超大规模云计算企业（Hyperscaler）的 AI 资本支出狂潮正从 " 花多少 " 的争论，转向 " 能赚回多少 " 的核心命题。
高盛最新研究显示，六大超大规模云计算企业若要在 2026 至 2027 年约 1.73 万亿美元的 AI 算力资本支出上实现 15% 的投入资本回报率（ROIC），需在 2028 至 2030 年间累计创造约 1.42 万亿美元的收入。
高盛互联网与科技团队负责人 Eric Sheridan 在报告中指出，当前市场争论的焦点已从近期支出规模本身，转向这轮巨额投资能否在未来三年内产生可观回报。与此同时，云计算积压订单数据提供了一定支撑——截至 2026 年第二季度，AWS、Azure 和谷歌云合计积压订单约 1.69 万亿美元，同比增长 152%，为收入目标的可实现性提供了初步背书。
然而，高盛框架之外的变量同样不容忽视。约 3 万亿美元的表外承诺并未纳入 ROIC 分母，GPU 和算力定价的持续下行压力已有所显现，而规模更为庞大的 " 第三阶段 " 资本支出（2028 至 2030 年约 4.14 万亿美元）的回报问题，则被高盛明确留待另行讨论。
资本支出三阶段：规模逐级跃升
高盛将本轮 AI 算力建设周期划分为三个阶段：
第一阶段（2023 至 2025 年）总资本支出约 6330 亿美元，年均约 2110 亿美元，主要用于少数基础模型公司的训练基础设施建设；
第二阶段（2026 至 2027 年）总资本支出约 1.73 万亿美元，年均约 8630 亿美元，需求曲线向推理侧延伸，算力供给持续紧张；
第三阶段（2028 至 2030 年）总资本支出高达约 4.14 万亿美元，年均约 1.38 万亿美元，届时资本强度有望边际趋缓，超大规模云计算企业或逐步进入 " 收割模式 "。
值得注意的是，自今年年初以来，五家上市超大规模云计算企业（Alphabet、微软、亚马逊、Meta、甲骨文）的 2026 至 2027 年资本支出共识预期已上调约 66%，合计上调约 7540 亿美元，从 1.14 万亿美元升至 1.89 万亿美元。高盛表示，其自身对 2027 年资本支出的预测仍高于市场共识，并认为这一预测 " 更贴近买方投资者的实际预期 "。
从资本支出到收入门槛：高盛的测算框架
高盛的测算逻辑清晰：在 1.73 万亿美元的第二阶段资本支出中，约 70%（1.21 万亿美元）为算力投入（服务器、芯片、网络），约 30%（5180 亿美元）为基础设施 " 外壳 "（土地与建筑）。六家企业中，Alphabet 资本支出最高（4700 亿美元），其次为亚马逊（4240 亿美元）、微软（3270 亿美元）、Meta（3090 亿美元）、甲骨文（1650 亿美元）和 SpaceX（310 亿美元）。
关键假设方面，高盛采用每吉瓦算力约 420 亿美元的成本，以 5 年折旧年限计算算力资产、15 年计算基础设施外壳，年运营成本约 8.36 亿美元 / 吉瓦，并假设 2028 至 2030 年利用率分别为 60%、80% 和 85%。
在 15% 的 ROIC 目标下，六家企业需每年产生约 1295 亿美元的税后净营业利润（NOPAT），对应约 1640 亿美元的年度息税前利润（EBIT）。叠加第二阶段资产每年约 2760 亿美元的折旧摊销，最终得出年收入需达约 4650 亿至 4760 亿美元，三年累计约 1.42 万亿美元，对应约 35% 的 EBIT 利润率。
折旧压力：被低估的核心风险
在上述测算中，最引人注目的数字或许并非收入目标本身，而是折旧规模——仅第二阶段资产每年的折旧摊销便高达 2760 亿美元，约为这批资产所需产生 EBIT 的 1.7 倍。
这意味着，本轮 AI 投资周期的经济性在很大程度上取决于 GPU 的实际使用寿命。高盛采用 5 年折旧年限；若实际经济寿命仅为 3 年（部分持怀疑态度的分析人士及英伟达自身的年度产品迭代节奏均指向这一方向），则超大规模云计算企业将被迫以更高频率持续购置新一代芯片，收入门槛将大幅抬升。
高盛的敏感性分析显示，在 ROIC 目标从 0% 到 30%、每吉瓦资本支出从约 340 亿美元到约 510 亿美元的区间内，六家企业 2028 至 2030 年所需累计收入介于约 9000 亿美元至 1.9 万亿美元之间，折合每吉瓦年收入约 62 亿至 186 亿美元。即便在零回报情景下，仅为覆盖折旧和运营成本，也需要 9200 亿美元的收入。
云积压订单：最重要的 " 安全垫 "
高盛为收入目标的可实现性提供的核心证据，是云计算积压订单数据。截至 2026 年第二季度，AWS、Azure 和谷歌云合计积压订单约 1.69 万亿美元，较年初增长约 1.5 倍，公有云收入增速加速至同比超 45%。
仅针对这三家企业测算，其约 1.22 万亿美元的第二阶段资本支出对应约 1 万亿美元的 2028 至 2030 年收入需求，相当于当前积压订单的约 59% ——且这一计算假设积压订单此后零增长。分公司来看，所需收入约占微软积压订单的 40%、亚马逊的 68%、Alphabet 的 78%。
高盛将这一假设定性为 " 可能偏保守 "。不过，报告也指出，上述积压订单数据包含非云业务承诺，并非严格意义上的采购订单；此外，相当比例的订单来自少数 AI 实验室，其支付能力高度依赖持续的资本市场融资渠道，存在客户集中度风险。
摩根士丹利的另一面：融资缺口同样庞大
将高盛的收入门槛与摩根士丹利的研究对照，可以更完整地呈现这一问题的两面。据摩根士丹利估算，GenAI 投资可实现 25% 至 50% 的增量 ROIC —— GPU 租赁约 31%，基于自有基础设施的模型 API 约 46%，基于第三方基础设施约 25%。摩根士丹利假设 GPU 租赁年收入约 229 亿美元 / 吉瓦，模型 API 约 304 亿美元 / 吉瓦，均高于高盛 15% ROIC 目标所对应的 116 亿美元 / 吉瓦。两家机构的结论大体一致：若 GPU 租赁价格和算力定价维持在当前水平附近，收入目标在数学上是可实现的。
然而，摩根士丹利此前的另一项研究揭示了融资端的压力：据其估算，2025 至 2028 年全球数据中心资本支出约 2.9 万亿美元，超大规模云计算企业自身现金流仅能覆盖约 1.4 万亿美元，剩余约 1.5 万亿美元的融资缺口需通过约 8000 亿美元私人信贷、约 2000 亿美元公司债、约 1500 亿美元 ABS/CMBS 及约 3500 亿美元其他渠道填补。而高盛的最新预测显示，仅第二、三阶段合计资本支出便高达约 5.9 万亿美元，远超上述估算。
高盛框架的盲点：表外承诺与第三阶段
高盛在报告中坦承了自身框架的局限性。其 ROIC 测算明确排除了表外租赁义务、融资租赁、特殊目的载体（SPV）及第三方算力许可安排。
这并非小注脚。据相关数据，AI 领域表外承诺规模已达约 3 万亿美元，且仍在快速增长。这部分承诺同样需要产生回报或至少得到偿付，信贷市场已对此有所反应。
此外，高盛的框架仅覆盖第二阶段。若将同样的收入 / 资本支出比率（约 0.82 倍）粗略应用于约 4.14 万亿美元的第三阶段预测，超大规模云计算企业在第二阶段 1.42 万亿美元收入目标之上，还需额外创造约 3.4 万亿美元的收入。BCA Research 的 Peter Berezin 更进一步指出，若数据中心支出维持当前水平，可能需要每年高达 10 万亿美元的 AI 收入，才能使全部资本支出实现货币化。
高盛对六家企业均维持 " 买入 " 评级，并将近期回报压缩定性为 " 大规模前期投资周期的自然结果，而非 AI 经济结构性不佳的证据 "。但这一表述，在多头和空头的叙事框架中均同样成立。
