中美AI烧钱大赛已经刹不住车了！美国一家公司一年砸两千亿美金，咱们这边反倒清醒得多
 
前几天谷歌刚发了二季度财报，看完我是真的有点吃惊。
 
单季度资本支出449亿美元，去年同期才224亿，整整翻了一倍。更有意思的是，这是谷歌上市二十多年来，第一次出现自由现金流为负——负58.55亿美元。
 
一家赚了二十多年钱的公司，突然开始入不敷出了。
 
钱都花哪去了？说穿了就两样：60%买服务器、买GPU和TPU芯片，40%建数据中心、铺网络设备。
 
而且这还不是终点。谷歌把全年资本支出指引直接上调到了1950亿到2050亿美元之间，CFO还补了一句，2027年还会"大幅增加"。
 
两千亿美元是什么概念？这么说吧，很多国家一年的财政收入都没这么多。一家公司，一年光买硬件建房子，就花掉一个中等国家的全年预算。
 
谷歌还不是最猛的。
 
亚马逊的资本支出预计今年也会超过2000亿美元，主要砸在AWS的数据中心和自研芯片上。

Meta更狠，全年指引1250亿到1450亿美元，扎克伯格的逻辑特别直白：投资不足的风险，远大于过度投资的风险。
 
微软这边，2026财年资本支出大概1000亿美元，光是存储芯片涨价，就额外多花了250亿美元。
 
四家公司加起来，今年一年的资本支出就要奔着七千多亿美元去。这个数字比很多国家的GDP都高。
 
烧钱烧到这个份上，华尔街其实也开始慌了。
 
谷歌财报一出，营收增长24%，云业务暴涨82%，这么好看的成绩单，股价反而跌了。为什么？因为大家一算账，发现钱烧得太快，回报却遥遥无期。
 
过去三年，整个行业都默认一个逻辑：算力越稀缺，资本开支越合理；资本开支越大，估值越高；估值越高，融资越容易。
 
这个循环自己推着自己转，几乎没人敢质疑。
 
但最近半年，风向开始变了。算力租赁价格从高点往下掉，Token支出指数从高点跌了差不多20%，很多应用到现在还没跑通盈利模型。
 
更有意思的是，出现了一个很尴尬的问题：用户越多，亏得越多。
 
以前互联网的逻辑是免费换规模，规模起来了再变现。但AI不一样，每多一个用户提问，就要多花一份算力成本，是按量计费的。用户规模越大，烧钱速度越快。
 
这就形成了一个"规模陷阱"——你不敢大力拉新，拉进来全是成本；但你又不能不拉，不拉就没有数据，模型就没法迭代。
 
卡在中间，进退两难。
 
说回咱们这边，情况就不太一样。
 
不是说我们不重视AI，而是投入的节奏和规模，比美国克制得多。
 
斯坦福那个《人工智能指数报告》里有数据，2024年全球AI私人投资2523亿美元，美国占了1091亿，中国是93亿美元。差不多是12倍的差距。
 
企业层面差得就更多了。
 
腾讯去年资本支出大概768亿人民币，已经是中国科技公司里最高的了。换算成美元也就一百多亿，跟谷歌一年两千亿比，零头都不到。
 
美银有个预测，说中国今年全年的AI资本开支大概7000亿人民币。听起来很多，但换算成美元也就一千亿出头——还不如谷歌一家公司花得多。
 
我反倒认为，这未必是坏事。
 
钱少有钱少的玩法。前阵子DeepSeek爆火的时候，整个硅谷都在讨论这件事——人家用不到600万美元的开发成本，做出来的开源模型，某些方面能对标OpenAI的顶级模型。
 
当然，大模型训练到最顶尖的层级，算力肯定是硬门槛，绕不过去。但中间很大一段路，是不是可以用更聪明的方法、更高的效率走下来？
 
我们这边的企业，很多都是带着业务场景去做AI的。不是为了做模型而做模型，而是为了给电商、社交、游戏、制造业降本增效。
 
美国那边现在的问题是，箭在弦上，不得不发。
 
几家巨头已经把预期拉满了，股价也炒上去了，全世界都盯着看。这时候谁敢说"我不投了"，第二天股价就能给你跌没。
 
而且这里面还有个博弈论的困局：我停了，对手不停，我就输了。所以大家只能一起踩油门，谁先松谁完蛋。
 
OpenAI更夸张，把未来云基础设施的支出预测直接上调到了7500亿美元。
 
这么烧下去，会不会有泡沫？说实话，讨论这个的人越来越多了。
 
人民日报前段时间还发过文章，说美国算力基建有局部过热和杠杆过高的迹象，巨额投资和现实回报脱节，AI泡沫的争论已经在华尔街蔓延开了。
 
毕竟历史总是相似的。当年互联网泡沫、光伏泡沫、新能源泡沫，前期都是一模一样的剧本——所有人都知道这是未来，所有人都怕错过，于是一窝蜂往里砸钱，最后产能过剩，一地鸡毛。
 
AI会不会重蹈覆辙？没人知道。
 
我们现在规模小，不见得是劣势。步子慢一点，稳一点，把每一分钱花在刀刃上，把应用场景做实，把产业链打磨扎实，未必就跑不赢。
 
最后谁的路线更对，现在说什么都太早。但有一件事我很确定——这场AI竞赛，才刚刚开始进入真正考验智慧的阶段。