腾讯的AI Capex，还可以更高

文 | 锦缎 腾讯二季报出来后，市场的第一反应是：“AI资本开支终于动真格了。” 单季527.8亿元，同比暴增176%，环比大幅提升。对习惯了腾讯稳健风格的人来说，这个数字确实有冲击力。 一时间，叙事开始转向：腾讯要All in AI了，要动真格的了，要重新讲一个硬科技的故事了。 但我的判断恰恰相反：“动真格”这个词用早了， 腾讯的AI capex，还不够高，还可以更高。 真正值得一家现金流充沛的互联网巨头去“大搞特搞”的方向，也不是模型本身，更不是目前被寄予厚望的应用层，而是那个回报期最短、商业逻辑最清晰的 算力基础设施层 。 当下AI叙事最大的问题，是注意力错配：的注意力都聚焦在模型层以小时计的新闻变化上，却忽略了商业模式已经成型、投资却明显不足的算力层。 换句话说，市场把聚光灯打在了模型层和应用层，却忽略了价值链上最确定、最硬的环节。 01 模型层仍在死亡峡谷 先看模型层今天的情况。 全球头部模型公司几乎都还在死亡峡谷里行军。 今天毫无疑问的垄断双巨头OpenAI、Anthropic，至今仍处于常年巨额现金净流出的状态： OpenAI ：2025年营收约130亿美元，营业亏损约209亿美元；2026年Q1已烧约37亿美元（对营收57亿美元）。全年预计亏损/现金消耗约140-270亿美元量级（内部预测与外部估算有差异），仍远未到正FCF，预计要到2029-2030年才可能转正。现金储备虽厚（融资后），但单位经济模型仍未跑正。 Anthropic ：ARR已冲到约470亿美元（2026年中），轨迹明显好于OpenAI，可能更快接近营业利润（有报道指向2026年中可能出现季度营业利润）。但仍有大规模基础设施投入，FCF转正预期更晚（2028-2029附近），累计仍在消耗资本。 现金流为正这件事，在模型层至今几乎没有真正成立过。 原因并不复杂： 训练成本高、迭代速度快、竞争激烈，且最终能沉淀为稳定经常性收入的部分，远远跟不上投入的速度。模型层目前更像是一场必须参与的军备竞赛，而不是一门可以独立产生正现金流的生意。 有人会说，大模型的API毛利率很高。确实，OpenAI的部分产品线毛利率可以做到70%以上。 但毛利率高和赚钱是两回事。当你的底座是每月数亿美元的训练成本和折旧摊销时，高毛利只是让亏损显得“更有质量”而已。 这不是一个商业模式的判断，而是一个产业阶段的判断。 模型层目前所处的阶段，很像2000年前后的光纤网络建设期：技术路线尚未收敛，玩家必须持续投入以保持竞争力，但最终能活下来并盈利的，可能只有两三家。而活下来的，往往不是靠模型本身赚钱，而是靠模型背后控制的底层资源。 再看应用层，尤其是本次腾讯业绩会被反复提及的AI办公。 中国办公软件市场已经用十年时间给出了答案。飞书、钉钉、WPS，加上周边生态，全口径收入加在一起，全口径收入合计长期未能突破百亿人民币量级。 腾讯的WorkBuddy目前号称千万级活跃用户、约3亿人民币ARR，听起来不错，但放在腾讯7000多亿年收入的体量下，这更像是一个还在验证产品市场契合度的早期业务，而不是能支撑叙事的支柱。 更关键的是商业入口。 真正掌握企业办公入口的，依然是Teams、WPS、钉钉这些已经完成用户习惯教育的传统玩家。新的Agent或AI办公工具，很难在短时间内撼动这个格局。 把希望寄托在“做一个AI原生的办公入口”上，某种程度上重复了十年前“浏览器才是入口，商店会重新定义一切”的叙事。 WorkBuddy被推到台前，其实折射出腾讯AI叙事的一个真空期： 模型训练的进度需要追赶，算力供给的缺口需要填补，于是应用层的故事被提前拿出来讲。这不是说应用不重要，而是它目前还远没有到能贡献清晰商业回报的阶段。 市场对workbuddy虚无缥缈的期待，本质上是对“确定性”的渴望。 腾讯投资人希望看到一个能快速变现的故事，因为模型层太烧钱，算力层太遥远。 但问题是，中国To B软件市场的天花板是明牌。用AI办公讲一个千亿收入的故事，在可见的未来里并不成立。 02 当前真正有商业价值的，仍旧是算力层 腾讯管理层在财报会上相对低调地提到，算力资源会兼顾内部使用与对外租赁。这句话被很多人当作附带信息略过，但我反而觉得，这才是当下AI主旋律里最值得重视的部分。 算力层有一个模型层和应用层目前都严重缺乏的东西： 相对清晰、可验证的回报周期。 在美国，高利用率的算力中心，在签订多年期、高负载合同的情况下，回收期可以压缩到两年左右。 SpaceX披露显示，它把Colossus容量租给Anthropic（约12.5亿美元/月）和Google（约9.2亿美元/月）等。 最近季度，AI部门的调整后EBITDA已经转正并达到约11亿美元，几乎全靠算力出租拉动。纯Grok模型业务本身贡献有限，真正改善财务的是基础设施租赁。 而传统超大规模云（AWS、Azure、Google Cloud）更是如此： AWS：运营利润率已升到约39%，AI相关业务贡献明显。 Google Cloud：运营利润率升到35%+，增长极快。 Azure：也保持高利润率。 它们把 AI 算力作为现有云业务的高附加值延伸，定价和利用率都比较好，虽然整体公司 FCF 被巨额 CapEx 压低，但云 /AI 算力这块的单位经济是健康的。 如果看专业neocloud（CoreWeave等） ，也是同样情况。 每一家都在营收暴增（单季已超25亿美元级别），调整后EBITDA利润率常在55-60%。 但因为还在疯狂扩容，自由现金流仍然大幅为负（CapEx远超经营现金流）。一旦产能交付并开始产生经常性收入，利润率会迅速抬升。合同积压（backlog）已到千亿美元量级，可见需求锁定程度。 AWS、Azure、Google Cloud的AI相关业务，也在持续贡献更高的运营利润率。 这是一个被反复验证过的商业模型： 大规模、高密度、高负载的算力供给，一旦形成规模效应和客户锁定，就能产生类似基础设施的现金流特征。 中国的情况类似，但更极端。 目前高端训练与推理供给的格局，大致是火山引擎与阿里云占据主要位置。 根据Omdia《中国AI云市场份额2025》报告，阿里云以38.1%的整体份额稳居第一（AI IaaS达38.6%），火山引擎以20.4%紧随其后，并在公有云大模型Token调用量上占据接近半数份额； 腾讯云仅6.3%，在大规模训练集群与高并发推理供给上的存在感明显偏弱。这种“双强领先、腾讯掉队”的结构，进一步印证了腾讯在算力层仍有明显的技术债需要偿还。 无论是通义千问还是豆包Seed，Token消耗量的爆发，底层都依赖稳定、可控、成本可控的自有或紧密绑定的算力。 因为今天Token消耗的真实量级：已经不是“增长”，而是“爆炸”。 豆包（火山引擎） 2026年6月日均Token调用量达到 180万亿 。相比2024年5月刚发布时增长超过1500倍，过去一年增长超过10倍。火山引擎在中国公有云MaaS Token调用量份额约 49.5% 。 全国整体， 中国日均Token调用量从2024年初约1000亿，到2025年底约100万亿，再到2026年3月突破 140万亿 ，两年增长超过1000倍。 通义千问虽未公开同等粒度的日均