据穆迪评级的最新研究显示,美国六大超大规模云服务商今年的总资本支出预计将达到约7000亿美元,是2022年水平的近六倍。
这一激增反映了对AI计算能力的强烈需求,但分析师表示,这种支出也在考验历来强劲的自由现金流,并增加了对债务的依赖。
即便如此,超大规模云服务商仍在尝试通过分阶段数据中心扩张和将投资与签约需求更紧密结合来限制长期风险,穆迪公司金融集团高级副总裁、报告作者拉吉·乔希表示。
AI驱动的资本支出激增
据穆迪称,AI的快速发展正在产生对计算能力的强劲需求,推动美国超大规模数据中心运营商大举投资。
该评级机构预计,六家美国超大规模云服务商——微软、亚马逊网络服务(AWS)、Meta平台、Alphabet、甲骨文和CoreWeave——今年的资本支出将达到7000亿美元。
尽管支出水平史无前例,但AI需求仍然超过供应。
报告指出:"整个行业仍然受到产能限制,因为训练新AI模型和支持推理及智能体应用爆炸性增长的计算能力需求超过了供应。"
"数据中心可用电力的缺乏以及建设所需的时间将限制AI产能,我们预计到2027年这种情况仍将滞后于需求。"
虽然这些投资正在加速收入增长,但它们也在侵蚀这些公司历来强劲的自由现金流,并促使更高的借贷。
投资者担忧
据穆迪称,支出的规模和速度也引发了投资者对AI基础设施投资潜在回报的辩论。
超大规模云服务商将AI投资视为战略必需和千载难逢的机会,而一些投资者担心激进支出可能导致产能过剩和回报率下降。
穆迪表示,满足AI需求的大额前期资本支出正在给信贷指标带来压力,尽管新兴的收入增长和积压订单转换趋势可能有助于缓解一些担忧。
该机构表示,如果AI投资的强劲利润增长未能实现,资本密集度上升和债务水平提高也可能导致对信用状况的重新评估。
在接受数据中心知识采访时,乔希表示超大规模云服务商正在尝试通过将新产能建设与确认需求更紧密结合来管理这些风险。
他说,"只有当我能看到坚定承诺、合同或需求时,我才会建设",这描述了指导许多新AI基础设施项目的思维方式。
资本支出仍在攀升
美国超大规模云服务商的资本支出预计明年将进一步攀升。穆迪预计到2027年总资本支出将上升至约8200亿美元。
穆迪表示:"这些投资正在推动整个数据中心供应链的增长激增,包括半导体、IT硬件、发电、建筑和冷却设备。"
最新预测与Omdia类似的乐观预测相呼应。在2025年数据中心世界大会期间,分析师弗拉德·加拉博夫表示,全球数据中心资本支出到2030年可能超过1万亿美元,甚至这一估计也可能过于保守。
重要的是,随着行业经历史无前例的AI基础设施建设,乔希表示这些投资仍在谨慎规划中,超大规模云服务商避免在快速发展的技术环境中做出长期承诺。
他说:"我不认为这些是五年或十年计划,那风险太大了。"
Q&A
Q1:超大规模云服务商的AI资本支出规模有多大?
A:据穆迪评级研究显示,美国六大超大规模云服务商(微软、AWS、Meta、Alphabet、甲骨文和CoreWeave)今年的总资本支出预计达到7000亿美元,是2022年水平的近六倍,预计到2027年将进一步上升至8200亿美元。
Q2:为什么超大规模云服务商要大举投资AI基础设施?
A:主要原因是AI快速发展产生了对计算能力的强劲需求。整个行业仍然受到产能限制,因为训练新AI模型和支持推理及智能体应用爆炸性增长的计算能力需求超过了供应,预计这种供需缺口将持续到2027年。
Q3:大规模AI投资会带来哪些风险?
A:主要风险包括侵蚀公司历来强劲的自由现金流、增加债务依赖、给信贷指标带来压力。投资者还担心激进支出可能导致产能过剩和回报率下降,如果AI投资的强劲利润增长未能实现,可能导致对信用状况的重新评估。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。