科技巨頭 2026 年砸 7,250 億美元建 AI 基礎設施：同比激增 77%，超越史上任何一次基建熱潮

AI 基礎設施軍備競賽已經達到一個難以與歷史上任何先前科技建設相提並論的數字。Google、微軟、Meta 和亞馬遜今年合計預計投入約 7,250 億美元資本支出——比 2025 年已是歷史紀錄的 4,100 億美元暴增 77%。換個角度來感受這個數字的量級：美國整個州際公路系統歷經四十年建設，以今日幣值計算約耗費 5,300 億美元。而科技巨頭們計畫在短短一年內，在 AI 基礎設施上的支出就超過這一數字。

各家如何分攤

微軟以預計 1,900 億美元的 2026 日曆年資本支出領跑群雄，遠超年初分析師預估的 1,520 億美元共識。公司財務長披露，其中 250 億美元反映的是記憶體晶片和零組件成本上漲，而非額外的計算能力採購——這是影響整個產業的通膨壓力。儘管支出創歷史新高，微軟已表示預計整個 2026 年仍將面臨容量吃緊的問題。

亞馬遜的年度資本支出正逼近 2,000 億美元，鞏固了 AWS 作為全球最大雲端基礎設施建設者的地位。該公司大力投資自研晶片——用於訓練的 Trainium 3 和用於推理的 Inferentia 系列——以降低對輝達的依賴，並在規模化的前提下管控單位經濟效益。

Alphabet 指引 2026 全年資本支出將落在 1,800 億至 1,900 億美元區間，反映出 Google Cloud 同比高達 63% 的營收增長，以及季度環比幾乎翻倍、達 4,600 億美元的雲端業務積壓訂單。這個積壓訂單數字，或許是企業 AI 需求真實且持久最有力的佐證。

Meta 將資本支出預測上調至 1,250 億至 1,450 億美元，上下限各增加 100 億，同樣受到與同行相似的記憶體和 GPU 成本通膨驅動。Meta 的投資更集中於開源 Llama 模型家族的訓練基礎設施，以及自家 AI 推薦和廣告系統，而非對外的雲端服務。

成本為何一飛沖天

多重結構性因素正推動 AI 基礎設施成本超越一年前最樂觀預測所能設想的水準。

記憶體成了新的 GPU。 高頻寬記憶體（HBM）已成為 AI 工作負載的關鍵瓶頸，需求遠超供應，使得價格持續維持在高溢價水準。微軟揭露其中 250 億美元預算反映的是零組件成本通膨而非額外容量，暗示記憶體短缺正迫使企業為相同算力支付高出許多的費用。

冷卻基礎設施。 高密度 GPU 叢集的液冷方案切換——H100 和 GB200 機架的熱管理所需——比起早期風冷資料中心設計，增加了大量成本和施工複雜度。新建的專用 AI 資料中心每平方英尺成本遠高於通用設施。

電力與土地。 在電網容量受限的市場——北維吉尼亞州、愛爾蘭、新加坡——對電力取用的競爭已大幅推高能源採購成本。多個重大項目因併網排隊積壓而面臨多年延誤，迫使企業願意支付高溢價以確保取得容量。

自研晶片的抵銷效應。 四家公司都在大力投資自研 AI 晶片（Google TPU v5、亞馬遜 Trainium 3、微軟 Azure Maia 2、Meta MTIA v2），目的是降低每單位算力成本並減少對輝達的依賴。但這些計畫本身就需要可觀的研發和製造投資，才能真正產生有意義的資本支出節省效益。

營收在增長——只是跟不上支出速度

這場支出浪潮並非發生在真空中。企業 AI 需求正在超大規模雲端服務商轉化為實質營收，增長速度按任何標準來看都令人印象深刻。

微軟的 AI 業務年化營收達 370 億美元，同比增長 123%。Google Cloud 營收同比激增逾 60% 至 200 億美元，雲端積壓訂單達 4,600 億美元。Meta 的廣告業務持續產生龐大現金流支撐其 AI 建設，AI 優化廣告定向帶動每用戶營收持續提升。

然而，傑富瑞（Jefferies）分析師 Brent Thill——他在一份廣泛流傳的報告中喊出「AI 經濟是健康的」——本質上是在作一個基於信念的論斷：今天建設的基礎設施，將是 2027、2028 年乃至更長遠的 AI 營收來源的基礎，而那些營收流尚未以完整形態存在。他把支出懷疑論斥為「垃圾」，折射出多頭的篤定，但營收與資本支出之間的缺口是真實存在的，且正在擴大。

核心矛盾在於時間錯配。基礎設施支出必須在算力可用的一至三年前承諾，而且在哪些具體 AI 工作負載將消耗這些算力的問題上，尚無清晰答案。如果 AI 採用如多頭預測般加速，那些現在就建設的公司將擁有結構性容量優勢。若採用速度更慢，或更集中於少數使用案例，資產減值和產能過剩問題可能相當嚴峻。

半導體供應鏈承壓

7,250 億美元這個數字不僅是 AI 需求的聲明——它也是對全球半導體供應鏈能否真正承接如此規模的考驗。台積電、三星、SK 海力士在 AI 晶片最關鍵的製程節點（3 奈米和 5 奈米邏輯晶片、HBM3E 記憶體）上正在或接近滿產運行。即便積極投資，新產能上線也需要 18 至 36 個月。

輝達仍是主導性的 GPU 提供商，其 GB200 NVL72 機架系統是全球最炙手可熱的基礎設施。公司在這一支出水準所隱含的出貨量下，維持品質和良率的能力是真實存在的營運風險——這也解釋了為何 AMD、英特爾、亞馬遜、Google 和微軟都在並行推進替代方案的開發。

分析師分歧：驗證 vs. 警告

華爾街對 7,250 億美元是否合理並非意見一致。多頭論點——由傑富瑞、德意志銀行和高盛的分析師闡述——指向超大規模雲端服務商的積壓訂單增長，作為供給被快速吸收的證據。若 Google Cloud 擁有 4,600 億美元的合約積壓，服務這些積壓所需的基礎設施支出，可以說是必要之舉，而非投機押注。

空頭論點——私下比公開表達得更頻繁——聚焦於集中度風險：AI 雲端營收中不成比例的份額來自少數幾家大型企業客戶，而這些客戶本身仍處於 AI 部署的早期階段。如果這些客戶整合支出、遇到預算週期限制，或決定在自家基礎設施上運行模型，雲端吸納速度可能出現顯著轉變。

7,250 億美元將成為 2026 年最具決定性意義的經濟故事之一——要麼作為企業史上最成功的基礎設施押注，要麼作為科技投資週期警示故事的開篇。

無論如何，AI 經濟已越過不歸點。現在的問題，是應用能否趕上基礎設施的腳步。