“市场对2027年超大规模云计算企业（Hyperscaler）资本开支的预期，过于保守。”
6月12日，高盛经济学家Ryan Hammond在《更多AI资本开支，更多波动》的研报中，将明年超大规模云计算企业资本开支的预期大幅上调：基准情景为1.1万亿美元，极端乐观情景高达1.4万亿美元。
这份报告出炉的背景是：就在几周前，各大超大规模云计算企业（即微软、谷歌、亚马逊、Meta等科技巨头）陆续公布Q1财报及资本开支指引。据摩根士丹利统计，这些公司2027年资本开支的合计预期，已从2025年Q4时的9500亿美元，一口气跳升至逾1.1万亿美元，单季上调幅度超过30%。
高盛的三档预测：从9200亿到1.4万亿
主流分析师目前的预测是：2027年超大规模云计算企业资本开支约为9200亿美元，对应增速从2026年的84%大幅放缓至22%。
高盛不认同这个数字。
Hammond的测算框架是：如果AI基础设施的增量投资规模达到GDP的2%至3%——类比历史上铁路和汽车行业的建设周期——那么2027年资本开支将达到约1.1万亿美元，对应增速45%。
而在更极端的乐观情景下，综合考虑超大规模云计算企业自身的现金流生成能力，以及投资级信用债市场的融资容量，资本开支上限可能高达1.4万亿美元，对应增速89%。
估值已到ChatGPT发布以来最高点
资本开支预期的上调，直接推动了AI基础设施板块的估值扩张。
其数据显示，AI基础设施股票中位市盈率已升至26倍，是ChatGPT发布以来的最高水平。其中，半导体和电力（非公用事业）板块的中位市盈率年内持续上行，但超大规模云计算企业本身和存储芯片股的估值扩张相对有限。
Hammond的判断是："资本开支超预期，意味着AI基础设施受益标的的盈利和股价在近期存在上行空间。"
但Hammond同时给出了另一面的警告：近期估值扩张和持仓结构的变化，意味着前方波动会加剧。投资者需要在"资本开支超预期"与"资本开支增速可能放缓"以及"盈利持续性存疑"之间寻找平衡。
AI落地数据：叫好不叫座
Q1财报季中，约54%的公司在财报电话会上提到了AI与生产率的关系。但真正量化了具体场景生产率提升的公司，只有11%；而将AI生产率提升量化到盈利层面的公司，仅有2%——上一季度这两个数字分别是10%和1%，几乎没有实质性进展。
更直接的数据来自用户调查：目前每天使用AI的人群比例仅为12.6%，较一年前仅增加2个百分点。所有劳动者自报的累计生产率提升，一年前是1.6%，现在是2.2%，一年只提升了约0.5至0.6个百分点。
换句话说，数万亿美元的资本开支正在涌入，但终端用户的实际使用深度和生产率回报，目前仍相当有限。
软件股的“终局价值”之争
Hammond还专门讨论了软件板块的估值逻辑。
软件股市盈率去年峰值达39倍，今年3月跌至21倍，目前回升至25倍，但不同子板块之间分化明显。
Hammond用一个折现现金流模型测算：年初时，软件板块约85%的现值来自"终局价值"（terminal value），即对遥远未来盈利的预期折现。这意味着，只要市场对软件公司长期增长率和利润率的假设发生哪怕"温和"的变化，估值就会出现显著波动——这也解释了今年以来软件股估值的大幅震荡。
核心争议在于：AI究竟是软件公司的赋能工具，还是颠覆者？低成本竞争对手的涌现，是否会持续压制现有软件公司的收入增长和利润率？这场争论，将持续驱动板块内部的收益分化。
Token价格战：另一个不能忽视的变量
这份报告发布的同期，市场上还有另一条线索正在发酵：OpenAI与Anthropic之间的Token定价"竞相降价"。
这场价格战的背景是：部分企业已经出现"过度使用Token"（tokenmaxxing）的问题——例如Uber在一个季度内就耗尽了全年AI预算。当Token价格持续下降，大模型厂商的收入压力将进一步加大，其支撑庞大资本开支承诺的能力也将受到考验。
这意味着，预测中的资本开支数字与实际落地之间，可能存在相当大的缺口。