美股巨头为什么要"明知不赚钱"也要疯狂砸钱搞 AI？

一、刚刚发生的财报：4 月 29 日的"集体加码"

要理解这个问题，最好的切入点就是刚刚发生的事——4 月 29 日。

这一天，Microsoft、Alphabet(Google)、Amazon、Meta 在美股盘后集中公布了 2026 年第一季度财报。作为全球最大 AI 基建投入方的同台对账，结果可以用一句话概括：业绩集体超预期，资本开支集体上调，股价反应却严重分化。

资本开支：上调，再上调

四家公司全部上调了 2026 年全年 capex 指引：

Microsoft：约 1900 亿美元（上调，CFO 明确归因 250 亿来自组件涨价）

Alphabet：1800-1900 亿美元（上调 50 亿）

Amazon：约 2000 亿美元（维持高位）

Meta：1250-1450 亿美元（上调 100 亿）

四家合计 2026 年 capex 将达到 7250 亿美元左右，较 2025 年纪录增长 77%。这是有史以来单年最大规模的企业资本开支扩张，比很多国家的 GDP 还要大。

值得注意的是，Microsoft 和 Meta 明确把 capex 上调归因于内存芯片（HBM）等核心组件涨价。这意味着投入数字的上修，部分是"同样的硬件变贵了"——但最终都体现为更多现金流出。

当期回报：分化已经开始显现

跟前几个季度"AI 收入说不清"不同，这次四家都给出了可量化的 AI 业务读数：

Microsoft：AI 业务年化收入达 370 亿美元，同比 +123%；云合同积压（RPO）飙升到 6270 亿美元。

Alphabet：Google Cloud 收入 200 亿美元，同比 +63%，远超预期；云业务 backlog 翻倍。Pichai 直言云收入本可以更高，目前是"算力受限"。

Amazon：AWS 同比 +28%；但自由现金流从去年同期的 259 亿美元暴跌至 12 亿美元，AI capex 几乎吃掉了整个现金流。

Meta：广告收入同比 +33%，但没有 AI 直接付费产品的弱点暴露——所有 capex 必须靠广告业务消化。

简单说：云三家（MS / Google / AWS）能把 AI capex 直接对应到云收入加速上，Meta 不能。

股价反应：市场用脚投票

最有意思的是当天的股价反应。同样是上调 capex，市场给出了完全不同的判决：

Alphabet (+8%)：云加速最猛 + 估值偏低，capex 被认为"花得值"。

Amazon (-1.7%)：AWS 增速可接受，但 FCF 暴跌引发担忧。

Microsoft (-5%)：业绩扎实，但 capex 增长超市场预期。

Meta (-9%)：capex 创纪录但缺乏直接 AI 变现，最被质疑。

这种彻底的分化揭示了当前市场的真实定价逻辑：巨额 capex 不再被无差别地"鼓掌通过"。哪家能证明 capex 在变成 revenue，哪家就被奖励；哪家只能讲故事，哪家就被惩罚。

一个值得停下来想的问题

既然市场已经开始惩罚"只烧钱不变现"，为什么 Meta 还要把 capex 再上调 100 亿？为什么所有四家都坚持"烧得更多"？

如果你是扎克伯格，看到股价暴跌 9%，最理性的反应难道不该是"明天宣布砍 capex"吗？

但没有一家这么做。这不是 CEO 们集体非理性，而是这个游戏的结构决定了他们无法停下来。下面四层逻辑层层叠加，构成了这场"明知被砸也要继续烧"的合理性。

二、明面上的逻辑：AGI 是一张"不可错过"的船票

巨头们公开讲的故事很简单：AI 不是普通的技术升级，而是堪比互联网级别的平台跃迁。

其潜在市场规模（TAM）不是云计算的几千亿美元，而是整个白领劳动力市场——一个以万亿美元计的 TAM。谁掌握了基础模型和分发渠道，谁就拿到了下个二十年的入场券。

在这种"赢家通吃 + 时间窗口极窄"的认知下，决策的天平被彻底改写：

少投的风险：错过平台机会，被降维打击（如 IBM 错过 PC、Nokia 错过智能机）。

多投的风险：浪费几百亿美元，但公司不会死，最多股价波动几年。

对一家年自由现金流 700-1000 亿美元的巨头来说，这两种风险根本不在一个量级上。资本市场目前也在用这套叙事给他们定价，任何一家如果突然宣布"要砍 AI 开支"，股价当天就会被锤。主动减速这个选项，事实上已经不存在了。

三、暗线：这是一场停不下来的囚徒困境

即使每个 CEO 私下都怀疑当前的 ROI，他们也没有单方面停下来的选项。

想象一下博弈结构：如果 Meta 停了、Google 没停，等 Google 拿到接近 AGI 的能力，Meta 就会面临生存级别的危机——其广告基本盘会被掌握更强 AI 的对手蚕食。反之亦然。

集体最优虽然是大家都少烧 1000 亿，但这不现实，因为任何一家偷偷加大投入，就能拿到决定性优势。所以纳什均衡是"所有人都疯狂投"——这就是教科书级别的囚徒困境。

更精妙的是，这场博弈嵌套了一层：他们烧得起。

Microsoft：700-800 亿美元（搜索 + Office + Azure 现金牛）

Google：700 亿美元+（搜索广告现金牛）

Meta：500-600 亿美元（广告现金流）

Amazon：600-700 亿美元（AWS 收入对冲）

巨头是用传统业务的现金牛补贴 AI，他们不需要 AI 短期赚钱，只需要不输掉这场仗。这种"输不起 + 烧得起"的组合，注定了这是一场要打完的消耗战。

四、结构后果：垄断的自我强化

这轮 AI 革命从一开始就是巨头主导的，入场门槛高得离谱：

算力门槛：训练前沿模型需 10 万张以上高端卡，硬件百亿美元起步。

人才门槛：能做预训练/后训练的顶级 researcher，全球仅少数公司能聚齐。

数据门槛：万亿级高质量 token，被巨头排他性绑定。

能源门槛：GW 级数据中心，电网排队到 2030 年后。

这意味着 AI 极难像移动互联网那样洗牌出新巨头。从这个视角看，他们的资本开支根本不是"投资"，而是护城河建设费。每多花 1000 亿美元，潜在颠覆者的门槛就高 1000 亿。

这也解释了为何巨头一边抱怨 AI 不赚钱，一边争相砸百亿美元投资 OpenAI、Anthropic。这些不是财务投资，而是结构性卡位——即使自家模型落后，也要通过持股+算力捆绑，让最强的 AI 公司离不开自己的云。

（注：巨头普遍把服务器折旧年限从 4 年延长到 5-6 年来粉饰当期报表。一旦变现持续不及预期，未来几年将面临集中的资产减值尾部风险。）

五、人才稀缺：为什么挖一个人要花 1 亿美元

算力是"硬件层"，人才是"操作系统"。当前顶级 AI researcher 的 package 已经到了单人 1000 万–1 亿美元/年的量级。这不是工资，这是给"团队"的定价。

人才为何如此值钱？

隐性知识不可替代：训练万亿参数模型的避坑直觉、数据配比等，80% 是从未发表的内部 know-how，只能通过在顶级机构反复失败习得。

团队复利效应：挖一个核心人物等于挖来半个团队。

代差的自我加强：对手模型领先一代，其人才在更强的反馈循环里会进步更快。代差一旦拉开，10 亿美元也未必追得回。

跟 capex 的闭环：顶级 researcher 选 offer 第一个问的是"我能用多少卡"。没有 capex 就没有人才，没人才就没模型。

这一层叠加上去，所有逻辑就锁死了：capex 不能停，停了就留不住人；留不住人，就彻底回不到牌桌。

六、对 A 股投资者的启示

把这四层逻辑看完，再看 A 股，意义远超"看美股新闻"。

第一，国内逻辑是镜像的，但驱动力不同。

美股是"商业博弈+AGI信仰"驱动，国内更偏"政策驱动+自主可控刚需"。这意味着国内 AI 资本开支周期性更强，大厂烧钱忍受度更低。但"必须用国产卡"本身就是给国产算力链的确定性订单。

第二，盯着人才流向，往往比盯着财报更早。

这是 A 股研究常忽视的视角。一个核心 researcher 流失，可能要 12-18 个月才在模型上看出差距。等股价反映出来已经晚了。国内要紧盯头部大模型团队核心成员的稳定性，以及海外华人学者的回流动向。

第三，警惕"戴维斯双杀"的尾部风险。

当前美股巨头模式建立在两个假设上：1. AGI 故事不破产；2. 应用变现在 18-24 个月内出现现象级产品。

如果任一被证伪，美股 AI capex 会快速收缩。具体传导路径：美股巨头放缓 capex → 北美算力/光模块订单下修 → A 股相关标的业绩+估值双杀 → 情绪外溢全产业链。

历史上类似剧本（如 2000 年互联网光纤泡沫）：第一波出钱搞基建的人，未必是最后赚钱的人。这是当下 A 股 AI 投资者最需警惕的事。

结语：理性的疯狂

回到最初的问题：为什么最精明的公司，集体选择了一条看起来不理性的路？

因为从他们的视角看，这恰恰是理性的：平台机会不可错过（叙事层） → 别人不停我也不能停（博弈层） → 烧钱本身就是护城河（结构层） → 靠 capex 留住顶级人才（要素层）。

这四层逻辑咬合，构成了我们看到的"疯狂"。

但这套闭环的脆弱点在最深处：应用端真正的付费需求。如果 18-24 个月内还看不到改变行为的现象级 AI 产品，上述逻辑都会被重估。

作为投资者，理解这套逻辑不是为了相信它会永远运转，而是知道它何时可能停下。

跟着 capex 走，但不要忘记 capex 终究要兑现成收入；跟着叙事买，但不要忘记叙事最终要兑现成利润。这句话当下最朴素，也最容易被遗忘。