自由现金流，卡住了AI巨头的脖子

投资者的关注点正在发生变化。

随着AI资本开支进入千亿美元规模，市场不再只关心企业愿意投入多少，而开始追问——这些投入什么时候能够转化为收入，以及巨额资本开支是否会拖累公司的现金流和盈利能力。

同样是在扩建AI基础设施，科技巨头获得了截然不同的市场反馈。

微软公布财报后，盘后股价涨超4%。公司Azure业务继续高速增长，商业剩余履约义务（RPO）达到高水平。市场认为，微软目前拥有更清晰的AI基础设施变现路径。

但Meta公布财报后，盘后股价一度下跌约8%—10%。公司二季度营收达到608亿美元，同比增长28%，但自由现金流降至7.84亿美元，同比下降91%，同时继续维持1300亿—1450亿美元的年度资本开支计划。投资者开始重新评估：如此大规模的AI基础设施投入，未来能否带来与投入规模匹配的回报。

类似的压力也出现在谷歌和特斯拉身上。

Alphabet二季度财报公布后，股价盘后一度跌超4%，次日跌幅扩大至约7%。尽管Google Cloud收入达到248亿美元，同比增长82%，未履约合同金额达到5140亿美元，显示企业AI需求依然强劲，但市场仍然担忧公司持续扩大的AI基础设施投入。

Alphabet已经将2026年资本开支指引提高至1950亿—2050亿美元，并表示2027年还将继续增加投入。与此同时，公司二季度自由现金流转为负值，流出59亿美元。

特斯拉公布第二季度财报后，股价单日下跌14.52%，市值缩水约2145亿美元。公司二季度资本开支达到58亿美元，自由现金流转为-11亿美元，市场开始重新评估Robotaxi和机器人等AI业务的商业化兑现速度。

AI基础设施需求正在增长，但建设这些基础设施需要投入越来越多资本。

当科技巨头砸下数千亿美元建设AI基础设施后，这些资产最终能否产生足够高的回报，正在成为资本市场关注的重点。

01

账单越来越大，现金流压力开始显现

过去两年，AI资本开支一度成为科技股上涨的重要推动因素。

在生成式AI爆发初期，市场相信这是一场基础设施竞赛：谁能够建设更多数据中心、获得更多GPU资源、拥有更强算力能力，谁就更可能在下一轮AI竞争中占据优势。

从Meta大幅提高资本开支预期，到微软、Alphabet持续扩建数据中心，市场曾经将AI基础设施投入视为争夺未来市场份额的必要成本。

但进入2026年，问题正在发生变化。

随着AI基础设施投入进入千亿美元规模，投资者关注的重点开始从投入规模转向财务承受能力：企业是否拥有足够的现金流储备，支撑这场长期资本投入。

在一众因为AI投入导致现金流承压的科技公司中，微软几乎成为了一股清流。

公司虽然继续扩大AI基础设施投入，但市场仍然给予积极反馈。微软公布财报后，盘后股价上涨超过4%。公司季度自由现金流达到196亿美元，同比下降23%，但高于市场预期；Azure业务继续保持高速增长，商业剩余履约义务（RPO）达到高水平。

因此，相比其他大规模投入AI基础设施的企业，微软目前仍然拥有更强的财务承受能力。

与之相对的是，那些现金流储备明显下降的企业，股价也跟着下跌。

Meta二季度财报显示，公司营收达到608亿美元，同比增长28%，广告业务依然保持增长。但与此同时，公司自由现金流降至7.84亿美元，同比下降91%，并继续维持1300亿—1450亿美元的年度资本开支计划。

谷歌母公司Alphabet已将2026年资本开支指引提高至1950亿—2050亿美元，并表示2027年资本投入还将继续增加。与此同时，公司二季度自由现金流转为负值，现金流出59亿美元。

Oracle也体现了类似趋势：随着AI云需求快速增长，公司云基础设施业务持续扩张。2026财年，Oracle云基础设施（OCI）收入达到181亿美元，同比增长77%；剩余履约义务达到6380亿美元，同比增长363%。

但为了满足这些需求，Oracle大幅增加基础设施投入，2026财年资本开支达到556亿美元，自由现金流转为负237亿美元。财报公布后，Oracle股价盘后一度下跌约7%。

同样承受现金流压力的还有特斯拉。二季度财报显示，特斯拉资本开支达到58亿美元，自由现金流转为负11亿美元，这是公司两年多以来首次出现季度自由现金流为负。虽然公司汽车交付和营收数据并不算差，但市场开始重新评估Robotaxi和Optimus等未来业务在商业化兑现之前，需要投入多少资本。特斯拉公布第二季度财报后，股价单日下跌14.52%，市值缩水约2145亿美元。

AI基础设施市场并不存在需求不足的问题。事实上，企业对于算力、云服务和AI能力的需求仍然在快速增长。

真正发生变化的是市场的评价标准：

AI基础设施正在从一场单纯的规模竞赛，进入一场关于资本回报的竞争。

02

同样投入AI基础设施，不同公司的答案并不一样

AI基础设施投入最大的区别，并不在于企业花了多少钱，而在于这些投入未来通过什么方式回收。

过去，市场容易把所有AI投资放在同一个框架里：建设更多数据中心、采购更多芯片、获得更多算力，就意味着拥有更强竞争力。

但随着投入规模扩大，投资者开始意识到，AI基础设施并不是一种单一资产。数据中心、GPU、云计算能力、模型训练能力，以及自动驾驶数据和机器人能力，都属于AI时代的重要基础设施，但它们对应着完全不同的商业模式。

市场真正关注的问题是，这些资产是否拥有清晰的现金回收路径。

按照回报路径来看，投入AI基础设施建设的公司大致可以分为三种模式。

第一类，是直接商业化AI基础设施的公司。

这类公司的逻辑非常简单，它们通过向客户提供算力，直接获得收入。

英伟达就是其中最典型的例子——过去两年，AI基础设施建设首先推动的是GPU需求爆发。与数据中心运营商不同，英伟达并不需要等待AI应用商业化落地，它首先从基础设施建设本身获得收入。

云计算巨头则属于另一种形式。

微软Azure、Google Cloud和Oracle OCI并不是简单出售芯片，而是将计算资源、模型服务和云平台打包提供给企业客户。

因此，对这些公司来说，核心问题在于，AI基础设施投入能否转化为云收入增长。

微软的优势在于，AI投入已经开始通过Azure增长、企业云合同和Copilot商业化逐渐转化为可见收入。

Oracle则面临另一种压力：尽管订单增长很快，但为了兑现这些订单，需要提前投入大量数据中心和计算资源。

第二类，是将AI能力转化为自身业务价值的公司。

这类公司的目标，并不是直接出售算力，而是通过AI基础设施建设，强化自身产品、业务和未来AI能力。

Meta就是典型案例，它投入大量资金建设AI基础设施，同时推进Llama等基础模型研发，希望将AI能力应用到推荐系统、广告投放、消费者AI产品中。

但与云厂商不同，Meta目前并没有通过出租算力直接获得收入。

对于这类公司，AI投入的回报路径并不像云厂商那样直接。投资者关注的不是简单的算力出租收入，重点在于AI能否提升核心业务效率，并创造新的增长空间。

谷歌也同时具备这一属性，它的情况要更复杂：一方面，Google Cloud正在通过AI基础设施获得直接收入；另一方面，公司也在利用AI能力改造搜索、广告、Workspace等核心业务，并通过Gemini和TPU布局未来AI生态。

因此，Google同时具备“出售AI基础设施”和“建设自身AI能力”两种属性。

第三类，是建设未来AI能力资产的公司。

特斯拉是这一方向的代表：它投入AI训练、自动驾驶数据和机器人能力，主要是希望通过这些能力创造未来的新业务。

Robotaxi和Optimus的商业价值，取决于未来AI能力能否达到足够高的水平。

但这种模式的问题也最明显，即资产建设和商业回报之间存在更长的时间差。

企业需要先投入大量资金，等待未来市场成熟。

因此特斯拉的AI投资更容易受到市场质疑——投资者不仅要判断技术是否可行，还要衡量它的兑现周期。

同样是AI基础设施投入，不同公司的市场评价完全不同。

这也是为什么，微软和Meta几乎同时公布财报，但股价反应形成鲜明对比：两家公司都在大规模建设AI基础设施，但投资者看到的是不同的回报路径。

微软的AI投入已经开始通过Azure增长、企业云合同以及Copilot商业化转化为可见收入。对于市场而言，AI基础设施投入正在逐渐成为云业务增长的一部分。

而Meta虽然广告业务依然强劲，但其其超级智能团队、数据中心以及AI助手等投入，目前更多体现为未来能力建设，尚未形成独立收入来源。投资者需要等待这些投入如何反哺广告业务、创造新产品，以及最终转化为商业价值。

市场真正奖励的，并不是企业是否足够激进或者足够克制，而是谁能够提供一条更清晰、更可信的回报路径。

03

AI基础设施从军备竞赛进入资本回报竞争

随着资本持续进入，AI基础设施正在逐渐从稀缺资产变成规模化投入。算力供给将逐渐扩大，单纯拥有算力的稀缺性可能下降。

算力会越来越普及，真正稀缺的将不再是拥有算力，而是把算力转化为利润的能力。

互联网时代的经验表明，基础设施建设能够推动产业发展，但过度投资并不能够带来同等回报，AI时代也会出现类似情况。

数据中心、GPU和计算资源当然重要，但它们只是承载AI价值的基础。真正决定长期回报的，是企业能否把算力投入到最有价值的业务环节，并最终转化为可持续的收入。

因此，AI基础设施竞争正在从一场规模竞赛，进入一场资本回报竞争。

对于云计算公司而言，关键是提高计算资源利用率，将AI需求转化为云收入；

对于模型和应用公司而言，关键是将算力投入转化为产品能力，并进一步形成用户需求；

对于自动驾驶和机器人公司而言，关键是将数据、模型和现实世界场景结合，建立新的商业闭环。

由此可以推理，未来真正受益的公司需要同时具备三个特征：

其一，控制真实需求。

基础设施最终需要被使用。无论是企业云服务、AI软件，还是机器人和自动驾驶，能够掌握需求入口的公司，才有能力消化巨额资本投入。

其二，拥有清晰商业闭环。

AI投入不是终点，企业购买GPU、建设数据中心、训练模型，本质上只是获得了一种生产能力。真正决定投资回报的，是这套能力能否沿着完整链条传递：

即算力投入要能转化为产品优势，产品优势可以带来收入增长，收入增长足够覆盖基础设施成本。

其三，具备长期现金流承受能力。

AI基础设施是一场长期竞争，建设数据中心、训练模型、积累数据，都需要持续投入。

市场不会奖励单纯投入最多资金的公司，只会奖励那些能够证明资本投入可以持续转化为现金流的公司。

从更长的技术周期来看，工业时代，机器本身不是价值，能够利用机器提高生产效率的企业才获得优势；互联网时代，网络基础设施不是终点，真正创造价值的是建立在网络之上的服务和商业模式。

AI时代也不会例外。

算力、数据中心和模型能力只是新的生产资料，一如农业时代，那片尚未完全开发的土地。