生成式AI把雲端變成「新重工業」

生成式AI把雲端的資本開支（CapEx）推到一個近似「基礎建設」的量級，原因不只是多買幾張GPU，而是整個資料中心堆疊被迫重寫：算力（GPU/加速器）、記憶體（HBM）、網路（高速互連）、電力（變電與備援）、散熱（液冷）與機房土建同時擴張。2026 年的指引與市場追蹤已經把這股「重工業化」寫在數字上：Alphabet 表示 2026 年資本開支可能翻倍至1750–1850 億美元區間；Amazon 也被報導 2026 年 CapEx 可能升至2000 億美元，較 2025 年 1310 億美元大幅增加；Meta 則在 2026 年度指引中給出 1150–1350 億美元的 CapEx 區間。

這些數字背後，反映雲端巨頭正在為「供給側」搶跑：誰先把機房與電力位點鎖住，誰就更有機會在未來幾年用算力供應能力換取定價權。投資市場也因此開始用「雲端CapEx週期」來理解宏觀資金流向。路透引述 UBS 的看法，甚至把超大規模雲端業者的 CapEx 潛在規模上修至約 7700 億美元等級的推算，並連動到債券融資需求上升，說明這輪AI投資已經不再是單純的科技支出，而是資本市場層面的再配置。

折舊年限與「算力利用率」

CapEx 既然像基建，就不能用「季度回本」的心態去看回報。雲端AI基礎設施的ROI，核心變數通常不是模型多聰明，而是折舊週期 × 利用率 × 單位算力變現能力。在會計上，伺服器與網路設備的折舊年限本來就會影響回報節奏；而近年雲端巨頭也在調整這個「回收時間軸」。產業研究指出，超大規模雲端公司會調整伺服器與網路資產的使用年限，例如 Meta 在年報中提到部分伺服器與網路資產的使用年限為 5.5 年，Amazon 也把部分伺服器使用年限調整至 5 年（且較前一年縮短）。這類調整的含義很直接：設備迭代更快、技術折舊更快，回報就更依賴高利用率與更快的商業放量。

如果把ROI寫成一個可落地的模型，它其實很像資料中心版的「單店模型」：每 1 美元 CapEx 需要在折舊期內回收，靠的是（1）GPU/伺服器的可出租小時數（利用率），（2）每 GPU 小時的有效收入（價格×實際付費用量），以及（3）扣除電力、維運、網路與折舊後的毛利。當利用率從 30% 拉到 60%，回本速度不是線性提升，而是會出現「跨過損益平衡點後」的槓桿效應；反之，只要需求斜率放緩或價格競爭加劇，現金流回收就會被拖長，市場就會重新質疑 CapEx 的合理性。

把這個邏輯放到企業端採用生成式AI的回報預期，也能看到「週期拉長」的共同現象。德勤在 2025 年的調查指出，多數受訪者認為典型 AI 用例達到滿意ROI往往需要 2–4 年，只有 6% 的受訪者表示能在一年內回本。這與雲端基建的回報節奏互相呼應：從投資到產生可持續付費需求，往往要經過產品化、工作流改造、數據治理與內部採用的「滲透期」，並非一上線就能立即反映在收入與現金流上。

從「賣算力」走向「賣成果」

雲端巨頭的CapEx爆發，本質上是一場「先投供給、再找需求」的賭注，但它也在改寫雲端的變現方式。第一階段是最直觀的：出租 GPU 實例、賣推理與訓練用量；第二階段更關鍵：把生成式AI包進資料庫、分析、協作與安全等高黏性服務，讓AI不只是一條新收入線，而是帶動整體雲服務 ARPU 與留存的「加速器」。這也是為何管理層在談 CapEx 時，越來越強調「容量限制」與「需求可見度」——因為真正能縮短回收期的，從來不是買到更多機器，而是把機器變成可持續的付費行為。

但市場之所以開始更敏感地追問回報，是因為這輪AI基建同時遇到兩個外部約束：電力與資金。電力端，AI資料中心的用電需求正把電網與公用事業投資拉進同一條鏈條，並引發宏觀層面的通脹與基建負擔討論；金融端，當CapEx規模逼近數千億美元級別，外部融資、自由現金流與股東回報之間的拉扯會更明顯，任何「需求晚到」都可能轉化為股價波動與估值折讓。

因此，看生成式AI帶來的CapEx週期，最重要的不是猜哪一家花得最多，而是追蹤三個能提前驗證回報的信號：算力利用率是否持續上升、AI相關收入能否從一次性試點走向可預期的續費與用量成長，以及在電力與折舊壓力下，雲端業務的營業槓桿是否仍能維持。當這三者同時成立，市場會把這輪支出視為「前置投資」；若其中任何一環斷裂，CapEx就可能被重新定義為「過度建設」。生成式AI的硬體投資回報，終究是一場以年為單位的耐力賽——不是不會回本，而是回本的速度，將決定下一輪資本市場對AI敘事的定價。

(芯片與算力系列之33)

$Meta Platforms (META.US)$ $英偉達 (NVDA.US)$ $美國超微公司 (AMD.US)$ $微軟 (MSFT.US)$ $特斯拉 (TSLA.US)$ $亞馬遜 (AMZN.US)$

瀏覽 11.3萬