AI基础设施的通货膨胀螺旋：科技巨头资本支出飙升背后

当资本支出变成通货膨胀指标

下周开始的大型科技公司财报季，华尔街关注的焦点不再是利润或收入——而是这些巨头愿意为AI数据中心投入多少钱。谷歌、亚马逊、微软和Meta已经宣布今年总支出将超过7000亿美元，但一个棘手的问题正在浮现：这些钱实际能买到多少算力？

答案并不乐观。内存芯片价格飙升，电力设备、建筑材料和熟练工人越来越难获取，电网接入也愈发昂贵。摩根士丹利估计，建设1千兆瓦AI容量的成本已经上涨约20%。一个常见的NVIDIA架构系统，每千兆瓦成本从约290亿美元攀升至350亿美元；更新版本的代价则从410亿美元涨至490亿美元。

这形成了一个危险的循环：科技巨头订购更多AI数据中心设备→短缺加剧→价格上涨→公司被迫上调支出预测→进一步刺激需求→价格继续攀升。Circular Technology研究主管Brad Gastwirth估计，AI资本支出下一次增长中约20%至30%来自通胀，70%至80%仍是真实扩张。但问题在于，更高的支出并不总是意味着建设速度同步加快。

通胀成分不容忽视

投资者需要警惕资本支出增长中的水分。RBC此前研究发现，今年内存价格飙升可能解释了大型云公司约45%的资本支出增长。Cantor Fitzgerald分析师预计，2026年的既定支出计划在本季变化不大，但2027年的预测将大幅跃升：谷歌2830亿美元、亚马逊2710亿美元、Meta 2000亿美元。

没有人愿意在这轮AI竞赛中显得谨慎，因此暂时不会有公司主动削减支出。但Gastwirth建议，当财报电话会议中高管们谈论资本支出时，应仔细聆听他们是否同时提及电力容量、GPU部署、内存采购、网络建设和新数据中心园区等指标。“如果资本支出与这些指标同步上升，那才是真正的扩张；否则，更大的数字可能只是科技公司为原地踏步付出更高代价。”

算力军备竞赛的真实代价

这场资本支出螺旋本质上反映了AI基础设施的供需失衡。一方面，大模型竞争迫使科技公司不计成本地囤积算力；另一方面，供应链瓶颈（特别是内存和电力）制约了实际交付能力。NVIDIA的GPU虽然持续供不应求，但数据中心建设的其他环节——从变压器到冷却系统——正成为新的卡点。

更深远的影响在于，资本支出的持续攀升正在重塑科技巨头的财务结构。当7000亿美元级别的年支出成为常态，这些公司必须寻找新的收入来源来证明投资的合理性。AI云服务、API调用和企业订阅成为重点，但短期内很难覆盖高昂的硬件成本。

展望：螺旋何时见顶？

短期内看不到资本支出放缓的迹象。只要AI模型参数以每年数倍的速度增长，训练和推理所需的算力就无止境。但成本压力可能迫使行业进行结构性调整：比如更高效的芯片架构、更密集的液冷方案、或者通过软件优化降低算力需求。

对于投资者而言，接下来的财报季将是关键验证点。如果巨头们能够提供具体的基础设施指标（而非仅仅是金额），市场或许能更清晰地区分真实增长与通胀泡沫。否则，这场资本支出螺旋可能最终以“过度投资→产能过剩→价值毁灭”的经典模式收场。