AI算力资本开支估算：3-4万亿美元算得出来，但兑现条件极其苛刻

文 | 锦缎 Agent技术的落地让大模型真正拥有了"手"和"脚"：Coding能力的跨越与工具调用的完善，将AI从"对话式助手"推向了"自主执行者"的新高度；另一方面，供应链的全面紧张让市场全面拥抱硬件，广为传播的投资圣 经是："美国缺电、中国缺芯、永远缺存储"。 随着北美进入财报季，AI叙事却站在微妙的十字路口：大厂的资本开支超预期，但全球AI硬件股价却接连显著承压。 一切争论都围绕着，未来北美关于AI算力资本开支天花板到底在哪里？实际市场偏乐观的预期已经不低，Semi Analysis近期给出的预测是美国AI数据中心新增电力需求将从2026年的21GW快速增长至2030年的84GW。 按照当前硬件成本，每GW的AI数据中心投资至少需要花费400亿美元（若采用最新一代平台Vera Rubin，单GW投资上限可达470-500亿美元），那30年80GW的体量，隐含着届时AI基建总投资可能达到3-4万亿美元。 表：高预期下的AI建设量对应的资本开支规模 资料来源：锦缎研究院总结 但问题也随之而来：远期收入能否论证起这天量投入的合理性？当下的资本开支强度是否已经触碰到合理边界？如果前面论述成立，这笔钱又从哪来？本文试图以中性、客观的视角，尝试测算AI投资的理性天花板。 前言：需求膨胀的四轮跃迁与总量合理性锚定 要理解资本开支的空间，必须先理解AI需求为什么能膨胀的底层逻辑。自2022年底以来，AI大模型经历了四次清晰的范式跃迁： ○第一轮是文生文开启的问答时代，带来了用户广度的膨胀； ○第二轮是上下文能力与视觉能力的补全，带来了数据容量的膨胀； ○第三轮是推理与思维链时代，带来了深度信息量的膨胀； ○而当前正在经历的第四轮，则是Agent时代，大模型可以完成极复杂的任务。 每一次跃迁的终点都是同一个结果：Token用量大幅增加，AI解决问题的能力边界大幅外扩。需求爆炸的直接结果，是供应链的持续紧张与全面涨价，最终云厂商资本开支连续上修。 尤其是2026年以来，第四轮范式的加速落地，使得"工作Agent"从概念走向现实，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的数据，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%。显然AI已经成为几十年一次的重量级技术革命。 图：美国企业AI渗透率资料来源：美国统计局，中信证券 放在宏观尺度下，这一AI投资的量级是否合理？ 当前全球GDP总量约118万亿美元，2026年的AI投资约在1万亿美元，占全球总GDP的强度不到1%。假设2030年全球GDP达到130万亿美元，其中IT支出占比达到3%（美国此前IT支出就已经占GDP的6%），同时IT支出中有一半在AI，那么AI资本开支可以算出来4万亿美元。 由于这一轮是北美领投，所以另一个视角是只看美国的投资强度。美国GDP为38万亿美元，当前AI资本开支占GDP比重在2%左右。若参照历史基建周期——英国铁路投资最高达到GDP的6%左右，美国铁路投资达到GDP的3-4%——AI投资占比仍有显著翻倍以上空间。 图：英国铁路泡沫时期，资本支出一度达到GDP的6-7%资料来源：华泰研究 这些测算共同指向一个结论：从宏观总量上看，3-4万亿美元的AI资本开支并非一个完全不可行的假设。 但宏观上的"可行"，不等于微观上的"可兑现"。 收入能见度如何？3万亿确定和7万亿待定 投资最终需要收入来做支撑。 根据历史经验规律，可假设AI行业在偏高峰期的资本开支强度（Capex/收入）为35%，那么3-4万亿美元的资本开支，即隐含要求AI行业实现8-10万亿美元的年化收入。 这是一个什么概念？可以做下简单的对比分析： ○2025年，北美Mag 7合计收入约2.2万亿美元，8-10万亿美元相当于再造近5个Mag 7。 ○若扩大到标普500，其2025年总营业收入约19万亿美元，AI相当于要再造至少半个标普500。 ○近10万亿美元收入，假如类似其他信息技术产业，收入中50%可转化为GDP，那么我们测算到2030年AI产业占全球GDP的比重约为3-6%，这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。 表：AI产业占GDP比重资料来源：锦缎研究院估算 如此庞大的收入体量预期，目前有多少是"看得见"的？从当前已跑通的商业模式来看，主要有三条路径。 第一是云（API）服务。 这是目前路径最清晰、兑现最确定的赛道，即AI大幅提升企业上云的动力和付费上限。Anthropic约七至八成收入来自 API 调用，也印证了云侧变现的核心地位。 北美主要云厂商2026-2030年的AI相关收入增量估算显示，亚马逊有望增长约2000亿美元，谷歌约3000亿美元，微软约2000亿美元，加上其他新云厂商约2000亿美元，合计对应约9000亿美元的收入空间，即万亿美元赛道。 第二是个人订阅（To C）。 美国市场以OpenAI、Anthropic等为代表，C端已普遍确立了每月20美元起步的"AI税"门槛。 若全球C端付费用户数达到20亿人，仅基础订阅就对应约5000亿美元；叠加广告等附加服务，C端合计约1万亿美元空间并不算异想天开。但这条赛道的不确定性在于用户付费意愿与留存率，以及不同地区的付费能力差异。 第三是编程（Coding）。 这是当前关注度最高、变现确定性最强的垂直赛道。Coding赛道之所以更容易变现，核心在于用户是高薪知识工作者，工具深度嵌入开发流程，付费主体是企业研发预算而非个人消费者，且结果可量化。 全球约0.5亿程序员，年均工资约5万美元，若40%的工作被AI替代或增强，则对应约1万亿美元的市场空间。 云服务、C 端、编码三条赛道加总，大约对应 3 万亿美元的可预见收入。这是当前市场共识度最高、有明确数据支撑的部分。但距离10万亿美元的目标，中间仍有7万亿美元左右的缺口，这需要从哪些场景生长出来，目前其实并不清晰。 第三方研究也算不出来更高的数。 彭博行业研究在2026年将生成式AI远期市场规模从1.8万亿美元上修至2.3万亿美元，并给出了2032年的详细收入拆分：基础设施近6000亿美元、设备与应用（推理）7300亿美元、推理/微调云工作负载1919亿美元、LLM授权收入1200亿美元、聊天机器人/AI Agents 3100亿美元、客服/合同审查AI Agents 2100亿美元、生成式AI驱动广告支出2100亿美元、IT服务800亿美元、工作负载监控软件800亿美元。 HSBC 预测 2030 年全球 AI 行业收入 9200 亿美元，其中 B2B 占7080 亿；Jefferies 测算 2030 年全球除中国外企业 AI TAM 为 1.4 万亿美元。 更关键的是，从美国当前渗透率来看，信息服务、金融保险、技术服务、企业管理等高技术行业的从业人员使用生成式AI的比例最高，均超过60%；而公共管理、文娱休闲、住宿餐饮、交通运输等偏传统行业的渗透率均不足30%。 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%。 这意味着，AI要找到新的万亿级赛道，必须在高技