#AI Capex
•

騰訊的AI Capex，還可以更高

騰訊二季報出來後，市場的第一反應是：“AI資本開支終於動真格了。” 單季527.8億元，同比暴增176%，環比大幅提升。對習慣了騰訊穩健風格的人來說，這個數字確實有衝擊力。 一時間，敘事開始轉向：騰訊要All in AI了，要動真格的了，要重新講一個硬科技的故事了。 但我的判斷恰恰相反：“動真格”這個詞用早了，騰訊的AI capex，還不夠高，還可以更高。
騰訊的AI Capex，還可以更高
港股#騰訊#AI Capex#AI資本開支
•

Google一年再砸2兆，AI算力真正的分歧，才剛剛開始

昨天凌晨，Google交出了一份幾乎沒有懸念，卻依然引發市場激烈討論的財報。 真正讓資本市場關注的，不是利潤，也不是營收，而是一個數字——資本開支（Capex）。 Google不僅二季度資本開支達到449億美元，再次超過市場預期，還將2026年全年資本開支指引由1800億—1900億美元，上調至1950億—2050億美元，並表示2027年仍將保持顯著增長。與此同時，OpenAI也上調了未來五年的算力投入預期，市場對於全球AI基礎設施建設的預期再次升溫。 消息公佈後，AI產業鏈迅速成為市場討論焦點。但和去年幾乎一致看多不同，今年關於算力出現了明顯分歧。
Google一年再砸2兆，AI算力真正的分歧，才剛剛開始
美股#Google#AI算力#Capex
•已編輯

利潤會撒謊，capex不會

英特爾Google特斯拉三份財報，一個假虧兩個假賺。利潤表被會計粉飾成魔術，只有capex不撒謊。 這三天，英特爾、Google、特斯拉的財報接連出來了。 我盯著看了半天，發現一件挺魔幻的事——這三家公司的利潤，基本都是"假"的。 不是造假的假，是會計規則允許、但跟公司真實經營沒多大關係的那種假。一個假虧，兩個假賺。
美股#財報分析#資本開支#Capex
•

兆美金狂砸AI！國信證券拆解北美巨頭Capex上限：2030年破1.6兆，ROI真相曝光

AI的泡沫到底有多大？科技巨頭們的錢還能燒多久？ 2026年7月15日，國信證券發佈重磅行業專題《上限幾何？北美科技巨頭Capex空間測算及ROI回報拆解》，詳細回答了市場最關心的兩個問題：北美科技巨頭到底能掏多少錢建AI？這些天價算力開支，真的能賺回來嗎？ 我們第一時間為您提煉核心邏輯與資料，一文看懂全球AI軍備競賽的“糧草”與“戰果”。 一、宏觀水位：Capex逼近歷史峰值，但AI投資進入“三體平行”新階段
科技#Capex#AI投資#Neocloud
•

冰火兩重天！AI快跌成熊市，但大摩上調28年AI Capex至1.4兆

大摩7月12日研報把美股超大雲廠們的28年AI Capex上調至1.4兆。但近幾日的全球AI上游類股大回呼，顯然對這個數字是質疑且未price in的。 所以，要重點看看這篇研報關於“1.4兆的錢從那來”邏輯是否詳實。 研報的核心邏輯在於：底層晶片與資料中心成本的上升推高了Capex的預期，這將直接轉化為到2028年4倍的算力飛躍。 機構目前的焦點已從“Capex規模”轉向“如何通過實質性的增量收入和利潤來證明這筆龐大開支的投資回報率（ROIC）”。
冰火兩重天！AI快跌成熊市，但大摩上調28年AI Capex至1.4兆
科技#AI#AI Capex#投資回報率
•已編輯

AI 泡沫沒有崩的真正原因是 Anthropic

尋找方向，在變化到來之前 本期聚焦當前 AI 行情中最關鍵的一條主線：Anthropic 的收入高速增長，正在改變市場對 AI 基礎設施投入（AI Capex）的定價邏輯。 主播 Minta 認為，AI 基礎設施之所以在“泡沫”質疑中尚未崩塌，核心並不只是晶片、半導體或模型迭代，而是 Anthropic 證明了大模型商業化正在快速兌現。文中結合收入、估值、企業客戶付費等資料，說明華爾街正在從“AI 是否能賺錢”的懷疑，轉向“算力是否限制了收入上限”的新框架；同時進一步拆解了圍繞 Anthropic 的三層交易路徑，包括一級市場 Pre-IPO 份額、二級市場影子標的，以及整個 AI Capex 產業鏈。 Minta 認為 SK Telecom 是相對更純粹的 Anthropic 影子資產，但也提示了持股比例、對應折價及主營業務波動等風險。整體結論是：Anthropic 負責驗證需求，AI Capex 負責擴產，兩者共同構成這一輪 AI 行情的核心邏輯。
科技#AI 泡沫#Anthropic#AI CapEx
•已編輯

Meta賣算力、Palantir罵街、智譜成矽谷頂流，AI Capex的故事要換一個講法

AI 行情再次暴力回調，這次因為$Meta Platforms (META.US)$說可能要把自己多出來的 AI 算力拿出去賣。 這個消息如果放在三年前，大概沒人會覺得奇怪。雲計算本來就是一門把服務器切碎再賣給別人的生意。$亞馬遜 (AMZN.US)$、$微軟 (MSFT.US)$、$Google-C (GOOG.US)$都這麼幹了很多年。$CoreWeave (CRWV.US)$、$NEBIUS (NBIS.US)$這些新雲廠商，也是在這條路上把$輝達 (NVDA.US)$晶片變成融資抵押物，再把融資變成更多晶片。 可偏偏輪到 Meta，事情就變了味道。 Meta 過去不是這樣理解算力的。它買晶片、建數據中心、搶電力和土地，是為了自己的模型，為了廣告系統，為了推薦流，為了祖克柏嘴裡那個越來越近的 superintelligence。它不是雲廠商。它原來不靠把機器租給別人賺錢。
Meta賣算力、Palantir罵街、智譜成矽谷頂流，AI Capex的故事要換一個講法
科技#Meta#算力#Palantir
•

人類有充足的時間來規避“AI末日”

資本市場是一個敘事的製造機。去年11月以來，美股對AI的質疑，從對CAPEX的緊張、對SaaS的，終於進化到了——對AI末日論的最終幻想。相信經過再度血洗的一夜後，很多人都看到了Citrini的那篇關於“2028年AI末日”的科幻文章。其中內容並不高明，但作為一種情緒催化，給緊繃的市場帶來了更多壓力。不過，儘管很多人並不完全認同它的結論，卻依然欣賞它的“問題意識”，認為它至少提出了一些值得嚴肅面對的問題。但我的觀點或許更激進一些：這些思考角度，甚至問題本身，可能都不成立。和AI一樣，人類基於未知和焦慮會產生很多“幻覺”，進而單薄地理解了過去，線性地預測了未來。我們從這篇文章開始。它實際上假設了一個過於靜態的宏觀世界：AI顯著提升了生產率，衝擊了舊有商業模式，但分配結構沒有重構，需求總量可能崩潰。在這個設定裡，世界只剩下一組決定性的“快與慢”：AI的性能是加速的，替代是加速的，而人類智力將迅速不再稀缺，因為AI將很快進展到可靠、直接完成目標。於是AI將顛覆既有的商業模式，而新的商業模式來不及創設，傑文斯悖論（替代發明反而會增加對該資源的需求）失效了。人類的企業組織按最高效運轉的原則，應對方式是直接而血腥的資本主義：裁員。高薪崗位被大量消滅。這一處理程序快到分配問題來不及得到解決：財富集中到大公司和極其有限的技術精英團體手中（財政甚至分不到一杯羹），這意味著總需求的劇烈收縮。注意力護城河不再：作為消費者的人類是高度理性的，他們只關注“質優價廉”，他們消費的痛點只是消費注意下的資訊不對稱，而AI替代了消費者進行高度理性的決策，品牌、入口等等一切依賴消費者心智模型的護城河不再了。（其實這個邏輯在之前豆包手機出來的時候已經被中國市場討論過，關於平台巨頭入口的護城河問題）。在這種推演下，結論當然會顯得順理成章：留給人類的時間不多了。但事實上，針對這些推演，我們可以找到以下的證據表明，其基礎可能都是不成立的：首先，那怕在快速的技術滲透下，傑文斯悖論也並未失效。舉個直觀的例子，在上一輪電子化浪潮中，零售業和金融業是受益於電子化最快、最深的行業：大量耗費人力的紙質流程都被系統、電子化代替、交易結算風控都效率都得到了極大的提升，理論上，這替代了巨大的後台基礎崗位。但從全行業來看，1980年代以來，零售和金融的從業人數並沒有見到明顯的下降。這和技術滲透的速度無關：關鍵是在效率提升的同時，行業選擇了做大規模，這一效應明顯強於對勞動力的擠出。第二，AI的替代在企業內部，更多體現為工作內容和流程的最佳化，而不是崗位的削減。很不幸，那怕在資本主義下，大多數人類企業也未必處處按照“利潤最大化”行動。相反，普遍的“委託-代理”問題帶來的現實是，企業內部往往分佈著各種謀求內部資源的權力結構，這些結構會成為企業削減崗位的重大阻礙。而歷史研究也表明，在經營壓力面前，“裁員”往往並非企業的第一選擇，更優先的是工作內容的調整，這體現為不同行業、國家中勞動力市場的彈性。第三，安全、法律和責任體系會顯著拖慢“全面替代”的速度。很多AI敘事默認：只要技術可行，商業很快就會快速採用。但那怕在純粹的業務層面，利潤最大化都不是唯一的答案，安全和法律問題是人類商業活動的關鍵部分（而不是輔助部分）。這使得AI在業務的嵌入或是直接不可行，或是面臨相當的論證成本，至少將有人的全程監督。這意味著，在接下來一段時間，我們將看到AI和既有的法律、商業規範、企業組織發生摩擦和衝突，但最終的結局大機率是適應和嵌入，而不是直接顛覆和替代。這類路徑我們並不陌生：號稱去中心化解決方案的區塊鏈，其對中心化金融的“顛覆”至今都沒有實現。相反，追求“合法化”的招安反倒成了幣圈的重大利多。第四，消費端更不能簡單根據“理性代理”推理，消費者的主體性來自形成決策的過程，在此，AI推薦可能未必勝得過演算法推薦。當前時代的商品的品牌和功能已經相當繁複，使用者在購買東西時，很少第一刻就明確地知道“我要買什麼”，在多數時候，人們只能在第一時間回答“我不想買什麼”。人在這一階段，需要廣泛的資訊以啟動靈感，需要比較和猶豫完成心理確認，甚至需要一輪輪的反覆篩選來完成“自我說服”。所以我們才會經常經歷那種典型的時刻：“比了一圈還是第一個好”。這不是因為人類算力不夠，而是因為消費本身並不是求最優解，更關鍵的是偏好、身份認同、情緒滿足等等。從這個角度看，AI可以強化推薦、縮短搜尋路徑、提升轉化率，但它很難徹底替代人類在消費中的主動收集資訊、主觀自我說服的過程，滿足後者的仍然是演算法推薦。甚至於，AI推薦可能被平台演算法廣告、投流機制明顯影響。那麼，平台與品牌的護城河並不會消失，只會換一種技術形式繼續存在。第五，財政不是旁觀者，財政收入能夠從AI浪潮中大幅獲益，而人類的分配製度也能靈活調整，至少保證總需求不崩塌。一個宏觀常識是，財政收入並不只來自勞動所得稅。隨著生產率提升和產業利潤集中，資本利得、企業利潤、商業流轉所形成的稅基完全可能擴張。只要名義經濟活動仍在，財政就很難“分不到一杯羹”，這提供了二次分配最重要的資源。而一旦分配矛盾上升為政治問題，現代國家幾乎不可能毫無反應。回顧歷史，不平等的擴大確實常常壓制增長質量，製造社會撕裂，但它幾乎從未以“總需求崩塌”的方式結束。更常見的路徑是：在壓力上升過程中，政治系統逐步（甚至被迫）啟動兜底機制——轉移支付、再分配、產業補貼、監管干預、勞工保護、稅制調整。儘管這未必意味著不平等程度會徹底扭轉，但至少意味著宏觀兜底：總需求不崩塌是全社會的共同利益。尤其是在強大的現代國家面前，我們或許見到的，更多是“潰而不崩”的停滯狀態。所以，與其沉浸在“2028末日倒計時”式的想像裡，我更想保留幾條樸素但重要的經驗判斷：零碎的微觀證據不能替代宏觀結論：我們見到很多微觀的故事在發生，比如某些企業被AI明顯賦能，某些企業在激進地裁員，但宏觀不是微觀的簡單疊加，關鍵是AI衝擊能否穿透制度與組織層層緩衝，最終演化為系統性塌縮”。到目前為止，這個證據仍然很弱：AI已經比2023年進步了相當多，但對勞動力市場的整體壓力仍然有限。那麼向未來看，我們是會見證一個奇點、從此往後衝擊突然放大，還是見證波瀾不驚的延續？我傾向於是後者。技術的末日論普遍來自於對人文缺乏信仰：技術精英很喜歡“末日論”，但實際上技術精英只是人類社會的一員，他們也需要和商業、金融、政治以及廣泛的消費者進行複雜的互動，這會控制技術的路徑、也抑制技術的副作用。相信人類文明的複雜性提供了充足的反饋機制和韌性：人類迄今的政治、法律、組織制度顯然不是吹彈可破的紙上文章，而是在複雜博弈下形成的歷史結果，其中固然有許多弊病，但仍然蘊含著相當的彈性：既劃定了邊界，又扮演了阻尼，也會基於既有的問題做出靈活的修正。我相信這些制度保證了人類文明的最終安全（儘管避免不了中間的衝突）。人的一切發明都服務於人，每一輪技術革命都帶來了人類的巨大發展，而不是消滅人類。如果要預期技術最終失控、人類社會最終被自己的發明所消滅，我覺得這個問題就無需辯論，這是最根本的大是大非都搞錯了。誠然，比起技術，制度、法律、組織、政治、文化都是慢變數，但正是後者決定了現實世界的將如何吸收技術衝擊，這也導致末日敘事經常在技術層面看似正確、在史實上卻反覆落空。所以，若你要問AI還會留給人類多少時間？我個人的答案是：比你想像得長。至少，足夠讓企業、制度和社會在衝突中適應，足夠讓分配機制在壓力下被迫調整，也足夠讓個體重新適應新技術的環境。我知道，每天睜開眼睛，就看到很多技術精英在鼓吹著超級個體、一人公司等等名詞，希望能夠借此甩下大部分人。但歷史的現實總是：技術進步不是零和博弈，它會將小部分人推向神壇，但最終也讓大部分人從中獲益。市場敘事只是敘事而已。當它退潮時，你自然會發現它的荒謬之處。要保持觀察和思考，但不必過度焦慮。 (虎嗅APP)
人類有充足的時間來規避“AI末日”
科技#資本市場#AI#CAPEX