每增加一個AI大模型用戶，公司付出的邊際成本遠高于電商、社交、短視頻等領域的單位拉新成本。這些是業(yè)內流傳的一組數據，說明人工智能的訓練和推理成本對一家公司的現(xiàn)金流是極大的考驗。

AI到底有多費錢？即便有上述這組數字，我們也缺乏一種直觀印象。眼看新一輪財報季來臨，各大廠又將不約而同地展示AI貢獻、宣布增加AI投入。下面就從谷歌、Meta、阿里巴巴、微軟、亞馬遜等大型科技企業(yè)的財報中收集詳細數據，來分析大廠對AI持續(xù)投入是一個怎樣的場面，是否投入越多就越能在下一個互聯(lián)網周期到來時傲視群雄？

谷歌母公司Alphabet首席財務官Ruth Porat近期透露，預計公司在2024年的資本性支出（CapEx）將比2023年有顯著性增加（notably larger than 2023），尤其是對AI芯片的投入上。該公司也在2023年報中說，未來將繼續(xù)加大資本性開支，以支持長期的AI布局。該公司此前對2024年的資本性支出預期范圍是300億至370億美元，后來把指引提升到350億至400億美元。

上面表格是根據Alphabet歷年年報羅列的資本性支出和對應的現(xiàn)金流情況。從2022年開始，資本性支出呈現(xiàn)顯著增加趨勢，但經營活動現(xiàn)金流凈額，以及年末的現(xiàn)金及現(xiàn)金等價物的增長并不明顯。單從數字看，公司每年資本性支出大約占到經營現(xiàn)金流的三分之一，而經營現(xiàn)金流減去資本性支出后，就是自由現(xiàn)金流。

我們?yōu)槭裁窗奄Y本性支出視為衡量這類公司在AI、云計算等基礎設施服務上的投入程度呢？

所謂資本性支出，簡單說就是這些錢不是花在當季的，要相應地攤銷/折舊到以后的每個會計年度，它不像營銷費用、股權激勵這些開銷，它是為以后長期帶來收益的一種投入，比如傳統(tǒng)企業(yè)擴建廠房、購置設備等大件開銷。對于互聯(lián)網公司有所不同，比如Alphabet在年報中解釋資本性支出主要針對服務器、網絡設備、數據中心等技術基礎設施。2022年后AI浪潮嚴重左右了這些公司在技術基建上投入的方向，這從“所有App都值得用AI重新做一遍”“AI將在未來幾年為公司帶來數百億美元收入”的高管表態(tài)中也有所體現(xiàn)。因此把AI相關成本與科技企業(yè)的資本性支出做強關聯(lián)，是比較合理的。業(yè)務層面上，AI也離不開云。事實上，與2022年之前相比，2022年后這類公司在資本性支出上明顯大幅增加，甚至翻倍，這在往年并不常見。而在這一場圍繞AI的技術軍備競賽中，這個趨勢仍在持續(xù)加劇。除了Alphabet，我們也在微軟、Facebook母公司Meta、阿里巴巴等大公司年報中看到這種趨勢。相比，亞馬遜最近幾年的資本性支出相對穩(wěn)定，2020年至2023年依次為350億美元、554億美元、583億美元和481億美元。亞馬遜在AI領域目前主要采用自研芯片（訓練和推理）+入股外部AI公司（如前后兩次共計40億美元入股Anthropic，并購資金不計入資本性支出）的策略；而且與輕資產的微軟和Meta相比，亞馬遜資本性支出中包含了重資產的倉儲物流這一影響因素。

而阿里巴巴的相關數據有一些特殊性。其2020財年至2023年財年的資本性支出依次為326億元、415億元、533億元和343億元，主要包括云計算數據中心、物流基礎設施、購置園區(qū)的在建工程與土地使用權，以及前些年熱衷的新零售基建。尤其是前兩年阿里北京總部和全球總部園區(qū)建設，使得在建工程與土地使用權這一單項的資本性開支在2020財年、2021財年和2022財年分別達到79億元、53億元和113億元，如果剔除這個因素，并考慮到近兩年縮減了新零售基建投入，公司實際花在云與AI上的資本性支出也呈現(xiàn)增長趨勢。

總之，由于AI大模型持續(xù)高昂的訓練和推理成本，以及英偉達GPU芯片價格的水漲船高，使得云計算大廠在這個新賽道上的投入比以前大得多。AI成本就像一個無底洞，讓現(xiàn)金流卷入漩渦中，這是大廠面臨的一個共同難題。

Meta公司前不久稱一季度收入會低于分析師預期，同時宣布提高人工智能投入，導致其股價在盤后交易中暴跌15%。投資人擔心巨大的AI成本會對公司經營業(yè)績造成負面影響。這些投入主要集中在數據中心、AI芯片設計研發(fā)上。由原Facebook的VR/AR部門重組為Reality Labs的實驗室，在一季度花了38億美元，但只取得了4.4億美元收入。

另一邊，谷歌目前需要平衡內、外部對計算資源的消耗關系，由于算力供不應求，谷歌內部業(yè)務一度拿不到新增的計算資源。它對外投資20億美元的人工智能公司Anthropic也在通過谷歌云使用它的TPUs算力（這家公司同時也在用亞馬遜的自研芯片）。在這種供需矛盾中，谷歌只得修剪業(yè)務枝葉，把算力用在內、外部增長性更強的業(yè)務需求上。

這種把所有資源集中在同一個賽道的局面在過往互聯(lián)網發(fā)展中從未出現(xiàn)。在互聯(lián)網拓荒期，各家公司在電商、物流、社交網絡、云計算等領域分頭投資布局，像亞馬遜重倉倉儲網絡，京東自建物流，確立各自的領先范圍，井水不犯河水；后來各自領域的邊際效應下降，又開始互相滲透對手領地，微軟進攻谷歌的搜索和亞馬遜的云計算，亞馬遜挑戰(zhàn)Facebook和谷歌的廣告業(yè)務，美團和阿里在零售與本地生活領域打了數個回合……連環(huán)攻守，從而在市場份額上達到一個新的平衡；當幾乎所有領域的邊際效應都遞減到一定程度，缺乏新增空間時，大廠現(xiàn)在紛紛瞄準了AI，統(tǒng)一了進攻目標，平衡再一次被打破。

但是，當大家都在爭奪同一個東西時，就都失去了溢價能力，邊際成本不斷上漲。相信一句話，總有人在逆勢中賺到錢。這時候卻便宜了“做釣魚竿”和“賣鏟子”的人，英偉達成了最大受益者，連幾家大廠都對外宣稱自己和英偉達的關系有多鐵，能第一批享用最新推向市場的GPU芯片。英偉達在過去十年將算力成本降低了1000倍，并通過軟硬件一體化策略牢牢接住了AI風口上刮過來的餡餅。

為降低成本，對英偉達又愛又恨的大廠們開始自己造芯片和AI加速器，比如亞馬遜的Gravition、阿里的平頭哥產品、百度的昆侖系列、谷歌的TPUs和Axion、微軟的Azure Maia等。但這些芯片多數是定制化、非標化、自用型的產品，目前在機器學習上還不能完全取代英偉達H100。提供標準化服務的英偉達可能并不擔心對手能把算力做多大。

為了凸顯AI高成本投入的回報前景，未來大廠財報中會更頻繁地出現(xiàn)類似表述，“由AI拉動的增長達到多少多少”。微軟高管在一季報時曾披露，在云計算Azure一季度31%的同比增長中，AI貢獻占了7個百分點。

當AI大模型陸續(xù)滲透到各公司所有業(yè)務中時，就很難再界定哪些是由AI拉動的。比如ChatGPT嵌入到Azure、Bing、Microsoft 365微軟全家桶中；阿里把通義千問嵌入到釘釘應用中；谷歌把Gemini Chatbox植入搜索和廣告業(yè)務里。這些都不是像微軟對數字助手Copilot用戶每月收取30美元的直接變現(xiàn)，而是把AI作為一個底層能力，助推原有的上層業(yè)務獲得新的收入增長。從幾家公有云大廠營收增速有所回暖看，AI確實發(fā)揮了一定的作用。

在互聯(lián)網拓荒期，長期虧損的亞馬遜能讓投資人津津樂道的是總能看到新的增長點。貝索斯不追求短期盈利（投資人似乎也不在意這些），而是喜歡把資金大量投入到倉儲、云計算這些重資產業(yè)務中，在未來給公司帶去更大規(guī)模的收益和增長性。只要有增速和創(chuàng)新，投資人就有足夠的耐心。貝索斯為證明公司實力，總習慣在財報里一上來就展示其充裕的現(xiàn)金流數據，而非利潤表數據。

但現(xiàn)在時代變了，沒有哪個大廠可以不顧及盈利壓力，只用增長和創(chuàng)新給投資人“畫餅”。在AI這個高度一致性、持續(xù)高成本消耗的技術競賽中，每個有實力的選手都要下場參賽，更大規(guī)模的營收預期才能匹配這種級別的投入。大廠紛紛搶跑AI，就是為了在下一個平衡到來前拿到一張新的船票，只不過這張船票太貴了。