结论：AI 基础设施投资进入”万亿美元级”竞赛
WTS（Wall Street Technology Services）最新报告再次上调了对五大超大规模科技公司（Amazon、Alphabet、Meta、Microsoft、Apple）的 AI 资本开支预测：
- 2026 年：8050 亿美元
- 2027 年：1.1 万亿美元
为了理解这个数字的量级：仅 2026 年的 AI 资本开支，就约等于 2025 年标普 500 所有非科技公司资本开支的总和。AI 已经从科技行业的投资主题，变成了整个经济的投资重心。
数字对比：AI 投资的指数级增长
| 年份 | 五大厂 AI CapEx | 同比增长 | 关键驱动 |
|---|---|---|---|
| 2024 | ~$2,000 亿 | 基准 | 初始 AI 基础设施 |
| 2025 | ~$4,100 亿 | +105% | 训练集群扩展 |
| 2026E | ~$8,050 亿 | +96% | 推理 + 训练双驱动 |
| 2027E | ~$11,000 亿 | +37% | 规模化推理部署 |
关键趋势：
- 增速仍然惊人：2025 到 2026 年接近翻倍，但 2027 年增速放缓至 37%
- 拐点信号：37% 的增速虽然仍然很高，但意味着投资高峰期可能正在接近
- 推理占比上升：从”买 GPU 训练模型”到”建推理基础设施”的转变
单家拆解：谁在领跑？
根据 Q1 财报和前瞻指引的推算：
| 公司 | 2026E CapEx | Q1 实际 | 核心投向 | 战略逻辑 |
|---|---|---|---|---|
| Meta | ~$2,250 亿 | ~$300 亿 | Llama 开源生态 + 算力 | 开源 AI 标准制定 |
| 微软 | ~$1,900 亿 | ~$380 亿 | Azure AI + OpenAI | 云端 AI 平台 |
| 谷歌 | ~$1,600 亿 | ~$320 亿 | TPU + 数据中心 | 自有芯片 + 自有云 |
| 亚马逊 | ~$1,500 亿 | ~$300 亿 | AWS AI 服务 | 生态 + 投资双线 |
| Apple | ~$800 亿 | ~$100 亿 | 端侧 AI + 芯片 | 设备差异化 |
Meta 的预算最高，反映了其在开源 AI 领域的全面押注——不仅是模型训练，还包括推动整个 Llama 生态的基础设施建设。
摩根士丹利的”Shock”警告
与 WTS 的资本开支上调同步，摩根士丹利近期向其客户发出警告：AI 实验室高管告诉投资者，要准备迎接将”震惊”他们的能力突破。
结合资本开支数据，这个警告的逻辑链条是：
- 8050 亿美元的投入 → 算力大幅扩展
- 算力扩展 → 更大规模训练和推理
- 更大规模 → 能力跃迁
- 能力跃迁 → 商业模式的根本改变
摩根士丹利的措辞值得关注——不是”渐进改进”，而是”shock”。这意味着他们预期的不是 10-20% 的性能提升，而是可能改变行业格局的能力突破。
投资逻辑的三个阶段
基于资本开支数据，AI 投资可以划分为三个阶段：
阶段 1：算力建设期（2023-2025）✅ 基本完成
- GPU 采购、数据中心建设
- 核心驱动：训练大模型
- 主要赢家：NVIDIA、台积电、云厂商
阶段 2：推理部署期（2025-2027）🔄 进行中
- 推理优化、边缘部署
- 核心驱动：AI 应用规模化
- 主要赢家：推理优化公司、AI 应用平台
阶段 3：应用爆发期（2026-2028）🚀 即将开始
- Agent 经济、AI 原生应用
- 核心驱动：AI 创造直接收入
- 主要赢家：AI 原生应用公司
我们正处于阶段 2 的中段。这意味着：
- 算力投资从”买 GPU”转向”优化推理效率”
- 训练成本开始下降，推理成本成为核心竞争点
- AI 应用层即将迎来真正的爆发
风险与警告
- 投资回报不确定：8050 亿美元的投入需要产生对应的收入增长，目前 AI 直接收入仍远低于投入
- 估值泡沫风险：部分 AI 相关公司的估值已经定价了过于乐观的增长预期
- 监管不确定性：欧盟 AI Act 等法规可能增加合规成本
- 技术路线风险：如果下一代模型架构颠覆当前范式，部分基础设施投资可能贬值
行动建议
- 基础设施投资者：关注推理优化、边缘计算、AI 安全等下一阶段受益方向
- 创业者：在巨头投入基础设施的同时，聚焦应用层创新
- 企业决策者：评估自建 AI 基础设施 vs 使用云服务的成本效益
- 个人投资者：注意 AI 板块的估值风险，关注有实际收入的公司
8050 亿不是终点，而是 AI 成为经济基础设施的起点。但聪明的投资者已经开始从”谁投得多”转向”谁投得有效”。