北美云厂资本开支连续上修，市场对远期AI投资的预期已攀升至3-4万亿美元。但宏观总量上的"可行"，不等于微观上的"可兑现"——可预见收入仅约3万亿美元，资金供给触及上限，兑现条件极为苛刻。
要理解资本开支的空间，必须先理解AI需求为什么能持续膨胀。自2022年底以来，AI大模型经历了四次清晰的范式跃迁，每一次都指向同一个结果：Token用量大幅增加，AI解决问题的能力边界大幅外扩。
注：每一轮跃迁都带来Token用量数量级增长，推动算力需求持续攀升。当前Agent时代将AI从"对话式助手"推向"自主执行者"，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%。AI已经成为几十年一次的重量级技术革命。
但需求膨胀只是故事的一半。另一半是：这些需求能不能转化为真实的收入？
3-4万亿美元的资本开支，隐含要求AI行业实现8-10万亿美元的年化收入（按Capex/收入=35%倒算）。这是一个什么概念？
北美Mag 7合计收入约2.2万亿美元；标普500总营收约19万亿美元。8-10万亿美元相当于再造近5个Mag 7，或半个标普500。
AI产业占全球GDP比重需达到3-6%，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。
那么，目前有多少收入是"看得见"的？三条已跑通的商业模式合计约3万亿美元：
注：云服务、C端订阅、编程是当前确定性最高的三条收入路径，合计约3万亿美元。剩余7万亿美元需要AI在高技术行业继续深挖，同时突破传统行业的渗透瓶颈——后者在短期内面临更大挑战。
更关键的是，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%。AI要找到新的万亿级赛道，必须在传统行业实现突破——这并非短期可以兑现的。
一个诚实的注脚：彭博行业研究将生成式AI远期市场规模上修至2.3万亿美元；HSBC预测2030年全球AI行业收入9200亿美元；Jefferies测算为1.4万亿美元——第三方研究给出的数字，远低于市场隐含的预期。
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。历史上高资本开支强度的行业大致可分为两类：
铁路、电网、电信运营商。投资在前，收入在后，稳态强度约15%，高峰期可达25%。
半导体代工、云计算、存储。投资强度挂钩产品能力，均值20%-30%，高峰期可达40%+。
AI产业兼具两类特征——既像铁路一样投资在前收获在后，又像半导体一样强度挂钩产品能力。综合历史坐标，15%-40%的资本开支强度都是合理区间。
注：柱形为相对比例示意，非零起点。AI当前30%的强度已处于对标区间的偏上沿，进一步上修空间有限。
当前AI行业资本开支强度已达30%，处于历史对标区间的偏上沿。1万亿美元总投资对应约3万亿美元可预见收入，意味着投资强度已经达到30%。短期进一步上修的空间确实有限。
资本开支最终要落到"钱从哪来"的问题上。作为AI投资的中军，北美四大云厂的资金供给能力，决定了投资上限。
注：经营现金流约1万亿美元，合理举债空间约1万亿美元，合计约2万亿美元。假设四大厂占全球资本开支的50%-60%，则对应全球AI总投资约3-4万亿美元——这触及了自下而上的资金供给上限。
但这一测算基于一个关键假设：非北美云厂也要加速投资，包括主权AI、中国AI国产投入。如果这一假设不成立，全球AI总投资将远低于3-4万亿美元。
近期已经出现了令人警觉的信号：
AI产业的长期趋势没有问题，但资本开支不是可以无限外推的。1.2-2万亿美元是分歧不大的"可预见区间"，3-4万亿美元是"算得出来但需要极限条件"的上限。当一场投资狂飙触及天花板时，预期管理将比需求预测更重要。
对于投资者而言，重要的不再是争论AI革命是否真实，而是清醒地认识到：当前不少硬件公司的估值已隐含了对2027年极高资本开支的预期。一旦北美的核心玩家因现金流压力或战略调整而放缓步伐，市场预期将面临重大修正。
本文综合公开信息整理，所有数据引自公开报道与行业研究，不构成投资建议。