從「囚徒困境」到「反身性」，主宰AI交易的市場博弈

原文作者：龍玥

原文來源：華爾街見聞

上週，AI 基礎設施的兩條風險線索同時浮出水面：CoreWeave 遭遇股債雙殺，融資成本急升；Meta 的巨額 AI 資本開支和自由現金流轉負則再次引發市場對投入產出比的擔憂。前者暴露了高槓桿基建公司的融資脆弱性，後者讓投資者重新審視科技巨頭不斷加碼的資本開支。

這不只是兩家公司面臨的壓力，更指向同一個問題：當 AI 建設越來越依賴外部融資，這場軍備競賽還能持續多久？

雲端運算巨頭們深陷一個經典的囚徒困境——誰都清楚集體過度投資的代價，卻沒有任何一家敢於單方面踩剎車。據路透社分析 LSEG 共識預測數據，微軟、Alphabet、亞馬遜、Meta 和甲骨文五家超大規模雲廠商，預計到 2027 年資本開支總額將超過其自由現金流，每新增 1 美元營運現金流，對應約 1.57 美元的新增資本開支。這一剪刀差，正在將曾經以「輕資產」著稱的科技平台，推向一種對資本市場高度依賴的新商業模式。

投資人 Citrini 在接受 Monetary Matters 播客採訪時直接點出了這一轉變的核心風險：「在這場 AI 交易的前三年，情緒驅動的下跌都有一個底——因為大部分支出來自超大規模雲廠商的營運現金流。但現在，越來越多的基礎設施是靠著相當驚人的預期來融資的。」當融資來源從內部現金流轉向股權發行和債務融資，市場情緒本身就獲得了直接影響實體投資規模的能力。

如果市場情緒急轉直下，那些增量資金就會枯竭——因為這不再是一家公司花自己的錢，而是由市場決定的。

這正是「反身性（Reflexivity，指的是原因與結果之間存在循環的、雙向的相互作用與影響）」風險：信心支撐融資，融資支撐投資；一旦信心轉弱，資金收縮又會反過來打擊投資與增長預期，形成負向循環。

AI 正在重塑科技巨頭，也正在重塑科技巨頭自身的商業模式。驅動這場 AI 基建軍備競賽的邏輯或許已從「投資推動增長」悄然滑向「信心決定投資」。

沒有人敢停下來：囚徒困境的博弈結構

Cornell Capital Group 的研究報告《AI 囚徒困境》將這場軍備競賽的內在邏輯描述得相當清晰：任何一家巨頭，如果在 AI 上重注而競爭對手沒有，就能獲得市場主導權；如果自己不投而對手投了，則面臨被淘汰的風險。因此，無論競爭對手如何選擇，激進投資都是每家公司的「理性策略」。

數字印證了這一邏輯的烈度。2024 年，亞馬遜、Alphabet、微軟、Meta 和蘋果五家公司合計資本開支約 2270 億美元；2025 年這一數字躍升至 3910 億美元；管理層對 2026 年的指引顯示總額可能突破 6350 億美元。高盛預測，2025 年至 2027 年間，超大規模雲廠商的累計資本開支將達 1.15 萬億至 1.4 萬億美元——是 2022 年至 2024 年 4770 億美元的逾兩倍。

具體到各家公司，2026 年的指引更為激進：亞馬遜目標支出 2000 億美元，Alphabet 指引 1750 億至 1850 億美元，其 CEO Sundar Pichai 甚至表示「這個數字可能還不夠」，Meta 指引最高 1350 億美元。

分析師 Amin Mrini 在其報告《7000 億美元的囚徒困境》中指出，這五家公司合計承諾的 2026 年資本開支約為其合併自由現金流的 3.8 倍——「歷史上最能產生現金的企業，正走在每產生 1 美元自由現金流就要花掉近 4 美元的軌道上，靠著創紀錄的債務發行來填補缺口。」

這一困境的結構性根源在於基礎設施的不可壓縮性。資料中心、電力協議、專用晶片，全部需要多年的提前採購和建設週期。等到需求在收入端清晰可見，響應窗口早已關閉。Mrini 寫道：「正是這種滯後，將預期變成了義務。」

歷史的鏡子：鐵路、航空與光纖的宿命

Cornell Capital 的報告援引了三段歷史，為這場 AI 軍備競賽提供了令人警醒的參照系。

19 世紀美國鐵路熱潮中，鐵路股票和債券總額達 106 億美元（約合今日 4000 億美元），遠超當時 12 億美元的國債規模。鐵路確實改變了美國，但 1873 年恐慌後的「長期蕭條」中，九成鐵路公司倒閉，1893 年恐慌期間四分之一的鐵路里程進入破產接管。受益者是製造商、農業生產者和商人，而非鐵路股東。

商業航空的故事更為直白。過去 80 年間，全球航空業累計淨利潤約 860 億美元，而僅新冠疫情三年就抹去了近 1900 億美元。沃倫·巴菲特曾如此總結這一結構性困境：「如果一位有遠見的資本家當年在小鷹鎮在場，他最好的選擇是把奧維爾·萊特打下來，這樣能為後來的投資者省去無數麻煩。」巴菲特本人最終在 2020 年以約 50 億美元的虧損清倉了四家美國航空公司的持倉。

1990 年代末的電信泡沫則是最直接的類比。彼時超過 5000 億美元湧入光纖電纜和無線網絡，大部分靠債務融資。到 2002 年，超過 23 家主要電信公司申請破產，約 2 萬億美元市值灰飛煙滅，不到 5%的已鋪設光纖被點亮使用。然而，正是這些破產投資者留下的廉價頻寬，孕育了 Netflix、YouTube 和整個雲端運算產業。

Cornell Capital 的結論一針見血：「變革性技術的悖論在於：公司花得越多、競爭越激烈，技術商品化就越快。商品化對消費者是福音，對投資者的利潤率卻是腐蝕劑。」

現金流的剪刀差：數據層面的壓力測試

路透社對 LSEG 數據的分析，為上述邏輯提供了實證支撐。

甲骨文是目前壓力最為顯著的案例。其資本開支佔營運現金流的比例，從 2022 財年的 47%飆升至 2026 財年（截至今年 5 月）的 174%——當年資本開支 557 億美元，營運現金流僅 320 億美元，自由現金流已轉負。該公司股價今年以來已下跌 36%，並計劃通過債務和股權融資籌集 450 億至 500 億美元用於雲基礎設施擴張。

微軟在最近一個財季錄得 358 億美元營運現金流，同期資本開支（含融資租賃）達 375 億美元。亞馬遜過去 12 個月營運現金流同比增長 30%至 1485 億美元，但自由現金流已降至 12 億美元。

Futurum Equities 首席市場策略師 Shay Boloor 表示：「投資者低估了 AI 正在從根本上改變大型科技公司商業模式的程度。這些公司歷史上被視為輕資產平台，因為收入增速可以遠超資本需求，但 AI 正在將它們推向一種混合模式，軟件、廣告和雲端運算的經濟性越來越依賴於龐大的實體基礎設施支出。」

Mrini 的測算更為嚴峻：按當前指引速度推算資本開支至 2027 年，再以 15%的稅前投資回報率為基準，AI 計算收入需要在 2030 年達到約 2.9 萬億美元，才能覆蓋已部署資本的成本——這相當於當前整個雲端運算市場規模的三倍以上。從當前約 2110 億美元的基數出發，這意味著需要連續五年維持約 68%的年增長率，「在基礎設施市場中沒有任何先例」。

反身性：當融資結構改變了風險性質

Citrini 在訪談中對這一轉變的描述，是理解當前 AI 交易風險最為精準的框架之一。

他將 AI 投資的融資結構變化分為兩個階段。第一階段，超大規模雲廠商用自身營運現金流支撐支出，這意味著無論市場情緒如何波動，只要這些公司持續投入，半導體等受益公司的基本面就有一個「底」。「無論是關稅、日元套利交易，還是我都記不清 2023 年 9 月我們在擔心什麼，基本面仍然在改善。」

第二階段，也就是當下，情況已經根本不同。Citrini 直接說：「現在，AI 領域每一筆增量支出，幾乎都來自股權融資——無論是風險投資還是公開市場——以及債務融資。這意味著，AI 可以變得更有用，使用量可以持續擴張，但你可能為供應它的算力付出了過高的代價；或者，情緒可以產生更為顯著的衝擊——因為不像以前有基本面托底，如果市場情緒轉向，那些增量資金就會枯竭，因為這不再只是一家公司在花錢，而是由市場決定的。」

這一機制的核心在於：融資來源的變化，使得市場情緒從一個外生變量，變成了一個可以直接影響投資規模的內生變量。Citrini 將這一動態稱為「反身性」——信心支撐融資，融資支撐投資，投資支撐收入預期，收入預期反過來支撐信心。而一旦這條鏈條上的任何一環出現裂縫，整個正反饋就可能逆轉。

他給出了一個具體的觸發情景：「我認為這個週期的轉折，會以一聲嘆息而非一聲爆炸的方式到來。不會是某家公司違約引發崩盤，而是：我們把實驗室的合併 ARR 預測從 4000 億美元下調到 3600 億美元，然後因為這種增長已經被充分定價，這個增量變化就會向外擴散，把整個體系拉低。」

捷文斯悖論失效：需求彈性的關鍵缺口

支撐 AI 基礎設施投資的一個核心樂觀假設，是「捷文斯悖論」（Jevons Paradox）——算力成本下降會刺激需求爆發，從而吸收所有新增產能。Mrini 在報告中承認這一邏輯的存在，但同時指出其在 AI 語境下的局限：企業集成緩慢、監管約束真實存在，而效率提升主要發生在模型層，需求響應可能流向應用開發者和模型提供商，而非銷售算力的基礎設施層。「捷文斯悖論可以在 AI 作為技術層面成立，同時在 AI 基礎設施作為商業模式層面失效。」

Citrini 援引了 Anthropic 發布的經濟指數數據：任務成本每降低 10%，使用量僅增加約 3%。也許你在模型不好用的時候，token 需求反而更多，因為你得一直修改。「這根本不是捷文斯悖論。」他還指出，當前 AI 收入增速約為每年 25%至 30%，而資本開支增速接近 60%至 70%，兩者之間的缺口隨每一輪指引週期而擴大。

他對「什麼時候會重新看多半導體」給出了明確條件：「如果我們看到付費使用量持續增長，第二階段導數重新加速，並且能夠真正通過客戶現金流來支撐融資——這需要採用率真正提升，尤其是對最前沿模型的採用。」

市場已經開始區分：誰在賣算力，誰在用 AI 賺錢

同樣是高額 AI 資本開支，市場對不同公司的反應已經出現分化。

Mrini 觀察到，Meta 獲得市場認可的原因，是其 AI 投入已經體現在廣告定向和廣告效果衡量的改善上，帶來收入增長和利潤率提升。算力在這裡嵌入了具有定價能力的業務，效率提升能夠直接降低服務成本。

相比之下，Google 和微軟仍處於投入更清晰、應用層回報尚未完全反映在利潤表中的階段。兩家公司都在將 AI 嵌入搜尋、辦公軟件、Android、企業協作和智能代理工具中，也都在爭奪智能代理工作流的編排和協調入口。但市場短期看到的，首先仍是資料中心帳單。

亞馬遜和甲骨文的處境則更接近基礎設施提供者。亞馬遜雖然有 Alexa+和自研 Trainium 等佈局，但大部分投入仍指向按小時出售的 AWS 算力；甲骨文對雲基礎設施的依賴更高，融資壓力也更顯著。

差別在於，AI 投入能否轉化為具備定價權的產品收入，還是主要依賴出售標準化計算資源。

這也是 AI 交易下一階段最關鍵的分界線：資本開支本身不再足以構成利好，市場需要看到收入、利潤率和現金流之間更明確的傳導。

路透社援引 Winthrop Capital Management 高級交易員 Freddy Lavric 的話稱：「未來兩到三年，公司需要證明 AI 正在帶來增量收入、擴大利潤率並改善現金流。如果這些財務收益沒有顯現，市場將開始質疑這一輪投資是否走得太遠。」

AI 交易的真正考驗，是資本能否熬到回報兌現

AI 帶來的技術進步並沒有消失，需求也沒有憑空蒸發。超大規模雲廠商繼續擴大基礎設施投入，恰恰說明它們相信 AI 將成為長期競爭力的核心。

問題在於，所有參與者都認為自己不能缺席，便可能共同製造超額供給；所有參與者都提高融資強度，市場情緒便可能從旁觀者變成決定投資規模的變量。

囚徒困境解釋了巨頭為何持續加碼：誰都害怕落後。

反身性則解釋了市場為何變得脆弱：當內部現金流無法覆蓋新增投入，股價、債券、融資意願與資本開支會開始相互影響。樂觀時，這套機制能放大擴張；一旦收入兌現速度低於預期，它同樣會放大收