前言：

过去一年AI行业最值得观察的信号，在科技巨头的现金流量表、资本开支计划和数据中心订单里。

AI竞争走到今天，云不再只是承载应用的后台资源，正在变成AI时代的新型基础设施。

作者 | 方文三

图片来源 | 网络

资本开支暴涨，AI已经进入基础设施周边

资本市场过去习惯用互联网公司的轻资产逻辑定价，AI云却正在把科技巨头拉回重资产周期。

微软FY26第三财季披露，当季资本开支达到319亿美元，其中约三分之二用于GPU和CPU等短周期资产。

同期，微软云收入545亿美元，同比增长29%；Azure及其他云服务收入增长40%；AI业务年化收入运行率超过370亿美元，同比增长123%。

微软的AI收入已经开始形成可量化贡献，但收入背后对应的是更重的算力资产投入。

谷歌母公司Alphabet在2026年第一季度的资本开支达到357亿美元，绝大部分用于支撑AI机会的技术基础设施，其中约60%投向服务器，约40%投向数据中心和网络设备。

Google Cloud当季收入达到200亿美元，同比增长63%；云业务积压订单接近4620亿美元。

Alphabet还把2026全年资本开支指引上调至1800亿至1900亿美元。

云收入、订单和资本开支同时放大，说明AI云已经从「战略投入」进入「订单驱动投入」。

亚马逊的信号同样直接，2026年第一季度AWS收入376亿美元，同比增长28%，创下15个季度以来最快增速；AWS经营利润142亿美元。

亚马逊还披露，过去12个月自由现金流降至12亿美元，主要原因是物业和设备购买净额同比增加593亿美元，而这一增长主要反映AI投资。

它甚至提到，Graviton、Trainium、Nitro等芯片业务年化收入运行率已经超过200亿美元。

Meta的路径更特殊，它没有AWS、Azure、Google Cloud这类外部云收入支柱，却仍然把2026年资本开支指引上调至1250亿至1450亿美元，理由是组件价格上升和面向未来产能的数据中心成本增加。

国内厂商也在同一方向加码，阿里巴巴披露，过去四个季度已投入约1200亿元人民币资本开支，用于推进AI和云基础设施建设。

阿里云收入保持高增长，AI相关产品收入连续多个季度实现三位数增长。

腾讯2026年第一季度资本开支319亿元人民币，同比增长16%；腾讯称核心业务提供现金流，用于支持AI投资，并把云服务增长与AI相关需求联系在一起。

AI越走向产业化，云厂商越像「智能电厂」

在移动互联网时代，云计算解决的是存储、带宽、弹性计算和应用部署问题。

到了大模型时代，AI能力的交付方式发生了变化，开始承载更复杂的任务。

训练模型、运行推理、管理向量数据库、调度多模型服务、连接企业数据、部署Agent、监控安全合规、计算Token成本，并把这些能力包装成API、平台服务和行业解决方案。

企业真正采购是一整套「可调用、可计量、可扩展、可监管」的智能生产能力，AI云的价值就体现在把复杂的硬件、模型、数据和工程能力折叠成企业可以直接使用的服务，这也是大厂必须投入AI云的深层原因。

模型能力会快速扩散，开源生态会不断追赶，单一应用的壁垒容易被复制。

云平台一旦绑定客户的数据、工作流、开发工具、权限体系、行业知识库和成本模型，迁移成本会明显抬高。

模型是入口，云是底座，工作流才是长期锁定客户的地方。

AI云还有一个容易被低估的价值：它把算力从一次性采购，变成连续消费。

企业不需要每家公司都自建万卡集群，也不需要独立承担芯片采购、机房建设和运维风险。

云厂商用更大的资本开支集中建设，再通过按量付费、包年包月、算力租赁、模型服务和行业应用回收投资。

未来真正持续消耗算力的，是海量企业应用、智能体任务和用户实时交互，都在消耗Token、电力、显存、网络和存储。

芯片采购能力、集群互联效率、调度系统、模型压缩、推理框架、缓存命中率、能耗管理、液冷方案、数据中心选址，都会影响最终成本。

云厂商之所以纷纷自研芯片，也正是为了降低对单一硬件供应链的依赖，并在成本曲线上保留主动权。

亚马逊的Trainium，谷歌的TPU，微软围绕Azure打造的AI算力体系，阿里的通义与阿里云组合，腾讯围绕混元和产业场景重构基础设施。

云厂商的布局指向的都是同一个问题，AI时代的云厂商不能只做资源出租方，还要做算力、模型、框架、工具链和应用场景的系统集成者。

新基建的核心，围绕生态系统和规则制定权

AI出现之初也只是云上的一类新型工作负载，客户租用GPU服务器，跑自己的模型训练和推理任务。

但随着AI应用向纵深发展，这种"算力租赁"模式已无法满足企业需求。

客户买到的也不只是算力，而是一整套可以直接落地的AI生产体系。

截至2026年3月，中国AI大模型日均Token调用量已突破140万亿次，较2024年初的约1000亿次增长超过千倍。

当Token的消耗量以千倍速度膨胀时，对底层算力的需求便呈现出一种近乎饥渴的状态。

大厂们砸下的千亿资本，也是在为这场Token消耗量的指数级增长提前储备「弹药」。

云厂商过去「建好数据中心等着客户来租服务器」的模式正在失效，未来竞争是谁能在Token级别上提供更高效、更便宜、更稳定的算力服务。

阿里云从底层的平头哥自研GPU芯片，到中间的灵骏智算集群和云操作系统，再到上层的通义千问大模型和百炼MaaS平台，最后落地到钉钉的企业级AI智能体和千问App的C端应用，这是一条完整的垂直整合链条。

截至2026年2月，平头哥自研GPU已累计规模化交付47万片，其中超过60%服务于外部商业化客户，支持了400多家企业客户的AI任务。

百度智能云则依托「昆仑芯+飞桨框架+文心大模型+千帆平台」的四层全栈架构，在自研GPU云市场以40.4%的份额位居第一。

昆仑芯P800已完成规模化验证，交付多个万卡集群，全国产集群已完成对文心大模型5.1重要版本的训练。

火山引擎的打法更具互联网思维，它把MaaS做到极致，通过豆包大模型的极致性价比和字节系产品的海量用户实践，将模型能力「锻炼」到对外输出时已经过充分验证。

在IDC统计的2025年企业级MaaS调用量中，火山引擎以49.5%的份额连续三年扩大领先优势。

这三种路径殊途同归指向同一个终点：掌握Token生产与分发能力的云厂商，将拥有AI应用的「计量权」和「结算权」。

Gartner预测，到2027年，中国全部AI推理工作负载中，基于云的工作负载占比将从之前的20%上升至80%。

这意味着绝大多数企业的AI应用都将运行在云端，而云厂商将成为事实上的AI基础设施运营商。

这种地位的转变，让云厂商从可选供应商变成了基础设施提供者，就像今天的电力公司和水务公司一样，成为经济运行中不可或缺的基础环节。

而不同的是，AI云的基础设施属性中，还叠加了数据、模型和生态的复合壁垒，这使得其护城河远比传统基建更深。

结尾：

大厂资金涌入AI云，它们在抢下一代数字经济的基础设施入口，意味着AI产业进入更现实的一段路。

对中国市场来说，AI云还有一层特殊意义，它是算力安全和产业升级的关键底座。

外部高端芯片供应存在不确定性，单纯依赖海外GPU路线，很难支撑长期稳定的AI应用生态。

国内AI云厂商需要在国产芯片、异构算力调度、模型适配、推理优化和行业数据治理上形成闭环。

这条路短期不轻松，却会倒逼软件栈、编译器、通信库、模型结构和应用框架共同进化。

部分资料参考：TrendForce集邦咨询：《2026年全球云厂商资本支出预测报告》，Gartner：《2026年全球AI支出预测》，摩根士丹利：《全球AI基础设施建设周期分析》，Alter聊科技：《从阿里到百度，大厂抢夺AI云「新基建」红利》