四大科技巨头计划今年总计投入约6350亿美元的资本支出,其中大部分用于数据中心和AI基础设施建设,这一数字超过了以色列整个国家的经济产出,也远超去年全球云基础设施服务收入总额。
这些科技巨头都在试图通过惊人的资本支出来超越彼此,其中大部分投资将用于AI和云服务扩张。四大巨头——AWS、微软、谷歌和Meta——的投资规模已经达到了前所未有的水平。
亚马逊表示,预计2026年将投入2000亿美元,其中大部分资金将流向AWS。谷歌计划投入1800亿美元用于数据中心的建设和设备采购,Meta预计资本支出将在1150亿至1350亿美元之间,而微软的投资速度意味着年支出约为1200亿美元。
这些投资总计达到6350亿美元,超过了国际货币基金组织数据显示的以色列2025年6100亿美元的国内生产总值,接近瑞典6620亿美元的经济规模。
这些巨额投资显示了行业领导者为在AI竞赛中获得优势所愿意付出的程度,尽管到目前为止,所有这些支出的回报都未能达到预期,据报道投资者开始感到不安。例如,微软在公布最新业绩后,股价下跌了约10%,因为投资者期待更大的回报。
对用户的更广泛影响是什么?基础设施的大规模支出正在导致内存等组件短缺,因为制造商优先生产能够在利润丰厚的数据中心市场获利的芯片,而不是用于日常个人电脑和手机的芯片。
这些巨额资本支出承诺的总和也超过了2025年云基础设施服务的总收入。根据Synergy Research Group的最新数据,去年的收入达到了4190亿美元。
尽管云市场本身继续以令人印象深刻的速度增长,年增长率约为30%,并连续九个季度加速增长。
Synergy Research Group首席分析师John Dinsdale表示:"生成式AI简直让云市场进入了超速发展模式。自2022年以来,AI特定服务占据了大部分增长,但AI技术也增强了更广泛的云服务组合,推动了全方位的收入增长。领先的云提供商都看到了收入增长率的跃升。"
三大云服务商继续占据主导地位,Synergy将它们在2025年第四季度全球市场份额分别定为:亚马逊(AWS)28%、微软Azure 21%、谷歌云14%。
在二线云提供商中,增长率最高的包括CoreWeave、甲骨文、Crusoe和Nebius,这些都是AI基础设施服务提供商。特别是CoreWeave,现在每季度云收入超过15亿美元,已经跃升为十大云提供商之一。
Q&A
Q1:四大科技巨头今年在AI方面的投资规模有多大?
A:四大科技巨头(AWS、微软、谷歌和Meta)计划今年总计投入约6350亿美元的资本支出,其中大部分用于数据中心和AI基础设施建设。这一数字超过了以色列整个国家的经济产出。
Q2:为什么科技巨头要进行如此大规模的AI投资?
A:这些科技巨头都在试图通过惊人的资本支出来在AI竞赛中超越彼此,获得某种优势。尽管目前所有这些支出的回报都未能达到预期,但它们仍愿意投入巨资进行AI和云服务扩张。
Q3:大规模AI投资对普通用户有什么影响?
A:基础设施的大规模支出正在导致内存等组件短缺,因为制造商优先生产能够在利润丰厚的数据中心市场获利的芯片,而不是用于日常个人电脑和手机的芯片,这可能会影响消费电子产品的供应。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。