生成式AI帶來的硬體資本支出爆發
過去談雲端資本支出（CapEx），市場多半把它理解成資料中心的例行擴容；生成式AI出現後，CapEx 的語氣變了——它更像一場爭奪算力與電力的軍備競賽。Bridgewater 估算，Alphabet、Amazon、Meta、Microsoft 等巨頭在AI基礎設施上的投入，2026年可能合計達約6,500億美元，高於2025年的約4,100億美元。([Reuters][1]) 這不是「多買幾台伺服器」的量級，而是把公司從輕資產雲服務商推向更重資產的基建型企業：更高的折舊、更長的回收期、更明顯的自由現金流壓力，與更敏感的投資人問責。
單家公司層面也能看到同樣的斜率。Reuters報導，Alphabet對2026年的資本支出指引為1,750億到1,850億美元，市場第一反應不是鼓掌，而是擔心「花得太快、回得太慢」。([Reuters][2]) Amazon方面，Reuters提到其2026年資本支出預算規模達2,000億美元，亦顯著高於2025年的1,310億美元。([Reuters][3])這些數字放在同一張圖上，你會理解為什麼投資人一邊說「AI是未來」，一邊開始緊張：當CapEx變成常態性的巨額支出，它就不再只是成長故事的配角，而是估值的主角。
ROI模型：回報不是「會不會來」，而是「多久才來、以什麼形式來」
硬體投資的回報周期，決定了雲端AI敘事能不能穿越景氣循環。若把ROI拆成最粗的模型：（單位算力可計費收入×利用率×毛利），能否在折舊期內覆蓋 （CapEx +電力與運維Opex +融資成本），就是核心。問題在於，生成式AI的收入端往往「先小後大」，而成本端是「先大後更大」：前期需要先把訓練集群與高速網路鋪好，客戶的付費行為才會逐步形成穩定曲線。
更現實的約束在折舊。研究資料中心專案融資的報告指出，業界普遍認為GPU的經濟折舊大約3到4年，但不同公司在會計折舊上可能拉到更長（例如有公司以6年折舊，也有以4年折舊）。([Center for Public Enterprise][4])這代表「回本窗口」其實被硬體更新速度鎖死：若3–4年內利用率拉不起來、單位算力售價被競爭壓下去，或電力與冷卻成本高於預期，資產就可能在帳面回收之前先被技術迭代淘汰。於是你會看到雲端商在同一時間做兩件看似矛盾的事：一方面加速投資，另一方面拚命把需求導向「推理（inference）常態化」與「企業長約」，因為只有穩定、可預測的推理用量，才能把利用率與現金流曲線固定下來。
宏觀層面也反映了這種「先投入、後回收」的特徵。Bridgewater在其研究中估算，AI CapEx對美國GDP的貢獻可能在2026年帶來約140個基點（1.4個百分點）的增量、2027年約150個基點。([Bridgewater][5])這一方面說明投資規模之大已能影響總體數據；另一方面也提醒：GDP被投資拉高不等於股東回報立刻到位，因為投資的收益要經過商業化、定價、競爭與折舊這四道關卡。
回報周期的最大風險：不是「沒有需求」，而是「收益被分走」
市場最怕的，其實不是算力沒有需求——目前看需求依舊強；最怕的是需求很旺，但回報被切得太碎。當四大雲廠與更多「算力中間商」同時擴張，單位算力的售價終究會被競爭拉下來；而電力、土地、設備、人才的供給瓶頸又把成本托住。於是「回報周期」的焦點就變成：雲端商能否用差異化能力守住毛利，例如自研晶片、網路堆疊、軟硬整合與企業級安全合規；模型公司能否用產品化與分層定價，把推理需求沉澱成可續的收入；企業客戶能否真正把生成式AI嵌入流程，讓付費變成剛性預算，而不是試用費。
這也是為什麼近來市場一邊追捧硬體與算力鏈條，一邊開始對「雲端超額投資」變得敏感：CapEx爆發本身不是利多或利空，它只是把問題提前攤開——生成式AI的回報不是不存在，而是需要時間；而時間，正好是資本市場最昂貴的成本。要讓這一輪投資穿越折舊周期，雲端廠商接下來比的不是誰砸得最多，而是誰能更快把「算力」變成「可計費、可續約、可解釋的生意」。
義合控股投資者關係部
（芯片與算力系列之35）
