文 | 财华社
进入 2026 年，随着全球 AI "六姐妹"微软（MSFT.US）、谷歌（GOOG.US）、亚马逊（AMZN.US）、Meta（META.US）、苹果（AAPL.US）和特斯拉（TSLA.US）陆续发布 2025 年 12 月财季业绩，一个新趋势浮出水面：AI 的叙事正在从"概念驱动"转向"价值验证"。
投资者不再满足于宏伟蓝图，而是追问：这些巨额投入何时能转化为真实利润？
资本开支飙升 vs. ROI 焦虑：泡沫警报拉响？
微软、谷歌、亚马逊和 Meta 的 12 月财季核心共性之一，便是 AI 相关资本开支的大幅飙升，且投入规模远超市场预期。
Meta 的 2025 年第四季资本开支同比大增 49.23%，2025 年全年资本开支同比增加 84.11%，达到 722 亿美元，而其 2026 年全年资本支出预计达 1,150 亿— 1,350 亿美元，较 2025 年增长 60%-87%，计划全部投向 AI 基础设施，而根据我们的估算，其 2025 年全年来自经营活动的净现金流入为 1,158 亿美元，也就是说，Meta 要将全年的经营现金流全部用于 AI 投资，彰显对"超级智能"战略的长期投入决心。
微软财季内资本支出同比激增 65.93% 至 375 亿美元，其中三分之二用于 AI 芯片采购与数据中心搭建，以支撑 Azure 云服务与 OpenAI 相关合作的算力需求，其截至 2025 年 12 月末止的 12 个月资本开支合计为 1,180 亿美元，按年上升 56.08%。
谷歌的第 4 季资本开支较上年同期高出 95.09%，全年资本开支也按年上升 74.07%，达到 914.47 亿美元，绝大部分用于 AI 技术基础设施，而其 2026 年全年的资本开支预算更进一步提升至 1,750 亿至 1,850 亿美元之间，较 2025 年全年资本开支预算高出 91.37% 以上。
亚马逊也同步加大投入，重点投向自研芯片量产、AI 基础设施升级等领域，第 4 季资本开支大增 47.51%，2025 年全年资本开支按年上升 65.21%，达到 1,283 亿美元，管理层预计，其 2026 年全年资本开支将约为 2,000 亿美元，超越谷歌、Meta 等的资本开支预算。
亚马逊的管理层预计资本投入可产生强劲的回报，但资本市场似乎并不这么认为，在公布业绩之后，亚马逊在盘后交易时段大跌超 11%。
特斯拉今年的资本投资也将大幅上升，管理层预计将超过 200 亿美元，相较而言，其 2025 年的资本开支为 85.27 亿美元，意味着新一年的资本开支将大幅增加一倍以上，将为精炼厂、LFP 工厂、CyberCab 工厂、Semi 工厂、超级工厂、Optimus 工厂等六家工厂投入资金，涵盖电池材料、电池、汽车制造与机器人产能。此外，特斯拉还将投入资金建设 AI 计算基础设施，并支持现有工厂扩大产能，建造相关的配套设施，以及扩大 Robotaxi 的车队规模。这还不包括对太阳能电池制造和芯片制造厂的潜在投资。
除苹果因未大规模押注生成式 AI 而股价相对稳健外，其余五家近期股价承压，反映出投资者对"烧钱换未来"模式的耐心正在耗尽。
芯片格局重塑：垂直整合成为新战略
六大巨头 2025 年全年超 4,300 亿美元和 2026 年超 6,000 亿美元的资本开支预算，却并没有让英伟达（NVDA.US）得益，英伟达的股价也持续受压，2026 年以来已累计下跌 7.88%，最近五个交易日的累计跌幅更达到 10.75%，为"七姐妹"之最。
英伟达虽仍主导 AI 训练芯片市场，但其"卖铲人"地位正受挑战。
12 月财季业绩清晰展现出当前 AI 芯片市场的"两极分化"格局：一方面，英伟达、AMD（AMD.US）的 AI 芯片需求依然殷切，仍是巨头们算力布局的核心选择，期内这些巨头们均大幅采购英伟达 GPU、AMD MI 系列芯片，用于大模型训练、算力集群搭建，英伟达凭借 CUDA 软件生态的优势，仍占据 AI 训练芯片市场的主导地位，AMD 则在推理芯片领域逐步突围，成为巨头们的重要补充选择。
另一方面，谷歌、亚马逊、特斯拉、微软等巨头已加速推进自研芯片布局，试图打破英伟达的垄断，降低算力成本，实现算力自主可控。谷歌自研的 TPU v7 系列芯片已获得 Anthropic 等企业的青睐，传闻 Anthropic 计划采购近一百万颗 TPU v7 芯片，且谷歌 Gemini 3、Anthropic Claude Opus 4.5 等顶尖大模型，大部分训练与推理均依赖 TPU，形成"数据 - 软件 - 硬件"的闭环生态；微软近期发布自研 AI 加速器 Maia 200，采用台积电（TSM.US）3nm 工艺，性能超越亚马逊第三代 Trainium 和谷歌第七代 TPU，且"每美元性能"较现有硬件提升 30%，专门用于 AI 推理场景。
亚马逊用于训练的 Trainium 2 芯片产能已全部满载，首批 140 万片全部交付，Trainium 3 现已投入生产，市场需求旺盛，预计 2026 年中，该型号芯片的供应将被全部预订；Trainium4 预计于 2027 年开始交付，FP4 算力将为 Trainium 3 的 6 倍，内存带宽提升 4 倍，高内存带宽容量亦增加 2 倍。
特斯拉也在推进自研芯片研发，并表示会进一步增加 AI 芯片和算力投资，还计划在美国本土建立半导体制造产能，以应对长期供应风险。
这种"外购 + 自研"的双重布局，将成为未来巨头们的主流选择——短期依赖英伟达、AMD 满足刚需，长期通过自研芯片实现成本优化与技术突围，而芯片市场的竞争，也将从"单一硬件比拼"转向"生态协同比拼"。
这或将削弱英伟达的定价权，并推动 RISC-V 等开源架构在边缘 AI 中崛起，博通（AVGO.US）等定制芯片解决方案供应商或可得益。
人才与并购：军备竞赛的延续
"六姐妹"的财季业绩与战略布局中，收购并购与人才争夺依然是其快速扩张、巩固 AI 优势的习惯手法，且竞争日趋激烈。
在收购方面，巨头们的收购标的更具针对性，不再盲目收购通用 AI 企业，而是聚焦"补短板、强协同"——比如微软通过收购 AI 初创企业，补充推理算力与垂直场景落地能力，强化与 OpenAI 的合作协同；谷歌收购 AI 视觉、空间智能领域的初创公司，完善 Gemini 模型的多模态能力；Meta 则通过收购小型 AI 企业，吸纳核心技术团队，加速"超级智能"相关研发。
在人才争夺方面，"六姐妹"的竞争已进入白热化阶段，核心聚焦于芯片研发、大模型优化、Agent 开发等领域的顶尖人才。
财季披露的信息显示，巨头们纷纷提高 AI 核心岗位的薪资待遇、股权激励力度，甚至不惜从竞争对手处挖角。这种常态化的收购与人才争夺，本质上是巨头们对 AI 核心技术与人才壁垒的争夺，而中小 AI 企业，要么被巨头收购，要么在人才流失的困境中逐渐边缘化。
Agent 崛起：巨头争相布局，软件企业遭遇挤压
12 月财季中，" Agent（智能代理）"成为"六姐妹"战略布局的核心关键词，巨头们均已明确推出或加速推进自身的 Agent 产品，或意味着 AI 行业正式进入" Agent 竞争时代"。
微软推出的 Office 智能体，可根据用户指令自动创建表格、文档、演示文稿，具备"数字员工"的属性，目前 Microsoft 365 Copilot 已拥有 1500 万商业用户席位；谷歌将 Agent 能力融入 Gemini 模型，推出可自主完成多步骤任务的智能代理，适配搜索、办公等场景；Meta、亚马逊也在推进 Agent 研发，分别聚焦社交场景与电商、云服务场景。
Agent 的崛起，对传统软件企业造成了一定的挤压——传统软件以"工具型"为主，而 Agent 具备自主规划、多任务协同、跨软件操作的能力，可替代部分传统软件的核心功能，导致部分中小软件企业面临被淘汰的风险。
不过，从财季动态来看，巨头们的 Agent 发展，依然需要依托传统软件的生态与基础功能，部分具备核心技术、垂直场景适配能力的软件企业，反而成为巨头们的合作对象，比如专注于工业软件、专业设计软件的企业，其核心功能难以被通用 Agent 替代，且可与巨头 Agent 结合，实现能力升级。因此，Agent 崛起，具备核心竞争力的软件企业应仍有生存空间，而同质化的工具型软件企业将被逐步淘汰，这可能是一个软件企业洗牌的过程。
存储芯片供应不足：AI 规模化发展的核心瓶颈，制约行业增速
"六姐妹"的财季业绩与战略表态中，均间接反映出一个共性问题——存储芯片供应不足，已成为制约未来 AI 发展的重要挑战。
AI 大模型的训练与推理，需要海量的数据存储与高速的数据读取能力，尤其是随着大模型参数规模持续扩大、多模态数据（文本、图像、音频、视频）快速积累，对存储芯片的容量、速度、功耗提出了更高的要求，而当前全球存储芯片市场呈现"供需失衡"的态势，HBM3E 供不应求，价格翻倍，存储墙（Memory Wall）成为制约模型规模扩展的关键瓶颈，甚至比算力更紧迫。
美光（MU.US）、三星、SK 海力士等存储芯片头部供应商扩产需 12 – 18 个月，短期内难以缓解。
从巨头反馈来看，微软、谷歌、亚马逊均在财季中提及，存储芯片供应短缺，导致部分 AI 算力集群搭建进度滞后，影响大模型研发与推理效率的提升。此外，存储芯片的价格上涨，也进一步增加了巨头们的 AI 投入成本，间接加剧了市场对其 ROI 的疑虑。
能源压力与合规治理趋严，成为 AI 发展的新增约束
能源压力与合规治理趋严，或正成为 AI 未来发展的新增约束，且影响将逐步扩大。
从能源压力来看，AI 大规模应用带来的耗电量持续高企。"六姐妹"均在加大 AI 基础设施投入，数据中心规模持续扩大，耗电量也随之飙升，比如 Meta 为保障数据中心电力供应，专门成立" Meta Compute "计划，微软、谷歌也在推进绿色数据中心建设，亚马逊也期望通过核能破解能源难题。在"双碳"目标约束下，高能效芯片研发、新能源电力供给、冷却技术升级，已成为巨头们必须应对的课题，也将增加 AI 投入的成本。
从合规治理来看，2026 年被视为全球 AI 治理措施加速落地的关键一年，相关规则将逐步生效，对巨头们的 AI 发展形成约束。"六姐妹"作为全球 AI 发展的风向标，其 AI 研发、数据使用、产品落地，均需符合各国的合规要求，比如数据隐私保护、算法透明度、AI 安全评估等，这将进一步规范 AI 行业的发展，但也可能在一定程度上放缓研发与落地速度，尤其是在跨境 AI 服务、多模态数据使用等领域，合规成本将显著增加。
结论：穿越周期，价值回归
"六姐妹"的最新财报或揭示了一个趋势：AI 产业正在从"技术突破驱动"的上半场，进入"商业应用与盈利能力驱动"的下半场。
短期内，行业将面临多重挑战：资本市场的耐心有限，必须展示清晰的盈利路径；供应链瓶颈（特别是存储芯片）可能制约发展速度；日益激烈的竞争可能导致价格战和利润率压缩；监管环境的不确定性也为全球布局带来变数。
但从长期来看，这种从狂热到务实的转变对行业健康发展是有利的。理性的市场环境将迫使企业更注重技术与商业的深度融合，更关注解决真实世界的实际问题，而非追逐华而不实的技术指标。
未来的赢家，不会是那些单纯拥有最大模型或最强算力的公司，而是那些能够将 AI 能力深度融入业务流程，真正提升效率、创造价值的企业。无论是通过云服务赋能千行百业，还是通过 AI 代理重塑用户体验，抑或是通过智能算法优化内部运营，可持续的商业价值创造能力将成为衡量 AI 成功的最终标尺。
AI 的故事仍在继续，但叙事的重心已经转变。当资本市场开始追问"然后呢？"，当每一笔投入都需要衡量回报，AI 产业才真正开始从实验室走向市场，从概念走向现实，从改变技术范式走向重塑经济格局。这条路或许不如之前那般狂热，但却更加坚实，也更可能通向真正可持续的未来。
股票配资网址,在线配资平台,股市怎么申请杠杆提示：文章来自网络，不代表本站观点。
