騰訊砸 528 億豪賭 AI 算力！退路只剩「出租晶片」這條路？

重點摘要

• 騰訊 2026 年第二季資本支出達 527.8 億元，同比飆升 176%，自由現金流轉負，顯示其正以極大規模押注 AI 基礎設施。
• 總裁劉熾平明確算力分配順序為「自研模型訓練、自有應用推理、對外出租」，並指出若單純出租算力亦可獲利，以此作為穩定市場預期的備選方案。
• 騰訊採取與阿里、百度不同的「應用驅動」路徑，透過 WorkBuddy 與微信 AI 消化算力，但面臨內部需求飽和、硬體折舊與模型商業化進度不及預期的三重風險。

騰訊第二季財報顯示，營收 2047.9 億元，同比增長 11%，基本兌現市場預期。然而，這份看似平穩的成績單背後，隱藏著巨大的資本支出壓力。該季度資本支出高達 527.8 億元，同比暴增 176%，環比增長 65%，遠超市場預期的 321 億元。這筆鉅額投入直接導致自由現金流轉為負 138 億元，若剔除 AI 算力採購預付款項，自由現金流才勉強轉正為 376 億元。與此同時，Non-IFRS 經營利潤為 756.4 億元，同比增長 9%。高盛隨後將騰訊 2026 至 2028 年的資本支出預測分別上調至 2100 億、2450 億及 2470 億元。這些數據看得很清楚：騰訊正處於算力軍備競賽的深水區，財務結構也正為 AI 基礎設施的重資產化讓路。

騰訊以 528 億元資本支出豪賭「應用驅動」的 AI 路線，試圖以自研模型與自有應用消化龐大算力，但在內部需求未飽和、硬體折舊與商業化變現未卜的夾擊下，其宣稱的「算力出租」退路短期內恐難以成為真正的避風港。

算力優先順序：自留還是出租？

面對這麼龐大的資本支出，騰訊管理層打算把這些算力用在哪？總裁劉熾平在業績電話會議上給出了明確的優先順序排序：先用於自研模型訓練，再用於自有 AI 應用推理，最後將剩餘算力對外出租。他指出：「如果按照自建模型、開發應用、最後對外出租算力的順序推進，我們就能打造出極具規模的原生 AI 業務。」這意味著，對外出租算力並非騰訊的首要戰略，而是內部需求飽和後的溢出處理機制。

然而，劉熾平也披露了一個關鍵細節，為市場吃下了一顆定心丸。他表示，數月前預付的算力訂單，目前轉手即可獲得超過 30% 的利潤，高於當初支付的價格。這反映了當前晶片現貨稀缺帶來的一次性套利窗口，而非長期租賃的穩定利潤率。他進一步強調：「如果今天我們把商業模式直接改成單純出租算力，那不僅不會虧損，反而是盈利的。所以我們始終保有這個備選方案。」這番話巧妙安撫了投資者的焦慮：一方面強調騰訊堅持「應用驅動」的原生 AI 路線，另一方面也暗示就算模型商業化不如預期，騰訊還能靠算力租賃來保底。

但這條退路真的足夠寬廣嗎？業界分析指出，GPU 商用黃金週期約為 2.5 至 3 年。如果模型兌現節奏慢於硬體折舊，前期折舊將吞噬部分潛在租金利潤。劉熾平也承認，模型訓練的資本支出偏向固定成本，不應假設每年都需要追加同等規模的投資；而推理算力投入則與業務回報掛鉤，若回報達不到預期，就會調整投資規模。這暗示了騰訊在算力採購上仍保有彈性，但硬體一旦到位，折舊壓力便已產生，時間成為最大的敵人。

應用落地：WorkBuddy 與微信 AI 的雙軌挑戰

騰訊的算力消化能力，最終取決於其應用場景的商業化進度。目前，騰訊主要依靠兩大支柱：辦公 agent WorkBuddy 與微信 AI。

在辦公領域，WorkBuddy 表現亮眼。據易觀分析 2026 年第二季報告，2026 年 6 月，WorkBuddy 在國內 PC 端 AI 原生辦公 agent 市場單月訪問量達 2097 萬次，排名第一，超過第二、第三名總和。其跨平台月活躍使用者（MAU）已達 2000 萬等級。管理層披露，WorkBuddy 付費使用者的毛利率已與騰訊雲整體毛利率相當；整體毛利率偏低，主要因存在大量免費使用者。WorkBuddy 企業版按坐席收費，每席每月 198 元起，但多數使用者仍在免費使用，付費轉化率尚屬未知數。

WorkBuddy 支援呼叫第三方模型，沒有綁死混元，這與飛書 AI、釘釘 agent 的多模型相容架構類似。因此，WorkBuddy 的使用者規模和流量，不能直接等價於混元模型的成功。然而，混元 Hy3 正式版付費期內的日均 Token 用量約為預覽版的 7 倍，表明模型能力的提升正在轉化為實際使用量的增長。這顯示騰訊技術上還有競爭力，但如何把流量變成付費使用者，仍是個難題。

在社交領域，微信 AI 的投入規模將低於過去一年對元寶的投入，成本是完全可控的。但微信 AI 一旦全量鋪開，推理算力體量仍是騰訊體系天花板。微信小微專屬的 WeLM 模型與混元分屬不同研發體系：WeLM 圍繞隱私保護、微信生態內互動和成本控制設計，不依賴混元的頂尖效能；混元目標衝刺 SOTA，賦能 WorkBuddy 及 Token 付費業務。一名微信 agent 技術人員透露，微信 agent 的上線需要花費更多時間，要等模型再迭代一輪，這不限於微信自研模型 WeLM，還包括各個業務的小模型。

多個信源顯示，微信相關業務算力申領持續承壓，即便是國產算力，也很難交付。這說明當前算力內部需求尚未完全滿足，富餘仍是遠期目標。這與劉熾平所言的「對外出租」形成矛盾：在內部需求尚未飽和的情況下，騰訊如何實現算力溢出？這意味著，騰訊的「出租退路」在短期內可能僅具理論意義，實際執行上仍受制於內部業務的擴張速度。

路徑分歧：騰訊與阿里、百度的戰略差異

騰訊的算力戰略，與國內其他科技巨頭存在顯著差異。阿里與百度採取的是「雲為底盤」的路徑，算力對外租賃是其原生主營業務。阿里雲 AI 相關產品收入佔比已突破 30%，百度路徑相同。對這兩家企業而言，算力租賃是核心收入來源，模型訓練更多是提升雲端服務競爭力的手段。

字節跳動則介於兩者之間，內部業務算力混部，對外 MaaS 與算力租賃並重。而騰訊選擇了「應用驅動」的路徑，試圖通過自研應用消化算力，並最終實現原生 AI 業務的規模化。這種路線如果成功，好處是能建立更高的競爭壁壘與利潤率；但風險在於，要是應用商業化不如預期，將面臨巨大的沉沒成本。

三種情景分析，揭示了騰訊戰略的不確定性。樂觀情景下，混元在 12 至 18 個月內縮小與海外旗艦差距，WorkBuddy 完成規模化付費轉化，微信 AI 全量落地並產生商業價值，算力內部消化持續，出租始終為備選。中性情景下，混元能力未完全追上海外領先模型但在垂直場景具備可用性，騰訊形成自用與富餘出租並行的混合收入模式。悲觀情景下，模型進展遲緩，內部需求不足，騰訊被迫啟動大規模算力出租，但面臨市場飽和、硬體折舊與轉化成本三重壓力，租金收入難以覆蓋折舊。

結語

騰訊 528 億元的資本支出，是一場高風險、高回報的賭注。劉熾平的「算力優先順序」論述，既展示了騰訊對原生 AI 業務的野心，也透露出對市場預期的謹慎管理。WorkBuddy 的流量增長與混元 Token 用量的提升，為騰訊的應用驅動戰略提供了初步驗證。然而，微信 AI 的內部算力緊張與付費轉化率的未知數，仍為這條路徑蒙上陰影。

比起阿里、百度的雲端服務路線，騰訊的選擇更有侵略性，但也更考驗執行力。若模型兌現節奏慢於硬體折舊，騰訊將不得不面對「退路」的真實考驗。屆時，單純的算力出租能否覆蓋折舊成本，將成為檢驗騰訊 AI 戰略成敗的關鍵指標。目前看來，騰訊仍處於「以時間換空間」的階段，最後成不成功，就看未來 12 至 18 個月內應用場景的商業化速度。