AI 錢坑無底洞？Google 資本支出指引傳上調，2026 年恐狂飆至 2000 億美元

重點摘要

• Alphabet 將於 2026 年 7 月 22 日公佈第二季財報，市場預期其將把 2026 年資本支出指引上調至 1900 億至 2000 億美元，反映 AI 基礎設施投入加速。
• 五大科技巨頭 2026 年合併資本支出預估達 7450 億至 7750 億美元，較前一週期增長約 55% 至 61%，顯示產業進入千億美元級別的長期競賽。
• Anthropic 執行長 Dario Amodei 公開質疑一味擴大資料中心規模的說法，主張「寧要最高收入、不要最大資料中心」，這與前 OpenAI 安全主管 Leopold Aschenbrenner 押注能源與電網的投資邏輯截然不同。

2026 年 7 月 22 日，Alphabet 將在美股盤後公佈第二季度業績。市場真正關注的，是管理層會不會進一步上調 AI 資本支出（Capex）指引，而不是單季利潤表現。這項決策將直接影響半導體供應鏈的預期，以及雲端服務商的長期定價策略。根據 The Information Network 總裁羅伯特·卡斯特拉諾的分析，Alphabet 此前給出的 2026 年 1800 億至 1900 億美元 Capex 預期可能已經偏保守。他預計 Alphabet 或將在財報中將 2026 年資本支出指引上調至 1900 億至 2000 億美元。卡斯特拉諾擁有超過 40 年的科技產業研究經驗，他從多項產業鏈訊號看出，雲端基礎設施的擴張速度正在加快。

資本支出競賽是否已進入千億美元級別？

各大廠對 AI 基礎設施的資本投入，正從過去的漸進式成長，轉向以千億美元為單位的長期競賽。半導體產業鏈的需求，也因此改由少數幾家超大型雲端廠商來拉動。德意志銀行將 Alphabet 2027 年 Capex 預測從 2500 億美元大幅上調至約 3250 億美元。該行進一步預計，2028 年資本支出則可能進一步升至 3650 億至 3700 億美元。這意味著 Alphabet 的資本支出曲線正在陡峭化，背後反映的是對 AI 推理與訓練算力的長期承諾。

從行業整體來看，五大科技巨頭（Alphabet、亞馬遜、微軟、Meta、甲骨文）合併資本支出在一年內從 2710 億美元躍升至 4820 億美元。這組數據涵蓋了截至 2025 年 4 月、以及截至 2026 年 4 月的兩個年度區間。按現有指引及市場預期，五大巨頭 2026 年全年合併資本支出預計達 7450 億至 7750 億美元，較前一週期增長約 55% 至 61%。這種規模的擴張是結構性轉變，而不是短期波動。雲端服務商正在搶佔未來五年的算力高地，因為 AI 模型的規模與複雜度持續提升，對硬體的需求呈現指數級增長。

然而，這種擴張並非沒有風險。資本支出的增加必須對應營收增長，否則將導致資產回報率下降。Alphabet 的優勢在於其擁有規模更大的雲端合約積壓。谷歌雲目前積壓合約金額達到 4620 億美元，企業客戶對 AI 算力和雲端服務的需求已經形成較強的訂單支撐。這讓 Alphabet 的新增資本投入能直接換來未來收入，擴張的商業確定性明顯比同業高。相比之下，其他廠商可能面臨更大的營收驗證壓力。

Meta 出售算力容量是需求不足還是策略調整？

近期 Meta 考慮向外部客戶出售部分 AI 基礎設施容量，引發市場對 AI 投資是否出現過剩的討論。這一舉動被部分觀察家解讀為內部需求無法消化龐大算力的訊號。然而，富國銀行分析認為，Meta 推動容量外部化，主要原因是內部推理需求釋放存在時間差，希望對外出租提前實現資產回報，而非因需求不足被迫消化。

這是主動調整策略來優化資產，不是被動清理庫存。AI 基礎設施的建設週期長於模型訓練與推理需求的爆發週期。當硬體部署完成後，若內部應用尚未完全成熟，閒置算力將成為沉沒成本。透過向外部客戶出售容量，Meta 能在等待內部需求增長的同時，獲得現金流回報。這種模式類似於傳統雲端服務商的彈性供應策略，但在 AI 時代，由於算力需求的波動性更大，這種策略變得更加重要。

比起 Meta，Alphabet 的內部消化能力更好。他們的新增資本投入能直接帶動未來的營收成長，擴張的商業確定性也更高。這得益於谷歌雲在企業市場的深厚積累與強大的產品生態。企業客戶傾向於選擇擁有穩定供應鏈與長期服務承諾的雲端提供商，這使得 Alphabet 在爭奪大型 AI 專案時具有優勢。因此，儘管 Meta 選擇外部化容量，Alphabet 仍堅持內部擴張，兩者反映了不同的戰略路徑。

Dario 與 Leopold 的 AI 基礎設施押注路線分歧

在資本支出狂熱之際，業界對 AI 基礎設施的未來走向有明顯分歧。Anthropic 共同創辦人兼執行長 Dario Amodei 明確表示寧要最高收入、不要最大資料中心。他認為前者能賺錢、後者只會虧損，這番話等於公開澆了整個 AI 產業資本支出熱潮一盆冷水。Amodei 會站這個立場，是因為他深入思考過 AI 公司的商業模式。他認為，單純追求算力規模無法保證競爭力，關鍵在於如何將算力轉化為高價值的產品與服務。

Amodei 的觀點，挑戰了當前主流「算力即權力」的迷思。許多科技巨頭假設，只要擁有足夠的算力，就能在 AI 競賽中佔據優勢。然而，Amodei 指出，資料中心的建設與維護成本高昂，若無法產生相應的收入，將成為財務負擔。他主張 AI 公司應專注於提升模型效率與應用價值，而非盲目擴張硬體規模。這種觀點在當前資本密集型的 AI 產業中顯得格外刺耳，但也引發了廣泛討論。

與 Amodei 形成對比的是前 OpenAI 安全主管 Leopold Aschenbrenner。他創辦的同名對沖基金規模已超 200 億美元，從 2.25 億起步，一年內衝到 55 億，目前已超過 200 億美元。該基金重倉能源、電網、資料中心及光通訊領域。Aschenbrenner 在其 165 頁長文《Situational Awareness》中預測，單一 AI 訓練集群用電量將從百萬瓦跳至十億瓦級，相當於一座大型核電廠的輸出。

Aschenbrenner 的投資邏輯完全看物理限制。他認為，AI 算力的增長最終將受制於能源供應。隨著訓練集群規模擴大，電力需求將成為瓶頸。因此，投資能源基礎設施比投資單一 AI 公司更具確定性。這種觀點與 Amodei 的商業模式質疑形成互補：Amodei 關注軟體與應用的盈利能力，Aschenbrenner 關注硬體與能源的物理約束。兩者共同揭示了 AI 產業的複雜性，即技術突破必須與商業可行性及物理資源相匹配。

結論

Alphabet 即將公佈的財報將成為觀察 AI 資本支出趨勢的關鍵風向標。若其確實上調 2026 年 Capex 指引至 1900 億至 2000 億美元，將進一步確認科技巨頭對 AI 基礎設施的長期承諾。然而，這種擴張並非沒有代價。市場需要關注資本支出能否轉化為實質營收，以及能源供應能否支撐算力增長。

Dario Amodei 與 Leopold Aschenbrenner 的分歧反映了業界對 AI 未來的不同想像。前者強調商業模式的可持續性，後者強調物理資源的稀缺性。對創業者與工程師來說，這代表在追求技術創新時，必須同時考慮商業化與資源限制。AI 競賽不僅是算力的比拼，更是效率、成本與資源管理的綜合考驗。未來幾個月，隨著財報陸續公佈，市場將更清晰地看到這些趨勢的演變。