AI 資本開支正在分佈化：科技基礎設施的第二次重構正在發生

2026 年，全球 AI 基礎設施投資正站在一個關鍵的結構性轉折點上。

過去三年，AI 算力競賽的核心敘事高度單一：超大規模雲端服務商（Hyperscaler）以近乎不計成本的方式擴建資料中心、採購 GPU，將資本開支推向歷史極值。2026 年，四大雲端廠商——Amazon、Microsoft、Google（Alphabet）和 Meta——的資本開支合計預計達到 7,250 億美元，較 2025 年的 4,100 億美元同比增長 77%。若將輝達、蘋果、特斯拉等納入 Magnificent Seven 範疇，這一數字更逼近 7,542 億美元。Gartner 則預測 2026 年全球 AI 總支出將達到 2.59 兆美元，同比增長 47%。

然而，規模本身正在失去作為唯一關注焦點的地位。一個更深的變化正在發生：AI 資本開支正在從高度集中走向分佈化。DIGITIMES 將 2026 年的科技關鍵詞定義為「散」——象徵 AI 市場與供應鏈正在迎來「分散化」的雙重變革。這不僅是地理意義上的分散，更是投資主體、技術架構與產業結構的全面重構。

集中的盡頭：7,250 億美元的「帳單」與回報焦慮

理解分佈化的起點，必須先看清集中化的頂峰。

2026 年，四大超大規模雲端服務商的資本開支總額預計在 6,500 億至 7,000 億美元之間，約佔羅素 1000 指數資本支出總量的 40%，較 2024 年水準翻倍。各家的具體數字如下：Amazon 鎖定約 2,000 億美元，Microsoft 維持 1,900 億美元預期，Alphabet 上調至 1,750 億至 1,850 億美元，Meta 則為 1,250 億至 1,450 億美元。

這一數字調整的速度本身就是一個重要信號。僅過去約六個月，市場對 2026 年雲端廠商資本開支的預期就提高了近 80%。巴克萊預計，主要雲端廠商的資本開支將在 2027 年達到 9,190 億美元，2028 年進一步升至約 1.16 兆美元。CreditSights 估計，2026 年超大規模雲端服務商合計資本開支中約 75% 將投入 AI 相關基礎設施，即約 4,500 億美元的 AI 專項支出。

但集中化的規模擴張正在遭遇回報率的拷問。2026 年 6 月（北京時間），微軟股價在一個月內下跌近 20%，市值在過去 8 個月裡蒸發了近 1.3 兆美元。投資者 scrutiny 的焦點正是 Microsoft 2026 年約 1,900 億美元的資本開支——其中約三分之二投入 GPU 和 CPU 等短週期資產，折舊更快且直接綁定短期收入。Microsoft Cloud 毛利率已指引至 64%，同比下降 4 個百分點。高盛在 6 月發布的研報中指出，美國科技投資占 GDP 的比重已升至約 4.9%，超過 2000 年前後網路泡沫時期的高點。

集中化投資的邊際回報正在遞減，這為分佈化提供了最直接的驅動力。

推理轉折點：為什麼算力必須走向分佈

AI 資本開支分佈化的底層邏輯，首先是算力需求結構本身的變化。

輝達 CEO 黃仁勳在 GTC 2026 大會上明確提出，AI 推理負載規模將達到訓練的十億倍，推理時代全面到來。IDC 預測，至 2027 年推理任務將佔據智慧算力總需求的七成以上。TrendForce 的數據更為具體：2026 年 AI 推理算力年增率高達 122%，遠超 AI 訓練算力的 56% 增長幅度。

訓練與推理對基礎設施的要求截然不同。訓練是集中式、高密度、長時間的計算任務，天然適合部署在超大規模資料中心。推理則是分佈式、低延遲、高並發的即時響應任務——當一個 AI 智慧體需要在數十毫秒內完成一次推理並返回結果時，數據從邊緣端傳輸到集中式資料中心再返回的物理時延本身就成為不可逾越的瓶頸。

Akamai 的架構師指出，遊戲場景需要首 Token 時延控制在 15 毫秒以內，電商推薦約 20 毫秒，而傳統集中式資料中心與終端用戶之間動輒數十毫秒的網路時延，已經成為即時互動場景無法突破的瓶頸。集中式部署下 1GW 算力需 75 Tbit/s 出口頻寬（Blackwell），下一代 Vera Rubin 更達 135 Tbit/s；而分佈至 20 個節點後，單點僅需 3.75 Tbit/s。這是一道由物理定律決定的算術題，而非商業策略的選擇。

與此同時，多模態互動帶來海量出方向流量，公有雲居高不下的頻寬成本正在成為 AI 業務盈利的「隱形殺手」。疊加歐盟 GDPR、東南亞、中東等地區不斷收緊的數據本地化法規，集中式部署逐漸陷入體驗、成本、合規三者難以兼顧的困境。AI 算力不再只集中於核心雲，而是開始向「核心—區域—邊緣」三級分佈式架構演進。

從四巨頭到全產業鏈：資本開支的參與者在擴張

分佈化的第二個維度，是投資主體的擴散。

過去三年，AI 基礎設施投資幾乎由四大雲端廠商和輝達主導。但 2026 年，這一格局正在發生變化。中泰證券的測算顯示，2026 年 MAG7 合計 AI 資本開支約 7,542 億美元，而中國本土 AI 資本開支合計約 8,058 億元（約 1,100 億美元）。兩條路徑合計，2026 年中美 AI 資本開支對中國 GDP 的貢獻約 10,076 億元，占 GDP 比重 0.68%，對 GDP 增速的邊際貢獻約 0.33 個百分點。AI 上下游已經超過城投鏈，成為 GDP 增速的邊際增量。

企業端的參與正在加速。RBC 最新調查顯示，企業正加速導入 AI，多數企業已從試驗轉向正式生產。日本國內企業 AI 活用調查顯示，AI 活用水準達到本番稼働（正式投產）階段的企業已占 47.8%，大企業正式投產率達 62.7%。儘管中小企業導入率仍有限（日本中小企業約 12%），但大企業 64.7% 的導入率表明，企業 AI 部署已經從概念驗證進入規模化階段。

主權國家的參與同樣不可忽視。黃仁勳在 2026 年 6 月（北京時間）的股東大會上透露，近 40 個國家和地區、合計代表 50 兆美元 GDP，正在建設由輝達基礎設施驅動的 AI 工廠。AI 基礎設施投資正在從「科技公司的內部事務」演變為「國家層面的戰略競爭」。

資本開支的分佈化還體現在融資結構上。中泰證券指出，美國 AI 巨頭的資本開支已進入債務融資驅動階段。超大規模雲端服務商的資本開支不再完全依賴自由現金流，而是透過債務融資放大槓桿。這種融資模式的轉變意味著資本開支的可持續性不再僅僅取決於單家公司的現金流狀況，而是與更廣泛的信貸市場環境相關聯。

邊緣即前線：分佈式 AI 基礎設施的落地

分佈化趨勢最具體的體現，在邊緣計算領域。

2026 年，邊緣 AI 正從概念走向大規模部署。Akamai 與輝達聯合打造的「AI 網格」已落地，將遍布全球超過 4,400 個邊緣節點的網路改造為分佈式 AI 推理平台。Akamai 正在從全球領先的雲端分發服務商向全球最大的分佈式 AI 推理平台轉型，目前已在全球大規模部署 NVIDIA Blackwell RTX 6000 PRO GPU。

這一轉型並非孤例。2026 年 6 月（北京時間），邊緣智算企業雲天暢想完成超 10 億元人民幣 E 輪融資，中國互聯網投資基金領投。公司同步宣布從「邊緣智算服務商」全面升維，開啟面向 AGI 時代的「即時智算織網」戰略布局。Antimatter 則獲 3 億歐元資金，用於在 2026 年部署首批 100 個 Policloud 分佈式微型資料中心。NXP 透過收購 Kinara 強化邊緣 AI 產品組合，新增獨立式 NPU。

IDC 預測，到 2027 年超過 80% 的企業將部署分佈式邊緣基礎設施。邊緣基礎設施建設增速將超越核心資料中心。這意味著邊緣不再是雲端計算的補充，而是正在成為 AI 基礎設施的核心組成部分。

邊緣 AI 的商業邏輯是清晰的：推理任務對延遲的敏感度遠高於訓練任務，而邊緣節點天然靠近數據源和用戶。對於企業而言，邊緣部署還能解決數據合規（數據不出境）、頻寬成本（減少雲端傳輸）和可靠性（本地容災）等多重問題。這些問題在集中式架構下難以同時解決，但在分佈式架構中找到了可操作的方案。

多層基礎設施時代：投資邏輯的結構性轉變

AI 基礎設施正在從「單一集中式」走向「多層分佈式」結構。這一轉變對投資邏輯的影響是深遠的。

首先，晶片需求結構在發生變化。訓練側仍以輝達 GPU 為主導——2026 財年輝達資料中心收入達 1,937 億美元，同比增長 68%。但推理側的多樣化需求正在為 ASIC 和邊緣晶片創造增量市場。機構預計 2026 年 ASIC 晶片出貨量約 770 萬片，份額達 45%，並將在 2027 年超過 GPU 份額達到 58%。博通到 2027 年有望佔據 AI 伺服器算力 ASIC 市場約 60% 的份額。

其次，基礎設施投資的地理分佈在發生變化。超大規模資料中心仍在擴張——全球資料中心累計投資額預計到 2030 年將達到 1.6 兆美元——但邊緣節點的建設正在以更快的速度增長。AI 算力不再只集中於核心雲，而是向「核心—區域—邊緣」三級架構擴散。

第三，投資回報的評估週期在發生變化。集中式資料中心投資回報週期長、資本密集度高，需要數年才能收回成本。而邊緣 AI 部署通常規模更小、週期更短、更貼近具體業務場景，回報評估的顆粒度更細。這種差異正在改變資本市場對 AI 投資的估值邏輯——從「誰花錢最多」轉向「誰花錢最有效率」。

Research and Markets 的數據顯示，全球人工智慧基礎設施市場規模將從 2025 年的 718.8 億美元增長至 2026 年的 909.1 億美元。但這一數字僅涵蓋狹義的基礎設施硬體市場。若將企業 AI 部署、邊緣計算、行業解決方案等納入考量，AI 資本開支的分佈化規模遠超這一數字。

風險與約束：分佈化並非坦途

AI 資本開支的分佈化趨勢清晰，但並非沒有約束。

供給端的瓶頸仍然突出。輝達 Blackwell 系列產品供應處於緊張狀態，供不應求將持續數個季度。HBM 等關鍵組件的產能已被大型客戶提前鎖定至 2026 甚至 2027 年。伯恩斯坦研究指出，僅 HBM 價格上漲就可能令超大規模雲端廠商的 AI 資本開支總體增加約 30%。

電力基礎設施是另一重約束。AI 資料中心的電力需求正在逼近現有電網的承載極限。集中式 1GW 算力集群的電力接入本身就是一項歷時數年的工程。分佈式架構雖然降低了單點的電力需求，但對電網的分佈式接入能力提出了新要求。

地緣政治風險同樣不可忽視。美國對先進 AI 晶片的出口限制持續影響全球供應鏈。輝達在 2027 財年第一季財報中明確排除了中國資料中心業務收入的影響。中美 AI 資本開支的相互映射雖然緊密，但政策不確定性正在增加供應鏈的摩擦成本。

最後，資本市場對 AI 投資回報的耐心正在收窄。高盛明確指出，AI 行情的核心矛盾正在加劇——基本面依然強勁，但市場已經提前計入了過多未來收益。自 2022 年 11 月以來 AI 相關公司市值暴增 27 兆美元，遠超宏觀基準測算的 9 兆美元。如果分佈化的投資不能更快地轉化為收入和利潤，資本市場的態度可能從「質疑規模」轉向「質疑邏輯」。

結語

AI 資本開支的分佈化不是對集中化的否定，而是對集中化的補充和延伸。

訓練仍需要超大規模資料中心，推理正在走向邊緣；巨頭仍在加碼，企業和主權國家正在入場；GPU 仍是訓練的主力，ASIC 和邊緣晶片正在開闢新戰場。這是一個多層基礎設施時代——不同層級承擔不同功能，不同參與者佔據不同生態位。

2026 年是這一結構性轉變的關鍵節點。DIGITIMES 預測全球 AI 市場資本支出增長將從 2025 年的 66% 放緩至 2026 年的 31%，但放緩不代表停滯。恰恰相反，增速的放緩往往意味著行業從「粗放擴張」進入「精細化建設」階段。AI 基礎設施正在從一個「贏家通吃」的集中市場，演變為一個「分層協作」的生態系統。

對於投資者而言，理解這一結構變化的意義可能比追蹤下一季度的資本開支數字更為重要。AI 資本開支的分佈化正在重塑雲端計算、晶片設計、企業 IT 架構乃至國家產業政策的長期投資邏輯。這一變化的終點尚不可知，但其方向已經足夠清晰。

FAQ

Q1：AI 資本開支分佈化的核心驅動力是什麼？

推理需求的爆發式增長是核心驅動力。2026 年 AI 推理算力年增率達 122%，遠超訓練的 56%。推理任務對低延遲、高並發的需求使集中式資料中心面臨物理瓶頸，分佈式邊緣節點成為必然選擇。同時，數據合規、頻寬成本等因素也在推動算力下沉。

Q2：四大雲端廠商 2026 年的資本開支具體是多少？

Amazon 約 2,000 億美元，Microsoft 約 1,900 億美元，Alphabet 約 1,750 億至 1,850 億美元，Meta 約 1,250 億至 1,450 億美元。合計約 7,250 億美元，較 2025 年增長 77%。其中約 75% 投入 AI 相關基礎設施。

Q3：邊緣 AI 與雲端計算是什麼關係？

兩者是互補而非替代關係。核心雲負責大模型訓練和複雜推理，邊緣節點負責低延遲即時響應、數據預處理和合規本地化處理。AI 算力正在向「核心—區域—邊緣」三級分佈式架構演進，形成分層協作的生態系統。

Q4：AI 資本開支分佈化對晶片行業有何影響？

訓練側仍以輝達 GPU 為主導——2026 財年資料中心收入達 1,937 億美元。但推理側需求正在為 ASIC 和邊緣晶片創造增量市場，預計 2026 年 ASIC 出貨量約 770 萬片，2027 年份額有望超過 GPU。晶片需求正從「單一龍頭」走向「多元並存」。

Q5：AI 基礎設施投資的高增長能持續多久？

巴克萊預計主要雲端廠商資本開支 2027 年達 9,190 億美元，2028 年升至約 1.16 兆美元。輝達管理層將 2030 年年度 AI 行業開支規模上限上調至 4 兆美元。但增速本身正在放緩——從 2025 年的 66% 降至 2026 年的 31%——行業正從「粗放擴張」進入「精細化建設」階段。