在 AI 抛售时防御性股票走强，并使因子轮动可能剧烈移动。
两点：披露与交付。其一，更清晰地将收入与 AI 工作负载挂钩。拆分云中 AI 训练与推理的贡献，披露积压订单与平均合同期限，并绘制每一美元新增毛利对应的资本支出。其二，能创造可见、可重复需求的产品里程碑。对企业端来说，这意味着生成式 copilots 能显著降低工单解决时间与软件开支，并提供前后对比指标。对消费者而言，是能提升参与度且不会让算力成本暴增的搜索与社交体验。任何迹象表明 2027 年资本强度可见顶而收入仍保持复合增长，都能重置叙事。锁定经济效益的电力交易与数据中心上市时间加速也将有助。若无此类迹象，重担将落在每个季度财报以在每次指引更新前证明进展。
分化交易已经开始。拥有稀缺投入的供应商在支出到盈利的路径上更清晰。与加速器与内存相关的芯片制造商、先进封装代工厂、光网络、供电设备与部分公用事业处在这波资本支出的有利一方。当超大规模客户谈论更大规模时，这些公司的指引常常会提高。那些进行稀释利润率的建造而货币化可见性较慢的平台公司则会遭遇相反反应。即便在巨头内部，也会出现更有选择性的买入，偏好那些投资回报更清晰或披露更充分的公司。还要关注资产负债表。尽管现金储备仍十分充足，但在利率不确定的背景下以债务融资的基础设施可能放大执行风险。过去 24 小时证明一件事：市场将以证据而非承诺来评判，并在回收期未收紧前缩短对 AI 故事的容忍度。
对巨头科技公司的结论是二元且可检验的。如果 AI 驱动的收入能规模化增长且单位经济学站得住脚，如今令人咋舌的资本支出将成为进入更大、更具防御性的利润池的入场成本；若不能，投资者将把每多花的一亿美元作为估值阻力。市场已发出数月来的首个严重警告。现在轮到管理团队去争取花钱的权利。
