生成式AI带来的硬体资本支出爆发
过去谈云端资本支出（CapEx），市场多半把它理解成资料中心的例行扩容；生成式AI出现后，CapEx 的语气变了——它更像一场争夺算力与电力的军备竞赛。Bridgewater 估算，Alphabet、Amazon、Meta、Microsoft 等巨头在 AI 基础设施上的投入，2026 年可能合计达 约 6,500 亿美元，高于 2025 年的 约 4,100 亿美元。([Reuters][1]) 这不是「多买几台伺服器」的量级，而是把公司从轻资产云服务商推向更重资产的基建型企业：更高的折旧、更长的回收期、更明显的自由现金流压力，与更敏感的投资人问责。
单家公司层面也能看到同样的斜率。Reuters 报导，Alphabet 对 2026 年的资本支出指引为 1,750 亿到 1,850 亿美元，市场第一反应不是鼓掌，而是担心「花得太快、回得太慢」。([Reuters][2]) Amazon 方面，Reuters 提到其 2026 年资本支出预算规模达 2,000 亿美元，亦显著高于 2025 年的 1,310 亿美元。([Reuters][3]) 这些数字放在同一张图上，你会理解为什么投资人一边说「AI 是未来」，一边开始紧张：当 CapEx 变成常态性的巨额支出，它就不再只是成长故事的配角，而是估值的主角。
ROI模型：回报不是「会不会来」，而是「多久才来、以什么形式来」
硬体投资的回报周期，决定了云端AI叙事能不能穿越景气循环。若把 ROI 拆成最粗的模型：（单位算力可计费收入 × 利用率 × 毛利），能否在折旧期内覆盖 （CapEx + 电力与运维Opex + 融资成本），就是核心。问题在于，生成式AI的收入端往往「先小后大」，而成本端是「先大后更大」：前期需要先把训练集群与高速网路铺好，客户的付费行为才会逐步形成稳定曲线。
更现实的约束在折旧。研究资料中心专案融资的报告指出，业界普遍认为 GPU 的经济折旧大约 3 到 4 年，但不同公司在会计折旧上可能拉到更长（例如有公司以 6 年折旧，也有以 4 年折旧）。([Center for Public Enterprise][4]) 这代表「回本窗口」其实被硬体更新速度锁死：若 3–4 年内利用率拉不起来、单位算力售价被竞争压下去，或电力与冷却成本高于预期，资产就可能在帐面回收之前先被技术迭代淘汰。于是你会看到云端商在同一时间做两件看似矛盾的事：一方面加速投资，另一方面拚命把需求导向「推理（inference）常态化」与「企业长约」，因为只有稳定、可预测的推理用量，才能把利用率与现金流曲线固定下来。
宏观层面也反映了这种「先投入、后回收」的特征。Bridgewater 在其研究中估算，AI CapEx 对美国 GDP 的贡献可能在 2026 年带来约 140 个基点（1.4 个百分点）的增量、2027 年约 150 个基点。([Bridgewater][5]) 这一方面说明投资规模之大已能影响总体数据；另一方面也提醒：GDP 被投资拉高不等于股东回报立刻到位，因为投资的收益要经过商业化、定价、竞争与折旧这四道关卡。
回报周期的最大风险：不是「没有需求」，而是「收益被分走」
市场最怕的，其实不是算力没有需求——目前看需求依旧强；最怕的是需求很旺，但回报被切得太碎。当四大云厂与更多「算力中间商」同时扩张，单位算力的售价终究会被竞争拉下来；而电力、土地、设备、人才的供给瓶颈又把成本托住。于是「回报周期」的焦点就变成：云端商能否用差异化能力守住毛利，例如自研晶片、网路堆叠、软硬整合与企业级安全合规；模型公司能否用产品化与分层定价，把推理需求沉淀成可续的收入；企业客户能否真正把生成式AI嵌入流程，让付费变成刚性预算，而不是试用费。
这也是为什么近来市场一边追捧硬体与算力链条，一边开始对「云端超额投资」变得敏感：CapEx 爆发本身不是利多或利空，它只是把问题提前摊开——生成式AI的回报不是不存在，而是需要时间；而时间，正好是资本市场最昂贵的成本。要让这一轮投资穿越折旧周期，云端厂商接下来比的不是谁砸得最多，而是谁能更快把「算力」变成「可计费、可续约、可解释的生意」。
义合控股投资者关系部
(芯片与算力系列之35)
$YEE HOP HLDGS(01662)$ $SMIC(00981)$ $NVIDIA(NVDA)$ $Broadcom(AVGO)$
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
