2024 – 2025 年曾是 AI 投资的 " 非理性繁荣 " 高峰期，资本市场对一切带 "AI" 标签的公司趋之若鹜。

然而进入 2026 年，随着全球 AI" 六姐妹 "微软（MSFT.US）、谷歌（GOOG.US）、亚马逊（AMZN.US）、Meta（META.US）、苹果（AAPL.US）和特斯拉（TSLA.US）陆续发布 2025 年 12 月财季业绩，一个新趋势浮出水面：AI 的叙事正在从 " 概念驱动 " 转向 " 价值验证 "。

投资者不再满足于宏伟蓝图，而是追问：这些巨额投入何时能转化为真实利润？

资本开支飙升 vs. ROI 焦虑：泡沫警报拉响？

微软、谷歌、亚马逊和 Meta 的 12 月财季核心共性之一，便是 AI 相关资本开支的大幅飙升，且投入规模远超市场预期。

Meta 的 2025 年第四季资本开支同比大增 49.23%，2025 年全年资本开支同比增加 84.11%，达到 722 亿美元，而其 2026 年全年资本支出预计达 1,150 亿— 1,350 亿美元，较 2025 年增长 60%-87%，计划全部投向 AI 基础设施，而根据我们的估算，其 2025 年全年来自经营活动的净现金流入为 1,158 亿美元，也就是说，Meta 要将全年的经营现金流全部用于 AI 投资，彰显对 " 超级智能 " 战略的长期投入决心。

微软财季内资本支出同比激增 65.93% 至 375 亿美元，其中三分之二用于 AI 芯片采购与数据中心搭建，以支撑 Azure 云服务与 OpenAI 相关合作的算力需求，其截至 2025 年 12 月末止的 12 个月资本开支合计为 1,180 亿美元，按年上升 56.08%。

谷歌的第 4 季资本开支较上年同期高出 95.09%，全年资本开支也按年上升 74.07%，达到 914.47 亿美元，绝大部分用于 AI 技术基础设施，而其 2026 年全年的资本开支预算更进一步提升至 1,750 亿至 1,850 亿美元之间，较 2025 年全年资本开支预算高出 91.37% 以上。

亚马逊也同步加大投入，重点投向自研芯片量产、AI 基础设施升级等领域，第 4 季资本开支大增 47.51%，2025 年全年资本开支按年上升 65.21%，达到 1,283 亿美元，管理层预计，其 2026 年全年资本开支将约为 2,000 亿美元，超越谷歌、Meta 等的资本开支预算。

亚马逊的管理层预计资本投入可产生强劲的回报，但资本市场似乎并不这么认为，在公布业绩之后，亚马逊在盘后交易时段大跌超 11%。

特斯拉今年的资本投资也将大幅上升，管理层预计将超过 200 亿美元，相较而言，其 2025 年的资本开支为 85.27 亿美元，意味着新一年的资本开支将大幅增加一倍以上，将为精炼厂、LFP 工厂、CyberCab 工厂、Semi 工厂、超级工厂、Optimus 工厂等六家工厂投入资金，涵盖电池材料、电池、汽车制造与机器人产能。此外，特斯拉还将投入资金建设 AI 计算基础设施，并支持现有工厂扩大产能，建造相关的配套设施，以及扩大 Robotaxi 的车队规模。这还不包括对太阳能电池制造和芯片制造厂的潜在投资。

除苹果因未大规模押注生成式 AI 而股价相对稳健外，其余五家近期股价承压，反映出投资者对 " 烧钱换未来 " 模式的耐心正在耗尽。

芯片格局重塑：垂直整合成为新战略

六大巨头 2025 年全年超 4,300 亿美元和 2026 年超 6,000 亿美元的资本开支预算，却并没有让英伟达（NVDA.US）得益，英伟达的股价也持续受压，2026 年以来已累计下跌 7.88%，最近五个交易日的累计跌幅更达到 10.75%，为 " 七姐妹 " 之最。

英伟达虽仍主导 AI 训练芯片市场，但其 " 卖铲人 " 地位正受挑战。

12 月财季业绩清晰展现出当前 AI 芯片市场的 " 两极分化 " 格局：一方面，英伟达、AMD（AMD.US）的 AI 芯片需求依然殷切，仍是巨头们算力布局的核心选择，期内这些巨头们均大幅采购英伟达 GPU、AMD MI 系列芯片，用于大模型训练、算力集群搭建，英伟达凭借 CUDA 软件生态的优势，仍占据 AI 训练芯片市场的主导地位，AMD 则在推理芯片领域逐步突围，成为巨头们的重要补充选择。

另一方面，谷歌、亚马逊、特斯拉、微软等巨头已加速推进自研芯片布局，试图打破英伟达的垄断，降低算力成本，实现算力自主可控。谷歌自研的 TPU v7 系列芯片已获得 Anthropic 等企业的青睐，传闻 Anthropic 计划采购近一百万颗 TPU v7 芯片，且谷歌 Gemini 3、Anthropic Claude Opus 4.5 等顶尖大模型，大部分训练与推理均依赖 TPU，形成 " 数据 - 软件 - 硬件 " 的闭环生态；微软近期发布自研 AI 加速器 Maia 200，采用台积电（TSM.US）3nm 工艺，性能超越亚马逊第三代 Trainium 和谷歌第七代 TPU，且 " 每美元性能 " 较现有硬件提升 30%，专门用于 AI 推理场景。

亚马逊用于训练的 Trainium 2 芯片产能已全部满载，首批 140 万片全部交付，Trainium 3 现已投入生产，市场需求旺盛，预计 2026 年中，该型号芯片的供应将被全部预订；Trainium4 预计于 2027 年开始交付，FP4 算力将为 Trainium 3 的 6 倍，内存带宽提升 4 倍，高内存带宽容量亦增加 2 倍。

特斯拉也在推进自研芯片研发，并表示会进一步增加 AI 芯片和算力投资，还计划在美国本土建立半导体制造产能，以应对长期供应风险。

这种 " 外购 + 自研 " 的双重布局，将成为未来巨头们的主流选择——短期依赖英伟达、AMD 满足刚需，长期通过自研芯片实现成本优化与技术突围，而芯片市场的竞争，也将从 " 单一硬件比拼 " 转向 " 生态协同比拼 "。

这或将削弱英伟达的定价权，并推动 RISC-V 等开源架构在边缘 AI 中崛起，博通（AVGO.US）等定制芯片解决方案供应商或可得益。

人才与并购：军备竞赛的延续

" 六姐妹 " 的财季业绩与战略布局中，收购并购与人才争夺依然是其快速扩张、巩固 AI 优势的习惯手法，且竞争日趋激烈。

在收购方面，巨头们的收购标的更具针对性，不再盲目收购通用 AI 企业，而是聚焦 " 补短板、强协同 " ——比如微软通过收购 AI 初创企业，补充推理算力与垂直场景落地能力，强化与 OpenAI 的合作协同；谷歌收购 AI 视觉、空间智能领域的初创公司，完善 Gemini 模型的多模态能力；Meta 则通过收购小型 AI 企业，吸纳核心技术团队，加速 " 超级智能 " 相关研发。

在人才争夺方面，" 六姐妹 " 的竞争已进入白热化阶段，核心聚焦于芯片研发、大模型优化、Agent 开发等领域的顶尖人才。

财季披露的信息显示，巨头们纷纷提高 AI 核心岗位的薪资待遇、股权激励力度，甚至不惜从竞争对手处挖角。这种常态化的收购与人才争夺，本质上是巨头们对 AI 核心技术与人才壁垒的争夺，而中小 AI 企业，要么被巨头收购，要么在人才流失的困境中逐渐边缘化。

Agent 崛起：巨头争相布局，软件企业遭遇挤压

12 月财季中，"Agent（智能代理）" 成为 " 六姐妹 " 战略布局的核心关键词，巨头们均已明确推出或加速推进自身的 Agent 产品，或意味着 AI 行业正式进入 "Agent 竞争时代 "。

微软推出的 Office 智能体，可根据用户指令自动创建表格、文档、演示文稿，具备 " 数字员工 " 的属性，目前 Microsoft 365 Copilot 已拥有 1500 万商业用户席位；谷歌将 Agent 能力融入 Gemini 模型，推出可自主完成多步骤任务的智能代理，适配搜索、办公等场景；Meta、亚马逊也在推进 Agent 研发，分别聚焦社交场景与电商、云服务场景。

Agent 的崛起，对传统软件企业造成了一定的挤压——传统软件以 " 工具型 " 为主，而 Agent 具备自主规划、多任务协同、跨软件操作的能力，可替代部分传统软件的核心功能，导致部分中小软件企业面临被淘汰的风险。

不过，从财季动态来看，巨头们的 Agent 发展，依然需要依托传统软件的生态与基础功能，部分具备核心技术、垂直场景适配能力的软件企业，反而成为巨头们的合作对象，比如专注于工业软件、专业设计软件的企业，其核心功能难以被通用 Agent 替代，且可与巨头 Agent 结合，实现能力升级。因此，Agent 崛起，具备核心竞争力的软件企业应仍有生存空间，而同质化的工具型软件企业将被逐步淘汰，这可能是一个软件企业洗牌的过程。

存储芯片供应不足：AI 规模化发展的核心瓶颈，制约行业增速

" 六姐妹 " 的财季业绩与战略表态中，均间接反映出一个共性问题——存储芯片供应不足，已成为制约未来 AI 发展的重要挑战。

AI 大模型的训练与推理，需要海量的数据存储与高速的数据读取能力，尤其是随着大模型参数规模持续扩大、多模态数据（文本、图像、音频、视频）快速积累，对存储芯片的容量、速度、功耗提出了更高的要求，而当前全球存储芯片市场呈现 " 供需失衡 " 的态势，HBM3E 供不应求，价格翻倍，存储墙（Memory Wall）成为制约模型规模扩展的关键瓶颈，甚至比算力更紧迫。

美光（MU.US）、三星、SK 海力士等存储芯片头部供应商扩产需 12 – 18 个月，短期内难以缓解。

从巨头反馈来看，微软、谷歌、亚马逊均在财季中提及，存储芯片供应短缺，导致部分 AI 算力集群搭建进度滞后，影响大模型研发与推理效率的提升。此外，存储芯片的价格上涨，也进一步增加了巨头们的 AI 投入成本，间接加剧了市场对其 ROI 的疑虑。

能源压力与合规治理趋严，成为 AI 发展的新增约束

能源压力与合规治理趋严，或正成为 AI 未来发展的新增约束，且影响将逐步扩大。

从能源压力来看，AI 大规模应用带来的耗电量持续高企。" 六姐妹 " 均在加大 AI 基础设施投入，数据中心规模持续扩大，耗电量也随之飙升，比如 Meta 为保障数据中心电力供应，专门成立 "Meta Compute" 计划，微软、谷歌也在推进绿色数据中心建设，亚马逊也期望通过核能破解能源难题。在 " 双碳 " 目标约束下，高能效芯片研发、新能源电力供给、冷却技术升级，已成为巨头们必须应对的课题，也将增加 AI 投入的成本。

从合规治理来看，2026 年被视为全球 AI 治理措施加速落地的关键一年，相关规则将逐步生效，对巨头们的 AI 发展形成约束。" 六姐妹 " 作为全球 AI 发展的风向标，其 AI 研发、数据使用、产品落地，均需符合各国的合规要求，比如数据隐私保护、算法透明度、AI 安全评估等，这将进一步规范 AI 行业的发展，但也可能在一定程度上放缓研发与落地速度，尤其是在跨境 AI 服务、多模态数据使用等领域，合规成本将显著增加。

结论：穿越周期，价值回归

" 六姐妹 " 的最新财报或揭示了一个趋势：AI 产业正在从 " 技术突破驱动 " 的上半场，进入 " 商业应用与盈利能力驱动 " 的下半场。

短期内，行业将面临多重挑战：资本市场的耐心有限，必须展示清晰的盈利路径；供应链瓶颈（特别是存储芯片）可能制约发展速度；日益激烈的竞争可能导致价格战和利润率压缩；监管环境的不确定性也为全球布局带来变数。

但从长期来看，这种从狂热到务实的转变对行业健康发展是有利的。理性的市场环境将迫使企业更注重技术与商业的深度融合，更关注解决真实世界的实际问题，而非追逐华而不实的技术指标。

未来的赢家，不会是那些单纯拥有最大模型或最强算力的公司，而是那些能够将 AI 能力深度融入业务流程，真正提升效率、创造价值的企业。无论是通过云服务赋能千行百业，还是通过 AI 代理重塑用户体验，抑或是通过智能算法优化内部运营，可持续的商业价值创造能力将成为衡量 AI 成功的最终标尺。

AI 的故事仍在继续，但叙事的重心已经转变。当资本市场开始追问 " 然后呢？"，当每一笔投入都需要衡量回报，AI 产业才真正开始从实验室走向市场，从概念走向现实，从改变技术范式走向重塑经济格局。这条路或许不如之前那般狂热，但却更加坚实，也更可能通向真正可持续的未来。