6900亿美元AI基建狂奔：大科技巨头最终要过企业ROI这一关

这意味着，讨论重点已经从“AI是不是重要”转向“这些基础设施能不能被充分使用、能不能以足够好的价格卖出去”。如果答案是否定的，再宏大的战略叙事也很难覆盖折旧、电力和建设成本。

为什么云巨头愿意先建后证

对超大规模云厂商来说，建少了同样有代价。AI训练、推理、智能体应用和企业自动化一旦放量，客户需要的是马上可用的算力，而不是还在审批、采购和接电的数据中心。

这解释了为什么在企业ROI尚未完全跑通之前，巨头仍然选择提前建设。AInvest把2026年的数据中心扩张放在供应受限的背景下讨论，并指出AI基础设施投资正在快于软件价值变现。换句话说，云巨头抢的是一种稀缺投入品：算力、芯片、机房、电力和冷却能力。

但“先建”不等于“稳赚”。它降低了错过需求爆发的风险，也提高了另一个风险：大量产能先到位，而足够多的企业客户还没有准备好大规模付费使用。

企业ROI仍是最薄弱的一环

企业“采用AI”和企业“从AI赚钱”不是一回事。麦肯锡2025年全球AI调查显示，近三分之二受访者称其组织尚未开始在全企业范围内规模化AI；64%认为AI正在促进创新，但只有39%报告AI已经带来企业层面的息税前利润（EBIT）影响。

麦肯锡同时指出，一些组织已经开始通过重塑工作流、让高层管理者承担AI治理角色等方式，尝试把生成式AI转化为真正影响利润表的价值。这说明方向并非没有希望，但价值实现需要组织流程、责任机制和业务系统一起改变，而不是给旧流程简单加一个聊天机器人。

更谨慎的信号来自MIT“GenAI Divide”相关报道。Digital Commerce 360报道称，尽管企业在生成式AI工具和系统上的投入估计达到300亿至400亿美元，95%的组织尚未看到可衡量的财务回报；只有5%的集成型试点项目正在创造数百万美元价值。这不应被解读为“企业AI无效”的定论，更像是一个警示：真正创造价值的是深入业务流程、能够规模化运行的部署；停留在演示、试点和局部工具层面的项目，很难进入损益表。

这笔大账要看四个信号

1. 利用率

AI数据中心和专用芯片是否长期高负荷运行，是最核心的问题。高利用率可以把固定成本转化为可销售的云容量；低利用率则会暴露过度建设，增加巨头吸收折旧和运营成本的压力。

2. 定价能力

AI算力不仅要有人用，还要能卖出支撑回报的价格。如果云厂商在企业需求尚未真正放量前就陷入激烈价格竞争，营收增长可能仍然追不上资本开支压力。

3. 企业级财务影响

单个用例成功、一次演示惊艳，都不足以支撑数千亿美元级别的投资。更强的证据是企业层面的财务改善。麦肯锡调查中，“创新受益”和“EBIT影响”之间仍有明显差距。企业越能围绕AI重塑工作流，而不是把AI外挂在旧流程上，长期云端AI需求的逻辑就越扎实。

4. 投资者耐心

资本市场已经在区分不同公司的AI支出故事。Fortune报道称，在Alphabet、Meta和微软讨论更高AI支出后，Meta盘后跌幅超过6%，微软基本持平，而Alphabet盘后上涨近7%。这种分化说明，投资者想看的不是“预算又变大了”，而是从资本开支走向收入和利润的可信路径。

谁承担的风险更高？

最有韧性的AI产能，是可以服务多种付费工作负载的产能。拥有广泛云平台、企业软件、广告、搜索或内部AI产品场景的公司，理论上有更多方式消化基础设施投资；而需求来源较窄、商业化路径仍不清晰的建设，安全边际就更低。

Futurum指出了一个核心不平衡：以OpenAI和Anthropic为代表的纯AI厂商收入增长很快，但它们的合计收入仍只是为其部署的基础设施投资的一小部分。这并不意味着这些资本开支注定失败，而是说明巨头押注的回报，不能只靠少数AI明星公司来证明，最终仍要看广大企业客户能否形成持续、可重复的AI云需求。

结论：可持续，但有条件

目前看，大科技公司的AI基建投入仍有战略合理性。只要AI算力稀缺，最大的云平台就有动机提前建设，以免在需求真正爆发时缺席。

但6500亿美元以上的资本开支，不会因为“AI很重要”就自动合理化。它要接受更硬的检验：数据中心和芯片是否高利用率运行，AI算力是否保持足够定价能力，企业客户是否能从试点走向生产系统，并产生可衡量的财务回报。

如果企业把AI变成经常性、规模化、能改善利润表的工作负载，这轮建设就可能成为云计算平台的一次长期升级。反过来，如果多数组织仍卡在试点阶段，巨头今天的“未雨绸缪”就会越来越像过度建设。