高盛算了一笔AI账：万亿资本开支之后，要赚多少钱才能回本？

TL;DR

· AI Trade 正从“拼 Capex”进入“看回报”的阶段，收入和现金流开始比投入规模更重要。

· AI Capex 还没见顶，但最快的增长阶段正在过去，2027 年之后增速将明显放缓。

· 3000 亿美元只是科技巨头的年收入“回本线”，要获得合理回报，需要的收入更高。

· 真正的压力在应用层：当前投资规模最终需要万亿美元级 AI 应用收入来支撑。

· 下一阶段 AI Trade 的核心，是谁能把算力需求真正转化为收入和现金流。

过去两年，AI Trade 最清晰的一条主线是资本开支。

Amazon、Google、Meta、Microsoft、Oracle 等科技巨头不断增加数据中心和算力基础设施投入，资金沿着产业链流向 GPU、存储、光通信、电力和液冷，AI Infrastructure 也因此成为美股最重要的交易方向之一。

注：下文提到的Hyperscaler主要指上述科技巨头，也就是拥有巨型数据中心、云计算平台，并且每年投入巨额资本建设 AI 算力基础设施的公司。

但当这场建设周期迈向万亿美元级别，市场需要回答的问题正在发生变化。

高盛在最新一期 US Equity Views 中提出了三个核心问题：AI Capex 还能增长多久？这些投入需要创造多少收入，才能获得合理回报？当前 AI 股票又已经计入了多少未来增长？

高盛并不认为 AI 投资周期即将结束。相反，资本开支仍将继续增长。真正的变化在于，Capex 增长最快、市场不断上调预期的阶段可能正在过去，下一阶段的关键将是这些投入能否转化为足够的收入和现金流。

万亿美元 Capex 还在扩张，但最快的阶段正在过去

按照目前市场一致预期，美国大型科技巨头2026 年资本开支约为 8060 亿美元，同比增长接近 96%；2027 年将进一步升至约 1.1 万亿美元。

仅从今年二季度财报季开始以来，市场对 2027 年 Capex 的一致预期就已经上调约 1750 亿美元。算力供应仍然紧张，云厂商手中还有庞大的订单储备，这些因素继续支撑科技巨头扩大投资。

高盛的预测甚至高于市场共识：Hyperscaler Capex 将在 2027 年达到约 1.2 万亿美元，2028 年达到 1.4 万亿美元，分别比目前市场一致预期高约 1300 亿和 1000 亿美元。

但相比绝对规模，更重要的是增速。

高盛预计，Hyperscaler Capex 增速将从 2026 年接近 100%，降至 2027 年的 54%，2028 年进一步降至 12%。换句话说，AI Capex 尚未见顶，但正在从爆发式扩张逐渐进入增速正常化阶段。

左图展示 Hyperscaler Capex 从 2023 年的 1540 亿美元扩张至万亿美元以上；右图显示，2026、2027 年 Capex 一致预期今年以来仍在持续上修。

与此同时，制约 Capex 继续高速增长的因素也开始增加。

科技巨头 的资本开支目前已经超过经营现金流，意味着进一步扩张将越来越依赖债务和股权融资。高盛认为，大型科技公司的资产负债表目前仍然健康，真正可能限制投资速度的，是融资市场容量，以及电力、内存、劳动力和数据中心建设等现实瓶颈。

这对 AI 基础设施公司的含义是：Capex 仍能支撑盈利，但随着投资增速下降，EPS 持续大幅上修的空间可能开始收窄。

AI Infrastructure 接下来要回答的，也就不再只是“还有没有投资”，而是投资增速放缓之后，当前盈利能否持续。

3000亿美元只是「回本线」，应用层还要迈过1万亿美元

当资本开支进入万亿美元时代，一个更直接的问题随之出现：科技巨头究竟需要赚多少钱，才能覆盖这笔投入？

按照 2026—2027 年平均年度 AI Capex 测算，高盛估计，包括 Amazon、Google、Meta、Microsoft、Oracle 等公司在内的 科技巨头，未来几年每年大约需要创造 3000 亿美元 AI 收入，才能覆盖折旧和相关运营费用，实现基本意义上的盈亏平衡。

如果要求的不只是回本，而是获得正常的资本回报，收入门槛还会继续提高。

高盛的敏感性分析显示，在 0% ROIC，即仅实现盈亏平衡的情况下，所需年度 AI 收入约为 3080 亿美元；如果要求 10%的 ROIC（Return on Invested Capital，投入资本回报率），这一数字升至 4170 亿美元；20%对应约 5260 亿美元；30%则达到约 6360 亿美元。

换句话说，3000 亿美元并不是一个乐观情景，而更接近这轮 AI 投资的最低经济门槛。

目前科技巨头的 AI 收入仍低于这一水平，但收入端已经开始追赶。

Amazon、Google、Microsoft 和 Oracle 的云业务同比增速已经从 2024 年约 25%加速至 2026 年第二季度的 48%。如果以 2024 年增长趋势作为基准，高盛估算，今年二季度云业务年化收入已经高出原有趋势约 670 亿美元。

与此同时，Amazon、Google 和 Microsoft 公布的云业务 Revenue Backlog（已签约但尚未确认的未来收入）合计已经达到约 1.7 万亿美元。

左图显示四大云厂商收入相对原有增长趋势明显加速；右图显示 Amazon、Google 和 Microsoft 的云业务 Backlog 已接近 1.7 万亿美元。

这些数据说明 AI 需求仍在快速增长，但距离证明当前 Capex 能够获得足够回报，还有一段距离。真正需要验证的，是收入能否持续追赶由资本开支形成的成本基数。

而且，3000 亿美元还只是科技巨头自己的账。

云厂商最终需要将算力卖给模型公司和 AI 应用，而这些企业除了支付 Compute 成本，还要承担研发、人力、销售等费用，并留下足够利润。这意味着 Application Layer（应用层）需要创造的终端收入，要远高于云厂商本身的回本线。

高盛进一步测算，如果应用层企业维持约 30%的 EBIT Margin（息税前利润率），同时科技巨头获得 10%—20%的 ROIC，应用层所需年度收入大约在 9250 亿至 1.3 万亿美元之间。

因此，所谓“1 万亿美元”，并不是高盛对未来 AI 应用收入的预测，而是在特定利润率和资本回报假设下，为当前 AI 投资规模提供经济合理性所对应的收入量级。

不同 Hyperscaler ROIC 和 Application EBIT Margin 假设下，应用层对应的年度收入门槛。

作为参照，2026 年全球广告和软件支出规模分别约为 1.5 万亿美元。高盛经济学家同时估算，AI 最终可能为美国带来约 1.8 万亿美元/年能够归属于资本的劳动生产率收益。

从经济总量看，万亿美元级 AI 收入并非完全不可想象。真正的问题在于：AI 创造的经济价值，并不等于 AI 公司能够捕获的收入。

生产率提升可能流向消费者、传统企业和其他产业链参与者，不会全部转化为云厂商、模型公司和应用公司的收入。因此，“AI 能创造巨大经济价值”和“当前 Capex 能获得足够投资回报”，实际上是两个不同的问题。

Capex 降速之后，AI Trade 开始重新定价

如果万亿美元 Capex 最终需要如此庞大的收入支撑，下一个问题就是：当前 AI 股票究竟已经 Price In 了多少增长？

高盛发现，AI Infrastructure 的估值实际上已经明显收缩。该板块远期 P/E 中位数已经从 2026 年 4 月约 32 倍降至目前约 22 倍。

更重要的是，基础设施内部已经不再是统一定价。

光通信、电网和液冷等板块包含的盈利持续性预期仍然较高，而半导体、公用事业和 Memory 的市场定价相对保守。市场开始区分的，是哪些公司的盈利能够穿越 Capex 增速下行，哪些公司的高利润更多来自投资周期最强阶段。

Memory 是一个典型例子。目前存储股两年 Forward P/E 约为 4 倍，只有过去 15 年平均水平的一半；但与此同时，Memory 企业当前约 80%的毛利率也超过历史平均水平两倍。高盛测算，如果要让当前 P/E 回到长期平均水平，未来几年 Memory 企业盈利需要下降约 50%。

相比之下，高盛认为 Fabless（无晶圆厂）芯片股更具吸引力。其利润率虽然同样高于历史水平，但偏离程度较低；高盛测算，Fabless 企业未来盈利大约下降 10%，估值即可回到历史平均水平。

这意味着 AI Infrastructure 的交易逻辑正在发生变化：过去寻找的是谁最受益于 Capex 上升，接下来要判断的是谁的盈利最能持续。

这种变化也让此前被 Capex 拖累的科技巨头出现另一种可能。

过去市场担心 Microsoft、Amazon、Google、Meta 等公司不断增加 AI 投资，侵蚀自由现金流，而投资回报仍不确定。但随着 AI 收入增长、Capex 增速逐渐下降，这一逻辑可能开始反转。

目前科技巨头的 Forward P/E 已降至过去 10 年最低水平，相对标普 500 中位数的估值溢价只剩约 4 个 P/E 倍数。如果未来收入继续加速，而 Capex 增速下降，自由现金流就可能逐步改善。

过去两年市场主要交易的是：Capex ↑ → AI Infrastructure Earnings ↑

下一阶段需要验证的则是：AI Revenue ↑ + Capex Growth ↓ → Hyperscaler FCF ↑

Hyperscaler Forward P/E 已降至十年来低位，与标普 500 中位数之间的估值溢价明显收窄。

这并不是已经兑现的结果，而是随着资本开支周期进入下一阶段，市场可能开始交易的新逻辑。

AI 下一阶段的问题：谁能真正把算力变成收入？

再往后，高盛认为，AI Trade 将逐渐从 **Infrastructure Build-out（基础设施建设）**走向 Application Roll-out（应用落地）。

但应用层不会像过去两年的基础设施行情一样简单。

科技巨头 提高 Capex 时，GPU、网络、电力和数据中心能够获得相对明确的需求增量；到了应用层，企业能否受益，则取决于产品采用、定价能力、成本结构，以及 AI 是否改变原有商业模式，个股分化可能因此更加明显。

目前，软件行业并没有出现此前市场担心的全面 AI 冲击。高盛覆盖的软件公司中，年度经常性收入（ARR）增速近期反而略有加快，其中 IT Infrastructure 和 Cybersecurity 表现最强，Enterprise Management Software 相对落后。

AI Agent 则可能带来另一种影响。高盛构建了一个 Consumer Inertia（消费者惰性）股票篮子，包括保险、电信、旅游、订阅、Marketplace 和 Fintech 等行业。这类公司的部分用户粘性来自消费者更换服务所需的时间和操作成本。如果 Agent 能够自动搜索、比价甚至执行交易，这种摩擦理论上可能下降。

自 9 月中旬以来，该篮子已经跑输行业中性对冲组合约 5 个百分点。不过，这只能说明市场开始交易这一潜在风险，并不能证明相关商业模式已经受到实质性冲击。

最终，验证这轮 AI 投资周期的关键仍然要回到企业收入。

美国人口普查局调查显示，约 40%的美国大型企业已经在商品和服务生产中使用 AI；高盛对二季度财报电话会的分析则显示，大约一半标普 500 公司已经谈到 AI 在生产率方面的应用，但真正能够量化生产率提升的企业仍然很少。

标普 500 隐含长期增长预期约为 12%，高于历史平均水平，但仍低于互联网泡沫时期约 16%的峰值。

与此同时，高盛认为，当前美股并没有计入极端的长期生产率增长预期。其测算显示，市场隐含的标普 500 长期 EPS 增长预期仅略高于历史平均水平，与互联网泡沫时期仍有明显差距。

因此，下一阶段真正需要观察的，不再只是科技巨头某个季度又增加了多少 Capex，而是三个更直接的指标：AI 收入能否继续追赶资本开支，Capex 增速下降后科技巨头的自由现金流能否改善，以及应用层能否产生足够大的真实收入，将 AI 的生产率价值转化为企业利润。

过去两年，AI Trade 回答的是谁能拿到更多资本开支。万亿美元投入之后，问题开始变成：谁能真正把算力变成现金流。