Os gastos de capital em IA estão sendo distribuídos: a segunda reconstrução da infraestrutura tecnológica está ocorrendo.

2026年，全球AI基础设施投资正站在一个关键的结构性拐点上。

过去三年，AI算力竞赛的核心叙事高度单一：超大规模云服务商（Hyperscaler）以近乎不计成本的方式扩建数据中心、采购GPU，将资本开支推向历史极值。2026年，四大云厂商——Amazon、Microsoft、Google（Alphabet）和Meta——的资本开支合计预计达到7,250亿美元，较2025年的4,100亿美元同比增长77%。若将英伟达、苹果、特斯拉等纳入Magnificent Seven范畴，这一数字更逼近7,542亿美元。Gartner则预测2026年全球AI总支出将达到2.59万亿美元，同比增长47%。

然而，规模本身正在失去作为唯一关注焦点的地位。一个更深层的变化正在发生：AI资本开支正在从高度集中走向分布化。DIGITIMES将2026年的科技关键词定义为“散”——象征AI市场与供应链正在迎来“分散化”的双重变革。这不仅是地理意义上的分散，更是投资主体、技术架构与产业结构的全面重构。

集中的尽头：7,250亿美元的“账单”与回报焦虑

理解分布化的起点，必须先看清集中化的顶峰。

2026年，四大超大规模云服务商的资本开支总额预计在6,500亿至7,000亿美元之间，约占罗素1000指数资本支出总量的40%，较2024年水平翻倍。各家的具体数字如下：Amazon锁定约2,000亿美元，Microsoft维持1,900亿美元预期，Alphabet上调至1,750亿至1,850亿美元，Meta则为1,250亿至1,450亿美元。

这一数字调整的速度本身就是一个重要信号。仅过去约六个月，市场对2026年云厂商资本开支的预期就提高了近80%。巴克莱预计，主要云厂商的资本开支将在2027年达到9,190亿美元，2028年进一步升至约1.16万亿美元。CreditSights估计，2026年超大规模云服务商合计资本开支中约75%将投向AI相关基础设施，即约4,500亿美元的AI专项支出。

但集中化的规模扩张正在遭遇回报率的拷问。2026年6月（北京时间），微软股价在一个月内下跌近20%，市值在过去8个月里蒸发了近1.3万亿美元。投资者 scrutiny 的焦点正是Microsoft 2026年约1,900亿美元的资本开支——其中约三分之二投向GPU和CPU等短周期资产，折旧更快且直接绑定短期收入。Microsoft Cloud毛利率已指引至64%，同比下降4个百分点。高盛在6月发布的研报中指出，美国科技投资占GDP的比重已升至约4.9%，超过2000年前后互联网泡沫时期的高点。

集中化投资的边际回报正在递减，这为分布化提供了最直接的驱动力。

推理拐点：为什么算力必须走向分布

AI资本开支分布化的底层逻辑，首先是算力需求结构本身的变化。

英伟达CEO黄仁勋在GTC 2026大会上明确提出，AI推理负载规模将达到训练的十亿倍，推理时代全面到来。IDC预测，至2027年推理任务将占据智能算力总需求的七成以上。TrendForce的数据更为具体：2026年AI推理算力年增率高达122%，远超AI训练算力的56%增长幅度。

训练与推理对基础设施的要求截然不同。训练是集中式、高密度、长时间的计算任务，天然适合部署在超大规模数据中心。推理则是分布式、低延迟、高并发的实时响应任务——当一个AI智能体需要在数十毫秒内完成一次推理并返回结果时，数据从边缘端传输到集中式数据中心再返回的物理时延本身就成为不可逾越的瓶颈。

Akamai的架构师指出，游戏场景需要首Token时延控制在15毫秒以内，电商推荐约20毫秒，而传统集中式数据中心与终端用户之间动辄数十毫秒的网络时延，已经成为实时交互场景无法突破的瓶颈。集中式部署下1GW算力需75 Tbit/s出口带宽（Blackwell），下一代Vera Rubin更达135 Tbit/s；而分布至20个节点后，单点仅需3.75 Tbit/s。这是一道由物理定律决定的算术题，而非商业策略的选择。

与此同时，多模态交互带来海量出方向流量，公有云居高不下的带宽成本正在成为AI业务盈利的“隐形杀手”。叠加欧盟GDPR、东南亚、中东等地区不断收紧的数据本地化法规，集中式部署逐渐陷入体验、成本、合规三者难以兼顾的困境。AI算力不再只集中于核心云，而是开始向“核心—区域—边缘”三级分布式架构演进。

从四巨头到全产业链：资本开支的参与者在扩张

分布化的第二个维度，是投资主体的扩散。

过去三年，AI基础设施投资几乎由四大云厂商和英伟达主导。但2026年，这一格局正在发生变化。中泰证券的测算显示，2026年MAG7合计AI资本开支约7,542亿美元，而中国本土AI资本开支合计约8,058亿元（约1,100亿美元）。两条路径合计，2026年中美AI资本开支对中国GDP的贡献约10,076亿元，占GDP比重0.68%，对GDP增速的边际贡献约0.33个百分点。AI上下游已经超过城投链，成为GDP增速的边际增量。

企业端的参与正在加速。RBC最新调查显示，企业正加速导入AI，多数企业已从试验转向正式生产。日本国内企业AI活用调查显示，AI活用水平达到本番稼働（正式投产）阶段的企业已占47.8%，大企业正式投产率达62.7%。尽管中小企业导入率仍有限（日本中小企业约12%），但大企业64.7%的导入率表明，企业AI部署已经从概念验证进入规模化阶段。

主权国家的参与同样不可忽视。黄仁勋在2026年6月（北京时间）的股东大会上透露，近40个国家和地区、合计代表50万亿美元GDP，正在建设由英伟达基础设施驱动的AI工厂。AI基础设施投资正在从“科技公司的内部事务”演变为“国家层面的战略竞争”。

资本开支的分布化还体现在融资结构上。中泰证券指出，美国AI巨头的资本开支已进入债务融资驱动阶段。超大规模云服务商的资本开支不再完全依赖自由现金流，而是通过债务融资放大杠杆。这种融资模式的转变意味着资本开支的可持续性不再仅仅取决于单家公司的现金流状况，而是与更广泛的信贷市场环境相关联。

边缘即前线：分布式AI基础设施的落地

分布化趋势最具体的体现，在边缘计算领域。

2026年，边缘AI正从概念走向大规模部署。Akamai与英伟达联合打造的“AI网格”已落地，将遍布全球超过4,400个边缘节点的网络改造为分布式AI推理平台。Akamai正在从全球领先的云分发服务商向全球最大的分布式AI推理平台转型，目前已在全球大规模部署NVIDIA Blackwell RTX 6000 PRO GPU。

这一转型并非孤例。2026年6月（北京时间），边缘智算企业云天畅想完成超10亿元人民币E轮融资，中国互联网投资基金领投。公司同步宣布从“边缘智算服务商”全面升维，开启面向AGI时代的“实时智算织网”战略布局。Antimatter则获3亿欧元资金，用于在2026年部署首批100个Policloud分布式微型数据中心。NXP通过收购Kinara强化边缘AI产品组合，新增独立式NPU。

IDC预测，到2027年超过80%的企业将部署分布式边缘基础设施。边缘基础设施建设增速将超越核心数据中心。这意味着边缘不再是云计算的补充，而是正在成为AI基础设施的核心组成部分。

边缘AI的商业逻辑是清晰的：推理任务对延迟的敏感度远高于训练任务，而边缘节点天然靠近数据源和用户。对于企业而言，边缘部署还能解决数据合规（数据不出境）、带宽成本（减少云端传输）和可靠性（本地容灾）等多重问题。这些问题在集中式架构下难以同时解决，但在分布式架构中找到了可操作的方案。

多层基础设施时代：投资逻辑的结构性转变

AI基础设施正在从“单一集中式”走向“多层分布式”结构。这一转变对投资逻辑的影响是深远的。

首先，芯片需求结构在发生变化。训练侧仍以英伟达GPU为主导——2026财年英伟达数据中心收入达1,937亿美元，同比增长68%。但推理侧的多样化需求正在为ASIC和边缘芯片创造增量市场。机构预计2026年ASIC芯片出货量约770万片，份额达45%，并将在2027年超过GPU份额达到58%。博通到2027年有望占据AI服务器算力ASIC市场约60%的份额。

其次，基础设施投资的地理分布在发生变化。超大规模数据中心仍在扩张——全球数据中心累计投资额预计到2030年将达到1.6万亿美元——但边缘节点的建设正在以更快的速度增长。AI算力不再只集中于核心云，而是向“核心—区域—边缘”三级架构扩散。

第三，投资回报的评估周期在发生变化。集中式数据中心投资回报周期长、资本密集度高，需要数年才能收回成本。而边缘AI部署通常规模更小、周期更短、更贴近具体业务场景，回报评估的颗粒度更细。这种差异正在改变资本市场对AI投资的估值逻辑——从“谁花钱最多”转向“谁花钱最有效率”。

Research and Markets的数据显示，全球人工智能基础设施市场规模将从2025年的718.8亿美元增长至2026年的909.1亿美元。但这一数字仅涵盖狭义的基础设施硬件市场。若将企业AI部署、边缘计算、行业解决方案等纳入考量，AI资本开支的分布化规模远超这一数字。

风险与约束：分布化并非坦途

AI资本开支的分布化趋势清晰，但并非没有约束。

供给端的瓶颈仍然突出。英伟达Blackwell系列产品供应处于紧张状态，供不应求将持续数个季度。HBM等关键组件的产能已被大型客户提前锁定至2026甚至2027年。伯恩斯坦研究指出，仅HBM价格上涨就可能令超大规模云厂商的AI资本开支总体增加约30%。

电力基础设施是另一重约束。AI数据中心的电力需求正在逼近现有电网的承载极限。集中式1GW算力集群的电力接入本身就是一项历时数年的工程。分布式架构虽然降低了单点的电力需求，但对电网的分布式接入能力提出了新要求。

地缘政治风险同样不可忽视。美国对先进AI芯片的出口限制持续影响全球供应链。英伟达在2027财年第一季度财报中明确排除了中国数据中心业务收入的影响。中美AI资本开支的相互映射虽然紧密，但政策不确定性正在增加供应链的摩擦成本。

最后，资本市场对AI投资回报的耐心正在收窄。高盛明确指出，AI行情的核心矛盾正在加剧——基本面依然强劲，但市场已经提前计入了过多未来收益。自2022年11月以来AI相关公司市值暴增27万亿美元，远超宏观基准测算的9万亿美元。如果分布化的投资不能更快地转化为收入和利润，资本市场的态度可能从“质疑规模”转向“质疑逻辑”。

结语

AI资本开支的分布化不是对集中化的否定，而是对集中化的补充和延伸。

训练仍需要超大规模数据中心，推理正在走向边缘；巨头仍在加码，企业和主权国家正在入场；GPU仍是训练的主力，ASIC和边缘芯片正在开辟新战场。这是一个多层基础设施时代——不同层级承担不同功能，不同参与者占据不同生态位。

2026年是这一结构性转变的关键节点。DIGITIMES预测全球AI市场资本支出增长将从2025年的66%放缓至2026年的31%，但放缓不代表停滞。恰恰相反，增速的放缓往往意味着行业从“粗放扩张”进入“精细化建设”阶段。AI基础设施正在从一个“赢家通吃”的集中市场，演变为一个“分层协作”的生态系统。

对于投资者而言，理解这一结构变化的意义可能比追踪下一季度的资本开支数字更为重要。AI资本开支的分布化正在重塑云计算、芯片设计、企业IT架构乃至国家产业政策的长期投资逻辑。这一变化的终点尚不可知，但其方向已经足够清晰。

FAQ

Q1：AI资本开支分布化的核心驱动力是什么？

推理需求的爆发式增长是核心驱动力。2026年AI推理算力年增率达122%，远超训练的56%。推理任务对低延迟、高并发的需求使集中式数据中心面临物理瓶颈，分布式边缘节点成为必然选择。同时，数据合规、带宽成本等因素也在推动算力下沉。

Q2：四大云厂商2026年的资本开支具体是多少？

Amazon约2,000亿美元，Microsoft约1,900亿美元，Alphabet约1,750亿至1,850亿美元，Meta约1,250亿至1,450亿美元。合计约7,250亿美元，较2025年增长77%。其中约75%投向AI相关基础设施。

Q3：边缘AI与云计算是什么关系？

两者是互补而非替代关系。核心云负责大模型训练和复杂推理，边缘节点负责低延迟实时响应、数据预处理和合规本地化处理。AI算力正在向“核心—区域—边缘”三级分布式架构演进，形成分层协作的生态系统。

Q4：AI资本开支分布化对芯片行业有何影响？

训练侧仍以英伟达GPU为主导——2026财年数据中心收入达1,937亿美元。但推理侧需求正在为ASIC和边缘芯片创造增量市场，预计2026年ASIC出货量约770万片，2027年份额有望超过GPU。芯片需求正从“单一龙头”走向“多元并存”。

Q5：AI基础设施投资的高增长能持续多久？

巴克莱预计主要云厂商资本开支2027年达9,190亿美元，2028年升至约1.16万亿美元。英伟达管理层将2030年年度AI行业开支规模上限上调至4万亿美元。但增速本身正在放缓——从2025年的66%降至2026年的31%——行业正从“粗放扩张”进入“精细化建设”阶段。