下面讲正文。
过去两年，市场关于AI的争论主要集中在一个问题上：
科技巨头是不是花得太多了？
但随着AI训练和推理需求持续增长，算力供不应求成为行业常态，投资者争论的重点已经发生变化，而且市场对巨头们的capex的预期也一直在调高。
如此庞大的资本开支，未来究竟需要产生多少收入，才能获得合理回报？
按照高盛的测算，Alphabet、Amazon、Microsoft、Meta、Oracle和SpaceX六家公司，在2026年至2027年预计将投入约1.73万亿美元建设AI基础设施。
为了让这批投资实现GS定义下的15%资本回报率，六家公司在2028年至2030年需要累计产生约：1.42万亿美元收入。这相当于每年接近4720亿美元。
问题在于：这个目标究竟是触手可及，还是又一个建立在乐观假设上的数字游戏？
一、AI资本开支正在进入第二阶段
高盛将美国科技巨头的AI基础设施投资划分为三个阶段。
第一阶段是202的AI资本开支约为6330亿美元，年均投入约2110亿美元。投资主要集中在模型训练、GPU集群以及初步的数据中心扩张。
第二阶段是2026年至2027年。
预计资本开支将跃升至约1.73万亿美元，年均投入达到8630亿美元，接近第一阶段的四倍。
这也是当前市场关注的核心阶段。
在这一时期，AI基础设施建设将从少数头部模型公司的训练需求，扩展到推理、企业应用、智能体以及更广泛的消费级产品。
第三阶段是2028年至2030年。
高盛预计，这一阶段的相关资本开支可能进一步增长至4.14万亿美元。不过，随着前期建设的数据中心逐步投入使用，资本开支增速和资本密集度可能开始放缓，行业也将逐步从“建设模式”转向“收获模式”。
换句话说，2026年至2027年将是整个AI投资周期中最关键的衔接阶段：
前面是巨额投入，后面必须接上规模化收入。
二、1.73万亿美元究竟买到了什么？
按照GS的划分，第二阶段的1.73万亿美元资本开支中：
- 约70%用于服务器、AI芯片和网络设备；
- 约30%用于土地、数据中心建筑、电力及相关基础设施。
高盛假设，建设1GW AI数据中心的平均成本约为424亿美元。
以此计算，六家美国科技巨头在2026年至2027年的投入，大约能够形成41GW新增AI计算能力。
其中，Alphabet的相关资本开支约4701亿美元，Amazon约4243亿美元，Microsoft约3273亿美元，Meta约3087亿美元，Oracle约1653亿美元，SpaceX约306亿美元。
这41GW算力需要产生多少收入，才能证明投资是合理的？
GS的基准答案是：
- 2028年收入约4654亿美元；
- 2029年收入约4738亿美元；
- 2030年收入约4759亿美元；
- 三年累计约1.42万亿美元。
折算下来，每GW每年需要产生约116亿美元收入。
三、1.42万亿美元是怎么算出来的？
首先，GS假设服务器、芯片和网络设备的使用寿命为5年，数据中心建筑的使用寿命为15年。
在这一假设下，每年折旧费用约为2762亿美元。
其次，数据中心还需要承担电力、人工、维护等运营成本。GS估计，每GW每年的相关成本约为8.36亿美元。
再次，高盛假设新建算力不会立即满负荷运行：
- 2028年利用率为60%；
- 2029年利用率为80%；
- 2030年利用率为85%。
最后，GS设定21%的企业所得税率，并要求这批资本开支每年产生约1295亿美元税后经营利润。
把目标利润、税费、折旧和运营成本全部加在一起，就得到了约4700亿美元的年度收入门槛。
从模型结构来看，最大的成本并不是电力，而是折旧。
这意味着，AI基础设施的经济性不仅取决于芯片性能和电价，还高度依赖于一个更基础的问题：
这些昂贵的设备究竟能够使用多久？
如果GPU和服务器五年后依然具有较高使用价值，投资回报会明显改善；如果技术迭代导致资产提前淘汰，实际回报则可能显著低于模型结果。
四、1.42万亿美元收入有可能实现吗？
高盛最重要的支持依据，是云计算公司的订单储备。
截至2026年第二季度，AWS、Microsoft Azure和Google Cloud披露的合同承诺及剩余履约义务合计约为1.69万亿美元，同比增长约152%。
按照高盛的模型，这三家公司在2028年至2030年需要产生约1万亿美元收入，才能达到设定的回报门槛。
这相当于当前订单储备的59%。
从表面上看，这个比例似乎并不激进。
而且，高盛的计算没有假设未来订单继续增长。考虑到云计算订单目前仍保持较快增长，GS认为，这一收入门槛具备实现的可能性。
与此同时，多家科技公司的管理层也在强调类似观点。
Amazon表示，服务器和网络设备通常可以在约三年内达到盈亏平衡，而其经济使用寿命可能达到五至六年；Oracle表示，大型云基础设施项目的稳态资本回报率可以达到20%后段；Microsoft则强调，新一代AI基础设施能够在地域、芯片类型和工作负载之间灵活调度，从而提高整体利用率。
这些信息共同指向一个结论：
当前自由现金流和资本回报率下降，可能主要是因为投资发生在前、收入确认在后，而不一定意味着AI基础设施本身没有经济价值。
五、但GS里的“15%回报率”，需要重新理解
高盛所说的15% ROIC，并不是用全部1.73万亿美元资本开支作为分母。
GS使用的是2026年至2027年两年资本开支的平均值，也就是约8630亿美元。
按照这个口径：
1295亿美元年度税后经营利润，除以8630亿美元平均年度资本开支，刚好约为15%。
但如果使用全部1.73万亿美元投入资本作为分母，实际回报率只有约：7.5%。
换句话说，GS中的“15% ROIC”，并不完全等同于投资者通常理解的“全部投入资本每年获得15%回报”。
如果要求年度税后经营利润真正达到总投入资本的15%，那么在高盛同一套模型中，2028年至2030年的累计收入门槛将接近：1.91万亿美元。比GS的基准结果高出约5000亿美元。
因此，1.42万亿美元更适合作为一个相对宽松的收入门槛，而不是严格意义上的充分回报标准。
六、订单储备也不等于最终利润
GS将1万亿美元收入需求与1.69万亿美元云业务订单储备进行比较，为模型提供了较强的需求支撑。但两者并不能直接画等号。
首先，云厂商披露的订单储备通常包括部分非AI和非云业务收入。
其次，这些合同可能跨越较长时间，并不一定全部在2028年至2030年确认。
更重要的是，收入不等于利润。
不同客户、不同算力产品以及不同服务层级的毛利率可能相差很大。出售基础GPU算力、提供模型API，以及销售完整的企业软件服务，对应的利润结构完全不同。
此外，部分订单可能需要2028年以后的新增资本开支才能交付，不能完全归功于2026年至2027年建设的资产。
因此，订单储备可以证明需求真实存在，却不能证明资本回报已经被锁定。
七、真正应该观察的，不只是资本开支
未来两三年，判断这轮AI投资能否获得回报，至少需要跟踪五个指标。
第一是订单转化。
云业务的RPO和长期合同能否按期转化为收入，比订单总额本身更重要。
第二是算力利用率。
数据中心能否从60%逐步提升至80%以上，将直接影响单位资产的收入和利润。
第三是单位算力价格。
如果AI芯片性能提升带来的成本下降速度快于计算需求增长，算力价格可能持续承压。反过来，如果需求长期超过供给，云厂商就有能力维持较高定价。
第四是资产使用寿命。
服务器究竟能够使用三年、五年还是更长时间，将显著改变折旧、现金流和资本回报。
第五是增量利润。
最终需要回答的问题不是AI带来了多少收入，而是每投入一美元资本开支，究竟能够增加多少经营利润和自由现金流。
知识星球
