大型科技公司的 AI 基礎建設擴張，與其說是單純押注 AI 熱潮，不如說是一場有條件的資本支出賭局。當 AI 算力仍然稀缺時，最大型雲端平台先把資料中心、晶片與電力容量建起來，有其戰略合理性；但最後能不能回本，取決於企業客戶是否真的把 AI 從展示、試點和概念驗證，推進到可長期付費、可衡量回報的生產環境。
換句話說，這場競賽的核心問題已不只是「AI 是否重要」，而是「企業願不願意為 AI 算力持續付錢，而且付到足以支撐這些投資」。
支出規模已不只是概念題
不同機構納入的公司與支出項目不完全相同，因此總額估算會有差異；但方向一致：這是一波極大規模的建設潮。Futurum 表示，Microsoft、Alphabet、Amazon、Meta 與 Oracle 這五大美國雲端與 AI 基礎建設供應商，已承諾 2026 年資本支出合計達 6,600 億至 6,900 億美元，幾乎是 2025 年水準的兩倍 [2]。
Campaign US 則報導，Meta、Microsoft、Alphabet 與 Amazon 2026 年 AI 投資預計將超過 6,500 億美元，重點放在先進資料中心、專用晶片與液冷系統等基礎設施 [5]。Business Insider 另行報導，Amazon、Microsoft、Meta 與 Google 在第一季財報更新後，2026 年資本支出計畫最高可能達 7,250 億美元 [
8]。
這些數字把討論推向另一個層次。今天的問題不是大型科技公司有沒有看見 AI 的戰略價值，而是這些昂貴基礎設施能否被充分使用，並以足夠好的價格賣出去。
為什麼 ROI 還不清楚，雲端巨頭仍搶著先建
對大型雲端平台，也就是所謂超大規模雲端服務商而言，少蓋也有代價。若 AI 工作負載成長速度快過可用算力，已經備好資料中心與專用晶片的業者，就比還在等建廠、採購或電力核准的競爭者更有優勢。
因此，在企業 AI 投資報酬率尚未完全被證明前，先建產能並非一定不理性。AInvest 形容 2026 年資料中心擴張發生在供給受限背景下，且 AI 基礎設施投資速度快過軟體價值捕捉 [7]。白話來說，科技巨頭正在搶一項稀缺投入品：可用、可賣、可擴張的 AI 算力。
但這不等於投資必然正確。提早建設可以降低錯失需求的風險，同時也提高另一種風險：產能先到位，客戶卻還沒有準備好大規模付費使用。
企業端 ROI 仍是薄弱環節
企業採用 AI，和企業從 AI 賺到錢，是兩回事。McKinsey 2025 年全球調查發現，近三分之二受訪者表示其組織尚未開始在全企業範圍擴大 AI；64% 表示 AI 正在促成創新，但只有 39% 回報 AI 對企業層級息稅前利潤（EBIT）產生影響 [27]。
McKinsey 也指出，部分組織已開始重新設計工作流程，並讓高階主管負責 AI 治理等關鍵角色，試圖把 AI 轉化為實際財務價值 [22]。這代表企業端並非完全停滯，而是正從「把 AI 加到既有流程」走向「為 AI 重做流程」。
不過，MIT「GenAI Divide」相關報導給出的訊號更偏謹慎。Digital Commerce 360 報導稱，儘管企業在生成式 AI 工具與系統上的支出估計已達 300 億至 400 億美元，仍有 95% 組織尚未看到可衡量的財務回報；只有 5% 已整合的試點正在創造數百萬美元價值 [24]。
這應被視為警訊，而不是 AI 注定失敗的判決書。資料反映的是一條分水嶺：少數已整合、可規模化的部署開始產生價值；多數試點仍卡在展示或局部效率改善，尚未真正進入損益表。
這場基建潮要回本，取決於四個訊號
1. 使用率
最核心的問題，是 AI 資料中心與專用晶片是否能維持高使用率。高使用率能把固定成本轉成可銷售產能；若使用率偏弱，過度建設就會浮現，雲端供應商也更難吸收折舊、電力與營運成本。
2. 定價能力
AI 運算必須能收取足以支撐回報的價格。如果雲端業者在企業需求真正放大前就陷入價格競爭，即使收入成長，仍可能追不上資本支出壓力。
3. 企業層級財務影響
單一用例成功、漂亮展示或部門級效率提升，都還不夠。更強的證據是企業層級財務影響，而 McKinsey 的調查仍顯示，創新效益與 EBIT 影響之間存在落差 [27]。企業越能重設工作流程，而不是把 AI 硬接到舊流程上，長期 AI 雲端需求的說服力就越強 [
22]。
4. 投資人耐心
市場已開始區分不同公司的 AI 支出故事。Fortune 報導，在 Alphabet、Meta 與 Microsoft 討論更高 AI 支出後，Meta 盤後下跌逾 6%，Microsoft 幾乎持平，Alphabet 則上漲近 7% [1]。這種分歧反應顯示，投資人要看的不是更大的 AI 預算，而是一條從資本支出走向回報的可信路徑。
誰承擔的風險最大？
最有韌性的產能，是能服務許多付費工作負載的產能。業務範圍廣的大型雲端平台，通常比只押注單一需求來源的建設，更有機會透過雲端服務、企業平台、內部產品與 AI 服務來變現。
Futurum 指出了一個核心不平衡：以 OpenAI、Anthropic 為代表的純 AI 供應商收入成長快速，但其合計收入仍只是為它們所部署的基礎設施投資中的一小部分 [2]。這不代表資本支出必然失敗；它代表安全邊際取決於企業客戶是否能把 AI 轉化為持續需求，而不是一波又一波孤立試驗。
結論：可持續，但不是無條件
大型科技公司的 AI 基礎建設支出目前仍可被視為可持續，但前提很清楚。只要算力仍稀缺，最大型雲端服務商就有戰略理由提前建設 [7]。然而，6,500 億美元以上級別的資本支出，最終會被使用率、定價能力與企業 ROI 檢驗，而不會只因模型熱度而自動合理化 [
2][
5][
24][
27]。
如果企業能把 AI 變成反覆發生的生產工作負載，並在財務成果中看見明確影響，這波建設就像是雲端平台的下一次長期轉型。相反地，如果多數組織仍停留在試點階段，遲遲無法擴大到企業層級，今天的豪賭就會越來越像過度建設。
