科技巨头7000亿美元的AI支出都去哪儿了？

点击蓝字

关注我们

因为公众号平台更改了推送规则。记得点下右下角的大拇指“赞”和红心“推荐”。这样每次新文章推送，就会第一时间出现在订阅号列表里。

即便以硅谷的标准来看，这些数字也令人震惊。到2026年，全球四大科技公司——亚马逊、谷歌、Meta和微软——在人工智能基础设施上的总投资已超过7000亿美元。桥水基金在2026年2月向路透社提供的估算中将这一数字定为6500亿美元，CNBC同月的估计接近7000亿美元，而Futurum集团则预测为6600亿至6900亿美元。但到了2026年8月，在亚马逊将其投资指引上调至2200亿美元、Alphabet上调至1950亿至2050亿美元、Meta上调至1300亿至1450亿美元（以上数据均来自AOL）之后，这四家公司的总投入已远超2月份的预估，几乎是2025年全年支出的两倍。这一数字创下科技行业历史上单年度资本支出的最大增幅，远远超过了互联网泡沫时代、移动革命时期以及早期云计算建设阶段的总和。这并非渐进式投资，而是整个行业对人工智能将彻底重塑计算方式、商业模式和经济增长模式的全面押注。

2026年初，大型科技公司的人工智能基础设施投资竞赛急剧升温，各大超大规模云服务商纷纷公布资本支出计划，远超分析师预期。亚马逊承诺投入2000亿美元，谷歌预计支出1750亿至1850亿美元，Meta规划了1150亿至1350亿美元，而微软的年化支出水平则接近1500亿美元。这些并非隐藏在投资者演示文稿中的愿景目标，而是有明确合同支撑的实际投入——包括已签署的GPU采购协议、收购数据中心用地以及长期电力购买协议，这些都将深刻影响未来数十年的能源格局。

然而，在这些亮眼数字的背后，还隐藏着更复杂的现实。这笔资金并未平均分配到人工智能的研发领域。其中绝大部分流向了推理基础设施——即用于实时向数十亿用户交付AI模型所需的软硬件系统，而非2023年和2024年主导舆论的训练集群。人工智能推理的经济性、云服务提供商之间的竞争格局，以及对能源市场、半导体供应链和企业技术战略的下游影响，正在同时重塑多个行业。

2026年大型科技企业人工智能基础设施支出规模 

要理解当前形势的规模，亚马逊、谷歌、Meta和微软在2026年的资本支出合计，已超过除全球前20大经济体之外所有国家的GDP总和。摩根士丹利在2026年3月对路透社Breakingviews analysis分析中估计，这四家公司的数据中心与AI芯片资本支出总额达6300亿美元；而Statista在2026年7月发布的图表则显示，这一数字最高可达7600亿美元，几乎是2025年约3650亿美元支出的近两倍。展望更远，据《纽约时报》报道，FactSet在2026年7月预测，这四家公司2026年及2027年的累计数据中心和芯片支出可能达到1.5万亿美元。

2026年大型科技企业AI资本支出持续惊人增长 

更新于2026年4月2日。超大规模AI基础设施建设势头明显未减。预计“七巨头”在2026年第一季度的AI相关资本支出合计为780亿美元，同比增长45%。微软以约220亿美元的季度AI支出位居榜首，紧随其后的是亚马逊（180亿美元）、谷歌（150亿美元）和Meta（120亿美元）。甲骨文本周决定裁员2万至3万名员工，明确与200亿美元的人工智能数据中心资金缺口有关。

投资成效不均：微软Azure AI收入同比增长62%，而谷歌云AI收入增长48%。亚马逊Bedrock平台在2026年第一季度处理的API调用次数是2025年全年总和的三倍。但盈利仍难以实现——这些超大规模企业尚未在大规模部署AI基础设施方面展现出正向的投资回报率。

亚马逊处于领先地位，且领先优势持续扩大：据AOL报道，在TechCrunch于2026年2月报告2026年资本支出达2000亿美元之后，亚马逊于2026年8月再次上调预期，将支出提升至2200亿美元，较2025年的1310亿美元增长近70%。其中大部分支出通过AWS进行，AWS目前仍以约31%的市场份额主导云计算基础设施市场。2025年第四季度，AWS的收入同比增长19%，亚马逊管理层表示，各大主要区域对人工智能计算能力的需求仍持续超过供应。 

谷歌和Alphabet在2026年的资本支出指引逐步上调：TechCrunch报道称，2026年2月其支出范围为1750亿至1850亿美元；到2026年8月，Alphabet再次将这一指引上调至1950亿至2050亿美元，较2025年的910亿美元翻了一倍多。这笔资金用于支持Google Cloud Platform的企业级AI基础设施，以及谷歌Gemini系列模型、Search AI概览等内部计算需求，同时推动YouTube、Workspace和Android平台等AI驱动产品生态系统的扩展。 

据AOL报道，Meta在2026年2月公布的资本支出指引为1150亿至1350亿美元，较2025年约710亿美元的支出大幅上升；到了2026年8月，该指引进一步收紧并上调至1300亿至1450亿美元，高于年初时Meta所预测的1250亿至1450亿美元区间。这标志着该公司历史上最激进的基础设施建设步伐。该公司承诺到2028年将投资6000亿美元用于美国基础设施建设，其中大部分资金将用于支持其Llama开源模型生态系统、基于人工智能的广告平台以及内容推荐系统的人工智能数据中心。Meta的人工智能投资已开始带来可观回报：公司报告称，2025年第三季度在Facebook上的使用时长增长了5%，Threads平台用户量增长了10%，这两项均归因于人工智能驱动的内容推荐技术。

微软的资本支出趋势使其在支出竞赛中占据领先地位。公司报告称，在2026财年第二季度，其资本支出达到375亿美元，标普全球估计2026财年全年资本支出将达到977亿美元。雅虎财经在2026年2月报道称，微软2026年的资本支出增速达1450亿美元，这与2025年四大超大型科技企业合计支出的3810亿美元有关。按年度计算，微软的季度支出率将超过1500亿美元，尽管一些分析师预计随着数据中心容量逐步上线，公司在财年后半段会适度放缓支出。

为何从训练转向推理？

2026年大型科技企业人工智能基础设施支出浪潮中最具深远影响的结构性转变，是重心从训练转移到推理工作负载。在2023年至2024年期间，主流叙事聚焦于构建庞大的GPU集群，用于训练规模日益扩大的基础模型。Meta、微软和xAI等公司竞相打造10万台GPU的训练集群，成为新闻头条的焦点，也推动了英伟达市值突破3万亿美元。

到了2026年，情况已发生根本性变化。尽管前沿模型的训练成本在绝对数值上仍然巨大，但其占整体人工智能算力支出的比例已大幅下降。真正的开支——以及真正的商业机遇——在于为数十亿用户提供这些模型服务。目前，推理工作负载约占主要超大规模云服务商总人工智能算力需求的60%至70%，而这一比例在2024年约为40%。

这种转变具有多重意义：推理工作负载对硬件的需求与训练不同。在训练阶段，由于成千上万的GPU之间相互连接，实现了大规模并行处理，而推理任务则更注重分布式数据中心中的低延迟、高吞吐量和能效。这为专用推理芯片（如亚马逊的Trainium和Inferentia、谷歌的TPU，以及Groq和Cerebras等初创公司的专用推理加速器）提供了与NVIDIA主导地位竞争的机会，这种竞争在以训练为主导的时代是难以实现的。

微软在2026财年第二季度的资本支出结构清晰地反映了这一转变：公司总共花费了375亿美元，其中约67%——大约250亿美元——用于短期资产，例如专为满足即时AI推理需求而设计的GPU和定制硅芯片；其余三分之一则用于长期基础设施建设，包括数据中心建设、土地收购和网络设备。这一分配表明，超大规模云计算服务商现在正致力于大规模为客户提供AI服务，而非仅仅构建更大的训练集群。

推理经济推动投资决策

过去两年间，LLM的token成本已下降了280倍，从GPT-4发布时每百万输出token约60美元，降至新模型优化推理时仅几分钱。然而，尽管成本大幅下降，企业对AI推理的支出却比以往任何时候都更高，因为使用量的增长速度甚至超过了成本的下降速度。一些大型企业如今每月的AI计算费用高达数千万美元，这主要得益于人工智能被整合到面向客户的工具、内部工作流程以及自动化决策系统中。

这一动态形成了一种强大的正向循环：更低的成本推动更广泛的采用，更广泛的采用又带来更高的总支出，而更高的总支出则进一步支持基础设施的持续投资。超大规模云计算服务商押注这一正向循环将在2026年及以后持续加速，其资本支出承诺也体现了这一信念。

微软1500亿美元的人工智能基础设施押注  

微软的人工智能基础设施战略与其与OpenAI的合作密不可分，后者约占微软云服务总订单量的45%。自2019年以来，该公司已向OpenAI投资超过130亿美元，Azure作为OpenAI API产品的独家云服务提供商，目前为数百万开发者和企业客户提供了服务。

在2026财年第二季度，Azure的收入按不变汇率计算同比增长39%，虽较2025年初的42%增长略有放缓，但仍远高于整体云计算市场的增速。微软本季度的云收入达到515亿美元，同比增长26%，充分体现了公司云计算业务的规模优势。

公司正大力投入GPU基础设施和定制芯片研发。微软自主研发的Maia 100 AI加速器，已大规模部署于内部工作负载及部分Azure客户中。基于ARM架构的Cobalt 100 CPU在处理通用云计算任务时，比x86替代方案具有更高的能效。与此同时，微软持续大量采购NVIDIA H200和Blackwell系列GPU，正在构建一个多元化的计算组合，以全面满足各类人工智能工作负载的需求。

微软仅在2026财年第二季度就新增了近1吉瓦的数据中心总容量，相当于一座中等城市的城市用电量。目前，微软的数据中心已覆盖全球60多个地区，并正在美国、欧洲、日本和东南亚等市场积极推进扩张。Microsoft 365 Copilot的月活跃用户已超过1亿，为人工智能基础设施投资与企业软件采用之间建立了直接的收入联系。

微软预计到2026财年结束，其人工智能相关收入将达到250亿美元，这主要得益于Copilot的广泛应用、Azure AI服务以及日益壮大的AI驱动企业应用生态系统。然而，公司能否实现足够的回报以证明其巨额基础设施支出，仍是投资者和分析师关注的核心问题。

亚马逊押注AWS与定制AI芯片，投入2000亿美元 

亚马逊决定在2026年投入2000亿美元资本支出，使其成为超大型云计算厂商中最大的支出方。公司的战略围绕三大支柱展开：扩大AWS数据中心布局以应对激增的需求；扩展自研的Trainium和Inferentia AI芯片，以降低对英伟达的依赖；并构建支持亚马逊自有AI产品所需的基础设施，包括Alexa的人工智能升级、购物助手Rufus，以及不断发展的企业级AI平台Amazon Bedrock。

亚马逊的定制硅芯片战略，是超大型云厂商市场中对抗英伟达最具雄心的替代方案。该公司采用台积电先进制程制造的第二代Trainium2芯片，正以最多6.5万个芯片的集群形式部署于训练和推理工作负载中。亚马逊报告称，在特定推理任务场景下，Trainium2的性价比最高可达NVIDIA同类GPU的4倍，但这些芯片缺乏使基于CUDA的NVIDIA硬件成为大多数AI开发者首选的广泛软件生态系统。

AWS也大力投资于基于ARM架构的Graviton处理器，用于通用云工作负载。第四代Graviton4处理器相比前代提升了高达30%的计算性能，同时降低了每项工作负载的能耗。在亚马逊的规模下，这种能效提升至关重要：即使微小的能效改进，也能为公司全球数据中心车队带来每年数亿美元的能源成本节约。

亚马逊计划在2026年初于物流中心部署其第100万台机器人，其DeepFleet人工智能系统可将仓库作业效率提升10%。尽管这与云基础设施不同，但它说明了亚马逊的人工智能投资贯穿整个公司——从云计算服务到实体物流——从而为巨额基础设施投资创造了多条回报路径。

Meta的基础设施战略：开源AI与巨量资本支出的结合  

Meta在大型科技企业的人工智能基础设施支出竞争中占据独特地位。与亚马逊、谷歌和微软不同，Meta并未运营大规模的公共云业务。其人工智能基础设施支出几乎全部用于内部产品：主要收入来源的广告平台，驱动Facebook、Instagram、Threads和WhatsApp的内容推荐引擎，以及已成为Meta人工智能战略基石的Llama系列开源AI模型。

Meta预计2026年资本支出将达到1150亿至1350亿美元，这一数字较公司以往的支出模式有显著增长。如2022年，Meta的总资本支出约为320亿美元，其中大部分资金投向了Reality Labs以及引发投资者广泛质疑的元宇宙项目。从元宇宙向人工智能基础设施的转型迅速而果断：Meta已确定，可将Reality Labs的支出削减30%，这或将释放数十亿美元的资金，用于转向人工智能领域。

Meta的人工智能基础设施包括自有数据中心和大量第三方云算力资源。据报道，公司已与谷歌云签署了一份价值100亿美元的云服务合同，而其与Nebius（Yandex旗下分拆出的云基础设施公司）的扩展合作，价值可能高达270亿美元。这些合作使Meta能够比仅依靠自有基础设施更快地扩展AI计算能力，同时有效规避GPU市场供应链的限制。

Meta通过Llama开源战略，在大型科技企业的人工智能基础设施支出生态系统中创造了独特的动态。由于公开发布模型，Meta并未从模型授权中获得直接收入。相反，公司却间接受益：大规模采用Llama构建了开发者和工具的生态系统，降低了Meta自身的运营成本，吸引了人才，并使Meta的人工智能技术栈成为行业事实标准，从而推动产业实践，为公司的核心广告业务创造有利条件。

人们对Meta支出增长趋势的可持续性日益担忧。2026年3月有报道称，Meta正考虑裁员超过20%的员工，以应对激增的人工智能成本。尽管Meta尚未证实这些报道，但巨额基础设施投资与成本控制之间的矛盾，在Meta所有的财务报告中正变得越来越明显。

谷歌在人工智能领域的双重投资：云服务与消费产品

谷歌预计2026年在研发和资本支出方面将达到1750亿至1850亿美元，这体现了其作为全球主要云计算服务商和全球最大消费级人工智能公司的双重角色。截至2025年底，谷歌云平台的年均收入已达到约440亿美元，为与亚马逊AWS和微软Azure竞争，仍需持续扩展基础设施。与此同时，谷歌面向消费者的AI产品——包括搜索AI概览、Gemini聊天机器人，以及Gmail、文档和YouTube中的AI功能——需要强大的推理能力来服务数十亿日活跃用户。

谷歌自研的TPU使其在管理AI基础设施成本方面具有结构性优势。公司第六代TPU“Trillium”相比前代实现了显著性能提升，既可供内部团队使用，也可供外部Google Cloud客户使用。与亚马逊Trainium主要用于AWS客户工作负载不同，谷歌的TPU具有双重用途：既能驱动谷歌自身产品，同时通过Google Cloud产生收入。

谷歌在人工智能基础设施方面的投资，也正在推动其能源战略发生重大变革。公司承诺到2030年，其数据中心将全天候运行于无碳排放的能源上，这一目标需要在可再生能源采购、电池储能和电网基础设施方面进行巨额投入。2025年，谷歌已签署多项长期电力购买协议，涵盖太阳能、风能甚至核能，以支持其不断扩大的数据中心网络。

谷歌的人工智能战略竞争格局十分复杂。虽然谷歌云（Google Cloud）直接与亚马逊AWS和微软Azure争夺企业客户，但谷歌的消费级AI产品则面临另一组竞争对手，包括OpenAI、Anthropic，以及日益壮大的Meta基于Llama的生态系统。这种双重竞争迫使谷歌同时在企业级基础设施和消费级AI服务领域进行投资，从而导致其资本支出需求巨大。

人工智能数据中心热潮背后的能源危机  

制约大型科技企业人工智能基础设施支出的最大因素，并非芯片供应、工程人才或资金可用性，而是电力。2026年正在建设并扩建的人工智能数据中心的总电力需求，对美国乃至全球现有的电网基础设施构成了根本性挑战。 

单个现代化的人工智能数据中心园区耗电量可达500兆瓦至1吉瓦，相当于一座小型城市。仅微软一家在短短一个季度内就新增了近1吉瓦的数据中心容量。当亚马逊、谷歌、Meta和微软等公司宣布的数十个新数据中心项目共同计算时，2026年人工智能基础设施带来的新增电力需求将超过许多地区电网的供电能力。

英伟达首席执行官黄仁勋估计，到本十年末，整个行业在人工智能基础设施上的支出可能达到3000万至4000亿美元。其中大部分资金将投向电力基础设施：包括变电站、输电线路、天然气发电厂、核反应堆以及为维持人工智能数据中心运行所必需的可再生能源设施。国际能源署（IEA）预测，2024年至2028年间，全球数据中心的电力消耗可能翻倍，而人工智能工作负载将成为增长的主要驱动力。

这一能源挑战正在催生出一些意想不到的合作关系和投资模式。微软已签署协议，从核电站采购电力，其中包括一项颇具争议的协议，即重启宾夕法尼亚州的三里岛核电站。谷歌投资了新一代小型模块化核反应堆。亚马逊则收购了与核电站相邻的数据中心园区。这些举措反映出人们日益认识到，仅靠可再生能源无法快速满足人工智能基础设施的电力需求。

市场影响：人工智能资本支出如何重塑科技估值  

2026年，大型科技企业对人工智能基础设施的巨额投入正在深刻影响公共股票市场，为投资者带来机遇与担忧。华尔街面临的核心问题是：这些投资能否带来足以证明其资金投入价值的回报，还是该行业正走向人工智能基础设施泡沫。

这场投资浪潮的受益者已十分明确。英伟达仍是主要赢家，其数据中心收入持续以惊人速度增长，因为超大规模云计算服务商正大量采购Blackwell世代的GPU。NVIDIA Blackwell GPU的价格结构反映了强劲的需求：尽管平均售价远高于每块GPU3万美元，客户仍提前数年下单，并接受可延续至2027年的交货安排。

除英伟达之外，这场人工智能基础设施投资浪潮还催生了一个更广泛的受益生态体系。博通（定制AI芯片设计）、台积电（半导体制造）、Vertiv（数据中心冷却）、伊顿（电源管理）和富士通（服务器制造）等公司，因超大规模云计算服务商需求激增，其营收和估值均出现大幅上涨。标普500指数中的科技板块正日益成为AI基础设施支出的代表，投资者情绪与各大超大规模云厂商季度资本支出公告密切相关。

然而，一些持怀疑态度的人士指出存在多个警示信号。AI基础设施支出与AI产生的收入之比仍处于极高水平。微软预计2026财年AI相关收入达250亿美元，而其资本支出估计在977亿至1500亿美元之间，这意味着回报周期可能长达数年。类似趋势也出现在整个超大规模云服务领域：行业正在以远超当前AI产品和服务盈利能力的速度进行基础设施投资。

对AI资本支出公告的股市反应也变得越来越不稳定。当企业公布超过分析师预期的支出增长时——例如Meta公布的2026年1150亿至1350亿美元的业绩指引——股价通常会先下跌，随后在投资者消化长期影响后逐步回升。这一模式反映出市场对人工智能基础设施投资回报前景存在真实不确定性，部分分析师将这种情绪比作上世纪90年代末光纤网络建设时期的情形：虽然最终创造了巨大价值，但早期投资者却因多年产能过剩而蒙受损失。

收入与资本支出：投资回报问题  

超大规模云计算服务商面临的根本挑战在于证明其巨额的人工智能基础设施投资能够带来相匹配的回报。当前数据表现参差不齐。Azure 39%的增长率令人印象深刻，但正在放缓；AWS的19%增长稳健，但仍低于早期云服务扩张阶段的增速；Google Cloud的增长已稳定在30%左右，这一增速可能不足以支撑资本支出近乎翻倍的投入。

企业对人工智能的采用正在加速，但与传统云计算工作负载相比，人工智能服务的客户每单收入仍相对有限。许多企业目前仍处于实验阶段，运行着概念验证类的人工智能项目，这些项目为云服务商带来的收入微乎其微。预计从实验阶段向大规模生产部署的过渡，以及相应的人工智能计算支出增长，将在2026年和2027年进一步加快，但具体时间仍不确定。

专家观点：信心、谨慎与泡沫问题 

行业分析师和技术高管在当前人工智能基础设施支出增速是否可持续方面存在严重分歧。看涨派指出，当前需求信号前所未有，人工智能在各行业的快速普及，以及过去基础设施建设虽看似过度，但最终证明具有变革意义的历史先例。看跌派则警告称，存在过度扩张的风险，资本支出与收入比率不可持续，且人工智能收入增长可能在基础设施投资完全实现盈利前出现停滞。

微软首席执行官Satya Nadella多次为公司的支出趋势辩护，认为人工智能代表了一次与从大型机转向个人电脑，或从本地软件转向云计算相类似的世代性平台变革。他指出，Azure的人工智能服务需求持续超过现有容量，表明人工智能基础设施市场面临的是供给不足，而非需求不足。

Mark Zuckerberg将Meta在人工智能领域的投入视为维持公司竞争优势的关键，他指出，若在AI上投入不足，其成本将远高于过度投资。这一观点也得到了许多硅谷领袖的认同，他们认为人工智能市场属于赢家通吃型市场，基础设施优势会随着时间推移不断累积。

华尔街分析师则持更为审慎的看法。摩根士丹利的研究团队指出，尽管当前需求趋势为AI基础设施支出提供了正当理由，但投资节奏却带来了显著的执行风险。同时在建的数据中心数量庞大，导致从GPU供应、施工劳动力到电力网络连接等环节均出现瓶颈，任何一项问题都可能延误项目进度，并进一步推迟回报时间。

纽约大学教授Scott Galloway等怀疑论者则明确将其与以往的技术投资周期相比较，警告称，快速攀升的资本支出后短期内回报不佳的模式，正是过度投资的经典标志。尽管承认人工智能最终将带来变革，但这些批评者认为，行业可能在两年内就建设出五年级的基础设施能力，导致产能过剩，从而对利润率和估值造成压力。

竞争影响：赢家、输家与新兴AI格局  

人工智能基础设施支出的军备竞赛正在重塑科技行业的竞争格局。最直接的影响是大型超大规模云服务商的护城河不断被扩大：如今，要在人工智能基础设施领域实现规模化竞争所需的资金投入已极为庞大，使得中小型云服务提供商和企业级技术公司面临日益严峻的竞争环境。

Oracle作为第四大公有云服务提供商，即便根据2026年2月TechCrunch的一份报告预测到2026年将在人工智能基础设施上投入500亿美元，仍难以匹敌前三巨头的资本支出承诺。尽管Oracle云基础设施（OCI）在人工智能工作负载方面已获得关注——尤其是通过与OpenAI的合作——但其总体资本支出仍远低于亚马逊、谷歌和微软的投入水平。这种差距在GPU采购（存在大量折扣）、数据中心容量（地理覆盖至关重要）以及客户关系（企业日益倾向于集中使用单一云服务提供商）方面，造成了结构性劣势。

NVIDIA在2026年GTC大会上关于Rubin GPU架构的发布，凸显了当前供应链的动态变化。NVIDIA能够将GPU供应分配给其最大客户，为超大型云计算服务商创造了自我强化的优势，使其能够承诺更大的采购量。而小型买家则面临更长的等待时间、更高的价格以及更不理想的售后支持条款，进一步使人工智能基础设施市场集中于高消费者手中。

竞争影响不仅限于云基础设施，还延伸至更广泛的enterprise技术市场。Salesforce、SAP和ServiceNow等公司正利用超大规模云计算基础设施，将人工智能能力嵌入其产品中，从而形成对云服务提供商有利的依赖关系。随着人工智能成为企业软件的核心组成部分，提供底层计算能力的超大规模供应商得以在整体企业技术价值链中占据越来越大的份额。

与此同时，字节跳动在马来西亚采购36,000颗NVIDIA B200芯片的交易，表明人工智能基础设施的竞争已超越西方超大规模厂商的范围。受美国对先进AI芯片出口管制的限制，中国科技企业正在寻求创新策略，以在中国境外建设人工智能基础设施。这些国际部署为竞争格局增添了新的维度，因为人工智能基础设施投资与地缘政治考量日益交织在一起。

对企业云成本的下游影响  

对于企业技术领导者而言，超大规模厂商在人工智能基础设施上的支出激增既带来了机遇，也带来了挑战。从机遇角度来看，人工智能计算能力的大幅扩张最终将推动AI服务的更广泛可用性和更具竞争力的价格。随着超大规模云服务商部署更多推理基础设施，运行云端AI工作负载的成本预计将持续下降，使更多组织能够接触AI技术。

然而，短期内的情况更为复杂。目前，AI工作负载的云上定价仍远高于传统云服务的每计算单位成本，而财务运营（FinOps）团队正面临管理AI驱动的云成本上涨的挑战。许多企业发现，其用于AI实验的预算已显著增加，但业务运营效率并未相应提升。因此，如何控制云成本成为一大难题。

向混合和多云AI基础设施策略的转变正在加速。企业越来越多地采用公有云AI服务、本地推理硬件以及边缘计算资源，以优化不同AI工作负载的成本与性能之间的平衡。这一趋势为戴尔、HPE和Supermicro等提供私有数据中心部署AI兼容服务器硬件的企业创造了机遇。

接下来值得关注的内容：2026年以后的人工智能基础设施展望  

2026年以后，大型科技企业对人工智能基础设施的支出趋势将取决于若干仍在演化的关键因素。对于投资者、企业技术领导者以及正在经历数十年来最重要技术投资周期的政策制定者而言，理解这些动态至关重要。

首先，收入拐点问题。核心问题是，企业对人工智能的采用是否能快速加速，以证明所建设的基础设施具有价值。云服务提供商需要证明其AI服务不仅能带来收入增长，还能实现规模化盈利增长。企业从AI实验阶段向实际生产部署的过渡，将成为关键先行指标。如果采用时间表超出预期，产能过剩的风险将更加现实。

其次，定制化芯片的发展趋势。目前四大超大规模云计算厂商正大力投资于定制化AI芯片，作为NVIDIA GPU的替代方案。这些项目的成功或失败将对英伟达的定价能力、人工智能基础设施的总体成本以及云服务提供商之间的竞争格局产生巨大影响。如果定制芯片能够兑现其性能和成本承诺，它们可能加速人工智能计算成本的下降，并使巨额资本支出投资更加可持续。如果表现不佳，英伟达的主导地位及其定价能力反而会进一步增强。

第三，能源与监管限制。数据中心扩建在电力方面的电网限制是现实且不断加剧的。监管机构对数据中心能耗的限制，尤其是在电网容量有限或气候目标雄心勃勃的地区，可能会减缓建设进度并推高成本。超大规模企业所选择的能源策略——如核能、可再生能源或天然气——将在未来多年内深刻影响人工智能基础设施的经济性与公众认知。

第四，开源AI的发展趋势。Meta的Llama模型及其他开源替代方案，正在无需依赖超大规模企业级基础设施的情况下，提供强大的人工智能能力。如果开源模型持续缩小与专有系统之间的性能差距，企业可能会转向自托管的AI部署，以减少对超大规模云厂商基础设施的依赖。这并不会消除对AI基础设施投资的需求，但可能改变基础设施的建设地点以及经济价值的归属方。

第五，地缘政治碎片化。美国与中国在人工智能芯片出口问题上的持续紧张关系，加上欧洲对数据主权的要求，以及印度、巴西等市场新兴的AI监管政策，正在导致全球AI基础设施格局出现碎片化。超大规模云厂商在构建全球分布式基础设施时，必须应对这些复杂局面，从而增加其扩张计划的成本和复杂性。

2026年科技行业面临的7000亿美元问题，并非AI是否会带来变革——这一争论已基本定论。问题是，基础设施投资的节奏和规模是否得到了恰当的调控，还是行业在需求之前先行布局，导致未来数年产能过剩、利润空间被压缩，而人工智能的全部经济潜力尚未真正释放。答案将决定科技行业的财务走向，影响其未来十年的发展方向。

2026年4月更新：四大科技巨头AI资本支出合计接近7000亿美元  

据AOL报道，这四家超大规模云计算公司的2026年资本支出计划全年持续攀升，数字令人震惊。亚马逊此前在春季预测为2000亿美元，今年8月将其目标上调至2200亿美元（较2025年的1318亿美元增长），主要用于AWS的人工智能基础设施。谷歌母公司Alphabet在同一时期将指引从1750亿至1850亿美元上调至1950亿至2050亿美元，而Meta则缩小并上调了全年目标，从此前的1250亿至1450亿美元区间提升至1300亿至1450亿美元。微软的季度支出为375亿美元，预计2026财年总支出将达到1200亿美元或更高。 

这四家公司今年在人工智能基础设施上的总投资额将达到6300亿至7000亿美元，这一数字相当于瑞典全国GDP的水平。巨额支出也引发了一项次要危机：分析师预测，由于资本支出远超人工智能产品带来的收入增长，科技巨头的自由现金流在2026年可能下降高达90%。微软的Azure业务backlog已达800亿美元，但因电力限制，公司难以满足订单需求。 

原文链接：

https://tech-insider.org/big-tech-ai-infrastructure-spending-2026/

< 长按识别二维码添加好友 >

加入上述群聊

长按并关注

带你走进万物存储、万物智能、

万物互联信息革命新时代

微信号：SSDFans