川海智库

报告概述

本报告聚焦海外AI基础设施投资范式的转变，核心论点是AI投资正从早期的FOMO（害怕错过）情绪驱动的资本开支转向以ROI（投资回报率）为核心的理性投资。报告系统梳理了海外科技大厂（微软、谷歌、亚马逊、Meta、甲骨文等）及AI独角兽（OpenAI、Anthropic）在资本开支、现金流、融资需求等方面的现状与趋势。从数据中心建设层面，探讨电力容量限制下如何通过协同设计和通用性提升每瓦特Tokens产出效率；从模型层面，分析大模型在长文本、多模态、推理和工具使用四大能力上的迭代方向，以及训练数据的演变；从云服务层面，阐述AI云服务如何从验证期迈向扩张期，并依赖算力产能上线节奏实现加速增长。报告为投资者理解AI基建的底层逻辑和未来关键变量提供了全面视角。

报告的核心结论

AI投资从FOMO CapEx转向ROI CapEx

2024-2025年，海外科技厂商资本开支高增，但现金流压力加大，促使企业从最初“投资不足风险大于过度”的FOMO心态，转向更加注重投资回报。厂商强调根据需求信号扩展数据中心，并聚焦AI应用的商业化变现，标志着AI投资进入理性阶段。

数据中心建设追求每瓦特Tokens产出效率

电力容量成为数据中心建设的核心瓶颈，厂商不再盲目扩张，而是在限定电力下通过软硬件协同优化（芯片、存储、网络、系统架构）最大化每瓦特产生的Tokens数量。英伟达Blackwell相比Hopper在1兆瓦下Tokens产出提升约50倍，充分体现了效率优先的工程哲学。

大模型工程化能力持续提升，AI商业化意识增强

模型迭代聚焦长文本、多模态、逻辑推理和工具使用四大能力，Transformer架构仍有较大工程优化空间。Scaling Law从预训练延伸至强化学习，训练数据从“对的数据”转向“好的数据”，推理阶段差异化智能将催生多样AI用例，推动订阅、API、广告、Agent等商业化模式加速成形。

AI云服务有望伴随产能释放实现加速增长

2025年，AI云服务进入“超大订单+长期基建”模式，云厂商剩余履约合同高速增长，当前算力产能供不应求。各厂商已锁定数吉瓦级别电力容量，预计2026年随着算力逐步上线，云业务收入增速将明显提升，其中微软Azure和亚马逊AWS的AI云服务收入已接近或超过20%的渗透率拐点。

报告回答的关键问题

AI投资为什么从FOMO转向ROI？

由于2024-2025年海外科技大厂资本开支高速增长，导致现金流压力加大，尤其是甲骨文等公司自由现金流连续为负。同时，数据中心建设面临电力限制和折旧摊销对利润的挤压，促使厂商从追求规模转向注重投资回报，强调基于需求信号和商业化变现的理性投资。

数据中心建设面临哪些主要瓶颈？

电力供应是当前最核心的瓶颈，尤其是供电外壳层面的限制。云厂商在规划数据中心时需先确定电力容量，再配置IT设备。在此约束下，提升每瓦特Tokens产出效率成为关键目标，需对芯片、存储、网络等硬件和软件栈进行全面优化。此外，数据中心通用性和灵活性也是建设共识。

AI大模型当前的主要迭代方向是什么？

大模型迭代围绕长文本、多模态、逻辑推理和工具使用四大能力。长文本方面，上下文窗口已从16k提升至400k tokens；多模态从文本图像扩展至音视频理解和生成；推理能力向更深层次和更高准确率演进；工具使用方面，通过MCP等机制强化执行能力。同时，训练数据质量要求从预训练的“对的数据”转向中后训练的“好的数据”。

海外云厂商的AI云服务发展到了什么阶段？

AI云服务可能已贡献约20%的云收入，跨过早期采用者阶段，进入规模化扩张期。2025年云订单金额从十亿级到千亿级不等，剩余履约合同高增。云厂商表示算力产能供不应求，正加速锁定电力容量，预计随着2026年算力释放，AI云服务将迎来加速增长，并向40%-50%渗透率迈进。

报告中的代表性数据

64%

海外四大科技公司2025年资本开支同比增速

2025年，根据25Q3业绩会指引，微软、谷歌、亚马逊、Meta合计资本开支预计约1150+920+1250+710亿美元，合计同比增速64%。

约50倍

英伟达Blackwell相比Hopper每瓦特产出提升

2025年，在1兆瓦功率限定下，保持每用户90+ tokens/秒的生成速度，由Blackwell构建的数据中心每秒产出近80万tokens，而Hopper仅1.6万tokens。

21%

Azure AI云服务收入占Azure收入比例

25Q3，西南证券测算，25Q3微软Azure AI云服务收入约49亿美元，占Azure云业务收入的21%，已超20%渗透率拐点。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 第一章「资本开支节奏」详细分析了海外科技大厂（微软、谷歌、亚马逊、Meta）及甲骨文在2020-2025年的资本开支趋势、对现金流和利润表的影响，以及由此引发的融资需求（如债务发行和IPO加速），包含大量历史数据和图表对比。
  • 第二章「数据中心建设」对比了自建、带壳部署、定制化、整租机房、托管租赁等多种建设模式，深入探讨电力瓶颈下的每瓦特产出效率优化，包括英伟达Hopper与Blackwell的帕累托前沿曲线对比，以及芯片迭代（Trainium 3等）的能效数据。
  • 第三章「模型能力演进」从模型侧（预训练、中训练、后训练）、需求侧（推理模型和工具调用tokens占比）、变现侧（OpenAI和Google的API定价策略）三个维度，系统分析了AI大模型的工程化能力提升和商业化进程。
  • 第四章「AI云业务增速」详细梳理了海外云厂商的AI服务差异化、客户画像、云收入增长及经营利润率变化，并通过剩余履约合同（RPO）和大型云订单列表揭示AI云服务迈向扩张期的信号，包含各厂商算力规划及电力容量锁定数据。
  • 全文包含超过60张财务与运营数据图表，覆盖资本开支、现金流、折旧摊销、固定资产、经营租赁、云收入、RPO等多个维度的历史与预测趋势。
  • 报告末尾提供了相关标的（芯片、存储、光通信、互联网大厂、云厂商）的投资建议，以及AI投资现金流压力、云业务增长不及预期、AI商业化变现不及预期三大风险提示。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告