7500 亿资本开支闭环：英伟达营收谁买单

据 Woofun AI 消息，2026 年全球科技巨头及关联玩家的资本开支总额攀升至约 7500 亿美元，其中约四分之三的资金直接投向人工智能领域。这笔巨额支出并非来自当期利润，而是通过债务或股权融资撬动的长期投资，却在产业链上游的财报中转化为亮眼的营收数据。更值得警惕的是，部分资金通过等芯片巨头对下游模型公司的股权投资，形成了'投资-采购-回流'的闭环。

这一现象引发了市场对于 AI 繁荣背后真实买单者的深刻质疑：当算力被视为印钞机时，驱动这台机器运转的燃料究竟源自真实的商业价值，还是金融杠杆的自我循环？

巨头的资本开支明细揭示了上游繁荣对中游需求的绝对依赖。2026 年，计划投入约 2000 亿美元，母公司（Alphabet）预算在 1800 到 1900 亿美元之间，预计支出约 1900 亿美元， 则规划了 1250 到 1450 亿美元的投资。这四家科技巨头合计贡献了 7000 亿美元级的资本开支，加上其他行业参与者，总规模达到 7500 亿美元。这些资金主要用于购买芯片、建设机房和铺设基础设施。从产业链逻辑来看，上游芯片和硬件厂商的营收增长，完全由中游巨头的采购行为驱动。一旦巨头放缓投资步伐，上游的繁荣景象将迅速消退。

这种依赖性表明，当前的 AI 基础设施扩张并非由终端需求自然拉动，而是由少数几家拥有巨额现金储备或融资能力的科技巨头'喂'出来的。钱永远流向最稀缺、最不可替代的环节，而在当前阶段，掌握资本分配权的巨头成为了整个链条的命脉。

在芯片制造环节，产能约束已成为制约算力扩张的核心瓶颈，且这种瓶颈并非源于设计，而是制造、封装与内存的物理极限。光刻机等核心设备需要几十年的技术积累，例如光刻机内部的一面镜子，若放大至德国国土大小，其表面最高凸起不超过 1 毫米，这种精度无法通过简单增加资金投入来复制。制造方面，英伟达、 及各大厂自研芯片绝大多数依赖产线，而单颗芯片制程已逼近物理极限，性能提升只能转向系统级优化。真正的卡点在于先进封装和高带宽内存。先进封装将多颗芯片与内存紧密拼接以减少数据传输延迟，高带宽内存则为芯片提供高速数据供给。2026 年，这两项产能持续紧张，先进封装产能限制客户增长，存储厂 2027 年的产量大半已被提前锁定。全球 AI 算力的年度增量，实际上被这两道工序的产能上限所卡死。

这意味着，即便英伟达拥有强大的设计能力，其实际出货量也受制于供应链的物理瓶颈。

英伟达的护城河不仅在于硬件性能，更在于其深厚的软件生态壁垒，但客户正在寻找替代方案以打破垄断。英伟达数据中心业务最近单季收入已近 900 亿美元，同比增速超过 100%，其优势在于全球工程师十几年间在其 CUDA 等软件生态上积累的代码和习惯，使得客户切换成本极高。

然而，客户并未坐以待毙。第一条退路是 AMD，尽管其性能可能略逊，但其存在为巨头在谈判中提供了筹码。第二条退路是定制芯片，巨头聘请等厂商设计专用芯片，博通已将此业务目标定为千亿美元规模。

更关键的变量在于大厂自研芯片的推进，这被视为对英伟达的一次'集体越狱'。虽然目前资金仍在排队购买英伟达芯片，但巨头们正在通过自研和定制芯片逐步降低对单一供应商的依赖。

这种趋势若持续，将削弱英伟达的议价能力，并可能改变整个芯片市场的竞争格局。

机房与折旧的时间错配，构成了资产贬值与租金压力的双重风险。7500 亿美元的资本开支在会计上转化为逐年折旧的资产，例如花费 2000 亿美元购买的设备，将在未来几年内持续侵蚀利润。AI 芯片换代极快，三四年前的旗舰芯片如今已无人问津，导致设备真实贬值速度可能快于账面折旧。