谷歌把资本支出抬到2050亿美元，AI竞赛开始追问回报

谷歌把年度资本支出预期上调到了1950亿—2050亿美元。此前给出的上限是1900亿美元。换句话说，新指引的最低值，都比旧指引最乐观的上限高出50亿美元。

2050亿美元当然足够醒目，但真正让投资者不安的是另一件事：谷歌已经连续两个季度没能准确预估自己的成本。AI基础设施仍在快速扩张，管理层却越来越难说清最终要花多少。华尔街可以接受重金下注，难以接受预算边界不断后退。

新指引越过的，是成本可预测性这条线

新旧口径不能简单理解成“谷歌只多花150亿美元”。1900亿美元是此前预测的最高值，1950亿—2050亿美元则是新的预测区间。区间整体上移，说明公司看到的建设需求和成本压力，都超过了上一季度的估计。

这些资本开支通常覆盖数据中心、服务器、芯片和网络设施，不等于每一美元都直接投向生成式AI，也不能据此推导谷歌整体亏损或现金流已经恶化。但AI训练、推理和云服务扩容，正是这一轮投入快速抬升的重要动力。

问题由此变得具体：Gemini和Google Cloud带来的新增收入，能否跑赢基础设施折旧、能源、运维和持续扩容的成本？

目前还看不清答案。仅凭资本支出指引，无法判断单个AI产品的利润率，也无法知道新建算力的实际利用率。可预算连续上调，至少说明成本端比管理层此前设想得更难控制。

成本往上走，模型价格却在往下压

谷歌面对的麻烦，不只是多建几座数据中心。

以DeepSeek等中国AI工具为代表的竞争者，正在用更低成本和更激进的开放策略争夺开发者。行业里的模型降价也没有停。基础模型能力逐渐接近后，企业客户会更频繁地比较调用价格、延迟、部署方式和迁移成本，而不是只看榜单名次。

这形成了一道夹击：

• 上游算力、数据中心和能源投入继续增加；
• 下游模型调用价格承压，免费功能越来越多；
• 企业客户仍会追问AI到底省了多少人力、增加了多少收入。

模型更强，不会自动换来更高价格。能力一旦趋同，买方就会要求降价，开发者也会保留第二套供应商。巨头想靠规模摊薄成本，前提是新算力得到足够高的利用率，而不是建成后长期空转。

微软、亚马逊和Meta也逃不过同一轮审视。它们的数据中心投入将成为下一轮财报里的敏感项。市场会盯住的，不只是资本开支数字，还包括云业务增速、利润率、AI订单、推理需求和管理层对支出的预测是否稳定。

谁先公布一个大数字，并不等于谁先输。谁解释不清大数字如何转成收入，才会先被重新定价。

科技股投资者和AI团队，都该换一套问题

如果你关注科技股，接下来不宜只比较“哪家公司投入更大”。更现实的动作，是把资本开支与云收入、利润率、自由现金流和成本指引放在一起看。

尤其要留意两种信号：管理层是否再次上调预算；AI收入增长能否抵消折旧和运营成本上升。前者关系到执行可信度，后者决定投资回报是否成立。现在的材料还不足以证明AI泡沫已经破裂，只能说明市场开始缩短耐心。

如果你在AI或云计算行业工作，价格压力会更快落到日常决策上。企业采购团队可能延后长期合约，要求更短的承诺周期，或者同时测试两到三家模型。开发团队则会更在意单位任务成本、缓存策略、小模型替代和跨云迁移，而不是默认把所有需求都交给最强模型。

这未必是坏事。降价能扩大应用规模，也会逼供应商提高芯片利用率和工程效率。反方理由同样成立：如果AI需求继续高速增长，今天看起来夸张的基础设施，几年后可能仍然不够用。谷歌也拥有搜索、广告、云和办公产品，可以把AI能力嵌入已有分发渠道，这种变现条件并非创业公司可比。

可渠道优势只能缩短回报路径，不能取消成本约束。

铁路建设史里，先铺网络的人往往拿到规模和控制权；过度建设留下的债务，也从不会凭空消失。今天的AI基础设施潮并不完全相同，算力可以跨产品复用，需求增长也可能更快。但那条旧规律仍然有效：建设热潮奖励少数平台，账单却会向所有参与者追索。

谷歌这次越过的，不只是1900亿美元那条旧上限。AI竞赛的评分表已经换了：模型能力仍然重要，收入、利用率、定价权和成本控制开始决定胜负。