超大规模云厂明年狂烧一万亿美元买AI

杰米·戴蒙又抛出了一个让市场倒吸一口凉气的数字。

这位全球最大银行的CEO在最近一次公开演讲中明确指出：超大规模云服务商生态系统中的AI投资总额，明年可能达到1万亿美元。这不是一个静态的存量概念，而是一个陡峭的增长轨迹——去年这些巨头的AI相关支出约3000亿美元，今年激增至7000亿美元，增速翻倍以上，而下一站直指1万亿。

按戴蒙自己的估算，这笔开支的指数级增长相当于每年直接拉动全球GDP增长1%。但与此同时，他也给出了一个令人不安的判断：在短期内，这种规模的资本密集投入极可能会推高通胀水平。只有放长远看，AI提高效率的作用才可能最终转化为通缩效应。

问题是，戴蒙口中的“超大规模云服务商生态系统”，到底是一个怎样的存在？这1万亿美元里有多少真正花在买显卡和建数据中心，又有多少被计入了其他名目？当华尔街最聪明的头脑之一开始为AI算账时，他们真正在计算的是什么？

“hyperscaler ecosystem”的模糊地带

戴蒙原话中使用的是“hyperscaler ecosystem”这个概念。听起来很明确——不就是AWS、Azure和谷歌云平台这几家吗？

但随后他在接受进一步采访时做了补充说明，而这个补充反而让这个统计口径变得更加宽泛且难以独立验证。他提到，这套支出体系实际上包含了终端企业的软件采购成本，不仅仅是云基础设施自身的建设投入。这意味着，戴蒙眼中的“万亿美元AI经济”并不仅指微软、亚马逊和谷歌自己在买GPU、租地皮、拉光纤，而是涵盖了一个更宏大的产业图景：那些正在向AI转型的传统企业购买SaaS工具、私有化部署模型、改造内部IT架构的成本，都被纳入了他的统计框架。

这种定义方式的好处是覆盖了整个AI浪潮的资金面，坏处是你无法用单一交易所公告或第三方研究机构的数据去精准核对它是否准确。截至目前，没有任何一家权威机构独立核算过这个数字的绝对值。如果只算三大云厂商自身的硬件与基础设施资本开支，规模远小于此——根据各公司最新财报指引，2026年全球顶级云厂商的CAPEX加总大约在4000亿至5000亿美元的区间。剩余的数千亿美元空间，被填充到了企业端的应用软件支出和其他配套领域。

换句话说，戴蒙说的是一个更宏观的产业叙事框架，而不是一个精确的财务会计科目。我们在阅读时需要将其视为一种趋势判断，而非既定事实。

军备竞赛的三个真实去向

无论口径是否完全清晰，一个确定的商业现实是：头部云厂商在AI上的真金白银越投越多。亚马逊的AWS在资本开支指引上持续上调，主要用于扩大AI推理能力的部署和优化GPU集群效率；微软的Azure则在OpenAI的支撑下持续加码自研芯片项目，同时建设大量专门承载大型模型的训练设施；谷歌云平台依托自研TPU的优势，也在加速扩充其面向企业和研究机构的AI算力供给。

把这些投入拆解开来，几个主要去向是非常清晰的。第一部分毫无疑问是算力硬件，包括GPU芯片、ASIC定制芯片、CPU以及与之配套的高速内存和存储设备。这部分是最核心的支出，也是上游芯片巨头营收飙升的直接驱动力。目前顶级AI芯片的单颗采购价格已达到数万至十几万美元不等，且订单排队现象普遍。

第二部分是电力与能源基础设施。一座现代AI数据中心的峰值功耗可以堪比小型城镇，对区域电网容量的要求极其苛刻。近年来，多家云厂商已经开始签署长达十年的购电协议，甚至尝试自建燃气涡轮发电站来保障稳定的基载电力供应。

第三部分是建筑物理空间与土地储备。数据中心本身需要大规模的物理空间，而选址往往受限于当地电力稳定性、水资源冷却条件和气候环境。美国得克萨斯州、亚利桑那州以及北欧部分地区都已成为新建项目的热门区域。

这四个环节的联动效应形成了一个完整的重资产产业链条：芯片制造商获得巨额订单 → 服务器代工和组装企业同步受益 → 电力系统升级和工程建设带动地方投资 → 运维与工程师人才市场的薪资水涨船高。这就是为什么戴蒙会说“短期可能推高通胀”——当全社会资源都在为一个新兴技术方向集中注入资本时，必然会出现局部供需失衡和资源价格上升。

短期通胀与长期通缩的拉锯战

戴蒙判断中长期会产生通缩效应，这听起来似乎与短期的通胀压力相矛盾。但这种矛盾背后其实是全要素生产率提升的底层逻辑。

AI的核心商业价值在于它可以替代或增强人类劳动。从微观层面看，一家使用AI客服的企业可以降低人力运营成本；从宏观层面看，当越来越多的行业通过AI提高生产效率时，单位产品的制造与服务成本会下降，从而压低整体物价水平。这个过程目前还在早期扩散阶段，但它的影响链条已经在部分行业显现。例如，软件研发领域使用大模型辅助编程后迭代周期缩短；医疗影像分析借助AI提高了准确率并降低了重复性工作强度；金融行业的自动化风控系统也在降低合规成本。

当然，通缩效应的实现并非毫无前提。如果AI投入的回报率无法覆盖前期巨大的固定沉没成本，或者新技术扩散的速度不及预期，那么所谓的“通缩红利”就可能停留在理论推演层面。此外，AI还可能带来新的寡头垄断效应：掌握核心算法和海量数据的少数巨头可能从中获得超额利润，而不一定将成本节约传递给最终消费者。

谁在受益，谁需警惕

对于资本市场和产业投资者而言，这条向上的支出曲线意味着一系列确定性较高的商业机会。算力芯片供应商、服务器组装商、光模块厂商、电源管理和液冷散热解决方案提供商都是这条产业链上最直接的受益者。他们的业绩增长在很大程度上已经被下游的云厂商资本开支计划所锁定。

但对于观察者来说，更需要冷静评估一个尚未被充分讨论的下行风险：支出放缓的可能性。历史上每一次技术革命的基础设施建设都有一个共同特征——初期爆发式扩张，中期逐渐趋于理性，后期回归稳定运营。当前的超大规模云计算军备赛正处于第一个阶段，但这个阶段的持续时间充满变数。

一旦未来出现以下任何一种结构性变化，整个产业链的扩张叙事就会面临严峻转折。首先是宏观经济周期下行导致企业全面缩减预算，IT支出往往是首当其冲被砍掉的部门。其次是技术成熟度不达预期，AI的商业落地速度如果始终无法追上硬件投资的节奏，收入端将无法覆盖高昂的折旧成本。最后是监管政策趋严，数据安全审查、反垄断调查和环境能耗指标的收紧都可能增加建设和运营的隐性门槛。

这些因素叠加在一起，意味着眼前的万亿美元叙事建立在持续增长的假设之上。一旦宏观环境或技术拐点提前到来，整个重资产链条的反应速度可能远比市场预期得要快。

要判断这场军备赛跑是否能顺利穿越周期，有三个关键维度的变化值得密切跟踪。第一是三大云厂商各自季度财报中的资本开支指引是否维持同比双位数增长；第二是AI应用层面的单客平均收入能否匹配硬件折旧的速率；第三是数据中心实际用电量与新建审批数量的边际变化，这是衡量硬件投入周期的先行指标。