AI资本开支的需求侧验证：企业AI货币化节奏与云盈利证明

• 分析师角色：TMT行业分析师（半导体、AI、云、消费电子、互联网）
• 立场：stress-test（压力测试）
• 承接：研究记录 01（首席策略师 — 被动集中度悬崖）与研究记录 02（港美股策略师 — 前5循环融资敞口仅2–5%FCF，真正的悬崖是货币化时点）
• 日期：2026-05-05

1. 问题再陈述

如果循环融资本身（研究记录 02）小到不足以引爆前5的盈利，那么2024–2026 AI资本开支超级周期的合理性就归结为单一的实证问题：企业AI ROI是否在云收入、API消耗和合同backlog上以足够快的速度兑现，从而支撑当前估值倍数已隐含的2027年之前的溢价？ 还是说我们正在重演1999–2001年——光纤铺好、点亮，却闲置十年？

我用四个维度对bull case进行压力测试：（i）超大规模云厂商的云收入增速与AI归因披露；（ii）API token消耗量与单位经济性证据；（iii）企业采购周期数据；（iv）历史电信光纤过度建设的可比性，重点看真正起作用的几个维度（利用率、折旧、回本期）。

2. 总量层面：云收入增速是真的，但AI归因比标题数字更模糊

解读：

• 信号是真的，但很窄。 Azure的AI贡献从FY25早期约7pp加速到12–13pp，AWS Bedrock + Anthropic容量披露的年化运行率已达数十亿美元规模。这不是幻象。
• AI收入线内部的集中度极高。 OCI披露的AI backlog和Azure的AI增长，相当大份额来自少数前沿模型实验室（OpenAI、Anthropic、xAI、Meta内部）。剔除lab-to-lab和lab-to-hyperscaler训练支出后，前3大云厂商的企业级AI运行率2025年估计仅约150–250亿美元年化，对照前5合计2025年AI资本开支约3,400亿美元（大型科技公司2025年合计资本开支约3,400–3,600亿美元，2026年指向4,000–4,500亿美元）。
• 资本开支对AI收入比是难以回避的数字。 按2025年运行率，超大规模云厂商每1美元增量AI收入对应10–15美元资本开支。Bull认为这是为2028年之前2,000亿+企业AI TAM做的前置建设；Bear指出电信1999年也是这个算法。

3. API消耗：用量在爆炸，但单价崩得比企业钱包份额还快

• Token用量（行业整体公开API口径）： OpenAI、Anthropic、Google与开源端点推理合计，从2024年初的<1万亿tokens/天，估计到2026Q1已经达到8–12万亿tokens/天，约24个月10倍以上。这是bull案中最强的单一数据点。
• 每百万tokens价格同步崩塌。 前沿级输出价格从GPT-4发布（2023年3月）到Claude Sonnet 4.6 / GPT-5-mini级模型（2026年初）下降约80–95%。DeepSeek V3/R1与V4家族在中国市场又压缩了一个数量级的推理经济性。
• API净收入虽在增长，但24个月约2–3倍，而非10倍。 也就是说，约70–80%的用量增长被价格压缩吸收，未转化为收入。

这一点直接打击"企业ROI正在兑现"的论证：企业跑了更多推理，但云厂商每个增量工作负载捕获的边际美元在缩水。从资本开支回本算式看，每部署GPU-小时的收入才是正确指标，而该指标自2024年中以来在Hopper→Blackwell产能上线的同时却横盘略降。

Bear解读： 这正是光纤当年的剧本。1996–2001年点亮光纤产能增长约100倍，批发带宽价格下跌>95%。用量不等于收入，收入不等于现金流。

Bull解读： 软件历史上随价格下降TAM扩张（杰文斯效应）。Token成本崩塌正在激活之前不经济的企业部署，收入会以12–24个月滞后追上。

我的判断是bull解读部分成立、但时点脆弱：追赶是真的，但比当前股权倍数所定价的速度要慢。

4. 企业采购周期：节奏最慢，也最关键的变量

这里是bull case最薄弱的地方。

• CIO调查级证据（Morgan Stanley、JPM、Barclays、Gartner、IDC在2026Q1之前的合并）：AI专项预算占企业IT支出比从~1.5%（2023）升至~5–7%（2025），预计2027年8–11%。真实，但慢于资本开支曲线（同期约3倍）。
• 试点-到-生产的转化是关键瓶颈。 MIT/BCG/Deloitte 2025年跟踪研究显示，仅有约25–35%的企业GenAI试点进入有意义的生产部署，其中能给出可审计、可衡量ROI（超越"开发者生产力"宣称之外）的不足一半。
• 重要AI工作负载的采购周期为9–18个月。 2024H1启动的试点在2025–2026年转化为生产合同，2025年启动的将落地在2026–2027年。MSFT/GOOGL/ORCL的"已签约未确认收入"管道（RPO）增长是bull最有力的前瞻信号：FY25末合计RPO YoY增速40–55%，显著快于已确认云收入，说明需求真实但滞后。
• 需求的行业集中度高。 金融服务、医疗支付方、生命科学与美国公共部门，占据大企业AI承诺的过大份额。SaaS长尾（中小、中端市场）尚未实质货币化。这种偏斜在任一行业回撤时（如银行IT在信贷周期转向时冻结）非常脆弱。

采购周期净读： 需求是真的、在加速，但轨迹指向企业AI收入追上2025年vintage资本开支大约在2027–2028年，而非2026年。当前股权倍数在为更早的日期定价。

5. 云盈利证明：margin是最干净的检验，且边缘已经在裂

• AWS营业利润率： FY25约36–37%，相对AI前的30%结构性提升，但管理层明确警示增量AI工作负载毛利率低于传统计算，原因为：(a) GPU折旧；(b) NVIDIA抽成；(c) 电力/制冷成本通胀。
• Azure margin披露： 微软随AI服务mix上升已停止单独披露Azure的margin，这本身是负面信号。分析师重构估计Azure AI工作负载的毛利率约40–50%，对比传统Azure的65–70% — 即在收入端accretive、在margin端dilutive。
• GPU折旧会计是隐形变量。 超大规模云厂商把服务器有用年限假设从4年（2020）拉长到5–6年（2022–2024）。如果Blackwell→Rubin迭代迫使回退到3–4年——这是历史可比与Meta近期部分回拨所暗示的——仅折旧就可能在2027年压缩前5 EPS 6–12%，与收入miss无关。
• 自由现金流拐点： 大五合计FCF预测在2025与2026大致持平至下行，尽管收入增长，因为资本开支吞掉了经营现金。2027年FCF再加速，是当前股价倍数中隐含的关键假设。任一偏差，都会把整个回本叙事右移一年——而股价反应将是非线性的。

6. 这是不是"光纤铺设但无人使用"？1999电信 vs. 2024–2026 AI 在真正起作用的维度上

综合： AI建设在融资轴不是电信的复刻（研究记录02已结），在底层需求轴也不是。但在资产寿命对过时周期这条轴上正是电信的复刻，甚至更糟，因为即使用量按时兑现，折旧时钟仍在走。危险不是光纤继续黑着；危险是GPU满载运行但已经过时，恰好在企业收入追上资本开支曲线之前。

7. 对问题的判定

保留研究记录02的立场——悬崖是货币化时点和倍数压缩，而非会计造假——并将其锐化：

1. 云收入增速、API token用量、RPO backlog分别都是可信的bull信号。合并起来确实证实企业AI需求真实且在加速。
2. 但是2025年约3,400亿美元AI资本开支 / 2026年约4,000–4,500亿美元AI资本开支与~150–250亿美元2025年企业AI收入运行率之间的量级差距太大，无法在任何合理扩散曲线下于2027年闭合。闭合更可能是2028–2029年事件。
3. 当前前5股权倍数所隐含的闭合年是2026–2027年。这是一个12–24个月的时点错配。
4. 因此风险非对称是负向的：即使bull thesis在4–5年视角最终被证明正确，通向该终点的路径中很可能在2026–2027上半年出现一次15–30%的倍数压缩事件——任何一项触发即可：(i) 超大规模云厂商资本开支指引下修；(ii) GPU有用年限会计回退；(iii) 前沿lab融资动摇；(iv) CIO调查转向。
5. 因此——与研究记录02一致——2026年的setup与2000年的共振不在会计崩溃，而在前5名股票上的P/E压缩事件，并通过研究记录01所识别的传导通道不成比例地拖累市值加权指数。

这不是"光纤铺设但无人使用"。这是"GPU满载点亮、需求确实在出现、但被提前定价了18–24个月——而折旧时钟比当年的光纤时钟更响。"

8. 对整体论题的含义（回链研究记录01–02）

• 研究记录01关于市值加权被动产品防御属性失效的判断得到强化：时点错配风险几乎完全集中在驱动SPY/IVV/VOO方差的5只股票上。
• 研究记录02"悬崖是倍数压缩而非造假"的结论被锐化为更明确的量化区间：12–18个月视角下15–30%的倍数压缩风险，主要由折旧与收入时点驱动。
• 对A股的传导非琐碎：中国AI基础设施标的（中证AI指数、GPU国产化名单）跑在更滞后的需求验证曲线上，但入场倍数更低且有政策支持的部分需求兜底。这是与美股前5不同的风险画像。

9. 给下一张卡的开放问题

本报告从TMT内部无法解决的部分是资本开支周期消化的可比性问题：历史上大型工业资本开支超级周期（电信1996–2001、半导体设备2018–2022、中国地产2010–2017、美国页岩2010–2014）实际是如何消化的？它们的折旧与减值模式对2026–2028年大五GPU机群的最可能路径意味着什么？这是工业/资本开支周期的本职问题，应交给工业制造分析师。

10. 关键数据来源/引用

• 超大规模云厂商FY24–FY25 10-Q / 10-K披露（MSFT, AMZN, GOOGL, META, ORCL, NVDA）
• Stanford AI Index 2025；Epoch AI算力数据库
• Morgan Stanley CIO Survey（2026年1月）；JPM AI Adoption Tracker（2026Q1）
• MIT-BCG "State of AI in Business" 2025更新版
• IDC Worldwide AI Spending Guide，2026年3月发布
• Gartner CIO Agenda 2026
• Token定价跟踪：Artificial Analysis聚合器，2026Q1快照
• 有用年限延长披露（脚注，MSFT/META/GOOGL FY24–25）