自由现金流，卡住了AI巨头的脖子

文 | 字母AI 投资者的关注点正在发生变化。 随着AI资本开支进入千亿美元规模，市场不再只关心企业愿意投入多少，而开始追问——这些投入什么时候能够转化为收入，以及巨额资本开支是否会拖累公司的现金流和盈利能力。 同样是在扩建AI基础设施，科技巨头获得了截然不同的市场反馈。 微软公布财报后，盘后股价涨超4%。 公司Azure业务继续高速增长，商业剩余履约义务（RPO）达到高水平。市场认为，微软目前拥有更清晰的AI基础设施变现路径。 但Meta公布财报后，盘后股价一度下跌约8%—10%。 公司二季度营收达到608亿美元，同比增长28%，但自由现金流降至7.84亿美元，同比下降91%，同时继续维持1300亿—1450亿美元的年度资本开支计划。投资者开始重新评估：如此大规模的AI基础设施投入，未来能否带来与投入规模匹配的回报。 类似的压力也出现在谷歌和特斯拉身上。 Alphabet二季度财报公布后，股价盘后一度跌超4%，次日跌幅扩大至约7%。 尽管Google Cloud收入达到248亿美元，同比增长82%，未履约合同金额达到5140亿美元，显示企业AI需求依然强劲，但市场仍然担忧公司持续扩大的AI基础设施投入。 Alphabet已经将2026年资本开支指引提高至1950亿—2050亿美元，并表示2027年还将继续增加投入。与此同时，公司二季度自由现金流转为负值，流出59亿美元。 特斯拉公布第二季度财报后，股价单日下跌14.52%，市值缩水约2145亿美元。 公司二季度资本开支达到58亿美元，自由现金流转为-11亿美元，市场开始重新评估Robotaxi和机器人等AI业务的商业化兑现速度。 AI基础设施需求正在增长，但建设这些基础设施需要投入越来越多资本。 当科技巨头砸下数千亿美元建设AI基础设施后，这些资产最终能否产生足够高的回报，正在成为资本市场关注的重点。 账单越来越大， 现金流压力开始显现 过去两年，AI资本开支一度成为科技股上涨的重要推动因素。 在生成式AI爆发初期，市场相信这是一场基础设施竞赛：谁能够建设更多数据中心、获得更多GPU资源、拥有更强算力能力，谁就更可能在下一轮AI竞争中占据优势。 从Meta大幅提高资本开支预期，到微软、Alphabet持续扩建数据中心，市场曾经将AI基础设施投入视为争夺未来市场份额的必要成本。 但进入2026年，问题正在发生变化。 随着AI基础设施投入进入千亿美元规模，投资者关注的重点开始从投入规模转向财务承受能力：企业是否拥有足够的现金流储备，支撑这场长期资本投入。 在一众因为AI投入导致现金流承压的科技公司中，微软几乎成为了一股清流。 公司虽然继续扩大AI基础设施投入，但市场仍然给予积极反馈。 微软公布财报后，盘后股价上涨超过4%。公司季度自由现金流达到196亿美元，同比下降23%，但高于市场预期；Azure业务继续保持高速增长，商业剩余履约义务（RPO）达到高水平。 因此，相比其他大规模投入AI基础设施的企业，微软目前仍然拥有更强的财务承受能力。 与之相对的是，那些现金流储备明显下降的企业，股价也跟着下跌。 Meta二季度财报显示，公司营收达到608亿美元，同比增长28%，广告业务依然保持增长。但与此同时，公司自由现金流降至7.84亿美元，同比下降91%，并继续维持1300亿—1450亿美元的年度资本开支计划。 谷歌母公司Alphabet已将2026年资本开支指引提高至1950亿—2050亿美元，并表示2027年资本投入还将继续增加。与此同时，公司二季度自由现金流转为负值，现金流出59亿美元。 Oracle也体现了类似趋势：随着AI云需求快速增长，公司云基础设施业务持续扩张。2026财年，Oracle云基础设施（OCI）收入达到181亿美元，同比增长77%；剩余履约义务达到6380亿美元，同比增长363%。 但为了满足这些需求，Oracle大幅增加基础设施投入，2026财年资本开支达到556亿美元， 自由现金流转为负237亿美元。 财报公布后，Oracle股价盘后一度下跌约7%。 同样承受现金流压力的还有特斯拉。二季度财报显示，特斯拉资本开支达到58亿美元，自由现金流转为负11亿美元，这是公司两年多以来首次出现季度自由现金流为负。虽然公司汽车交付和营收数据并不算差，但市场开始重新评估Robotaxi和Optimus等未来业务在商业化兑现之前，需要投入多少资本。特斯拉公布第二季度财报后，股价单日下跌14.52%，市值缩水约2145亿美元。 AI基础设施市场并不存在需求不足的问题。事实上，企业对于算力、云服务和AI能力的需求仍然在快速增长。 真正发生变化的是市场的评价标准： AI基础设施正在从一场单纯的规模竞赛，进入一场关于资本回报的竞争。 同样投入AI基础设施，不同公司的答案并不一样 AI基础设施投入最大的区别，并不在于企业花了多少钱，而在于这些投入未来通过什么方式回收。 过去，市场容易把所有AI投资放在同一个框架里：建设更多数据中心、采购更多芯片、获得更多算力，就意味着拥有更强竞争力。 但随着投入规模扩大，投资者开始意识到，AI基础设施并不是一种单一资产。数据中心、GPU、云计算能力、模型训练能力，以及自动驾驶数据和机器人能力，都属于AI时代的重要基础设施，但它们对应着完全不同的商业模式。 市场真正关注的问题是，这些资产是否拥有清晰的现金回收路径。 按照回报路径来看，投入AI基础设施建设的公司大致可以分为三种模式。 第一类，是直接商业化AI基础设施的公司。 这类公司的逻辑非常简单，它们通过向客户提供算力，直接获得收入。 英伟达就是其中最典型的例子——过去两年，AI基础设施建设首先推动的是GPU需求爆发。与数据中心运营商不同，英伟达并不需要等待AI应用商业化落地，它首先从基础设施建设本身获得收入。 云计算巨头则属于另一种形式。 微软Azure、Google Cloud和Oracle OCI并不是简单出售芯片，而是将计算资源、模型服务和云平台打包提供给企业客户。 因此，对这些公司来说，核心问题在于，AI基础设施投入能否转化为云收入增长。 微软的优势在于，AI投入已经开始通过Azure增长、企业云合同和Copilot商业化逐渐转化为可见收入。 Oracle则面临另一种压力：尽管订单增长很快，但为了兑现这些订单，需要提前投入大量数据中心和计算资源。 第二类，是将AI能力转化为自身业务价值的公司。 这类公司的目标，并不是直接出售算力，而是通过AI基础设施建设，强化自身产品、业务和未来AI能力。 Meta就是典型案例，它投入大量资金建设AI基础设施，同时推进Llama等基础模型研发，希望将AI能力应用到推荐系统、广告投放、消费者AI产品中。 但与云厂商不同，Meta目前并没有通过出租算力直接获得收入。 对于这类公司，AI投入的回报路径并不像云厂商那样直接。投资者关注的不是简单的算力出租收入，重点在于AI能否提升核心业务效率，并创造新的增长空间。 谷歌也同时具备这一属性，它的情况要更复杂：一方面，Google Cloud正在通过AI基础设施获得直接收入；另一方面，公司也在利用AI能力改造搜索、广告、Workspace等核心业务，并通过Gemini和TPU布局未来