觀點匯總：美國AI資本支出的可持續性研究

↑點擊上面圖片 加雪球核心交流群↑

風險提示：本文所提到的觀點僅代表個人的意見，所涉及標的不作推薦，據此買賣，風險自負。

作者：悶得而蜜

來源：雪球

美國科技巨頭正經歷前所未有的AI資本支出熱潮，但市場對其可持續性已產生顯著擔憂。當前AI投資占美國GDP比重尚不足1%，遠低于歷次重大技術周期(2-5%)，且面臨盈利支撐薄弱、電力供應瓶頸、融資環境惡化等多重挑戰。這些擔憂已引發科技股估值回調、評級機構下調風險預警，甚至可能影響美國整體經濟增長軌跡。盡管高盛等機構認為AI投資規模仍處合理區間，但市場對資本支出回報周期長(15年甚至更久)、技術迭代快導致折舊風險的質疑日益強烈，可能預示著AI泡沫風險可能正在累積。

一、AI資本支出現狀與歷史技術周期對比

美國AI資本支出規模雖創歷史新高，但占GDP比重仍遠低于歷次重大技術周期峰值。據高盛測算，2024年美國AI相關投資占GDP比重不足1%，而歷史上鐵路、電氣化、IT等技術周期的投資高峰占GDP比重普遍在2%-5%區間。這一數據表明，當前AI投資熱潮尚未達到歷史技術周期的”過熱”狀態。然而，AI算力需求增速(模型規模年均增長400%)遠超算力成本下降速度(年均下降40%)，訓練查詢和前沿模型的需求年增速分別達350%和125%，這種”剪刀差”正在推動資本支出持續擴張。

從技術成熟度來看，美國AI技術處于成熟期(2020年開始)，而中國處于成長期(2020-2029年)。雖然中美兩國AI技術發展路徑不同，但美國AI資本支出的絕對規模和增速已引發市場關注。自2023年中以來，美國AI基礎設施投資持續加速，僅2025年公開美企在AI相關基礎設施上的收入增量就達約3000億美元。美國國家賬戶數據顯示，AI相關支出年化增速較2022年提升了2770億美元，顯示出投資強度正在快速提升。

值得注意的是，AI投資與歷史技術周期存在結構性差異。在互聯網革命時期，美國IT相關資本支出主要集中在數據中心、服務器等基礎設施建設，而當前AI投資更側重于GPU、TPU等專用算力硬件，以及AI模型訓練和優化。這種差異可能導致資本支出的回報模式和周期有所不同，進一步加劇市場對可持續性的擔憂。

二、科技公司外部融資依賴及財務風險

美國科技巨頭正經歷”發債潮”，通過債務融資支持AI基礎設施投資，這一模式打破了以往依靠自由現金流擴張的傳統。據巴克萊銀行固定收益研究部統計，在過去幾個月里，幾家主要的超大規模云服務商通過公開和私募市場發行的債券總額已高達1400億美元，全年發行量有望達到1600億美元。這種融資模式轉變引發了市場對科技公司財務風險的擔憂。

從具體公司數據看，Meta在2025年Q3的凈利潤同比暴跌82.73%，歸母凈利潤僅為27.09億元，而其資本支出卻持續增長。2024財年Meta的自由現金流為521億美元，但2025年Q3凈利潤大幅下滑，顯示AI研發支出(2024年研發支出438.73億美元，同比+14%)對利潤的侵蝕效應。微軟2025財年Q1資本支出同比增長78.6%，達到200億美元，遠超其收入增速(18.43%)，表明AI投資正在消耗大量現金流。

行業分化趨勢明顯：頭部公司(微軟、谷歌)財務韌性較強，而二線公司(如甲骨文)面臨評級下調壓力。標普全球評級確認甲骨文公司”BBB”長期信用評級，但展望為負面，債務評級為”BBB”，暗示其財務狀況可能進一步惡化。截至2025年Q3，Meta的長期債務為288.3億美元，但現金儲備高達778億美元，短期償債能力尚可；谷歌的債務/EBITDA比率約為11.57%，遠低于行業警戒線。這種分化表明，市場對AI資本支出可持續性的擔憂并非普遍，而是集中在財務狀況較弱的公司。

科技債市場也反映出市場情緒變化。2025年10月，科技債占美國投資級債券總發行量的比例從6月的7%飆升至34%，創下多年新高。盡管發行量激增，但科技債信用利差也在擴大——Meta、谷歌和甲骨文等公司新發行債券的利差已攀升至78個基點，較9月約50個基點顯著擴大。這一趨勢表明，市場對科技公司債務風險的認可度正在下降。

三、AI資本支出的盈利支撐與回本周期問題

AI資本支出的盈利支撐能力成為市場關注的核心問題。盡管Meta、谷歌等公司AI業務毛利率超60%，但凈利率不足10%，高研發費用率(25%)嚴重侵蝕利潤。微軟Azure云服務雖然2024財年Q3收入增長39%，其中12個百分點來自AI貢獻，但2025年Q3增速已放緩至34%，且凈利潤同比下滑，顯示高投入尚未完全轉化為穩定盈利。

AI基礎設施投資回報周期長(15年甚至更長時間)是市場擔憂的核心因素。微軟首席財務官Amy Hood明確表示，AI基礎設施投資的回報周期遠超傳統IT投資(通常5-10年)，可能需要15年甚至更長時間才能收回成本。這種長期回報模式與科技公司追求短期業績增長的期望形成矛盾，加劇了市場對資本支出可持續性的擔憂。

技術迭代快導致硬件快速折舊也是重要挑戰。AI模型訓練成本飆升(如GPT-3到GPT-4成本增20倍)，但硬件更新周期短，投資回報率面臨不確定性。微軟”星際之門”超算項目成本超1150億美元，依賴OpenAI盈利分成，但OpenAI預計2026年虧損達140億美元，顯示合作模式存在收益不確定性。

行業平均回報率對比顯示，AI算力投資的預期回報率可能低于傳統IT投資。微軟Azure AI收入貢獻尚不明確，但2025年Q3增速放緩(預期Q4增長31%-32%)，且資本支出同比激增78.6%，暗示短期盈利難以覆蓋長期投入。谷歌云AI收入雖達”每季度數十億美元”，增速超200%，但資本支出上調至910-930億美元(+11%)，且CFO承認AI存在”過熱”風險。

市場對AI盈利支撐的擔憂已反映在股價表現上。英偉達財報后股價下跌反映市場對AI投資回報周期的擔憂，Meta、谷歌等AI概念股近期也遭遇拋售壓力。這種擔憂可能持續影響科技公司通過股權融資支持AI資本支出的能力，進一步推高債務融資需求。

四、電力供應等基礎設施瓶頸對AI投資的制約

電力供應已成為AI算力資本支出的關鍵制約因素。2023年美國數據中心用電量占全社會用電量4.4%，預計2028年將升至6.7%-12%之間。這種快速增長的能源需求與電力供應增長能力之間的差距正在擴大。據伯克利實驗室數據，2025年美國電力需求年增1.8%，而數據中心用電增速達15%-20%，供需缺口持續擴大。

區域電力政策差異加劇了這一矛盾。弗吉尼亞州擁有全球最多的數據中心，但電價同比上漲13%，且新任州長斯潘伯格要求數據中心承擔電網升級成本，可能增加企業電力支出壓力。北弗吉尼亞州電價2026-27年預計再漲22%，主因數據中心負荷激增導致電力容量成本膨脹。相比之下，得州、加州因電網獨立或政策調整電價漲幅較低，形成全球電力成本競爭力差異。

能源政策與AI投資的矛盾進一步加劇。《美麗大法案》取消風電、光伏稅收抵免，迫使企業依賴天然氣等高成本能源。據分析人士指出，美國本土芯片制造仍面臨根本性挑戰——成本過高。盡管能生產高端芯片，但受制于高昂的建廠、運營及人力成本，規模難以擴大，只能聚焦高溢價產品。

技術層面，數據中心能效改進空間有限。虛擬機調度策略(如動態電壓管理、工作休眠)可降低奢侈能耗和空閑能耗，但服務器利用率夜間僅5%-25%，技術優化難以完全抵消AI算力需求的指數級增長。PUE(電能使用效率)預測模型顯示，數據中心能效提升受制于硬件限制(如CPU能耗與利用率線性關系)，無法解決根本性電力缺口。

五、宏觀環境變化對AI資本支出可持續性的影響

美聯儲貨幣政策轉向謹慎，降息預期降溫推高融資成本。多位美聯儲官員近期表示，當前利率水準”更接近中性，而不是明顯偏緊”，進一步大幅降息的空間有限。12月降息概率從60%降至50%，反映對通脹黏性的擔憂。這種政策轉向與AI項目長期回報周期形成矛盾，可能導致融資成本超過預期回報率，抑制資本支出。

地緣政治對供應鏈的沖擊也不容忽視。美國《芯片法案》強制要求企業減少對華依賴，導致芯片制造成本上升(如臺積電4nm芯片在美國的生產成本接近2萬美元/晶圓)。這種成本上升可能擠壓AI項目的利潤空間。同時，美國芯片制造回流更多是政策驅動下的”點狀突破”，而非系統性產業重構，本土制造的”高成本短板”難以通過補貼短期彌補。

能源政策與AI投資的矛盾也日益凸顯。《美麗大法案》取消可再生能源補貼，但美國2025年電力需求年增1.8%，而數據中心用電增速達15%-20%，供需缺口持續擴大。企業自建燃氣電站或海外建廠需承擔額外成本，可能影響AI項目的盈利。相比之下，歐洲國家(如荷蘭、英國)因氣候和地理優勢(低溫、水資源)吸引數據中心建廠，形成全球電力成本競爭力差異。

全球資本再配置趨勢也對美國AI資本支出構成挑戰。中國科技股正成為外資眼中的”價值洼地”，多家國際投行(如瑞銀、摩根士丹利)集體唱多，成為全球資本避險與布局的優選標的。這種資金流向變化可能影響美國科技公司的融資能力，進而影響AI資本支出的可持續性。

六、市場擔憂的分化與未來展望

市場對AI資本支出的擔憂呈現明顯的分化趨勢。高盛認為，當前AI投資規模遠未過熱，這一投資水平具備堅實的可持續基礎。其核心論據是AI生產力提升將為美國經濟創造20萬億美元的現值，其中8萬億美元將作為資本收益流向美國企業。即使在悲觀或樂觀假設下，這一數字區間也在5-19萬億美元，顯著高于當前和未來AI投資總額。

相反，巴克萊等機構則警告AI資本支出放緩可能成為美股最大風險。巴克萊估算，在2025年上半年1.4%的GDP增長中，數據中心相關投資貢獻約1個百分點。若經濟因其他因素陷入衰退，AI投資同步放緩可能加劇下行趨勢，形成宏觀與產業負面共振。

未來AI資本支出的可持續性將取決于多重因素。首先，技術進步能否持續提升AI應用的生產力，從而為資本支出提供足夠的經濟回報。其次，融資環境能否保持寬松，以支持科技公司持續的資本支出需求。第三，電力供應能否跟上AI算力需求的增長，避免成為制約因素。最后，地緣政治和貿易政策能否為AI產業發展提供穩定的外部環境。

從宏觀層面看，美國AI資本開支仍處于”順風”周期。美聯儲降息周期、經濟復蘇等因素可能繼續支撐資本支出。然而，市場擔憂情緒已轉化為實際拋售行動。2025年三季度，多家對沖基金(如彼得?蒂爾旗下基金、橋水基金、軟銀集團)減持或清倉英偉達股票，印證了市場對AI資本開支可持續性和盈利兌現能力的疑慮。

七、結論與建議

市場對美國AI算力資本支出可持續的擔憂主要集中在盈利支撐薄弱、電力供應瓶頸、融資環境惡化等三個方面。盡管高盛等機構認為當前AI投資規模仍處合理區間，但市場對資本支出回報周期長(15年甚至更久)、技術迭代快導致折舊風險的質疑日益強烈，預示著AI泡沫風險可能正在累積。

對于投資者而言，需密切關注以下風險指標：科技公司自由現金流與資本支出的匹配度、AI項目盈利轉化速度、電力成本上升對算力投資的制約。頭部公司(微軟、谷歌)財務韌性較強，而二線公司(如甲骨文)面臨評級下調壓力，投資分化趨勢明顯。

對于科技公司而言，需平衡短期盈利壓力與長期技術優勢。微軟通過優化運營利潤率(49%)部分緩解了資本支出壓力，谷歌則通過自研TPU芯片降低算力成本，這些策略值得借鑒。同時，需探索電力成本優化方案，如區域電力政策差異利用、可再生能源投資等，以應對電力供應瓶頸。

對于監管機構而言，需在促進技術創新與防范系統性風險之間尋找平衡。一方面，支持AI技術發展和基礎設施建設；另一方面，警惕市場過度投機和資本支出過度擴張帶來的風險。同時，需優化能源政策，為AI產業發展提供穩定的電力供應環境。

AI資本支出的可持續性最終將取決于技術進步、市場需求、融資環境和政策支持等多重因素的綜合作用。在這一過程中，市場波動不可避免，投資者需保持理性，避免盲目追高或過度恐慌。科技公司也需加強風險管理，確保AI投資能夠產生足夠的經濟回報，以支持長期發展。

雪球三分法是雪球基于“長期投資+資產配置”推出的基金配置理念，通過資產分散、市場分散、時機分散這三大分散進行基金長期投資，從而實現投資收益來源多元化和風險分散化。點擊下方圖片立即領取課程