华尔街正在为 AI 基础设施开出人类历史上最大的一张支票，但没人能确定这张支票能不能兑现。
高盛最新预测，美国五大超大规模云厂商 2027 年的 AI 资本支出将攀升至 1.2 万亿美元，比 2026 年预计的 7250 亿美元再跳升 54%。这个数字占美国 GDP 的比重，超过了自 19 世纪铁路大建设以来任何一次技术投资周期。
但硬币的另一面更刺眼：要覆盖这笔开支，这些公司每年需要产生约 3000 亿美元的 AI 收入才能盈亏平衡。而据亚洲金融报道测算，微软、Anthropic 和 OpenAI 目前可见的 AI 营收合计还远低于 2000 亿美元。
这中间横亘着的，是一个超过 1000 亿美元的年度货币化缺口。而在这场豪赌里，只有微软被预计能在 2027 年守住正自由现金流。
支出曲线陡峭，收入曲线平缓
把两组数字放在一起看，张力就出现了。
2025 年，五大厂商——亚马逊、Alphabet、微软、甲骨文和 Meta——的 AI 资本支出约 4500 亿美元。2026 年，这个数字预计升至 7250 亿美元，接近翻倍。高盛在 2026 年 9 月的报告中给出的口径更高，预计 2027 年将达到 1.2 万亿美元，2028 年再增 12% 至 1.4 万亿美元。
支出曲线的斜率令人眩晕。但收入曲线完全是另一副模样。
高盛分析师 Ryan Hammond 团队测算，超大规模云厂商需要约 3000 亿美元的年度 AI 营收，才能为当前的资本开支周期盈亏平衡。而现实是，微软、Anthropic 和 OpenAI 目前可见的 AI 营收合计远低于 2000 亿美元。
这不是小缺口。这意味着，即便这些公司把今天能看到的所有 AI 收入都装进口袋，也还有超过三分之一的成本没有着落。
高盛自己也承认，云收入确实在加速。Hammond 在报告中写道，超大规模云收入在 2026 年第二季度年化较 AI 前趋势高出约 700 亿美元，宣布的收入积压超过 1.5 万亿美元。但积压不是现金，承诺不是利润。从签约到确认收入，中间隔着漫长的部署周期和越来越激烈的价格竞争。
摩根大通董事长杰米·戴蒙在 2026 年 9 月给过一个更直观的标尺：超大规模厂商今年支出约 7000 亿美元，去年是 3000 亿美元，明年可能突破 1 万亿美元。“这相当于每年给 GDP 增加 1 个百分点，”他说，“因为你得雇人、建厂、买设备和铜线，还得建发电厂。”
债务正在成为 AI 基建的默认燃料
当自由现金流追不上资本支出时，公司只有两条路：发债，或者稀释股东。
五大厂商选择了前者，而且速度越来越快。
2025 年，这些投资级评级的超大规模厂商发行了 1080 亿美元债券，约占资本支出的 26%。到了 2026 年上半年，发行额已经达到 1940 亿美元，全年预计约 2500 亿美元，占资本支出的三分之一。高盛预计 2027 年这一比例还会升到 35%，对应 4000 亿美元的债券发行。
换句话说，每花 3 美元建一座数据中心，就有 1 美元以上是借来的。
这在科技巨头身上是罕见的景象。过去二十年，这些公司一直是净现金持有者，用内部产生的现金流喂养增长。现在，GPU 和电力合同的周期长度已经超出了单一年度的自由现金流承受能力，财务部门被迫走进债券市场。
更关键的分化藏在细节里。据该报道，五大厂商中仅有微软被预计能在 2027 年实现正自由现金流。其余公司——包括现金流曾经最强劲的谷歌和 Meta——都将在债务和股权之间做选择。
穆迪在 2026 年 7 月的一份报告中警告，2026 年 7850 亿美元、2027 年约 1 万亿美元的资本支出正在侵蚀自由现金流，股票销售和表外结构正在“威胁信用质量”。压力最集中的是甲骨文和高收益的“新云厂商”，而四家最强资产负债表的公司短期内还不至于丢掉投资级评级。
高盛倒也留了后路：四大主要厂商如果把净杠杆推到 2 倍，估计还有 1.3 万亿到 1.4 万亿美元的举债空间。项目融资、私人信贷、资产支持融资，都可以成为传统公司债之外的渠道。
但“不至于违约”和“能赚钱”是两回事。
生产力回报远没有代币支出那么性感
支撑这场豪赌的核心假设是：AI 会大幅提高生产力，企业会为此持续付费。
这个假设正在被数据挑战。
生产力监测平台 DX 对 400 家公司在 2024 年 11 月至 2026 年 2 月间的追踪研究发现，期间 AI 使用量平均增长了 65%，但工程团队的 PR 吞吐量只增长了 7.76%。换算下来，AI 给工程产出带来的中位提升约 10%，远非“10 倍工程师”的神话。
更微妙的是代币支出与生产力之间的关系。据该报道引用的测算，代币支出与生产力提升的相关性仅为 0.20。这意味着，公司烧掉的 token 越多，并不等于产出越高——大部分额外支出只是在为低效的提示词、重复的推理循环和未被充分利用的上下文窗口买单。
这对商业模式的含义是直接的：如果客户发现多花 10 倍的钱只换来 10% 的产出提升，他们的付费意愿会迅速触顶。而超大规模厂商的收入增长，恰恰依赖于客户持续增加 token 消费。
斯坦福相关研究和 Faros 的报告也指向同一个结论：AI 在简单任务和新项目上能带来 30-40% 的提升，但在复杂遗留代码上只有 0-10%，有时甚至是负数。AI 创造了更多提交、更多代码行，但也创造了更多返工。
谁在为这场豪赌买单，谁能活到最后
这场基建竞赛的买单顺序正在悄然变化。
最先买单的是超大规模厂商自己——用它们的利润表和资产负债表。然后是债券市场的投资者，用 2500 亿美元的年度认购承接了三分之一的资本开支。最后才是终端客户，用订阅费和 token 账单为整个链条提供最终的现金回流。
问题在于，链条的最后一环是最脆弱的一环。
如果企业客户的 AI 生产力回报停留在 10% 而不是 10 倍，他们的预算会在某个季度突然收紧。届时，超大规模厂商手里会剩下两样东西：一堆还没折旧完的 GPU，和一堆还没到期的债券。
微软是这场游戏里最安全的玩家。它有 Azure 的存量企业合同，有 OpenAI 独家合作的护城河，还有唯一被预计能在 2027 年转正的自由现金流。OpenAI 已承诺约 2500 亿美元的额外 Azure 支出，为微软的 backlog 提供了锚点。微软的商业剩余履约义务达到 6270 亿美元，同比增长 99%——超过两年的收入已经躺在合同里。
但即便是微软，也掩盖不了一个事实：这些合同大多是可以取消或重新谈判的。当客户发现 ROI 不如预期时，积压会比想象中蒸发得更快。
这不是注定失败的豪赌，但赢家会比想象中少
把 1.2 万亿美元称为“泡沫”太轻率了。铁路泡沫破裂后，铁路网留了下来，并重塑了美国经济。AI 基建大概率也会留下可用的东西——算力、模型、应用生态。
但铁路时代的教训是：留下东西不等于留下利润。19 世纪的铁路公司里，绝大多数投资者血本无归，真正赚钱的是少数活到行业整合完成的公司，以及卖铁轨和机车的供应商。
今天的 AI 基建竞赛正在重演同样的剧本。英伟达和台积电已经拿走了第一波利润——黄仁勋在财报会上说得直白：“算力就是收入，算力就是利润。”债券投资者正在拿走第二波利息。而超大规模厂商自己，还在为最终的运营利润排队。
对投资者而言，关键问题不再是“AI 是不是未来”——它是。问题是：在这条通往未来的路上，谁的资产负债表能活到收费的那一天。
1.2 万亿美元买得到的不是 AI 的未来，而是入场的门票。真正值钱的，是那些在门票售罄之后，还能付得起电费的公司。
快报