高盛近日发布美国科技行业研究报告，以测算证明超大规模云厂商AI资本支出ROIC合理性所需的AI经济规模 ，聚焦市场核心争议：美国头部超大规模云厂商大举投入AI算力
，巨额资本开支未来能否实现合理回报 。报告搭建量化测算框架，对谷歌、亚马逊 、微软
、Meta、甲骨文 、SpaceX六家企业的2026-2027年算力投资做收益压力测试 ，为AI基础设施投资的盈利前景提供借鉴 标尺
。

　　高盛认为，面对大模型Token消耗量爆发式增长带来的算力需求
，美国各大超大规模云厂商的资本密集度出现了剧烈变化，以此适配算力层面的产业变革。企业开展这一轮巨额投资 ，一方面来自当下真实的需求信号（当前市场处于供需失衡状态）
，另一方面也是为满足核心客户未来多年的算力诉求 。

　　纵观今年市场，尤其结合刚刚落幕的二季度财报季 ，市场对这一主题的理解已经明显加深。从财报数据与管理层表态来看
，投资者逐步形成两点共识：

　　（a）超大规模云厂商能够依托前期（2023-2025年）资本开支，通过增量收入与经营现金流拿到可观、甚至超出预期的投资回报；

　　（b）受算力供给紧张
、终端需求持续加速的大环境驱动 ，云厂商正开启新一轮资本投入周期（2026-2027年）
，当前算力服务定价显著高于该行假设的长期基准费用
。

　　因此，过去几个月市场的争论重心已经转向更远期的问题：2026-2027年这一轮资本开支 ，在未来2028-2030年能够产生多少投资回报？同时前期资本开支实现的ROIC可以作为怎样的参照基准？

　　高盛在报告中搭建了一套分析框架
，测算美国超大规模云厂商要对当前量级的资本开支拿到基准投资回报率（ROIC），AI经济需要产出多大规模的市场增量。分析核心为 ，测算要使美国头部超大规模云厂商的第二阶段（2026-2027年）AI算力投资实现15%年化ROIC，需要达成多高的收入门槛 。

　　基于一系列假设条件：每吉瓦（GW）算力平均前期投入约420亿美元；70%资本开支投向算力硬件
，30%投向机房壳体；采用保守折旧规则，叠加持续运营成本假设等
。测算结果显示 ，六大美国超大规模云厂商（Alphabet、亚马逊 、微软
、Meta、甲骨文 、SpaceX）
，需要在2028-2030年合计创造约1.42万亿美元累计收入（折合每吉瓦算力每年需要产生约116亿美元收入），才能跨过15%的ROIC门槛。

　　虽然短期资本开支大幅扩张会压制即期回报表现（短期业绩会承压） ，但该行认为
，本轮资本开支具备吸引力的ROIC水平，会在中长期经营报表中逐步兑现 。换言之 ，短期回报承压是大规模前置投资周期的自然结果
，并不代表AI商业模式本身存在结构性缺陷
。

　　在该行此前多篇针对Token经济
、消费端AI发展图景、企业级AI赛道的报告中，已经阐述过：市场份额更迭 、Token定价下行 ，反而会提升AI渗透率
，带动消费与企业端算力的应用场景不断拓宽。当前市场焦点集中于前沿基础大模型厂商的演变——包括市场份额，以及算力板块相对开源模型的定价能力 。但在该行的视角下 ，算力的性价比格局，才决定AI经济整体的体量与发展边界
。

　　市场上多种不同模型
、不同能力层级的智能体
，沿着性价比曲线铺开，将解锁从“商品化平价智能（费用 通缩压力较大） ”到前沿尖端智能（定价韧性更强）的丰富应用场景 ，整体也会对算力基础设施厂商当下的资本投入形成支撑。

　　简而言之
，并不是每一类Token都拥有完全相同的商业效益，也不是每一笔资本开支都能拿到一致回报 。但综合来看 ，结合未来3-5年广阔的市场空间
，该行依旧判断，未来18个月落地的资本投入整体可以拿到不错的回报水平
。

　　这一点在高盛Communacopia科技大会上也得到印证 ，参会企业传递出三点信号：

　　（a）行业已经从AI试验探索阶段
，转向落地实施阶段；（b）效率提升带来的回报与产品迭代周期正在加速；（c）企业思路从一味追求Token消耗规模，转向Token投入产出优化 ，改善企业自身回报水平
，这也预示企业端AI渗透率将进一步上行（企业端AI普及，会直接带动云厂商收入与前期资本开支对应的增量营业利润）。

　　除此之外 ，近期多款面向C端的智能体AI产品正式发布（尤以Meta的Muse为代表），消费端AI正迎来范式切换：从对话式交互产品
，转向以智能体驱动执行动作的产品形态 。这类智能体平台的规模扩张（后续其他头部大厂大概率跟进布局消费端AI平台层），会带来中长期算力需求提升；后续配套变现模式也会逐步落地 ，涵盖订阅、广告 、电商等多条路径
，而这几条商业模式的边界本身也在不断融合，将成为未来收入增长的核心驱动。