远见网一、供应链的全面紧张让市场全面拥抱硬件
1、Agent技术的落地让大模型拥有了”
Agent技术的落地让大模型真正拥有了”手”和”脚”：Coding能力的跨越与工具调用的完善，将AI从”对话式助手”推向了”自主执行者”的新高度；
另一方面，供应链的全面紧张让市场全面拥抱硬件，广为传播的投资圣经是：”美国缺电、中国缺芯、永远缺存储”。
随着北美进入财报季，AI叙事却站在微妙的十字路口：大厂的资本开支超预期，但全球AI硬件股价却接连显著承压。
一切争论都围绕着，未来北美关于AI算力资本开支天花板到底在哪里？
实际市场偏乐观的预期已经不低，Semi Analysis近期给出的预测是美国AI数据中心新增电力需求将从2026年的21GW快速增长至2030年的84GW。
按照当前硬件成本，每GW的AI数据中心投资至少需要花费400亿美元（若采用最新一代平台Vera Rubin，单GW投资上限可达470-500亿美元），那30年80GW的体量，隐含着届时AI基建总投资可能达到3-4万亿美元。
表：高预期下的AI建设量对应的资本开支规模资料
但问题也随之而来：远期收入能否论证起这天量投入的合理性？当下的资本开支强度是否已经触碰到合理边界？
如果前面论述成立，这笔钱又从哪来？本文试图以中性、客观的视角，尝试测算AI投资的理性天花板。
要理解资本开支的空间，必须先理解AI需求为什么能膨胀的底层逻辑。自2022年底以来，AI大模型经历了四次清晰的范式跃迁：
○而当前正在经历的第四轮，则是Agent时代，大模型可以完成极复杂的任务。
每一次跃迁的终点都是同一个结果：Token用量大幅增加，AI解决问题的能力边界大幅外扩。
需求爆炸的直接结果，是供应链的持续紧张与全面涨价，最终云厂商资本开支连续上修。
尤其是2026年以来，第四轮范式的加速落地，使得”工作Agent”从概念走向现实，企业核心工作流被AI渗透的速度显著加快。
根据美国人口普查局的数据，美国企业AI渗透率已从2023年末的不足5%，快速上升至2026年中的约20%。
显然AI已经成为几十年一次的重量级技术革命。
当前全球GDP总量约118万亿美元，2026年的AI投资约在1万亿美元，占全球总GDP的强度不到1%。
假设2030年全球GDP达到130万亿美元，其中IT支出占比达到3%（美国此前IT支出就已经占GDP的6%），同时IT支出中有一半在AI，那么AI资本开支可以算出来4万亿美元。
由于这一轮是北美领投，所以另一个视角是只看美国的投资强度。
二、英国铁路泡沫时期
1、英国铁路泡沫时期
美国GDP为38万亿美元，当前AI资本开支占GDP比重在2%左右。
若参照历史基建周期——英国铁路投资最高达到GDP的6%左右，美国铁路投资达到GDP的3-4%——AI投资占比仍有显著翻倍以上空间。
图：英国铁路泡沫时期，资本支出一度达到GDP的6-7%资料
这些测算共同指向一个结论：从宏观总量上看，3-4万亿美元的AI资本开支并非一个完全不可行的假设。
根据历史经验规律，可假设AI行业在偏高峰期的资本开支强度（Capex/收入）为35%，那么3-4万亿美元的资本开支，即隐含要求AI行业实现8-10万亿美元的年化收入。
○2025年，北美Mag 7合计收入约2.2万亿美元，8-10万亿美元相当于再造近5个Mag 7。
○若扩大到标普500，其2025年总营业收入约19万亿美元，AI相当于要再造至少半个标普500。
○近10万亿美元收入，假如类似其他信息技术产业，收入中50%可转化为GDP，那么我们测算到2030年AI产业占全球GDP的比重约为3-6%，这相当于再造一个汽车+医药行业，AI要在10年走完两个百年行业的路。
如此庞大的收入体量预期，目前有多少是”看得见”的？从当前已跑通的商业模式来看，主要有三条路径。
2、这是目前路径最清晰与兑现最确定的赛道
这是目前路径最清晰、兑现最确定的赛道，即AI大幅提升企业上云的动力和付费上限。
Anthropic约七至八成收入来自API调用，也印证了云侧变现的核心地位。
北美主要云厂商2026-2030年的AI相关收入增量估算显示，亚马逊有望增长约2000亿美元，谷歌约3000亿美元，微软约2000亿美元，加上其他新云厂商约2000亿美元，合计对应约9000亿美元的收入空间，即万亿美元赛道。
美国市场以OpenAI、Anthropic等为代表，C端已普遍确立了每月20美元起步的”AI税”门槛。
若全球C端付费用户数达到20亿人，仅基础订阅就对应约5000亿美元；
叠加广告等附加服务，C端合计约1万亿美元空间并不算异想天开。
但这条赛道的不确定性在于用户付费意愿与留存率，以及不同地区的付费能力差异。
这是当前关注度最高、变现确定性最强的垂直赛道。
Coding赛道之所以更容易变现，核心在于用户是高薪知识工作者，工具深度嵌入开发流程，付费主体是企业研发预算而非个人消费者，且结果可量化。
三、云服务与编码三条赛道加总
全球约0.5亿程序员，年均工资约5万美元，若40%的工作被AI替代或增强，则对应约1万亿美元的市场空间。
云服务、C端、编码三条赛道加总，大约对应3万亿美元的可预见收入。这是当前市场共识度最高、有明确数据支撑的部分。
但距离10万亿美元的目标，中间仍有7万亿美元左右的缺口，这需要从哪些场景生长出来，目前其实并不清晰。
彭博行业研究在2026年将生成式AI远期市场规模从1.8万亿美元上修至2.3万亿美元，并给出了2032年的详细收入拆分：基础设施近6000亿美元、设备与应用（推理）7300亿美元、推理/微调云工作负载1919亿美元、LLM授权收入1200亿美元、聊天机器人/AI Agents 3100亿美元、客服/合同审查AI Agents 2100亿美元、生成式AI驱动广告支出2100亿美元、IT服务800亿美元、工作负载监控软件800亿美元。
HSBC预测2030年全球AI行业收入9200亿美元，其中B2B占7080亿；
Jefferies测算2030年全球除中国外企业AI TAM为1.4万亿美元。
更关键的是，从美国当前渗透率来看，信息服务、金融保险、技术服务、企业管理等高技术行业的从业人员使用生成式AI的比例最高，均超过60%；
而公共管理、文娱休闲、住宿餐饮、交通运输等偏传统行业的渗透率均不足30%。
根据Anthropic的研究，对于管理、商业和金融、计算机和数学等行业，AI的理论渗透率可以超过80%；
但对于生产、制造和维修、农业等行业，理论渗透率不足20%。
1、AI要找到新的万亿级赛道
这意味着，AI要找到新的万亿级赛道，必须在高技术行业继续深挖，同时突破传统行业的渗透瓶颈——而后者在短期内显然面临更大挑战。
既然总量和收入都存在巨大的不确定性，从财务角度，如何去研判当前云厂商的资本开支强度是否合理？
判断当前AI资本开支是否合理，不能只看绝对值，更要看资本开支强度（Capex / 收入）的相对水平。
通过对标不同类型的重资产行业，可以更清晰地定位AI当前所处的周期阶段。
第一类是”重资产网络型行业”，典型如铁路、电网、电信运营商。
其共同特征是投资在前收入在后，待网络覆盖进入成熟阶段后，资本开支强度回落，自由现金流和利润率改善才开始兑现。
电信是典型案例：中国三大运营商2021-2023年5G与算力网络投入高峰期，Capex/收入高达20%-24%，近几年下降到18%以下；
欧洲电信行2021/2022年见顶约20%后，逐步回落至2026年的约15%以内。
四、电网强度略低一点
电网强度略低一点，以中国为例，国网与南网合计年收入约5万亿元，资本开支约7500亿元，capex/收入约15%。
这些赛道基本锚定的强度是15%-25%，很难进一步更高。
第二类是”技术迭代驱动型行业”，一直保持较高的投资强度，典型如半导体代工、云计算、锂电池、存储。
它们的投资高峰期反而可能在需求极强、产能利用率高、产品代际领先时，出现”高Capex强度+高利润率”并存的状态。
台积电是最极端的案例：最近一轮2021-2022年资本开支强度高峰中，Capex/收入达到50%左右，但营业利润率仍近5成；
2024-2025年资本强度回落至约33%后，利润率继续上修。
AWS的历史数据同样典型：2018-2023年资本强度大致在27%-33%之间，进入AI投入期后，资本强度更是上升到40%以上。
锂电的宁德时代也有一定的参考意义，在产品领先时其资本开支陡增，2020-2022年Capex/收入达到26.4%-33.6%的高位，后快速滑落并伴随现金流回正与盈利能力快速提升。
存储厂商（海力士、美光）是这些高技术产品中周期性最强的，但投资强度平均在30%左右。
1、既像铁路运营商一样投资在前收获在后
AI产业，既像铁路运营商一样投资在前收获在后，又像半导体等高科技一样，资本开支强度挂钩产品能力。
所以需要综合这些历史坐标，我们可以得出一个相对客观的结论：资本开支强度在15%-40%区间都是合理的假设。
如果对标云运营商、铁路、电网等重资产行业，稳态约为15%，高峰期接近25%；
若对标晶圆代工、互联网泡沫、存储等强周期行业，平均值在20%-30%，高峰期可达40%+。
当前AI行业的资本开支强度正处于这一对标区间的偏上沿。
1万亿美元的总投资，能见到的收入是3万亿美元，即对应的投资强度已经达到30%。
短期进一步上修的空间确实难做到此前动辄翻倍。
资本开支最终要落到 “钱从哪来” 的问题上。所以当前叙事的另一个切面是，作为AI投资的中军，北美四大云厂的弹药还能支撑多久？
第一层是内生现金流。根据当前经营趋势，2027年云厂合计经营现金流大约可支撑8600亿美元左右的资本开支；假设20
