科技巨頭 AI 資本支出合計飆升至 6,350 億美元：2026 年軍備競賽的理性與瘋狂

2026 年 2 月，隨着四大科技巨頭相繼公布最新的資本支出計劃，一個令人瞠目結舌的數字浮出水面：Amazon、Alphabet、Microsoft 和 Meta 在本年度的 AI 相關資本支出合計將達到 6,350 至 6,650 億美元。這個數字較 2025 年約 3,800 億美元的合計支出暴增了約 67%，而且幾乎每一家公司都在加碼，沒有任何一家選擇減速。

更驚人的是，這還僅僅是四家公司的數字。根據 IEEE Spectrum 的預測，2026 年全球 AI 相關支出將達到 7,000 億美元——這意味着僅這四家美國科技巨頭就佔據了全球 AI 投資的九成以上。我們正在目睹人類歷史上最集中、最大規模的技術基礎設施投資潮。問題是：這一切值得嗎？

四大巨頭的支出全景：各懷壯志，殊途同歸

在深入分析之前，讓我們先釐清每家公司的具體投入規模和戰略重心。

Amazon：2,000 億美元的豪賭與市場的不安

Amazon 的 2,000 億美元資本支出計劃是四家公司中最高的，也是引發市場反應最劇烈的。在公司宣布這一數字的當天，股價即下挫 8%——投資者用腳投票，表達了對如此龐大支出的擔憂。市場的恐慌並非空穴來風：根據分析師的預測，Amazon 2026 年的自由現金流將出現 170 至 280 億美元的負值。換言之，即使以 Amazon 的規模和盈利能力，這樣的投資強度也已經觸及了財務邊界。

Amazon 的投資重心在於其自研 AI 晶片 Trainium 系列。據悉，最新一代的 Trainium3 已經接近售罄狀態，而下一代 Trainium4 也已進入研發階段。Amazon 選擇自研晶片的戰略邏輯很清晰：在 NVIDIA GPU 供不應求且價格高企的情況下，擁有自研替代方案不僅能降低成本，更能確保 AWS 的 AI 服務不會因為晶片供應鏈的瓶頸而受制於人。然而，晶片設計和製造的複雜性意味着這是一場長達數年的高風險投注。

Alphabet：1,750-1,850 億美元與 Gemini 的算力胃口

Alphabet 的支出計劃同樣驚人，1,750 至 1,850 億美元的投入幾乎全部指向 AI 基礎設施。Alphabet 的核心驅動力來自 Gemini 模型家族對算力的無底洞式需求。隨着 Gemini 在搜索、廣告、雲服務和消費者產品中的全面鋪開，支撐這些服務所需的推理算力正在以指數級增長。

值得注意的是，Alphabet 正在為 5 月 19 至 20 日的 Google I/O 大會積極籌備。業內普遍預期，這次大會將成為 Gemini 生態系統的重要里程碑——屆時新一代模型和更多 AI 原生產品的發布，將進一步推高對基礎設施的需求。Alphabet 的策略是「先建好高速公路，再讓車流填滿它」——這種前瞻性投資的邏輯在科技行業並不罕見，但規模之大前所未有。

Microsoft：1,450 億美元的 Azure AI 擴張

Microsoft 的約 1,450 億美元支出計劃雖然在四家中排名第三，但考慮到其作為 OpenAI 最大投資者和算力提供者的角色，這筆投資的戰略意義不容小覷。Azure AI 正在成為全球企業 AI 部署的首選平台之一，而 Microsoft 需要確保其數據中心網絡能夠跟上企業客戶爆發式增長的 AI 需求。

Microsoft 的獨特之處在於，它同時面對着自身 Copilot 產品線和 OpenAI API 服務兩條戰線的算力需求。這種「雙重壓力」使得 Microsoft 在基礎設施投資上幾乎沒有退縮的餘地——放慢投資意味着同時在企業 AI 市場和大模型託管市場失去競爭力。

Meta：1,150-1,350 億美元與 Hyperion 超級站點

Meta 的支出計劃中最引人注目的是其基礎設施佈局的規模。Mark Zuckerberg 宣布公司將在全球運營 30 座數據中心，其中 26 座位於美國。更令人矚目的是位於路易斯安那州的 Hyperion 超級站點——這座規劃電力容量達 5 吉瓦的設施，一旦建成將成為全球最大的單一數據中心園區之一。作為參考，5 吉瓦大約相當於五座大型核電站的輸出功率，足以為一座數百萬人口的城市供電。

Meta 更進一步宣布，計劃到 2028 年在美國的基礎設施總投入達到 6,000 億美元。這個數字幾乎等同於一些中型經濟體的全年 GDP。Zuckerberg 的賭注是：AI 將從根本上重塑社交媒體、廣告、虛擬現實和消費者體驗的每一個層面，而擁有足夠的算力是實現這一願景的前提條件。

Apple：軍備競賽中的「異類」

在這場狂熱的支出競賽中，有一家公司的缺席格外引人注目——Apple。作為全球市值最高的科技公司之一，Apple 並未加入這場資本支出的軍備競賽。它沒有宣布數百億美元的數據中心建設計劃，也沒有公布自研 AI 訓練晶片的路線圖。

這種克制在市場中產生了一個有趣的效應：當其他科技巨頭的股價因巨額支出計劃而承壓時，Apple 反而被部分投資者視為「安全港」。在一個所有人都在瘋狂燒錢的環境中，不燒錢本身就成了一種差異化優勢。

當然，Apple 的策略也有其風險。如果 AI 確實成為下一個十年的核心技術平台，那麼在基礎設施上的保守可能導致 Apple 在 AI 能力上逐漸落後。但反過來，如果這場軍備競賽最終證明是過度投資，Apple 的財務紀律將使其處於更有利的位置。市場對 Apple 的分歧判斷，恰恰反映了人們對整個 AI 投資浪潮的根本分歧。

67% 的增長率意味着甚麼？

從 2025 年約 3,800 億美元到 2026 年的 6,350-6,650 億美元，67% 的年增長率在任何行業都是驚人的。但如果放在歷史脈絡中審視，這個數字的含義更加深刻。

首先是規模的絕對值。6,350 億美元超過了瑞典的全年 GDP，接近台灣的經濟總量。僅四家私人企業在一年內的基礎設施投資就達到這個水平，這在人類經濟史上沒有先例。即使在二戰期間的軍工動員或冷戰時期的太空競賽中，單一行業的投資集中度也很難與之相比。

其次是增長的持續性。這不是一個一次性的跳躍——2024 年到 2025 年的增長率同樣令人瞠目，而業界普遍預期 2027 年的支出還會進一步攀升。Meta 的 2028 年 6,000 億美元美國基礎設施投資目標就是一個信號。我們正在見證的不是一次性的投資高峰，而是一個持續加速的趨勢。

互聯網泡沫的幽靈：歷史會重演嗎？

每當科技行業出現大規模投資潮時，「互聯網泡沫」這四個字就會不可避免地被提起。2000 年前後，電信公司和互聯網企業投入了數千億美元鋪設光纖網絡和建設數據中心，最終許多公司在泡沫破裂後破產，大量基礎設施被以十分之一甚至百分之一的價格賤賣。

當前的 AI 支出潮與互聯網泡沫確實存在令人不安的相似之處。第一，投資規模遠超當前可見的營收回報。即使是最樂觀的分析師，也很難論證 6,350 億美元的年度投入能在短期內產生匹配的回報。Amazon 預期的負自由現金流就是一個警示信號。第二，存在「囚徒困境」式的競爭動態——每家公司都知道集體過度投資的風險，但沒有人敢率先減速，因為在 AI 能力上落後的後果可能是致命的。第三，對「未來需求」的樂觀預期驅動了大部分投資決策，而歷史一再證明，技術的商業化進程往往比技術本身的發展慢得多。

然而，簡單地將當前局面等同於互聯網泡沫是危險的過度簡化。兩者之間存在幾個關鍵差異。

「互聯網泡沫時期，投資者押注的是尚未被驗證的商業模式。今天，AI 的商業價值已經在搜索、廣告、雲服務和企業軟件中得到了初步驗證。問題不是 AI 有沒有價值，而是當前的投資規模是否與價值相稱。」

首先，進行投資的主體不同。互聯網泡沫時期，許多投資來自缺乏盈利能力的初創公司和過度借貸的電信運營商。而當前的 AI 投資主要來自全球最具盈利能力的企業——它們擁有龐大的現金流、穩固的核心業務和強大的融資能力。即使 AI 投資的回報不及預期，這些公司也不太可能像 Pets.com 或 WorldCom 那樣轟然倒塌。

其次，AI 的商業化進程比早期互聯網更為明確。Google 已經將 AI 深度整合到搜索廣告中，Microsoft 的 Copilot 正在為 Office 365 帶來新的訂閱收入，Amazon 的 AWS AI 服務正在高速增長。儘管這些收入還遠不足以覆蓋投資成本，但至少商業模式的框架已經成型。

第三，基礎設施的通用性更強。即使某些 AI 應用未能實現預期，數據中心和算力基礎設施本身仍然具有巨大的用途——它們可以被重新配置用於雲計算、大數據分析、科學研究等其他領域。互聯網泡沫時期鋪設的大量暗光纖最終也確實在後來的寬帶時代發揮了價值，但等待的時間遠超投資者的耐心。

可持續性的三重考驗

這場投資狂潮能否持續下去，取決於三個關鍵變量。

第一：營收增長能否跟上投資節奏？

目前，四大巨頭的 AI 相關營收增長確實強勁，但與資本支出的增速相比仍存在顯著差距。以 Amazon 為例，即使 AWS 的 AI 服務收入同比增長超過 50%，2,000 億美元的資本支出仍然使自由現金流陷入深度負值區間。問題在於：投資者願意忍受多長時間的現金消耗？ Amazon 股價宣布後即跌 8% 已經給出了初步答案——耐心是有限的。

第二：技術進步能否降低單位算力成本？

如果每一代晶片的能效都在大幅提升（NVIDIA 的 Blackwell Ultra 相比上一代能效提升了約 40%，Amazon 的 Trainium 系列同樣在快速迭代），那麼相同的計算需求所需的投資可能會逐步降低。但現實是，AI 模型的規模和複雜度也在飛速增長，往往吞噬了硬件效率的所有改進。這是一場永無止境的紅皇后賽跑。

第三：宏觀經濟環境能否支撐？

6,350 億美元的年度投資不是在真空中進行的。如果全球經濟陷入衰退、利率保持高位、或者地緣政治衝突打斷供應鏈，這些宏偉的投資計劃可能被迫大幅削減。歷史上，科技行業的投資周期與宏觀經濟周期高度關聯——2001 年和 2008 年的經濟衰退都導致了科技投資的急劇收縮。

對全球經濟的連鎖效應

規模如此龐大的投資不可能不對全球經濟產生深遠影響。

首先是能源市場。僅 Meta 的 Hyperion 站點就需要 5 吉瓦的電力，而四大巨頭合計的電力需求可能超過一些中型國家的全國用電量。這正在推高數據中心密集地區的電力價格，擠壓其他行業和居民的用電空間，甚至改變了能源基礎設施的投資方向——核電、天然氣和可再生能源項目正在以數據中心的需求為導向進行規劃。

其次是半導體供應鏈。四大巨頭對 AI 晶片的天量需求正在扭曲整個半導體行業的產能分配。台積電和三星的先進製程產能被大量預訂用於 AI 晶片，這對其他行業（汽車、工業、消費電子）的晶片供應構成了潛在威脅。Amazon 加速自研 Trainium 系列、Google 深耕 TPU 的行為，部分原因就是為了減少對第三方晶片的依賴。

第三是勞動力市場。建設和運營如此規模的數據中心需要大量的工程師、建築工人、電力工程師和維護人員。在某些地區，數據中心建設已經推高了當地的勞動力成本和房地產價格，形成了新的經濟聚集效應。

最後是地緣政治。AI 基礎設施的高度集中——絕大部分位於美國——正在加劇全球的技術不對稱。歐洲和亞洲的政策制定者已經開始擔憂：如果 AI 的核心基礎設施幾乎全部由美國科技巨頭控制，那麼數據主權、技術自主和經濟安全都將面臨挑戰。

批評者的質疑：ROI 的迷思

面對這場投資狂潮，批評者提出了一個尖銳而合理的問題：投資回報率（ROI）在哪裏？

目前，AI 領域最成功的商業化案例——搜索廣告中的 AI 增強、雲服務中的 AI 功能、企業軟件中的 AI 助手——雖然增長迅速，但產生的收入與數千億美元的投入相比仍然是杯水車薪。Sequoia Capital 曾在 2024 年估算，AI 行業需要產生約 6,000 億美元的年度收入才能支撐當時的投資水平。而 2026 年的投資規模又翻了一番，這個收入門檻只會更高。

支持者的反駁是：基礎設施投資的回報從來都不是線性的。AWS 在成立後的頭幾年幾乎不產生利潤，但最終成為了 Amazon 最賺錢的業務。Google 在搜索廣告上的早期投資看起來也曾過度，但事後證明是極其英明的。AI 基礎設施可能遵循同樣的模式——前期大量投入，中期逐步回收，長期獲得超額回報。

問題在於：這一次的投資規模是否已經超越了歷史經驗所能類比的範疇？ AWS 的建設成本與 6,350 億美元的年度 AI 支出完全不在同一個量級。規模的差異可能意味着質的區別——更長的回收期、更高的風險和更大的潛在損失。

理性評估：不是非黑即白的判斷

在分析了正反兩方的論據之後，一個比較審慎的結論是：這場 AI 投資潮既不像最狂熱的支持者所描繪的那樣穩如磐石，也不像最悲觀的批評者所警告的那樣即將崩塌。現實可能介於兩者之間。

最可能的情景是：部分投資將產生豐厚回報（尤其是在雲服務和企業 AI 領域），部分投資將被證明過度（尤其是在消費者 AI 應用和某些實驗性項目上），而整個行業的投資回報率將低於公司管理層當前的預期，但不至於引發系統性危機。換言之，會有調整和陣痛，但不會有崩潰。

對於投資者而言，關鍵在於區分「將 AI 投資轉化為實際營收能力最強的公司」和「投資規模最大但轉化效率存疑的公司」。在這場軍備競賽中，花錢最多不一定贏——花錢最聰明的才會笑到最後。