三大云厂三年烧掉 8000 亿美元 capexAI 收入却几乎全靠 OpenAI 和 Anthropic 撑着单位推理成本随用量线性增长——这场基建豪赌的账到底怎么算原文链接AI 小老六过去三年全球超大规模云厂商在 AI 基础设施上累计砸下超过 8000 亿美元2026 年还规划了 7000 亿2027 年的预期摸到 1 万亿。但真正能拿出手的 AI 收入几乎全压在OpenAI 和 Anthropic这两家身上。把这两家挑出去三大云厂的剩余履约义务RPO几乎是横着走的。把账一笔笔摊开后得出一个很硬的判断单位推理成本随用户量线性增长capex 又停不下来整个 AI 产业链不是「盈利不够」而是数学上回不来本。一、先把账摆出来8000 亿砸下去回收得多惨先把这场 AI 基建豪赌里最刺眼的几组数字单独拎出来。项目数字过去 3 年超大规模云厂商累计 capex超 8000 亿美元2026 年新增计划 capex约 7000 亿美元2027 年预估 capex约 1 万亿美元微软三年累计 capex约 2938 亿美元其中投向 OpenAI 基建约 870 亿美元占 ~30%微软 FY2025 全部 AI 相关收入估算约 179 亿美元微软 FY2025 当年 capex约 882 亿美元把这张表翻成一句话这一年微软至少投了 882 亿基建AI 那一摊到手 179 亿连 capex 的零头都没盖住。更尴尬的是这 179 亿里头相当一部分来自 OpenAI 自己跑推理付给 Azure 的钱——本质上是微软自己的钱绕一圈又回到自己账上。要论证「AI 在外部产生新增收入」这部分应该被剔除剩下的画面就更难看。图8000 亿砸进数据中心真正流回来的 AI 收入只是涓涓细流二、为什么单纯靠「扩规模」救不回来很多人会下意识觉得技术革命嘛先烧钱后赚钱曲线总会上扬。但这一次的曲线跟过去那种「服务器闲置率会下降」的故事根本不是一回事。用更工程化的方式画一下成本闭环图AI 用户增长如何把云厂商推进 capex 死循环关键在GPU/电力消耗线性增长这一段。传统 SaaS 的边际成本接近零多服务一个用户几乎不增加机器。LLM 不一样用户每多调一次背后就是真金白银的电、卡、网络。收入是线性的成本也是线性的规模化不能自动带出超额利润。只要还在持续买卡、建机房、签电力capex 就停不下来只要 capex 停不下来所谓「等基建投完就盈利」的剧本就没法兑现。这不是悲观情绪是结构问题。三、为什么 OpenAI 和 Anthropic 是最大的「伪需求」看完 capex 之后再把超大规模云厂商手上的剩余履约义务RPO也拉出来对了一遍。结论是过去几个季度的 RPO 暴涨几乎完全靠 OpenAI 和 Anthropic 撑着。微软 RPO 从 3920 亿冲到 6250 亿主要是 OpenAI 的 2500 亿增量 Azure 承诺加上和 Anthropic 的 300 亿合作。亚马逊 RPO 从 2440 亿冲到 3640 亿背后是 OpenAI 1000 亿的扩展和 Anthropic 5GW 算力。谷歌 RPO 从 2428 亿冲到 4676 亿里面 2000 亿来自 Anthropic。把这两家挑出去三家厂商的「非 OpenAI/Anthropic AI 长单」增长几乎是平的。这就是真正的需求幻觉看上去全世界都在抢算力其实抢算力的就是少数几家而它们的钱又来自几家云厂商和 VC 的反向输血。我看到这种结构的第一反应是这是一个非常不健康的需求曲线。它不是 AWS 早年那种「成千上万家中小公司接进来用云」而是「两个客户撑着三家供应商三家供应商再反过来当这两个客户的股东」。一旦其中任何一环资金链承压整张图都会一起抖。图钱在云厂和 AI 实验室之间转一圈更像是资本内循环而非外部收入四、AI 实验室自己能跑出商业模式吗把视线从云厂商挪到 OpenAI 和 Anthropic 自身问题没变好反而更尖锐。**「推理是赚钱的」这个说法很滑头**。它一般只算 GPU 单位运行成本不算卡的折旧、机房、电力、销售费用、模型训练摊销。把这些算进来单位推理基本是亏的。**「硅会变便宜」不是免费午餐**。硬件确实在便宜但模型也在变大、上下文在变长、reasoning token 在膨胀每一代 SOTA 的真实推理成本反而是上升的。**「开始卖服务」更危险**。一旦做企业服务、Agent 工作流、咨询交付毛利结构会更接近传统 SI而不是 SaaS估值逻辑根本撑不住现在这种价位。简单说AI 实验室目前的财务画像更像是「被云厂商当成 capex 出口」的特殊客户而不是有内生造血能力的 SaaS 公司。五、留给工程团队的三个具体提醒写这篇之前我顺手按这套逻辑把手上几个项目重新过了一遍预算下面这三件事是我打算近期落到流程里的选型时不要默认大厂会一直补贴 token 价格。Google、OpenAI、Anthropic 都已经在试探价格上限我会给所有重度依赖外部 API 的产品做一次「涨价 2 倍仍可生存」的压力测试。Agent / RAG / 长上下文这些「看起来很美」的设计要重新算 token 预算。一个长上下文 reasoning 的 query账面上比想象中贵得多最新一代「Flash」级别模型跑一遍标准 benchmark 的成本已经超过它自己上一代 Pro。要警惕「算力即护城河」这个说法。真正的护城河是产品和分发算力是租来的谁出钱谁租得到。OpenAI 当年从马斯克那里临时拿 300MW 就是一个很好的提醒。我并不是说 AI 没未来。这件事的拐点会来但按现在这套 capex / 收入结构这场基建豪赌的风险比股价表现出来的要乐观很多倍。投资可以继续但每个用 AI 的工程团队最好都在自己的预算模型里给「涨价、限流、模型下架」预留三条退路。
AI 基建账单：8000 亿 capex 砸下去，云厂商到底回了多少本
发布时间：2026/5/21 9:10:23
三大云厂三年烧掉 8000 亿美元 capexAI 收入却几乎全靠 OpenAI 和 Anthropic 撑着单位推理成本随用量线性增长——这场基建豪赌的账到底怎么算原文链接AI 小老六过去三年全球超大规模云厂商在 AI 基础设施上累计砸下超过 8000 亿美元2026 年还规划了 7000 亿2027 年的预期摸到 1 万亿。但真正能拿出手的 AI 收入几乎全压在OpenAI 和 Anthropic这两家身上。把这两家挑出去三大云厂的剩余履约义务RPO几乎是横着走的。把账一笔笔摊开后得出一个很硬的判断单位推理成本随用户量线性增长capex 又停不下来整个 AI 产业链不是「盈利不够」而是数学上回不来本。一、先把账摆出来8000 亿砸下去回收得多惨先把这场 AI 基建豪赌里最刺眼的几组数字单独拎出来。项目数字过去 3 年超大规模云厂商累计 capex超 8000 亿美元2026 年新增计划 capex约 7000 亿美元2027 年预估 capex约 1 万亿美元微软三年累计 capex约 2938 亿美元其中投向 OpenAI 基建约 870 亿美元占 ~30%微软 FY2025 全部 AI 相关收入估算约 179 亿美元微软 FY2025 当年 capex约 882 亿美元把这张表翻成一句话这一年微软至少投了 882 亿基建AI 那一摊到手 179 亿连 capex 的零头都没盖住。更尴尬的是这 179 亿里头相当一部分来自 OpenAI 自己跑推理付给 Azure 的钱——本质上是微软自己的钱绕一圈又回到自己账上。要论证「AI 在外部产生新增收入」这部分应该被剔除剩下的画面就更难看。图8000 亿砸进数据中心真正流回来的 AI 收入只是涓涓细流二、为什么单纯靠「扩规模」救不回来很多人会下意识觉得技术革命嘛先烧钱后赚钱曲线总会上扬。但这一次的曲线跟过去那种「服务器闲置率会下降」的故事根本不是一回事。用更工程化的方式画一下成本闭环图AI 用户增长如何把云厂商推进 capex 死循环关键在GPU/电力消耗线性增长这一段。传统 SaaS 的边际成本接近零多服务一个用户几乎不增加机器。LLM 不一样用户每多调一次背后就是真金白银的电、卡、网络。收入是线性的成本也是线性的规模化不能自动带出超额利润。只要还在持续买卡、建机房、签电力capex 就停不下来只要 capex 停不下来所谓「等基建投完就盈利」的剧本就没法兑现。这不是悲观情绪是结构问题。三、为什么 OpenAI 和 Anthropic 是最大的「伪需求」看完 capex 之后再把超大规模云厂商手上的剩余履约义务RPO也拉出来对了一遍。结论是过去几个季度的 RPO 暴涨几乎完全靠 OpenAI 和 Anthropic 撑着。微软 RPO 从 3920 亿冲到 6250 亿主要是 OpenAI 的 2500 亿增量 Azure 承诺加上和 Anthropic 的 300 亿合作。亚马逊 RPO 从 2440 亿冲到 3640 亿背后是 OpenAI 1000 亿的扩展和 Anthropic 5GW 算力。谷歌 RPO 从 2428 亿冲到 4676 亿里面 2000 亿来自 Anthropic。把这两家挑出去三家厂商的「非 OpenAI/Anthropic AI 长单」增长几乎是平的。这就是真正的需求幻觉看上去全世界都在抢算力其实抢算力的就是少数几家而它们的钱又来自几家云厂商和 VC 的反向输血。我看到这种结构的第一反应是这是一个非常不健康的需求曲线。它不是 AWS 早年那种「成千上万家中小公司接进来用云」而是「两个客户撑着三家供应商三家供应商再反过来当这两个客户的股东」。一旦其中任何一环资金链承压整张图都会一起抖。图钱在云厂和 AI 实验室之间转一圈更像是资本内循环而非外部收入四、AI 实验室自己能跑出商业模式吗把视线从云厂商挪到 OpenAI 和 Anthropic 自身问题没变好反而更尖锐。**「推理是赚钱的」这个说法很滑头**。它一般只算 GPU 单位运行成本不算卡的折旧、机房、电力、销售费用、模型训练摊销。把这些算进来单位推理基本是亏的。**「硅会变便宜」不是免费午餐**。硬件确实在便宜但模型也在变大、上下文在变长、reasoning token 在膨胀每一代 SOTA 的真实推理成本反而是上升的。**「开始卖服务」更危险**。一旦做企业服务、Agent 工作流、咨询交付毛利结构会更接近传统 SI而不是 SaaS估值逻辑根本撑不住现在这种价位。简单说AI 实验室目前的财务画像更像是「被云厂商当成 capex 出口」的特殊客户而不是有内生造血能力的 SaaS 公司。五、留给工程团队的三个具体提醒写这篇之前我顺手按这套逻辑把手上几个项目重新过了一遍预算下面这三件事是我打算近期落到流程里的选型时不要默认大厂会一直补贴 token 价格。Google、OpenAI、Anthropic 都已经在试探价格上限我会给所有重度依赖外部 API 的产品做一次「涨价 2 倍仍可生存」的压力测试。Agent / RAG / 长上下文这些「看起来很美」的设计要重新算 token 预算。一个长上下文 reasoning 的 query账面上比想象中贵得多最新一代「Flash」级别模型跑一遍标准 benchmark 的成本已经超过它自己上一代 Pro。要警惕「算力即护城河」这个说法。真正的护城河是产品和分发算力是租来的谁出钱谁租得到。OpenAI 当年从马斯克那里临时拿 300MW 就是一个很好的提醒。我并不是说 AI 没未来。这件事的拐点会来但按现在这套 capex / 收入结构这场基建豪赌的风险比股价表现出来的要乐观很多倍。投资可以继续但每个用 AI 的工程团队最好都在自己的预算模型里给「涨价、限流、模型下架」预留三条退路。
