SiliconRepublic 也指出，約 6,500 億美元的資本支出組合，將比 2025 年的 4,100 億美元增加 60%，並比前一年的 2,450 億美元增加 165% 。換句話說，這已不是雲端服務的日常擴容，而是一場策略性資本競賽。

為何巨頭現在仍能說服自己花錢

最有力的理由不是某個產品功能，而是下一代運算平台的席位。Futurum 在 2026 年資本支出分析中，將 Microsoft、Alphabet、Amazon、Meta 與 Oracle 稱為美國五大雲端與 AI 基礎設施供應商 。這些公司押注的不是單一應用，而是算力、模型訓練、推論工作負載、企業服務與自家 AI 產品之間的整套生態。

這裡還有防守面。SiliconRepublic 報導，Meta、Google、Amazon 與 Microsoft 將 AI 算力競賽視為可能的「贏者全拿」或「贏者拿大半」市場 。在這種邏輯下，短期多花錢並不一定是最大風險；若建置不足、工作負載轉向競爭對手，反而可能更傷。

當然，這不代表每一美元資本支出都會產生漂亮報酬。它只說明：收入基礎較寬的大型平台，比單一業務公司更有條件分散風險。

真正的破口：企業 AI 投資報酬

可持續性的最大風險，是建置與回收的時間差。資料中心與 GPU 現在就要花錢，但許多企業客戶還在摸索 AI 如何帶來獲利。

McKinsey 2025 年 State of AI 調查發現，將近三分之二的組織尚未開始在全企業範圍擴大部署 AI；同一份調查也有正面訊號，64% 受訪者表示 AI 正在帶動創新，但只有 39% 回報已在企業層級看到 EBIT（息稅前獲利）影響 。

其他報導則更偏警訊。Digital Commerce 360 報導，MIT 2025 年 GenAI Divide 研究指出，儘管企業在生成式 AI 工具與系統上的支出估計達 300 億至 400 億美元，95% 組織仍未看見可衡量的財務回報 。Campus Technology 同樣整理該 MIT 報告時指出，只有 5% 的整合式 AI 試點正在創造數百萬美元價值，多數仍停在沒有可衡量損益影響的狀態 。

這些數字不等於企業 AI 注定失敗；它們說明的是節奏落差：供給端正在建生產級基礎設施，需求端卻仍有大量企業停在試驗與導入階段。

觀察可持續性的四個訊號

真正問題不是 AI 是否繼續被採用，而是 AI 工作負載能否穩定到足以讓高成本基礎設施維持高使用率並產生利潤。可以看四件事：

1. AI 資料中心與 GPU 使用率。 資本密集的基礎設施需要長期需求支撐；閒置或低度使用的產能，成本仍然存在。
2. AI 相關雲端收入成長。 若建置成果能變成經常性雲端收入，而不只是市場對 AI 的興趣，就更容易說服投資人。
3. 扣除基建成本後的利潤率。 這波支出投向資料中心、專用晶片與液冷系統等昂貴實體資產 ；收入成長必須足以覆蓋這個成本基礎。
4. 企業部署是否越過試點。 最有說服力的驗證，不只是 AI 促進創新，而是更多公司能回報企業層級 EBIT 影響 。

如果四個訊號一起改善，這波資本支出可被視為新雲端周期的前置投資；若沒有，市場會更容易把它解讀成產能過剩。

投資人已開始區分「會花錢」與「能變現」

市場反應已經不是誰花最多誰就最受捧。Fortune 報導，在 Alphabet、Meta 與 Microsoft 談到更高 AI 支出後，Meta 盤後股價跌逾 6%，Microsoft 幾乎持平，Alphabet 則在盤後上漲近 7% 。同篇報導也提到，近期估算顯示 2026 年 AI 相關資本支出合計將超過 6,000 億美元 。

這種分化很關鍵：投資人追問的是，基建支出能否連到營收成長、利潤韌性與可防守的市場地位，而不只是公司是否敢燒錢。

結論：可持續，但有條件

科技巨頭的 AI 基礎設施支出可以被辯護，但不能被視為自動成立。最大型雲端與 AI 基建供應商可以把短期建置說成爭奪稀缺算力的策略賽局，尤其在不同估算下，2026 年資本支出已從 6,500 億美元以上一路看到最高 7,250 億美元 。

長期答案仍回到企業 ROI。若 AI 工作負載填滿資料中心、推高雲端收入，並為客戶帶來可衡量的商業成果，今天的資本支出會像新平台周期必付的入場費；若企業 AI 長期卡在試點、使用率不如預期或利潤率被壓縮，這場豪賭就會愈來愈難自圓其說。

SiliconRepublic 也指出，約 6,500 億美元的資本支出組合，將比 2025 年的 4,100 億美元增加 60%，並比前一年的 2,450 億美元增加 165% 。換句話說，這已不是雲端服務的日常擴容，而是一場策略性資本競賽。

為何巨頭現在仍能說服自己花錢

最有力的理由不是某個產品功能，而是下一代運算平台的席位。Futurum 在 2026 年資本支出分析中，將 Microsoft、Alphabet、Amazon、Meta 與 Oracle 稱為美國五大雲端與 AI 基礎設施供應商 。這些公司押注的不是單一應用，而是算力、模型訓練、推論工作負載、企業服務與自家 AI 產品之間的整套生態。

這裡還有防守面。SiliconRepublic 報導，Meta、Google、Amazon 與 Microsoft 將 AI 算力競賽視為可能的「贏者全拿」或「贏者拿大半」市場 。在這種邏輯下，短期多花錢並不一定是最大風險；若建置不足、工作負載轉向競爭對手，反而可能更傷。

當然，這不代表每一美元資本支出都會產生漂亮報酬。它只說明：收入基礎較寬的大型平台，比單一業務公司更有條件分散風險。

真正的破口：企業 AI 投資報酬

可持續性的最大風險，是建置與回收的時間差。資料中心與 GPU 現在就要花錢，但許多企業客戶還在摸索 AI 如何帶來獲利。

McKinsey 2025 年 State of AI 調查發現，將近三分之二的組織尚未開始在全企業範圍擴大部署 AI；同一份調查也有正面訊號，64% 受訪者表示 AI 正在帶動創新，但只有 39% 回報已在企業層級看到 EBIT（息稅前獲利）影響 。

其他報導則更偏警訊。Digital Commerce 360 報導，MIT 2025 年 GenAI Divide 研究指出，儘管企業在生成式 AI 工具與系統上的支出估計達 300 億至 400 億美元，95% 組織仍未看見可衡量的財務回報 。Campus Technology 同樣整理該 MIT 報告時指出，只有 5% 的整合式 AI 試點正在創造數百萬美元價值，多數仍停在沒有可衡量損益影響的狀態 。

這些數字不等於企業 AI 注定失敗；它們說明的是節奏落差：供給端正在建生產級基礎設施，需求端卻仍有大量企業停在試驗與導入階段。

觀察可持續性的四個訊號

真正問題不是 AI 是否繼續被採用，而是 AI 工作負載能否穩定到足以讓高成本基礎設施維持高使用率並產生利潤。可以看四件事：

1. AI 資料中心與 GPU 使用率。 資本密集的基礎設施需要長期需求支撐；閒置或低度使用的產能，成本仍然存在。
2. AI 相關雲端收入成長。 若建置成果能變成經常性雲端收入，而不只是市場對 AI 的興趣，就更容易說服投資人。
3. 扣除基建成本後的利潤率。 這波支出投向資料中心、專用晶片與液冷系統等昂貴實體資產 ；收入成長必須足以覆蓋這個成本基礎。
4. 企業部署是否越過試點。 最有說服力的驗證，不只是 AI 促進創新，而是更多公司能回報企業層級 EBIT 影響 。

如果四個訊號一起改善，這波資本支出可被視為新雲端周期的前置投資；若沒有，市場會更容易把它解讀成產能過剩。

投資人已開始區分「會花錢」與「能變現」

市場反應已經不是誰花最多誰就最受捧。Fortune 報導，在 Alphabet、Meta 與 Microsoft 談到更高 AI 支出後，Meta 盤後股價跌逾 6%，Microsoft 幾乎持平，Alphabet 則在盤後上漲近 7% 。同篇報導也提到，近期估算顯示 2026 年 AI 相關資本支出合計將超過 6,000 億美元 。

這種分化很關鍵：投資人追問的是，基建支出能否連到營收成長、利潤韌性與可防守的市場地位，而不只是公司是否敢燒錢。

結論：可持續，但有條件

科技巨頭的 AI 基礎設施支出可以被辯護，但不能被視為自動成立。最大型雲端與 AI 基建供應商可以把短期建置說成爭奪稀缺算力的策略賽局，尤其在不同估算下，2026 年資本支出已從 6,500 億美元以上一路看到最高 7,250 億美元 。

長期答案仍回到企業 ROI。若 AI 工作負載填滿資料中心、推高雲端收入，並為客戶帶來可衡量的商業成果，今天的資本支出會像新平台周期必付的入場費；若企業 AI 長期卡在試點、使用率不如預期或利潤率被壓縮，這場豪賭就會愈來愈難自圓其說。