上周，AI基礎設施的兩條風險線索同時浮出水面：CoreWeave遭遇股債雙殺，融資成本急升；Meta的巨額AI資本開支和自由現金流轉負則再次引發市場對投入產出比的擔憂。前者暴露了高槓桿基建公司的融資脆弱性，後者讓投資者重新審視科技巨頭不斷加碼的資本開支。
這不只是兩家公司面臨的壓力，更指向同一個問題：當AI建設越來越依賴外部融資，這場軍備競賽還能持續多久？
雲端運算巨頭們深陷一個經典的囚徒困境——誰都清楚集體過度投資的代價，卻沒有任何一家敢於單方面踩剎車。據路透社分析LSEG共識預測資料，微軟、Alphabet、亞馬遜、Meta和甲骨文五家超大規模雲廠商，預計到2027年資本開支總額將超過其自由現金流，每新增1美元營運現金流，對應約1.57美元的新增資本開支。這一剪刀差，正在將曾經以"輕資產"著稱的科技平台，推向一種對資本市場高度依賴的新商業模式。
投資人Citrini在接受Monetary Matters播客採訪時直接點出了這一轉變的核心風險："在這場AI交易的前三年，情緒驅動的下跌都有一個底——因為大部分支出來自超大規模雲廠商的營運現金流。但現在，越來越多的基礎設施是靠著相當驚人的預期來融資的。"當融資來源從內部現金流轉向股權發行和債務融資，市場情緒本身就獲得了直接影響實體投資規模的能力。
如果市場情緒急轉直下，那些增量資金就會枯竭——因為這不再是一家公司花自己的錢，而是由市場決定的。
這正是"反身性（Reflexivity，指的是原因與結果之間存在循環的、雙向的相互作用與影響）"風險：信心支撐融資，融資支撐投資；一旦信心轉弱，資金收縮又會反過來打擊投資與增長預期，形成負向循環。
AI正在重塑科技巨頭，也正在重塑科技巨頭自身的商業模式。驅動這場AI基建軍備競賽的邏輯或許已從"投資推動增長"悄然滑向"信心決定投資"。
沒有人敢停下來：囚徒困境的博弈結構
Cornell Capital Group的研究報告《AI囚徒困境》將這場軍備競賽的內在邏輯描述得相當清晰：任何一家巨頭，如果在AI上重注而競爭對手沒有，就能獲得市場主導權；如果自己不投而對手投了，則面臨被淘汰的風險。因此，無論競爭對手如何選擇，激進投資都是每家公司的"理性策略"。
數字印證了這一邏輯的烈度。2024年，亞馬遜、Alphabet、微軟、Meta和蘋果五家公司合計資本開支約2270億美元；2025年這一數字躍升至3910億美元；管理層對2026年的指引顯示總額可能突破6350億美元。高盛預測，2025年至2027年間，超大規模雲廠商的累計資本開支將達1.15兆至1.4兆美元——是2022年至2024年4770億美元的逾兩倍。
具體到各家公司，2026年的指引更為激進：亞馬遜目標支出2000億美元，Alphabet指引1750億至1850億美元，其CEO Sundar Pichai甚至表示"這個數字可能還不夠"，Meta指引最高1350億美元。
分析師Amin Mrini在其報告《7000億美元的囚徒困境》中指出，這五家公司合計承諾的2026年資本開支約為其合併自由現金流的3.8倍——"歷史上最能產生現金的企業，正走在每產生1美元自由現金流就要花掉近4美元的軌道上，靠著創紀錄的債務發行來填補缺口。"
這一困境的結構性根源在於基礎設施的不可壓縮性。資料中心、電力協議、專用晶片，全部需要多年的提前採購和建設周期。等到需求在收入端清晰可見，響應窗口早已關閉。Mrini寫道："正是這種滯後，將預期變成了義務。"
歷史的鏡子：鐵路、航空與光纖的宿命
Cornell Capital的報告援引了三段歷史，為這場AI軍備競賽提供了令人警醒的參照系。
19世紀美國鐵路熱潮中，鐵路股票和債券總額達106億美元（約合今日4000億美元），遠超當時12億美元的國債規模。鐵路確實改變了美國，但1873年恐慌後的"長期蕭條"中，九成鐵路公司倒閉，1893年恐慌期間四分之一的鐵路里程進入破產接管。受益者是製造商、農業生產者和商人，而非鐵路股東。
商業航空的故事更為直白。過去80年間，全球航空業累計淨利潤約860億美元，而僅新冠疫情三年就抹去了近1900億美元。華倫·巴菲特曾如此總結這一結構性困境："如果一位有遠見的資本家當年在小鷹鎮在場，他最好的選擇是把奧維爾·萊特打下來，這樣能為後來的投資者省去無數麻煩。"巴菲特本人最終在2020年以約50億美元的虧損清倉了四家美國航空公司的持倉。
1990年代末的電信泡沫則是最直接的類比。彼時超過5000億美元湧入光纖電纜和無線網路，大部分靠債務融資。到2002年，超過23家主要電信公司申請破產，約2兆美元市值灰飛煙滅，不到5%的已鋪設光纖被點亮使用。然而，正是這些破產投資者留下的廉價頻寬，孕育了Netflix、YouTube和整個雲端運算產業。
Cornell Capital的結論一針見血："變革性技術的悖論在於：公司花得越多、競爭越激烈，技術商品化就越快。商品化對消費者是福音，對投資者的利潤率卻是腐蝕劑。"
現金流的剪刀差：資料層面的壓力測試
路透社對LSEG資料的分析，為上述邏輯提供了實證支撐。
甲骨文是目前壓力最為顯著的案例。其資本開支佔營運現金流的比例，從2022財年的47%飆升至2026財年（截至今年5月）的174%——當年資本開支557億美元，營運現金流僅320億美元，自由現金流已轉負。該公司股價今年以來已下跌36%，並計畫通過債務和股權融資籌集450億至500億美元用於雲基礎設施擴張。
微軟在最近一個財季錄得358億美元營運現金流，同期資本開支（含融資租賃）達375億美元。亞馬遜過去12個月營運現金流同比增長30%至1485億美元，但自由現金流已降至12億美元。
Futurum Equities首席市場策略師Shay Boloor表示："投資者低估了AI正在從根本上改變大型科技公司商業模式的程度。這些公司歷史上被視為輕資產平台，因為收入增速可以遠超資本需求，但AI正在將它們推向一種混合模式，軟體、廣告和雲端運算的經濟性越來越依賴於龐大的實體基礎設施支出。"
Mrini的測算更為嚴峻：按當前指引速度推算資本開支至2027年，再以15%的稅前投資回報率為基準，AI計算收入需要在2030年達到約2.9兆美元，才能覆蓋已部署資本的成本——這相當於當前整個雲端運算市場規模的三倍以上。從當前約2110億美元的基數出發，這意味著需要連續五年維持約68%的年增長率，"在基礎設施市場中沒有任何先例"。
反身性：當融資結構改變了風險性質
Citrini在訪談中對這一轉變的描述，是理解當前AI交易風險最為精準的框架之一。
他將AI投資的融資結構變化分為兩個階段。第一階段，超大規模雲廠商用自身營運現金流支撐支出，這意味著無論市場情緒如何波動，只要這些公司持續投入，半導體等受益公司的基本面就有一個"底"。"無論是關稅、日元套利交易，還是我都記不清2023年9月我們在擔心什麼，基本面仍然在改善。"
第二階段，也就是當下，情況已經根本不同。Citrini直接說："現在，AI領域每一筆增量支出，幾乎都來自股權融資——無論是風險投資還是公開市場——以及債務融資。這意味著，AI可以變得更有用，使用量可以持續擴張，但你可能為供應它的算力付出了過高的代價；或者，情緒可以產生更為顯著的衝擊——因為不像以前有基本面托底，如果市場情緒轉向，那些增量資金就會枯竭，因為這不再只是一家公司在花錢，而是由市場決定的。"
這一機制的核心在於：融資來源的變化，使得市場情緒從一個外生變數，變成了一個可以直接影響投資規模的內生變數。Citrini將這一動態稱為"反身性"——信心支撐融資，融資支撐投資，投資支撐收入預期，收入預期反過來支撐信心。而一旦這條鏈條上的任何一環出現裂縫，整個正反饋就可能逆轉。
他給出了一個具體的觸發情景："我認為這個周期的轉折，會以一聲嘆息而非一聲爆炸的方式到來。不會是某家公司違約引發崩盤，而是：我們把實驗室的合併ARR預測從4000億美元下調到3600億美元，然後因為這種增長已經被充分定價，這個增量變化就會向外擴散，把整個體系拉低。"
捷文斯悖論失效：需求彈性的關鍵缺口
支撐AI基礎設施投資的一個核心樂觀假設，是"捷文斯悖論"（Jevons Paradox）——算力成本下降會刺激需求爆發，從而吸收所有新增產能。Mrini在報告中承認這一邏輯的存在，但同時指出其在AI語境下的侷限：企業整合緩慢、監管約束真實存在，而效率提升主要發生在模型層，需求響應可能流嚮應用開發者和模型提供商，而非銷售算力的基礎設施層。"捷文斯悖論可以在AI作為技術層面成立，同時在AI基礎設施作為商業模式層面失效。"
Citrini援引了Anthropic發佈的經濟指數資料：任務成本每降低10%，使用量僅增加約3%。也許你在模型不好用的時候，token需求反而更多，因為你得一直修改。"這根本不是捷文斯悖論。"他還指出，當前AI收入增速約為每年25%至30%，而資本開支增速接近60%至70%，兩者之間的缺口隨每一輪指引周期而擴大。
他對"什麼時候會重新看多半導體"給出了明確條件："如果我們看到付費使用量持續增長，第二階段導數重新加速，並且能夠真正通過客戶現金流來支撐融資——這需要採用率真正提升，尤其是對最前沿模型的採用。"
市場已經開始區分：誰在賣算力，誰在用AI賺錢
同樣是高額AI資本開支，市場對不同公司的反應已經出現分化。
Mrini觀察到，Meta獲得市場認可的原因，是其AI投入已經體現在廣告定向和廣告效果衡量的改善上，帶來收入增長和利潤率提升。算力在這裡嵌入了具有定價能力的業務，效率提升能夠直接降低服務成本。
相比之下，Google和微軟仍處於投入更清晰、應用層回報尚未完全反映在利潤表中的階段。兩家公司都在將AI嵌入搜尋、辦公軟體、Android、企業協作和智能代理工具中，也都在爭奪智能代理工作流的編排和協調入口。但市場短期看到的，首先仍是資料中心帳單。
亞馬遜和甲骨文的處境則更接近基礎設施提供者。亞馬遜雖然有Alexa+和自研Trainium等佈局，但大部分投入仍指向按小時出售的AWS算力；甲骨文對雲基礎設施的依賴更高，融資壓力也更顯著。
差別在於，AI投入能否轉化為具備定價權的產品收入，還是主要依賴出售標準化計算資源。
這也是AI交易下一階段最關鍵的分界線：資本開支本身不再足以構成利多，市場需要看到收入、利潤率和現金流之間更明確的傳導。
路透社援引Winthrop Capital Management高級交易員Freddy Lavric的話稱："未來兩到三年，公司需要證明AI正在帶來增量收入、擴大利潤率並改善現金流。如果這些財務收益沒有顯現，市場將開始質疑這一輪投資是否走得太遠。"
AI交易的真正考驗，是資本能否熬到回報兌現
AI帶來的技術進步並沒有消失，需求也沒有憑空蒸發。超大規模雲廠商繼續擴大基礎設施投入，恰恰說明它們相信AI將成為長期競爭力的核心。
問題在於，所有參與者都認為自己不能缺席，便可能共同製造超額供給；所有參與者都提高融資強度，市場情緒便可能從旁觀者變成決定投資規模的變數。
囚徒困境解釋了巨頭為何持續加碼：誰都害怕落後。
反身性則解釋了市場為何變得脆弱：當內部現金流無法覆蓋新增投入，股價、債券、融資意願與資本開支會開始相互影響。樂觀時，這套機制能放大擴張；一旦收入兌現速度低於預期，它同樣會放大收縮。
AI基礎設施最終會成為高回報資產，還是一台昂貴的商品化跑步機，取決於一個樸素卻極難回答的問題：需求增長能否跑贏算力價格下降，以及這種答案能否在今天投入的裝置完成折舊之前得到證明。 (追風交易台)