2024–2025年曾是AI投资的“非理性繁荣”高峰期，资本市场对一切带“AI”标签的公司趋之若鹜。

然而进入2026年，随着全球AI“六姐妹”微软（MSFT.US）、谷歌（GOOG.US）、亚马逊（AMZN.US）、Meta（META.US）、苹果（AAPL.US）和特斯拉（TSLA.US）陆续发布2025年12月财季业绩，一个新趋势浮出水面：AI的叙事正在从“概念驱动”转向“价值验证”。

投资者不再满足于宏伟蓝图，而是追问：这些巨额投入何时能转化为真实利润？

资本开支飙升 vs. ROI焦虑：泡沫警报拉响？

微软、谷歌、亚马逊和Meta的12月财季核心共性之一，便是AI相关资本开支的大幅飙升，且投入规模远超市场预期。

Meta的2025年第四季资本开支同比大增49.23%，2025年全年资本开支同比增加84.11%，达到722亿美元，而其2026年全年资本支出预计达1,150亿—1,350亿美元，较2025年增长60%-87%，计划全部投向AI基础设施，而根据我们的估算，其2025年全年来自经营活动的净现金流入为1,158亿美元，也就是说，Meta要将全年的经营现金流全部用于AI投资，彰显对“超级智能”战略的长期投入决心。

微软财季内资本支出同比激增65.93%至375亿美元，其中三分之二用于AI芯片采购与数据中心搭建，以支撑Azure云服务与OpenAI相关合作的算力需求，其截至2025年12月末止的12个月资本开支合计为1,180亿美元，按年上升56.08%。

谷歌的第4季资本开支较上年同期高出95.09%，全年资本开支也按年上升74.07%，达到914.47亿美元，绝大部分用于AI技术基础设施，而其2026年全年的资本开支预算更进一步提升至1,750亿至1,850亿美元之间，较2025年全年资本开支预算高出91.37%以上。

亚马逊也同步加大投入，重点投向自研芯片量产、AI基础设施升级等领域，第4季资本开支大增47.51%，2025年全年资本开支按年上升65.21%，达到1,283亿美元，管理层预计，其2026年全年资本开支将约为2,000亿美元，超越谷歌、Meta等的资本开支预算。

亚马逊的管理层预计资本投入可产生强劲的回报，但资本市场似乎并不这么认为，在公布业绩之后，亚马逊在盘后交易时段大跌超11%。

特斯拉今年的资本投资也将大幅上升，管理层预计将超过200亿美元，相较而言，其2025年的资本开支为85.27亿美元，意味着新一年的资本开支将大幅增加一倍以上，将为精炼厂、LFP工厂、CyberCab工厂、Semi工厂、超级工厂、Optimus工厂等六家工厂投入资金，涵盖电池材料、电池、汽车制造与机器人产能。此外，特斯拉还将投入资金建设AI计算基础设施，并支持现有工厂扩大产能，建造相关的配套设施，以及扩大Robotaxi的车队规模。这还不包括对太阳能电池制造和芯片制造厂的潜在投资。

除苹果因未大规模押注生成式AI而股价相对稳健外，其余五家近期股价承压，反映出投资者对“烧钱换未来”模式的耐心正在耗尽。

芯片格局重塑：垂直整合成为新战略

六大巨头2025年全年超4,300亿美元和2026年超6,000亿美元的资本开支预算，却并没有让英伟达（NVDA.US）得益，英伟达的股价也持续受压，2026年以来已累计下跌7.88%，最近五个交易日的累计跌幅更达到10.75%，为“七姐妹”之最。

英伟达虽仍主导AI训练芯片市场，但其“卖铲人”地位正受挑战。

12月财季业绩清晰展现出当前AI芯片市场的“两极分化”格局：一方面，英伟达、AMD（AMD.US）的AI芯片需求依然殷切，仍是巨头们算力布局的核心选择，期内这些巨头们均大幅采购英伟达GPU、AMD MI系列芯片，用于大模型训练、算力集群搭建，英伟达凭借CUDA软件生态的优势，仍占据AI训练芯片市场的主导地位，AMD则在推理芯片领域逐步突围，成为巨头们的重要补充选择。

另一方面，谷歌、亚马逊、特斯拉、微软等巨头已加速推进自研芯片布局，试图打破英伟达的垄断，降低算力成本，实现算力自主可控。谷歌自研的TPU v7系列芯片已获得Anthropic等企业的青睐，传闻Anthropic计划采购近一百万颗TPU v7芯片，且谷歌Gemini 3、Anthropic Claude Opus 4.5等顶尖大模型，大部分训练与推理均依赖TPU，形成“数据-软件-硬件”的闭环生态；微软近期发布自研AI加速器Maia 200，采用台积电（TSM.US）3nm工艺，性能超越亚马逊第三代Trainium和谷歌第七代TPU，且“每美元性能”较现有硬件提升30%，专门用于AI推理场景。

亚马逊用于训练的Trainium 2芯片产能已全部满载，首批140万片全部交付，Trainium 3现已投入生产，市场需求旺盛，预计2026年中，该型号芯片的供应将被全部预订；Trainium4预计于2027年开始交付，FP4算力将为Trainium 3的6倍，内存带宽提升4倍，高内存带宽容量亦增加2倍。

特斯拉也在推进自研芯片研发，并表示会进一步增加AI芯片和算力投资，还计划在美国本土建立半导体制造产能，以应对长期供应风险。

这种“外购+自研”的双重布局，将成为未来巨头们的主流选择——短期依赖英伟达、AMD满足刚需，长期通过自研芯片实现成本优化与技术突围，而芯片市场的竞争，也将从“单一硬件比拼”转向“生态协同比拼”。

这或将削弱英伟达的定价权，并推动RISC-V等开源架构在边缘AI中崛起，博通（AVGO.US）等定制芯片解决方案供应商或可得益。

人才与并购：军备竞赛的延续

“六姐妹”的财季业绩与战略布局中，收购并购与人才争夺依然是其快速扩张、巩固AI优势的习惯手法，且竞争日趋激烈。

在收购方面，巨头们的收购标的更具针对性，不再盲目收购通用AI企业，而是聚焦“补短板、强协同”——比如微软通过收购AI初创企业，补充推理算力与垂直场景落地能力，强化与OpenAI的合作协同；谷歌收购AI视觉、空间智能领域的初创公司，完善Gemini模型的多模态能力；Meta则通过收购小型AI企业，吸纳核心技术团队，加速“超级智能”相关研发。

在人才争夺方面，“六姐妹”的竞争已进入白热化阶段，核心聚焦于芯片研发、大模型优化、Agent开发等领域的顶尖人才。

财季披露的信息显示，巨头们纷纷提高AI核心岗位的薪资待遇、股权激励力度，甚至不惜从竞争对手处挖角。这种常态化的收购与人才争夺，本质上是巨头们对AI核心技术与人才壁垒的争夺，而中小AI企业，要么被巨头收购，要么在人才流失的困境中逐渐边缘化。

Agent崛起：巨头争相布局，软件企业遭遇挤压

12月财季中，“Agent（智能代理）”成为“六姐妹”战略布局的核心关键词，巨头们均已明确推出或加速推进自身的Agent产品，或意味着AI行业正式进入“Agent竞争时代”。

微软推出的Office智能体，可根据用户指令自动创建表格、文档、演示文稿，具备“数字员工”的属性，目前Microsoft 365 Copilot已拥有1500万商业用户席位；谷歌将Agent能力融入Gemini模型，推出可自主完成多步骤任务的智能代理，适配搜索、办公等场景；Meta、亚马逊也在推进Agent研发，分别聚焦社交场景与电商、云服务场景。

Agent的崛起，对传统软件企业造成了一定的挤压——传统软件以“工具型”为主，而Agent具备自主规划、多任务协同、跨软件操作的能力，可替代部分传统软件的核心功能，导致部分中小软件企业面临被淘汰的风险。

不过，从财季动态来看，巨头们的Agent发展，依然需要依托传统软件的生态与基础功能，部分具备核心技术、垂直场景适配能力的软件企业，反而成为巨头们的合作对象，比如专注于工业软件、专业设计软件的企业，其核心功能难以被通用Agent替代，且可与巨头Agent结合，实现能力升级。因此，Agent崛起，具备核心竞争力的软件企业应仍有生存空间，而同质化的工具型软件企业将被逐步淘汰，这可能是一个软件企业洗牌的过程。

存储芯片供应不足：AI规模化发展的核心瓶颈，制约行业增速

“六姐妹”的财季业绩与战略表态中，均间接反映出一个共性问题——存储芯片供应不足，已成为制约未来AI发展的重要挑战。

AI大模型的训练与推理，需要海量的数据存储与高速的数据读取能力，尤其是随着大模型参数规模持续扩大、多模态数据（文本、图像、音频、视频）快速积累，对存储芯片的容量、速度、功耗提出了更高的要求，而当前全球存储芯片市场呈现“供需失衡”的态势，HBM3E供不应求，价格翻倍，存储墙（Memory Wall）成为制约模型规模扩展的关键瓶颈，甚至比算力更紧迫。

美光（MU.US）、三星、SK海力士等存储芯片头部供应商扩产需12–18个月，短期内难以缓解。

从巨头反馈来看，微软、谷歌、亚马逊均在财季中提及，存储芯片供应短缺，导致部分AI算力集群搭建进度滞后，影响大模型研发与推理效率的提升。此外，存储芯片的价格上涨，也进一步增加了巨头们的AI投入成本，间接加剧了市场对其ROI的疑虑。

能源压力与合规治理趋严，成为AI发展的新增约束

能源压力与合规治理趋严，或正成为AI未来发展的新增约束，且影响将逐步扩大。

从能源压力来看，AI大规模应用带来的耗电量持续高企。“六姐妹”均在加大AI基础设施投入，数据中心规模持续扩大，耗电量也随之飙升，比如Meta为保障数据中心电力供应，专门成立“Meta Compute”计划，微软、谷歌也在推进绿色数据中心建设，亚马逊也期望通过核能破解能源难题。在“双碳”目标约束下，高能效芯片研发、新能源电力供给、冷却技术升级，已成为巨头们必须应对的课题，也将增加AI投入的成本。

从合规治理来看，2026年被视为全球AI治理措施加速落地的关键一年，相关规则将逐步生效，对巨头们的AI发展形成约束。“六姐妹”作为全球AI发展的风向标，其AI研发、数据使用、产品落地，均需符合各国的合规要求，比如数据隐私保护、算法透明度、AI安全评估等，这将进一步规范AI行业的发展，但也可能在一定程度上放缓研发与落地速度，尤其是在跨境AI服务、多模态数据使用等领域，合规成本将显著增加。

结论：穿越周期，价值回归

“六姐妹”的最新财报或揭示了一个趋势：AI产业正在从“技术突破驱动”的上半场，进入“商业应用与盈利能力驱动”的下半场。

短期内，行业将面临多重挑战：资本市场的耐心有限，必须展示清晰的盈利路径；供应链瓶颈（特别是存储芯片）可能制约发展速度；日益激烈的竞争可能导致价格战和利润率压缩；监管环境的不确定性也为全球布局带来变数。

但从长期来看，这种从狂热到务实的转变对行业健康发展是有利的。理性的市场环境将迫使企业更注重技术与商业的深度融合，更关注解决真实世界的实际问题，而非追逐华而不实的技术指标。

未来的赢家，不会是那些单纯拥有最大模型或最强算力的公司，而是那些能够将AI能力深度融入业务流程，真正提升效率、创造价值的企业。无论是通过云服务赋能千行百业，还是通过AI代理重塑用户体验，抑或是通过智能算法优化内部运营，可持续的商业价值创造能力将成为衡量AI成功的最终标尺。

AI的故事仍在继续，但叙事的重心已经转变。当资本市场开始追问“然后呢？”，当每一笔投入都需要衡量回报，AI产业才真正开始从实验室走向市场，从概念走向现实，从改变技术范式走向重塑经济格局。这条路或许不如之前那般狂热，但却更加坚实，也更可能通向真正可持续的未来。

作者|毛婷

编辑|Lily