财联社 11 月 11 日讯（编辑 夏军雄）人工智能（AI）资本开支持续膨胀之际，华尔街对这轮投资热潮可持续性的质疑正在加深。

高盛 11 月 10 日发布的《Top of Mind》研报指出，六家主要美国超大规模云服务商 2026 年资本开支预计达到 8900 亿美元，2027 年进一步增至 1.4 万亿美元。

据该行测算，要使 2026 年至 2027 年的相关资本开支获得 15% 的投资资本回报率（ROIC），这些企业 2028 年至 2030 年累计需要创造约 1.42 万亿美元的收入。

与此同时，随着 AI 相关债务发行规模快速增长，信用市场出现明显分化。

高盛认为，AI 投资周期仍有望延续，但未来能否维持当前扩张速度，将越来越取决于终端需求、融资能力和电力供应，而非单纯的资本开支意愿。

巨额资本开支背后，AI 需要创造多少收入？

高盛预计，谷歌母公司 Alphabet、亚马逊、微软、Meta、甲骨文及 SpaceX 六家企业 2026 年资本开支合计约 8900 亿美元，FactSet 一致预期显示，2027 年这一数字将达到 1.4 万亿美元。上述数据涵盖企业整体资本支出，并非全部属于 AI 专项投资。

研报另以不包括 SpaceX 的五家大型科技公司为统计口径，给出 2026 年约 8000 亿美元、2027 年约 1.1 万亿美元的资本开支一致预期。相关预测今年已被多次上调。

研报指出，按照基础设施投资占 GDP 的比重衡量，当前 AI 建设周期预计将超过铁路、电气化及电信光纤等历史技术投资周期。

然而，资本开支越高，未来需要创造的收入也就越多。

高盛股票研究团队估计，六家云服务商未来几年每年需要获得约 3500 亿美元 AI 收入，才能覆盖相关投资产生的折旧及运营费用。这仅相当于收支平衡门槛，尚未考虑资本回报要求。

如果将 ROIC 提高至 15%，2028 年至 2030 年累计所需收入约为 1.42 万亿美元，平均每年接近 5000 亿美元。

对于购买算力的下游 AI 应用企业而言，商业化压力可能更大。

高盛根据不同利润率和资本回报率构建情景模型。该模型假设算力成本占应用层运营费用的 75%。在云服务商实现 20% 的 ROIC、应用层企业 EBIT 利润率为 20% 的情景下，应用层需要创造约 1.35 万亿美元的年度收入，才能支撑相应的投资回报。

（高盛测算，在不同投资资本回报率和营业利润率假设下，AI 应用层企业需要实现的年度收入规模）

不过，高盛认为，如此庞大的收入门槛虽然充满挑战，但并非无法实现。

目前全球企业每年软件支出约 1.5 万亿美元，其中一部分可能逐渐转向 AI 应用。高盛经济学家还估计，AI 最终可能在美国每年创造约 1.8 万亿美元、归属于资本的劳动生产率收益，但这些收益未必全部转化为 AI 企业的收入。

另一方面，如果 2028 年资本开支继续高速增长，或者进一步考虑物理 AI 和通用人工智能（AGI）的投资需求，行业需要跨越的收入门槛还将提高。

商业回报尚待验证

尽管资本开支不断增长，高盛互联网股票研究分析师 Eric Sheridan 仍对大型云服务商的投资回报前景保持乐观。

他指出，截至 2026 年第三季度，亚马逊 AWS、微软 Azure 和 Google Cloud 三大云平台合计在手订单达到 1.8 万亿美元，同比增长约 140%。部分云服务商预计，约一半的在手订单将在未来两年转化为实际收入。

这些在手订单并非全部来自 AI 业务，但反映出企业云服务需求正在增长。

Sheridan 认为，算力投资周期通常持续五至八年，而投资者往往希望每隔六个月就看到明确回报。这种投资与收益兑现之间的时间错配，是基础设施建设周期的常见特征。

高盛还预计，代理式 AI 将在未来五年推动 Token 使用量增长接近 25 倍。不过，Token 需求增加不一定意味着收入同比例增长。

随着模型效率提高、开源模型普及，常规 AI 任务的 Token 价格可能持续下降。对算力供应商而言，关键在于使用量增长能否抵消价格下跌。

真正的不确定性仍然来自企业 AI 商业化。

高盛对标普 500 公司第三季度财报电话会议的统计显示，尽管约半数企业已开始讨论内部 AI 应用案例，但能够量化具体生产率改善，特别是直接量化盈利影响的企业仍然较少。

Social Capital 创始人 Chamath Palihapitiya 对此更加谨慎。他认为，企业部署 AI 面临组织管理和员工接受度等障碍，即使技术节省了劳动时间，也不意味着企业能够将其全部转化为利润。

此外，AI 代理执行更多任务可能增加整体运营支出，即使单个 Token 的成本下降，企业利润也未必同步改善。

他认为，AI 行业最终可能需要从按 Token 使用量计费，逐步转向按照实际业务成果收费，才能让终端客户更加清晰地衡量投资回报。

信用市场出现分化

在商业回报尚未充分显现之际，AI 产业链对债务融资的依赖正在上升。

高盛首席信贷策略师 Amanda Lynam 指出，截至 11 月 3 日，2026 年全球银团信贷市场 AI 相关债务发行规模已达 6870 亿美元，其中只有 43% 直接来自五家超大规模云服务商。

（高盛统计显示，2026 年以来全球 AI 相关债务发行涉及云服务巨头、数据中心项目及科技企业等多个领域，约六成来自云服务巨头以外的发行人）

截至 11 月 4 日，这五家企业年内累计发行债务 2960 亿美元，超过高盛此前预测的全年 2500 亿美元。其中，仅 10 月 29 日以来宣布的融资交易就超过 670 亿美元。

与此同时，科技巨头未来需要履行的合同付款义务也在快速增加。

高盛统计，五家云服务商的租赁承诺合计约 1.7 万亿美元，其中约 75% 对应尚未开始的租赁合同。此外，其他无条件采购承诺合计约 1.9 万亿美元，其中 6850 亿美元需要在 2027 年底前支付。

相关采购承诺涵盖云计算容量、服务器、网络设备及数据中心电力供应等，部分支出已反映在市场资本开支预测中。

长期付款义务持续扩大，意味着企业未来现金流和资本结构将面临更严格的审视。

高盛认为，相比融资成本本身，信贷市场的供给饱和可能是更重要的约束。随着 AI 相关债务不断发行，投资者还需要统筹股票、公开债券及私募市场中的整体 AI 风险敞口。

评级机构也开始提高警惕。

研报援引穆迪数据称，超大规模云服务商整体财务承诺自 2023 年以来增长了八倍。标普则认为，AI 融资生态系统的容错空间正在缩小，更广泛的应用及商业化变现将成为证明相关投资合理性的必要条件。

高收益债市场的变化尤其明显。

高盛资本解决方案部门全球杠杆融资主管 Miriam Wheeler 表示，年初 AI 相关高收益债融资需求旺盛，交易综合收益率普遍约为 6% 至 7%。但随着投资者担心债券供应激增，市场情绪明显转弱。

过去 12 个月约有 30 笔 AI 相关融资交易进入高收益债市场，但截至研报采访时，最近一个月已没有新交易。

Wheeler 预计，未来融资市场将更加青睐资金实力雄厚、拥有优质租户、建设许可齐全且交付风险较低的项目。缺乏经验、杠杆较高或合同条件较弱的开发商，则可能越来越难以获得资金。

CoreWeave 承压，科技巨头更具防御能力

新型云服务商 CoreWeave 成为近期 AI 融资压力的典型案例。

高盛预计，CoreWeave 今年收入增长超过 150%，但高速扩张需要提前投入大量资金采购 GPU 及建设数据中心。目前既有 GPU 资产产生的现金流，尚不足以完全支持下一阶段投资。

Palihapitiya 指出，新型云服务商的商业模式存在潜在期限错配：企业承担长期固定债务和基础设施支出，却依赖未来算力需求实现收入。

他估计，这类企业通常需要达到约 70% 至 75% 的算力利用率才能实现盈亏平衡。即使利用率达到 75% 至 85%，部分运营商也可能无法在 GPU 硬件淘汰之前赚取足够现金偿还债务。

不过，高盛软件研究分析师 Gabriela Borges 认为，市场可能高估了 CoreWeave 的实际融资成本。

研报指出，CoreWeave 约 100 亿美元无担保债务的最差收益率达到约 16%，但该公司主要使用的有担保延迟提款定期贷款（DDTL），实际融资成本明显更低。

这类融资通常由长期客户合同支持，在数据中心具备投运条件后分阶段提取贷款，并利用客户付款在合同期限内逐步偿还债务。高盛估计，CoreWeave 超过 95% 的业务采用期限约四至五年的照付不议合同，因此能够在一定程度上抵御算力现货价格波动。

按照高盛基础情景，CoreWeave 资本开支有望在 2028 年进入相对稳定阶段，自由现金流预计于 2030 年转正。但如果大量新增算力集中投产，而需求增长不足，算力价格仍可能承压，尤其不利于依赖现货市场的运营商。

相比之下，高盛认为大型云服务商具备更强的风险承受能力。

Sheridan 指出，CoreWeave 债务近期承压之际，微软随后发行的债券获得约五倍超额认购，反映资本市场仍愿意为信用质量较高的企业提供资金。

大型科技公司不仅拥有强劲的核心业务和经营现金流，还掌握大量既有数据中心资产。即使融资环境恶化或建设审批趋严，其竞争优势仍可能进一步扩大。

Palihapitiya 也认为，如果部分新型云服务商难以持续经营，大型云服务商可能收购相关土地、电力及数据中心资产。行业更可能经历整合与资产重新配置，而非全面崩溃。

2028 年或成重要观察节点

对于 AI 投资周期未来的走向，高盛认为，需求、融资和电力供应是三项关键变量。

如果企业 AI 应用需求不及预期，新增算力可能出现过剩；如果资本市场持续收紧，高杠杆企业可能被迫推迟项目；如果电力基础设施无法满足建设需求，即使资金充足，数据中心也可能无法如期投产。

美国中期选举后的监管不确定性可能进一步增加数据中心项目的建设风险。但高盛指出，如果监管限制新增数据中心供应，也可能提高既有算力资产的价值，从而使大型云服务商相对受益。

在时间窗口上，Palihapitiya 认为未来 18 个月可能逐步显现不同 AI 商业模式的可持续性。高盛信贷策略团队则强调，到 2028 年能够看到明确的 AI 商业化证据，对缓解信用评级压力和维持融资市场信心至关重要。

高盛并未认为当前 AI 投资周期即将终结。Sheridan 仍相信，大型云服务商有能力获得合理投资回报，但他也承认，随着投资规模不断膨胀，市场对回报兑现速度的要求正在提高。