四大科技公司 2026 年资本开支约 6950 亿～7250 亿美元：AI 与电力口径

直接答案：按四家公司截至 2026 年 7 月 27 日公开的最新指引，Microsoft、Alphabet、Amazon 和 Meta 的 2026 年资本开支合计约为 6950 亿～7250 亿美元，不是旧稿标题中的 6500 亿美元。Alphabet 已在 2026 年第一季度业绩披露中把全年区间更新为 1800 亿～1900 亿美元，因此不能继续沿用此前的 1750 亿～1850 亿美元。但这个加总是公司层面的 CapEx，不能全部等同于“AI 投资”；各家公司对自然年、融资租赁和非 AI 资产的口径也不完全一致。电力与并网确实正在成为数据中心扩张约束，但这不自动构成任何证券的收益承诺。

四家公司当前指引怎么加

复算：下限为 1900＋1800＋2000＋1250＝6950 亿美元；上限为 1900＋1900＋2000＋1450＝7250 亿美元。Microsoft 和 Amazon 使用“约”，Alphabet 与 Meta 使用区间，因此合计也只能写成约数范围，不能伪装成精确预算。

原稿使用的 1850 亿、2000 亿、1350 亿和 1050 亿美元合计只有 6250 亿美元，本身也不能推出“约 6500 亿”；更重要的是，Microsoft 与 Meta 随后已经更新指引。对这类时效性新闻，必须同时记录公司、披露日期、年度口径、区间和是否包含租赁，而不是只换一个更大的标题数字。

为什么这个总数只能叫“简单加总”

四个数字都来自公司一手披露，因而可以回答“这些公司目前计划投入多大规模”；但要回答“谁在 AI 上花得更多”或“谁的资本效率更高”，公开信息仍不够。Microsoft 明确给出 2026 自然年指引；Alphabet 和 Amazon 给出 2026 全年指引；Meta 明确把融资租赁本金支付纳入其区间。每家公司还拥有不同的云、广告、消费互联网、办公、物流或其他业务资产。

为什么不能把总 CapEx 都叫作 AI 投资

资本开支记录的是长期资产投入，不等同于某一产品线的研发费或当期现金流。公司会同时购买服务器、网络设备、土地和建筑，也可能建设办公、物流或其他业务资产。Microsoft 在业绩会上区分了短寿命的 GPU/CPU 与长期数据中心资产，并提到服务器替换；Alphabet 说明其技术基础设施同时服务模型、云、搜索和广告；Amazon 也拥有庞大的零售与物流网络；Meta 的指引还明确包含融资租赁本金支付。

更准确的写法是：AI 与云需求是这轮 CapEx 上升的重要驱动，但公开指引通常没有给出可直接相加的“纯 AI 资本开支”审计数字。如果关心硬件能否承载具体工作负载，应分别核对Groq LPU 的低延迟边界、模型形状、内存和软件栈；需要补齐部署基础时可查看AI 教程专题，而不是从公司总 CapEx 反推单个模型性能或单位推理成本。

钱从预算变成 AI 服务，要经过哪些环节

一笔资本预算要先落实土地、并网和水/冷却条件，再完成建筑、变电设施、服务器、芯片、存储和网络交付；之后还要安装、调试、通过安全与可靠性验收，才能成为可售容量。容量上线后仍取决于模型效率、调度、客户需求与利用率。Amazon 股东信也明确解释，部分资产会在产生账单前 6～24 个月投入，许多 2026 年 AWS CapEx 预计在 2027～2028 年变现。

这也是为什么“支出大”既可能代表需求与长期机会，也可能带来短期自由现金流、折旧、供给过剩或回报延迟压力。分析时要同时观察：已签客户承诺、上线容量、供需约束、云收入增速、折旧年限、自由现金流和单位算力效率。站内Megatron Core 并行策略与 GPU 拓扑指南展示了训练系统中模型切分、GPU 拓扑和软件协作为什么会影响有效算力；不能只看某一种芯片。

电力瓶颈到底有多大

电力约束不是虚构，但需要用系统数据而非荐股口号描述。IEA《Energy and AI》记录，全球数据中心在 2024 年使用约 415 TWh 电力、约占全球用电 1.5%；其基准情景预计 2030 年用电将超过翻倍至约 945 TWh。IEA 的完整报告进一步说明，这约占 2030 年全球用电的略低于 3%，AI 是最重要的增长驱动。IEA 同时预计，美国到 2030 年新增用电需求中，数据中心约占一半。

美国劳伦斯伯克利国家实验室 2025 更新报告估计，到 2030 年数据中心可能占美国总用电的 11.8%，情景范围为 9.5%～15.3%。这是模型情景，不是确定结果；区域并网队列、发电结构、输电、变压器、建设周期和负载位置会让局部约束远强于全国平均。IEA 报告同样强调，数据中心高度集中、项目建设周期短于能源基础设施建设周期，局部电网瓶颈可能比全球总发电量更早成为约束。

电力数字也必须保留情景与地域

因此，判断具体数据中心是否受电力限制，仍要查看所在电网、变电容量、并网节点、合同、备用电源、冷却条件和建设许可。把全球情景直接转换成某只电力股、核电项目或数据中心公司的收益预测，跨越了多个没有证据支撑的因果环节。

先建立一张可复核的披露台账

处理资本开支新闻时，最容易出错的动作是只摘录一个大数字，然后把发布日期、适用年度、会计口径和管理层限定语全部丢掉。更稳妥的做法是把每条数字登记为一条“原子主张”：谁在什么日期、针对哪个期间、用什么措辞、给出了什么区间；数字变化时新增记录，不覆盖旧记录。这样既能解释标题为什么更新，也能在公司下调或延期时还原判断过程。

这套台账与AI 会议纪要的决策、待办与核验方法遵循同一个原则：一个来源只能支持它明确写出的主张，转写或摘要也要能回到原始证据。公司说“AI 是重要增量”，可以支持驱动因素；只有公司给出统一定义下的金额拆分，才可以支持“纯 AI 支出是多少”。如果一条结论需要连续跨越“CapEx 总额—GPU 数量—上线算力—收入—股价”五个环节，就应把每一段分别找证据，不能把首尾用一句话直接连接。

怎样把四家公司放进同一比较框架

6950 亿～7250 亿美元的价值在于提供数量级，不在于制造一张精确排行榜。想做更深入比较，应先固定问题，再选择对应分母。例如比较建设强度，可以看资本开支占收入比例；比较现金压力，可以看资本开支与经营现金流；比较容量兑现，则需要新增可用容量、客户使用量或积压订单。但这些指标仍受业务组合、资产寿命、租赁和收入确认差异影响，不能单独充当投资结论。

分母决定结论，产品边界也决定结论。站内腾讯元宝能力与隐私核验把 Agent、文件和会议能力分开验证；Cohere 产品选型指南也把生成、嵌入、重排和企业工作空间区分开。不能因为都带有“AI”标签就把不同产品能力合成一个指标。资本开支比较同样如此：没有统一期间与资产口径时，数字越精确，反而越容易造成错误确定感。

季度更新时按触发器改，不按热度改

这类页面不应每天追随二手新闻改标题，也不应因为股价波动重写产业结论。更可靠的更新触发器只有几类：公司正式上调或下调全年指引；季度报表给出实际现金购置或租赁变化；管理层修正资产用途或投产节奏；IEA、LBNL 等机构发布新版电力数据。触发后先更新台账和计算式，再决定标题、摘要、表格与结论是否需要变化。

每次更新还要执行三个一致性检查：正文四家公司数字之和是否等于标题区间；摘要、结构化数据和分享卡片是否同步；旧版纠错记录能否说明改动原因。若来源暂时打不开，应保留上次复核值并标注等待确认，不能从搜索摘要或转载补写。对财经高风险页面，宁可晚几个小时，也不要发布未经近邻证据支持的精确数字。

读懂 300 亿美元区间，而不是只看中点

当前总范围的宽度是 300 亿美元，来源不是四家公司都存在同样幅度的不确定性：Microsoft 与 Amazon 使用“约数”，Alphabet 的公开区间宽 100 亿美元，Meta 的公开区间宽 200 亿美元。简单加总把这些表述放在一起，只能给出一个披露层面的范围，不能计算出统计意义上的概率分布。把上下限平均得到 7050 亿美元虽然算术上可行，却会隐藏“约数”和不同公司决策条件，因此本文不把中点称为市场共识、预算目标或最可能结果。

区间也不能直接当作误差条。公司管理层可能因组件价格、交付节奏、租赁安排、土地与并网条件调整指引，最终结果还可能落在区间外。若 Meta 的上下限同时上调 100 亿美元，而其他披露不变，新的简单合计上下限也各增加 100 亿美元；若只有 Alphabet 把上限提高 50 亿美元，则总范围只扩大上限。更新时应逐项替换对应端点并完整复算，不能拿旧总额加一条新闻里的“增量”而不检查基准是否相同。

更重要的是，金额变化与实际容量变化并非一一对应。组件涨价可能推高预算，却不增加服务器数量；融资租赁会改变支付和资产记录节奏；模型压缩、调度和自研芯片可能让相同服务量需要更少硬件；供电延期又可能让已经采购的设备晚于预期投入使用。因此，“CapEx 上调”只能说明公司最新计划中的资本投入规模变化，不能单独证明算力、收入、利润或电力需求按相同比例增加。

读者若只想引用一个数字，建议完整写成：“截至 2026 年 7 月 27 日，按四家公司公开指引端点简单相加，2026 年公司总资本开支约 6950 亿～7250 亿美元；各公司口径不同，且不能全部等同于 AI 支出。”这句话同时保留时间、计算方式、对象与限制，脱离本文上下文后仍不容易被误读。引用任何一家公司的单项数字时，也应同时带上“约数/区间”“自然年/财年”和“是否含融资租赁”三项限定。

判断“CapEx 是否有效”的六个指标

1. 口径：自然年还是财年，现金购置还是含融资租赁，是否包含非技术资产。
2. 用途：服务器、网络、数据中心建筑和其他资产分别占多少，是否有公司披露。
3. 上线节奏：预算、付款、交付、投入使用和开始计费不是同一天。
4. 需求覆盖：容量是否已有客户合同、积压订单或可观察的产品使用增长支撑。
5. 效率：软件优化、定制芯片、推理吞吐和能效是否降低单位服务成本。
6. 财务结果：云/AI 收入、折旧、经营利润率、自由现金流和资本回报是否同步改善。

产业规模数据也应分清“供应商披露、市场预测与实际产出”。在落到具体项目时，可参考站内NLP 任务地图与项目方法，先定义任务、数据、基线与验收，再讨论基础设施投入；不能用行业总额代替单个项目的需求论证。本文只解释公开数字，不构成证券、基金、能源项目或个股的投资建议。

这些金额仍是前瞻性指引，不是审计后的全年实际值。组件价格、供应、租赁签约、施工节奏、汇率和公司决策都可能改变最终支出；任何一家更新区间后，合计数也必须同步重算。因此引用时应写“截至复核日的指引”，不能把范围中点写成已经发生的支出。

后续怎样更新这篇文章

• 四家公司发布季度业绩时，先检查是否更新全年区间、租赁口径或资产用途，再重算上下限。
• 年度结束后，将“指引”与现金购置、融资租赁、物业设备增加额分别对照，不能只替换标题数字。
• 电力报告更新时，保留基准年份、地域、情景和单位；不把预测值写成实时负荷。
• 若公司开始披露 AI 专属 CapEx，先核对定义是否一致，再决定能否做横向比较。

三个容易误解的问题

6950 亿～7250 亿美元是已经花掉的钱吗？不是。这是截至复核日的 2026 年公司指引简单加总，最终现金购置、融资租赁和资产增加额要等待后续季度与年度财务报表。即使全年结果落在区间内，也不代表四家公司按相同节奏付款或投产。

能否说四家公司“全部押注 AI”？不能。公开表述支持“AI 与云需求是重要驱动”，但公司总 CapEx 还包含数据中心建筑、服务器替换、网络、办公、物流及其他业务资产；各家公司也没有提供统一可审计的纯 AI 拆分。

电力紧张是否意味着相关资产一定上涨？不能这样推导。需求增长还要经过许可、并网、建设、融资、设备交付、利用率、定价和竞争等环节。电网容量紧张甚至可能推迟项目、增加成本或降低回报。本文的数据用于解释产业约束，不提供证券、基金或能源项目建议。

官方资料与复核日期

Microsoft 的约 1900 亿美元自然年 CapEx 指引来自 FY2026 Q3 业绩会，短寿命资产、长期资产和融资租赁背景可交叉核对 FY2026 Q2 业绩会与Q2 财务报表。Alphabet 最新的 1800 亿～1900 亿美元区间来自 SEC 归档的2026 Q1 融资与业绩口径附件，此前 1750 亿～1850 亿美元区间已不再用于本文合计；资产类别与会计背景见Alphabet 2025 年 10-K。Amazon 的约 2000 亿美元来自 CEO 2025 年股东信与 SEC 归档的2025 Q4 业绩附件，后续现金流背景见2026 Q1 业绩公告，资产口径可交叉核对Amazon 2025 年 10-K。Meta 的 1250 亿～1450 亿美元更新来自 SEC 归档的2026 Q1 业绩附件，租赁与资产背景见Meta 2025 年 10-K。电力需求参考 IEA《Energy and AI》完整报告和LBNL《United States Data Center Energy Usage Report: 2025 Update》。资料复核日期：2026 年 7 月 27 日。

编辑复核与纠错记录：原稿的“刚刚”“6500 亿全部押注 AI”“最确定投资方向”“获得超额收益”、North America 80GW 与多项基金/银行转述已撤下。兰塞 AI 编辑流程于 2026 年 7 月 27 日再次使用公司官网和 SEC 一手披露复算当前区间，把 Alphabet 最新指引与合计同步更新为 1800 亿～1900 亿美元、6950 亿～7250 亿美元；披露台账、口径归一、季度更新触发器、指引/租赁/实际支出的可比性审计、资本转化时间表、电力情景表和三张原创证据图均保留。2024 年 415TWh/1.5%、2030 年 945TWh/略低于 3% 可回到 IEA 完整报告核对。总 CapEx、AI 驱动、纯 AI 支出和投资回报是四个不同概念。本站的来源、更新与纠错原则见关于本站与编辑规范。