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
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。