谁的现金牛先失速

Alphabet 搜索及其他广告收入约占公司总营收一半，却创下五个季度以来最低增速。首席商务官菲利普·辛德勒承认，AI 模式下的搜索查询变现水平更低。亚马逊上季度电商主业与广告增速双双放缓，广告服务同比仅增 11%，为 2022 年单独披露以来最慢；线上商店仅增 2%，是三年多来首次。

云业务为何救不了股价

云仍是亮点：微软 Azure 截至 9 月季度营收增长 48% 至 332 亿美元；谷歌云营收同比翻倍以上、营业利润增超两倍。但 Alphabet 股价 10 月 29 日创史上最大跌幅，市值蒸发近 5,000 亿美元；亚马逊尾盘跌 7%，Meta 在最新财报发布后累计跌 10%。市场把重资产投入与变现滞后一并计入了定价。

钱到底花到哪了

四大巨头以前所未有的规模发债、增发并签署数百亿美元数据中心采购协议，远期支出义务达数万亿美元。Alphabet 维持今年最高 2,050 亿美元资本开支，亚马逊重申约 2,200 亿美元。深水资产吉恩·芒斯特认为，AI 模式新广告初期利润率偏低属常态，更大的挑战是打造能替用户完成采购并抽成的 AI 智能体。

对投资者而言，AI 基础设施从”增长叙事”转向”成本与回报”的辩论，估值逻辑更看重自由现金流。值得注意的是，若 AI 产品持续侵蚀传统业务盈利、而变现又滞后，重资产模式的估值折价可能延续。对云服务采购方，供给扩张长期利好算力价格下行。

常见问题

四大巨头会缩减 AI 投入吗？

目前四家均维持或上调开支指引，Alphabet、亚马逊重申 2050 亿、2200 亿美元计划不变。

为什么 Alphabet 跌得最狠？

搜索是 Alphabet 命脉，AI 模式拖累搜索变现，叠加 5000 亿美元市值蒸发，信心受挫。

Azure 增长快为什么微软也跌？

Azure 季度增 48% 至 332 亿美元一度推高股价，但收盘回吐全部涨幅，仅微跌 0.2%。

信息来源：彭博社（Bloomberg）2026 年 10 月 30 日报道，经 IT之家编译；资本开支与股价数据引自该报道及公司财报。

2026年10月23日，风险投资机构 a16z 发布了对其首席执行官安迪·贾西（Andy Jassy）的深度访谈。贾西在采访中直言，要让人工智能广泛应用于企业软件，推理成本仍需降至目前的约十分之一。”在我看来，要让 AI 得到尽可能广泛的应用，推理成本仍然高了一个数量级。”他指出，尽管过去几年推理成本已明显下降，但要实现他所设想的广泛企业采用，当前价格仍偏高。

作为支撑 AI 服务的算力消耗，推理是指模型每次回答问题或执行任务时所需的计算。对企业而言，如果引入 AI 后增加的运营费用难以被额外收益抵消，就缺乏动力去重构现有软件。这被贾西视为制约企业采用 AI 的核心障碍。

2200 亿美元开支仍不够用

贾西透露，亚马逊今年计划投入 2200 亿美元资本开支（按当前汇率约合 1.47 万亿元人民币），却依然无法建成足够的基础设施来满足 AI 需求。他还表示，2026 年的主要算力供应额度已基本售罄，2027 年的大部分已被客户预订，2028 年也有相当部分提前售出。在其看来，市场需求如此旺盛，亚马逊即使投入更多资金，也不至于浪费。

贾西将 AI 需求结构比作一副”杠铃”：一端是消耗巨量算力的前沿 AI 实验室，以及少数快速增长的原生 AI 应用；另一端则是主要将 AI 用于客服、反欺诈等具体任务的企业客户。真正尚未充分开发的，是中间那部分日常企业软件——它们尚未普遍引入 AI 推理，却可能是未来用量最大的需求来源。

自研芯片能否压低门槛

面对高企的推理成本，亚马逊把希望寄托在自研芯片上。贾西回顾，早年间英特尔主导云服务器处理器市场，亚马逊希望以同样的成本获得更高性能却难以说服对方优先满足，最终选择自行开发 Graviton 处理器。”同样的故事又在 AI 领域上演了。”这一次，主导供应方是英伟达，亚马逊则推出 Trainium 系列 AI 芯片，为客户提供成本更低的选择。贾西强调，Trainium 的性价比较同类处理器高出约 30% 至 40%，客户花同样的钱能获得更多算力，并反复说明现有 GPU 供应商仍是重要合作伙伴，自研并不意味着停止采购。

据披露，Trainium 已获得超过 2250 亿美元（约 1.5 万亿元人民币）的未来收入承诺，其中包括与 Anthropic 和 OpenAI 达成的协议。有第三方芯片研究机构近期实测发现，Trainium2 与 Trainium3 已能用原生 PyTorch 完成模型训练，而不只是运行推理，不过其软件生态成熟度仍远不及英伟达的 CUDA。

企业软件的重构压力

贾西还提出了一个更激进的判断：企业最终可能需要重写几乎全部现有代码，使其具备智能体执行与自动更新的能力，这与网络安全直接相关。在他看来，攻击者可能借助 AI 更快发现并利用漏洞，传统”识别、分类、打补丁、测试、部署”的漫长流程将难以为继，应用需具备在分钟级完成响应与补丁部署的架构。

对亚马逊自身而言，AI 已经在改变组织效率。贾西举例，Bedrock 团队重构推理引擎的工作，原本预计需要约 40 名工程师投入一年，最终由 6 名工程师借助 AI 编码工具在 76 天内完成。他认为，未来企业团队会更小，许多岗位不再随业务规模同比扩张。无论推理成本能否如期下降，AI 对企业软件的重塑都已经从成本话题，变成了架构与安全的话题。

每个智能体一台 microVM

传统的虚拟机与容器都不完全契合智能体的运行特征。ACE 为每一个智能体分配一台独立的硬件隔离 microVM（微型虚拟机），拥有自己的客户内核与根权限，并通过硬件隔离的 Cloud Hypervisor 边界保障安全。智能体可以在其中安全地执行代码、调用工具、操控浏览器并完成多步骤任务。底层依托谷歌的 Titanium 卸载芯片提供芯片级的纵深防御，沙箱内不保存任何凭据，服务密钥在 microVM 之外注入，以降低被滥用或数据泄露的风险。

空闲自动“下班”，唤醒不到半秒

ACE 最大的特点在于“持久且可暂停”。当智能体完成一次工具调用、进入“思考”或等待外部响应时，其 microVM 会通过快速检查点与快照挂起并释放资源；需要继续工作时，又能从快照中迅速恢复文件与内存状态。谷歌称，在 20 万个智能体的测试中，暂停与恢复的耗时不到 500 毫秒，并能以每秒约 500 次的速率持续激活。借助写时复制（copy-on-write）的内存共享与快照复制，单台物理服务器可以承载数量级更多的智能体实例。

持久化与企业管理

每个 microVM 配备独立的 Hyperdisk 持久化磁盘，可跨长周期会话保存执行工作区与智能体上下文。ACE 还直接织入谷歌的云与身份体系，让企业数据在不出域的前提下被调用，并由与 microVM 同等的安全与身份模型统一治理，确保可追溯审计。谷歌同步公布了开源的 Kubernetes 运行时 Agent Substrate（运行于 GKE），沿用同样的智能体优先设计，宣称可实现最高约 10 倍于传统计算的计算密度。

配套治理能力

与 ACE 一同推出的是一系列智能体治理能力：Agent Gateway 提供可观测性、策略与安全防护；Agent Registry 维护已审批的智能体、工具、MCP 服务器、技能与模型清单；Agent Identity 为每个智能体提供基于标准、可用于登录、访问控制与审计的唯一身份；观测数据遵循 OpenTelemetry 规范输出指标、日志与链路。此外还提供令牌与成本治理，可对跨智能体、跨模型的令牌消耗进行核算并设置预算护栏。

云业务让路：前沿 AI 是第一优先级

皮查伊表示，确保谷歌 DeepMind 获得足够算力以开发尖端模型是”不可妥协”的，公司其他业务都围绕这一承诺来规划。”我们的云业务在任何一个时点，都在放弃一些短期收入，因为我们正在进行算力取舍，以支持前沿 AI 开发。”他这样描述公司的资源调配逻辑。

支撑这一取舍的是真实的需求压力。据雅虎财经报道，谷歌云业务第二季度营收同比大增 82% 至 248 亿美元，合同积压订单接近 5140 亿美元。然而皮查伊称，要满足希望在 2027 年获取算力的新增客户”极其困难”，并直言”行业里的每个人都希望，自己当初规划的规模能再大一倍”。

算力为何紧张：决策滞后两到三年

皮查伊解释，今天的算力规模取决于 2024 年作出的建设决策——数据中心从规划到投运需要两到三年，而就在一年前，智能体编程尚未迎来爆发。他还透露，谷歌去年甚至曾短期租用外部算力，以满足部分客户需求。

在投入强度上，Alphabet 预计今年资本开支在 1950 亿至 2050 亿美元之间，其中大部分用于扩张 AI 基础设施。

前沿模型的理由：递归自我改进

面对”为何不只用好够用的模型”的疑问，皮查伊否认谷歌在降低研发雄心。他以新模型 Gemini 4 Argon 为例：上线后 72 小时内消耗约 25 万亿个词元，约为上代 Gemini 3.0 同期的三倍，谷歌在提供服务时仍受容量限制。部署给内部开发者四周后，代码交付量提升 30%，代码回溯率下降约三分之一。

皮查伊指出，在”递归自我改进”时代，前沿模型更擅长开发下一批模型，因此保持领先具有战略意义。同时他也承认，轻量模型仍有价值，并警示行业可能出现局部过度建设，但长期来看”只要给予足够时间，规划中的算力会有用武之地”。

亚马逊云科技（AWS）10月10日宣布，与北京姚基金公益基金会共同推出”云上篮图”体育×科技育人计划，将投入100万美元现金（按当前汇率约合670.6万元人民币）及云与人工智能技术资源，面向中国基层体育教学培养兼具人工智能素养与体育专业能力的复合型人才。

首次将全球创新活动引入中国

该计划依托姚基金覆盖全国的学校网络与体育人才培养经验，并借助亚马逊云科技旗下的 Breaking Barriers 全球创新活动。这也是 Breaking Barriers 首次被引入中国市场。资金与资源一方面支持该活动在中国的落地，涵盖高校专业人才培训、黑客松实战演练以及成果部署应用三个阶段；另一方面支持”姚基金篮球季”的开展，为相关学校提供体育教学、训练与赛事支持。

三阶段打通”学AI”到”用AI”

在专业人才培训阶段，亚马逊云科技将联合姚基金，支持10所体育类或技术类院校开展培训，提供云和人工智能学习资源，并组建由资深解决方案架构师构成的导师团队，通过工作坊、面对面技术指导以及技能认证，帮助学生系统掌握生成式人工智能与数据科学的核心技能。

进入黑客松实战演练阶段，前期参与培训的高校学生将围绕来自一线基层体育教学的真实挑战打造人工智能教学工具。例如，结合学生体质特征与有限设施、自动生成个性化训练计划的人工智能教学助手。

在成果部署应用阶段，亚马逊云科技将进一步优化黑客松中孵化出的优秀工具，并在姚基金所覆盖的100所基层学校中开展试点，为基层体育教师提供个性化训练指导和智能化教学支持。

公益基础与覆盖规模

姚基金由姚明于2008年在中国青少年发展基金会架构下发起，2018年在北京市民政局注册，以”助人自助，以体育人”为宗旨。截至2025年底，其公益项目已累计覆盖全国30个省份550余个县（市、区）的6700余所乡村学校，派出9200余人次志愿者支教，培训1600余名乡村专兼职体育教师。

分析认为，将云与人工智能工具系统性引入基层体育教学，既贴合国内对人工智能素养人才的需求，也为公益组织的数字化升级提供了可复制的样本。

Meta 在 Connect 2026 上宣布，旗下 AI 智能体 Muse 将很快登陆自家的智能眼镜产品线（包括 Ray-Ban Meta 等）。用户无需掏出手机，只要说出唤醒词”Hey Muse”或自己设定的名称，再提出具体要求，Muse 就会在后台自主完成任务，结束后再把结果反馈回来。

从手机走向眼镜：Muse 想做”个人超级智能”

Muse 本月早些时候已在美国的 iOS、Android 和网页端上线，并一度登上 iPhone App Store 下载榜首。与主要面向开发者和专业用户的其它 AI 智能体不同，Muse 的定位更偏普通消费者：界面采用类似即时通讯的简化设计，配有一个拟人化头像，宣传重点也是预订旅行、网购这类日常生活场景。Meta 将其描述为跨手机、桌面和可穿戴设备的”个人超级智能”。

跑在云端虚拟机里，关掉 App 仍在干活

Muse 基于 Meta 自研的 Muse Spark 多模态模型运行，核心环境是一台部署在云端的私有持久化 Linux 虚拟机（Meta 称之为 Muse Secure VM），里面自带独立的网页浏览器、文件系统和终端。即便用户关闭了配套应用，这些组件仍会继续运行。为了完成交代的任务，Muse 可以自行决定编写并运行代码，把工作分派给多个子智能体，还能创建定时任务；它也能生成文档、PDF、网站，以及消费记录追踪器、数据仪表盘这类交互式工具。

能订机票、能砍价、还能替你打电话

在具体能力上，Meta 称 Muse 可以帮用户预订旅行、发送电子邮件、填写表单，以及通过网站购买商品；更复杂的任务也不在话下，例如与服务商协商账单、协助出售汽车，甚至可以代替用户拨打电话。在智能眼镜场景下，Meta 列举的用例包括代用户预约服务、查询机票价格、寻找替换零部件、记录饮食、提供健身指导，以及购买用户眼前看到的商品——由于眼镜”看”得到用户所见，用户不必再详细描述货架上的一件商品或墙上的传单。

支付用一次性虚拟卡，AI 不碰你的银行卡

支付环节是用户最关心的部分。Muse 接入了 Stripe 旗下的 Link 服务，通过虚拟的一次性支付卡完成交易，因此 AI 本身不会接触到用户的银行卡或信用卡信息。Meta 表示，Shop Pay 和 1Password 的支持也将在后续到来。在生态连接上，Muse 已接入 Notion、GitHub、Box 等一批生产力与开发工具，以及 Shopify 等零售平台的连接器，未来还会拥有自己的独立邮箱地址来自动处理邮件往来。

隐私承诺与”机密虚拟机”悬念

隐私方面，Meta 声称不会把 Muse 的数据用于广告业务，但除非用户主动退出，否则这些数据会被用来训练未来的 AI 模型。目前 Muse 使用的云端 Linux 虚拟机与其它环境相互隔离，但 Meta 自身仍保有访问权限。为此，Meta 计划在今年晚些时候推出 Confidential VM（机密虚拟机）选项，在这一模式下，连 Meta 自身也无法访问对应的运行环境，以提供更强的隐私保障。

何时上线

关于 Muse 登陆智能眼镜的具体时间，Meta 的官方措辞是”未来数月”，而马克·扎克伯格在 Connect 2026 现场的说法是”未来数周”，首席技术官安德鲁·博斯沃思则用了”soon”。综合多方信息，用户可将其视为近期而非确切日历上的节点。对关注 AI 智能体落地的读者来说，Muse 从”聊天回答”走向”动手办事”，并把眼镜变成默认入口，是今年最值得留意的消费级 AI 进展之一。

据彭博社 9 月 25 日报道，高盛集团策略师预计，美国五大超大规模云服务商——亚马逊、Alphabet、微软、甲骨文和 Meta——的 AI 基础设施支出将在明年增长超过 50%，达到 1.2 万亿美元（现汇率约合 8.06 万亿元人民币）。这一数字高于华尔街对明年资本支出 1.1 万亿美元（约合 7.39 万亿元人民币）的共识预期。

回本需要多大规模的收入

由瑞安·哈蒙德带领的高盛团队在报告中指出，要收回这些投入，未来数年中，五家公司每年需要创造约 3000 亿美元（约合 2.02 万亿元人民币）的 AI 收入。

哈蒙德及其同事称：”按照市场共识预期，明年资本支出占 GDP 的比重，将达到 19 世纪末铁路建设热潮以来历次技术投资周期中的最高水平。”

今年已投入 8000 亿美元

亚马逊、Alphabet、微软、甲骨文和 Meta 预计今年将在 AI 能力建设上投入 8000 亿美元（约合 5.37 万亿元人民币）。高盛团队认为，明年的支出仍会大幅增长，但资本支出增速将开始放缓；与近几个季度相比，资本支出增速以及实际支出高于市场共识预期的幅度都将有所下降。

增速将逐步放缓

高盛预计，五家公司的资本支出增速将从今年的接近 100% 降至明年的 54%，2028 年再降至 12%，届时支出规模预计达到 1.4 万亿美元（约合 9.4 万亿元人民币）。

应用层需年支出约 1 万亿美元

策略师称，要让五家云服务巨头获得稳健回报，并让应用提供商在承担计算成本后取得较高利润率，AI 用户每年需要在各类应用上支出约 1 万亿美元（约合 6.72 万亿元人民币）。作为对比，今年全球软件支出约为 1.5 万亿美元（约合 10.08 万亿元人民币）。

收入增长快，但仍不足以回本

高盛团队指出，目前估算的 AI 收入仍不足以让五家公司收回投入，不过收入增长速度很快。亚马逊、Alphabet、微软和甲骨文的云业务收入增速已从 2024 年的 25% 升至今年第二季度的 48%。此外，亚马逊、Alphabet 和微软公布的云业务待履约收入合计达到 1.7 万亿美元（约合 11.42 万亿元人民币）。

扩张面临多重制约

五家公司的资本支出目前超过经营活动现金流，对债务和股权融资的依赖随之增加。电力、劳动力和内存供应不足，以及数据中心建设限制，都可能成为扩张过程中的制约因素。

让公有云用出私有云的安全感

中国移动表示，AITC 提供通智多形态机密算力与机密 Token，号称能让客户”像使用私有云一样使用公有云”。该方案瞄准的是金融风控、政务处理、工业制造、医疗诊断、高校科研等数据敏感行业普遍存在的三大痛点：隐私数据易遭泄露、模型资产易被窃取、算力环境信任缺失。

在数据层面，方案告别传统明文计算，通过端到端加密实现数据”可用不可见”；在模型层面，打破私有化明文部署的局限，支持在公有云上机密部署 AI 模型，全程密文运行、杜绝泄露风险，做到模型”可算不可取”；在环境层面，则从传统边界防御升级为硬件级环境可证明，确保运行环境全程可信、不可篡改。

端云协同延伸到终端设备

中国移动称，AITC 业界首创性地深度融合中国移动 AI-eSIM 与超级 SIM，打造”物联网 + 人联网”的端云协同 AI 安全方案，从物理层面杜绝密钥泄露与数据篡改，将安全防线从云端延伸至终端设备，提供芯片级全链路保障。

携手产业链共建生态

在主论坛上，中国移动依托央国企 AI 机密计算联合体，与中国电子、中国银行、中核集团、中国信通院、华为、中兴、阿里云、浪潮、海光、摩尔线程、兆芯等产业伙伴，正式启动 AI 可信计算生态共建战略合作。这一动作也显示出，在国产算力与 AI 安全议题上，运营商正从单纯的算力供给，向安全基础设施层延伸。

真正的主角是云业务。本财季甲骨文总云营收达到 116.07 亿美元（约合 780.63 亿元人民币），同比增长 62%；其中云基础设施（IaaS）业务营收 73.88 亿美元（约合 496.88 亿元人民币），同比增速高达 121%，连续保持三位数增长，成为整份财报最核心的引擎。这一数字也超出了市场此前 71.9 亿美元的预估。

为 AI 举债扩建：利润涨了，现金流却是负的

一个值得注意的细节是：尽管经营现金流净额达到 231.03 亿美元、同比大增 184%，甲骨文本财季的自由现金流却为净流出 53.96 亿美元（约合 -362.91 亿元人民币）——原因正是云基础设施业务的疯狂扩张。本财季甲骨文资本支出达 285 亿美元，远超市场预估的 198 亿美元。

为了给扩建输血，甲骨文本财季通过 at-the-market 计划完成了 200 亿美元（约合 1345.1 亿元人民币）的普通股发售。公司在财报中明确表示，这笔钱将用于支撑云基础设施的持续扩张。

巨额投入背后是惊人的订单储备。甲骨文本财季剩余履约义务（RPO，即已签约但尚未确认的收入）总额达到 6640 亿美元（约合 4.47 万亿元人民币），同比增加了 2090 亿美元（约合 1.41 万亿元人民币）。这些订单大部分来自 AI 算力租约，意味着未来多个财年的收入已经有了着落。

下季度指引：继续高增长

对于 2027 财年第二财季，甲骨文预计总营收同比增长 30% 到 34%；总云营收同比增长 64% 到 70%（固定汇率口径）；非 GAAP 每股收益预计在 1.85 美元到 1.93 美元之间，同比增长 21% 到 25%。

全年展望同样激进：甲骨文预计 2027 财年总营收至少达到 900 亿美元（约合 6052.96 亿元人民币），非 GAAP 每股收益 8.1 美元。此外，董事会宣布了每股 0.5 美元的季度现金股息，将于 2026 年 10 月 23 日支付。

不过并非所有板块都风光：本财季软件营收为 55.5 亿美元，低于市场预期的 56.7 亿美元，传统授权业务的增长引擎角色正进一步让位于云基础设施。

为什么这份财报值得关注

甲骨文已从一家传统企业软件公司，变成了全球 AI 算力竞赛中最激进的”卖水人”之一——OpenAI 等前沿模型厂商都是其云基础设施的大客户。它的订单簿厚度、资本支出力度和现金流承压程度，某种程度上就是全球 AI 算力需求热度的晴雨表。

这份财报传递的信号很明确：至少从订单看，AI 算力的饥渴期还远未结束。当然，硬币的另一面同样清晰——靠巨额举债和股权融资扩建的数据中心，最终能否被这些长约订单兑现为真金白银的利润，仍需要时间检验。

]]>

资本支出追上了现金流

变化的速度比金额本身更值得注意。

按各家最新指引，微软、谷歌、亚马逊、Meta 与甲骨文五家公司的资本支出总额，已从 2023 年约 1540 亿美元升至 2024 年约 2390 亿美元，2025 年进一步冲到约 4120 亿美元；2026 年这一数字可能接近 7800 亿美元，几乎是 2025 年的两倍。

同期的收入增长明显没有跟上这个节奏。这五家公司的自由现金流合计从 2024 年约 2390 亿美元降至 2025 年约 1910 亿美元，资本支出占经营现金流的比例则从约 50% 攀升至 68%。以 2026 年为例，若资本支出达到 7800 亿美元、经营现金流约 6500 亿美元，那么在分红与股票回购之前，行业就已经存在约 1300 亿美元的资金缺口。

最具象的案例来自谷歌母公司 Alphabet。2026 年第二季度，该公司经营现金流为 391 亿美元，资本支出达到 449 亿美元，自由现金流约为负 59 亿美元——这是 Alphabet 上市以来首个自由现金流为负的季度。亚马逊也出现类似挤压，过去十二个月自由现金流转负，尽管其云业务 AWS 营收仍在快速增长。微软是重要的反例，仍保持正的自由现金流。

从趋势线看，2023 年第二季度至 2026 年第一季度，上述五家公司经营现金流的年化增速约为 23%，而现金资本支出的增速约为 70%。两条线在 2026 年下半年附近收敛，合计自由现金流被推向零。仅 2026 年第二季度，亚马逊、Alphabet、微软与 Meta 四家的资本支出就约为 1650 亿美元。

钱不够，就去借

缺口需要外部资金填补，方式主要有两条。

一是发债。据 FactSet 统计，Alphabet、亚马逊、Meta、微软与甲骨文的增量年度债务占资本支出的比例，从 2024 财年的 9% 升至 2026 年中的过去十二个月 32%。2025 年，五家公司合计发债约 1360 亿美元，覆盖了大约三分之一的资本支出需求；2026 年上半年，这一发行规模已接近 2000 亿美元。全球数据中心相关债券发行额在 2025 年达到 1820 亿美元，较前一年翻倍。

二是压缩回购。五家公司的回购规模从 2021 年第四季度的峰值约 500 亿美元，降至 2026 年第二季度的约 50 亿美元。

高盛在 7 月中旬的策略报告中给出了更直白的判断：超大规模云厂商的 AI 资本支出扩张已逼近自身融资能力上限。其数据显示，亚马逊、微软、Alphabet、Meta 四家 2026 年合计 AI 资本支出预计为 7250 亿至 7700 亿美元，较 2025 年增长超过 77%，规模几乎等同于四家企业全年运营现金流总和。高盛分析师直言：”对错失机遇的恐惧已成为比股东回报更强的激励因素。”

国际清算银行（BIS）在 6 月末的年度经济报告中，将 AI 投资热潮的可持续性列为威胁全球经济的四大压力点之一，并特别提示”循环融资”结构正在累积隐性风险：芯片厂商与云厂商交叉持股、绑定长期采购合同，把股权、债务与供应链协议交织成复杂网络。

“债务炸弹”还是”超级资本开支周期”

围绕这一现象，市场存在两种截然不同的解读。

一派担忧的核心是表外债务。日本经济新闻的一项研究显示，Alphabet、微软、亚马逊、Meta 与甲骨文的表外债务规模约为 1.65 万亿美元，四年间增长约八倍，已超过它们账面报告的 1.35 万亿美元。英国《金融时报》2025 年 12 月曾报道，科技公司通过特殊目的载体等结构，把超过 1200 亿美元的 AI 数据中心支出移出了资产负债表。高盛估计，到 2030 年超大规模厂商在 AI 与数据中心上的支出可能达到 5.3 万亿美元。

这套结构常被拿来与 2001 年破产的能源公司安然（Enron）类比。但持不同意见者认为类比失当。会计师出身的专栏作者吉恩·马克斯（Gene Marks）在《卫报》撰文明确反对”债务炸弹”的说法。他解释了运作机制：企业设立一个不纳入自身财报合并范围的独立实体，由该实体向投资者、银行与金融机构募资并建设数据中心，母公司通过合同获得建成后的独占使用权——数据中心到手了，大部分建设债务却不体现在自己的负债表上。

马克斯的论点是，这种做法本身并不新鲜也不违法。他回忆自己 1980 年代中期入行时的客户、上市生物科技公司 Centocor 就采用过类似的表外融资：设立有限合伙实体，公司只持少数权益，由实体发债并吸收有限合伙人投资，用于新药研发，公司再取得独占使用权。当时数以亿计的资金流入这类合伙制安排，也确实有药物在临床试验中失败，但并未引发股市恐慌，因为风险被分散了。他的结论是：可以审视这些公司、可以细读财报脚注、可以争论合并口径，但不该称之为安然——安然的问题在于那种级别的舞弊，而当下几乎不可能重演。

分析师吉尔·卢里亚（Gil Luria）对彭博法律的表述与此接近：”安然的罪不在于设立了特殊目的实体，而在于隐瞒了它们。”如今监管趋严、披露更充分，同样的工具在合法框架内使用。

中金公司 7 月 29 日的研究报告则给出了一个折中框架。该报告认为，本轮 AI 投资周期已从由科技巨头内部现金流驱动，演变为由企业信用、项目资产与全球长期储蓄推动的信用扩张周期；真正的脆弱之处不在于金融机构是否过度杠杆，而在于融资条件能否延续——低成本资金、高贷款价值比、快速审批能否维持。其结论是：只要 AI 需求与现金流路径尚未被证伪，当前的债务扩张更像一轮超级资本开支周期，而非终极泡沫；2026 至 2027 年是新兴 AI 云服务商局部流动性风险最值得警惕的时间节点。

判断标准正在切换

两派共同承认的一点是：自由现金流转负本身不等于坏消息。对处于重投资阶段的企业而言，这是常态，代价是必须找到其他资金来源来填补缺口。高盛也预计这种压力最终会逆转，自由现金流将在 2028 至 2029 年显著恢复。

真正改变的是定价与评价的逻辑。此前市场遵循”谁烧钱多、谁扩产猛”的思路，上游硬件环节享受量价齐升的高增长估值；如今的关注点转向”谁能高效变现算力价值”，资本开支效率、资产利用率、应用落地速度成为核心指标。用一句概括来说，行业正从”建设思维”转向”运营思维”，从算力建设的上半场进入应用落地的下半场。

对普通读者而言，这场争论的现实意义在于：AI 基础设施的扩张速度，最终要由 AI 应用的收入速度来兑付。技术判断和财务判断需要分开评估——即便对 AI 的长期价值判断正确，投资周期、财务期限与硬件折旧也不会等人。