" 市场对 2027 年超大规模云计算企业（Hyperscaler）资本开支的预期，过于保守。"

6 月 12 日，高盛经济学家 Ryan Hammond 在《更多 AI 资本开支，更多波动》的研报中，将明年超大规模云计算企业资本开支的预期大幅上调：基准情景为 1.1 万亿美元，极端乐观情景高达 1.4 万亿美元。

这份报告出炉的背景是：就在几周前，各大超大规模云计算企业（即微软、谷歌、亚马逊、Meta 等科技巨头）陆续公布 Q1 财报及资本开支指引。据摩根士丹利统计，这些公司 2027 年资本开支的合计预期，已从 2025 年 Q4 时的 9500 亿美元，一口气跳升至逾 1.1 万亿美元，单季上调幅度超过 30%。

高盛的三档预测：从 9200 亿到 1.4 万亿

主流分析师目前的预测是：2027 年超大规模云计算企业资本开支约为 9200 亿美元，对应增速从 2026 年的 84% 大幅放缓至 22%。

高盛不认同这个数字。

Hammond 的测算框架是：如果 AI 基础设施的增量投资规模达到 GDP 的 2% 至 3% ——类比历史上铁路和汽车行业的建设周期——那么 2027 年资本开支将达到约 1.1 万亿美元，对应增速 45%。

而在更极端的乐观情景下，综合考虑超大规模云计算企业自身的现金流生成能力，以及投资级信用债市场的融资容量，资本开支上限可能高达 1.4 万亿美元，对应增速 89%。

估值已到 ChatGPT 发布以来最高点

资本开支预期的上调，直接推动了 AI 基础设施板块的估值扩张。

其数据显示，AI 基础设施股票中位市盈率已升至 26 倍，是 ChatGPT 发布以来的最高水平。其中，半导体和电力（非公用事业）板块的中位市盈率年内持续上行，但超大规模云计算企业本身和存储芯片股的估值扩张相对有限。

Hammond 的判断是：" 资本开支超预期，意味着 AI 基础设施受益标的的盈利和股价在近期存在上行空间。"

但 Hammond 同时给出了另一面的警告：近期估值扩张和持仓结构的变化，意味着前方波动会加剧。投资者需要在 " 资本开支超预期 " 与 " 资本开支增速可能放缓 " 以及 " 盈利持续性存疑 " 之间寻找平衡。

AI 落地数据：叫好不叫座

Q1 财报季中，约 54% 的公司在财报电话会上提到了 AI 与生产率的关系。但真正量化了具体场景生产率提升的公司，只有 11%；而将 AI 生产率提升量化到盈利层面的公司，仅有 2% ——上一季度这两个数字分别是 10% 和 1%，几乎没有实质性进展。

更直接的数据来自用户调查：目前每天使用 AI 的人群比例仅为 12.6%，较一年前仅增加 2 个百分点。所有劳动者自报的累计生产率提升，一年前是 1.6%，现在是 2.2%，一年只提升了约 0.5 至 0.6 个百分点。

换句话说，数万亿美元的资本开支正在涌入，但终端用户的实际使用深度和生产率回报，目前仍相当有限。

软件股的 " 终局价值 " 之争

Hammond 还专门讨论了软件板块的估值逻辑。

软件股市盈率去年峰值达 39 倍，今年 3 月跌至 21 倍，目前回升至 25 倍，但不同子板块之间分化明显。

Hammond 用一个折现现金流模型测算：年初时，软件板块约 85% 的现值来自 " 终局价值 "（terminal value），即对遥远未来盈利的预期折现。这意味着，只要市场对软件公司长期增长率和利润率的假设发生哪怕 " 温和 " 的变化，估值就会出现显著波动——这也解释了今年以来软件股估值的大幅震荡。

核心争议在于：AI 究竟是软件公司的赋能工具，还是颠覆者？低成本竞争对手的涌现，是否会持续压制现有软件公司的收入增长和利润率？这场争论，将持续驱动板块内部的收益分化。

Token 价格战：另一个不能忽视的变量

这份报告发布的同期，市场上还有另一条线索正在发酵：OpenAI 与 Anthropic 之间的 Token 定价 " 竞相降价 "。

这场价格战的背景是：部分企业已经出现 " 过度使用 Token"（tokenmaxxing）的问题——例如 Uber 在一个季度内就耗尽了全年 AI 预算。当 Token 价格持续下降，大模型厂商的收入压力将进一步加大，其支撑庞大资本开支承诺的能力也将受到考验。

这意味着，预测中的资本开支数字与实际落地之间，可能存在相当大的缺口。