AI資本支出進入回報驗證期：三大雲是否被市場過度折價？

摘要

2026年以來，圍繞人工智慧基礎設施的資本支出持續上升，市場對大型科技公司的關注點也隨之發生變化。過去，投資人更傾向於將 AI 投入視為長期成長資產；現在，核心問題逐漸轉向：這些資本支出能否轉化為足夠高的營收、毛利、自由現金流和資本回報率。

Microsoft、Amazon 和 Alphabet/Google 三大雲端大廠近期股價承壓，表面上反映的是對 AI 資本支出、自由現金流和 Token 成本的擔憂。但更深層的產業變化可能是，企業 AI 正從「粗放試用」進入「用量精算期」。在這一階段，企業不再無限制地調用最昂貴模型，而是根據任務價值、成本、成功率、延遲和合規要求，對模型、算力、數據、安全與計費進行更精細的管理。

這並不必然意味著 AI 需求崩潰。相反地，它可能意味著 AI 正從試驗階段進入正式業務部署階段。對於單一模型公司而言，企業控制 Token 成本可能帶來壓力；但對於 Azure、AWS、Google Cloud 這類多模型雲端平台而言，用量精算反而可能強化其作為企業 AI 成本控制層、模型路由層、數據治理層和收費層的價值。

一、市場重新定價三大雲端巨頭的核心原因

近期三大雲端巨頭相關股票承壓，並不能簡單理解為市場否定 AI 長期需求。更準確地說，市場正在將關注點從「AI 有沒有需求」轉向「AI 需求需要多少資本才能兌現」。這是一種估值邏輯的變化。此前，AI 資本支出往往被視為成長性投資；但隨著資料中心、GPU、網路、電力、冷卻和儲存投入迅速擴大，投資人開始質疑這些支出究竟是高回報成長資產，還是科技巨頭不得不參與的防守性軍備競賽。

微軟的數據能夠直觀體現這種資本支出加速。Microsoft 2026財年第三季新增物業和設備支出為308.76億美元，去年同期為167.45億美元；2026財年前九個月該項支出為801.46億美元，去年同期為474.72億美元。這一變化說明，AI基礎設施建設已經從正常雲端資本支出升級為更高強度的投資週期。

Amazon 的現金流結構同樣顯示出資本支出壓力。Amazon 2026年第一季 AWS 銷售額年增28%至376億美元，AWS營業利潤為142億美元，說明雲端業務本身仍保持強勁成長；但公司過去12個月營業現金流為1485億美元，自由現金流下降至12億美元，主要原因是物業和設備購買大幅增加，而公司明確表示這主要反映 AI 投資。

Alphabet/Google 也呈現類似特徵。Alphabet 2026年第一季 Google Cloud 營收成長63%至200億美元，雲端業務成長顯著加速；但同一季度購買物業和設備支出達到356.74億美元，自由現金流為101.16億美元。Google 的現金流並未惡化到不可控狀態，但資本支出的斜率明顯變陡。

因此，市場真正擔心的並不是三大雲端巨頭沒有需求，而是需求過強本身帶來的資本約束。如果 AI 基礎設施投資持續上升，但對應營收和現金流轉化速度不及預期，估值倍數自然會受到壓縮。

二、AI成本已經進入財報，而不只是停留在敘事層

AI 產品和傳統軟體訂閱服務最大的區別之一在於成本結構。傳統 Office 或企業軟體的邊際成本較低，使用者多寫一封郵件、多做一份表格或多生成一份文件，不會顯著增加軟體公司的單位成本。但 AI 產品不同。每一次模型調用、每一次推論、每一次 AI agent 執行任務，背後都對應算力、儲存、網路和模型服務成本。

Microsoft 已經在財報中披露了這一變化。2026財年第三季，Microsoft Cloud 毛利率下降至66%，原因包括 AI 基礎設施持續投資和 AI 產品使用量成長，部分被 Azure 和 Microsoft 365 Commercial Cloud 的效率提升抵消。換言之，AI 使用量不再只是營收端的故事，也已經進入成本端。

在 Productivity and Business Processes 部門，Microsoft 披露成本營收增加6.8億美元，主要由支持 Microsoft 365 Copilot 席位和用量成長的 AI 基礎設施投資驅動。這並不意味著 Copilot 破壞了 Microsoft 基本面；相反地，它說明 AI 軟體的毛利率結構可能低於傳統 Office SaaS，但如果公司能夠透過「席位+用量」的方式重新設計收費模式，毛利壓力仍有管理空間。

這一變化對投資人的含意很重要。AI 產品不能只按傳統軟體邏輯估值，而要同時觀察營收成長、使用強度、推論成本、模型路由效率、快取比例和用量收費能力。未來真正值得追蹤的，不只是 AI 產品的用戶數，而是單位使用量能否形成可持續毛利。

三、企業開始控制Token：需求崩潰還是用量精算？

企業開始控制 AI 使用，是近期市場擔憂的另一條主線。但這類現象不應直接等同於需求消失。更合理的解釋是，企業正在從「能用 AI 就用 AI」轉向「每一次 AI 使用是否值得」的用量精算階段。

Uber 的案例具有代表性。據媒體報導，Uber 在鼓勵員工使用 AI 程式開發工具後，四個月內消耗完整年 AI 預算，隨後對 Claude Code、Cursor 等 agentic coding tool 設置每位員工、每個工具每月1500美元的上限。該案例並不說明 AI 工具沒有價值，反而說明當工具足夠好用且擴散速度過快時，企業預算可能迅速失控。

Google 與 Meta 之間的 Gemini 算力限制也顯示出高階算力仍然緊缺。根據媒體轉述的報導，Google 告知 Meta 其無法滿足 Meta 所需的全部 Gemini 計算容量，Meta 也因此鼓勵員工更有效率地使用 AI Token。該報導尚未被 Reuters 獨立核實，因此應被視為媒體報導而非官方確認事實；但其反映的趨勢清晰，即即使大型科技公司仍在大量建設 AI 基礎設施，優質算力供給仍可能跟不上需求。

Microsoft 內部對 Claude Code 授權的調整也體現出同樣邏輯。The Verge 報導稱，Microsoft 計劃移除大部分 Claude Code 授權，並推動許多開發者轉向 GitHub Copilot CLI；報導稱這一調整既與工具整合有關，也有財務因素。該案例說明，即使在大型科技公司內部，AI 工具的使用也開始接受成本、產品戰略和生態控制的約束。

AWS 的部分定價變化則從供給端反映 AI 算力稀缺。據 Business Insider 報導，AWS 將 EC2 Capacity Blocks for ML 價格上調約20%，此前1月已出現約15%的价格上調。需要強調的是，這職不是整個 AWS 全面漲價，而是特定 AI/ML 容量預留服務的價格調整。其含意在於，高階 AI 算力仍具有稀缺性，頭部雲端大廠在部分容量產品上具備一定定價能力。

這些案例共同指向一個判斷：企業不是停止使用 AI，而是開始管理 AI 使用。Token 成本、算力預算、任務價值和使用權限正在成為企業 IT 和財務部門共同關注的問題。這正是「AI 用量精算期」的產業基礎。

四、Meta傳出出售算力：供給端也開始計算ROI

Meta 近期傳出規劃雲端業務、出售多餘 AI 算力的消息，為這條邏輯補充了供給端證據。Reuters 轉述 Bloomberg 報導稱，Meta 正在建立雲端業務，以出售多餘的 AI 計算能力；該計劃仍在發展中，策略可能變化，Reuters 也表示無法獨立核實該報導。因此，這一資訊應被視為媒體報導和需要觀察的信號，而不是已經完成的官方戰略披露。

這一事件的意義不在於 Meta 是否會立即成為 AWS、Azure 或 Google Cloud 的直接替代者，而在於它說明大型科技公司在巨額 AI 基礎設施投入之後，也開始考慮如何將算力轉化為可對外收費的資產。Reuters 報導還提到，分析人士認為 Meta 增加算力供給對 CoreWeave、Nebius 等 neocloud 公司的影響可能大於對大型 hyperscaler 的影響，因為這些公司部分依賴 Meta 需求成長；報導也指出，Meta 在2026年 AI 基礎設施開支可能高達1450億美元。

從產業角度看，Meta 的案例說明 AI 算力正在資產化。算力不再只是內部研發投入，也可能成為被出租、被定價和被管理的基礎設施資產。但真正能夠長期捕獲價值的，不只是「誰擁有算力」，而是誰能將算力、模型、數據、安全、計費和企業工作流整合到一起。這也是三大雲端巨頭與單一算力租賃商之間的關鍵差異。

五、AI用量精算期：從粗放試用到正式业务部署

「AI 用量精算期」可以理解為企業 AI 商業化的第二階段。第一階段是粗放試用期，企業的核心問題是能不能把 AI 接入產品和流程。在這個階段，AI 功能被快速嵌入軟體、搜尋、辦公、客服和程式開發工具，市場更關注用量、敘事和技術可行性。

第二階段則是用量精算期。企業開始詢問：每一次 AI 調用是否值得？是否所有任務都需要前沿模型？哪些任務可以用較便宜模型？哪些內容可以快取？哪些任務適合批次處理？哪些 AI 使用應該放進席位費，哪些應該按用量收費？這表明 AI 從產品展示走向正式業務部署，企業開始將其納入預算、合規和成本分攤體系。

第三階段是每任務成本優化。AI 時代不能只看每百萬 Token 價格，因為企業真正購買的不是 Token 本身，而是某一工作流中的有效結果。例如，在程式開發中，一個任務可以是修復一個程式碼錯誤或完成一次被團隊接受的程式碼修改；在客服中，一個任務可以是解決一張工單；在財務分析中，一個任務可以是完成一份可被分析師採用的摘要。真正重要的是完成一個有效結果的總成本，即模型成本、工具成本、重試成本和人工審核成本除以成功率。

第四階段是結果付費期。企業最終更可能希望為結果付費，而不是單純為 Token 付費。例如按解決的客服工單、完成的合規審查、產生的合格銷售線索或完成的軟體功能計費。若 AI 商業化進入這一階段，價值將從「多消耗 Token」轉向「以更低成本產生更多有效結果」。

六、為什麼用量精算可能強化三大雲端平台價值

如果企業只是追求最強模型，價值可能集中在單一模型公司手中。但當企業開始追求以最低成本完成最多有效任務時，價值會更多流向多模型雲端平台。原因在於，正式部署 AI 的企業並不只需要模型本身，還需要權限管理、數據邊界、模型選擇、成本監控、計費分攤、延遲控制、合規審查和業務流程整合。

Microsoft、Amazon 和 Google 的共同優勢在於，它們不只是出租 GPU 或銷售單一模型，而是提供企業 AI 運行環境。Azure、AWS 和 Google Cloud 分別擁有計算、儲存、網路、資料庫、安全、身份管理、模型市場、模型路由、成本監控、計費、合規以及企業銷售管道。這些能力使它們在 AI 用量精算期更像企業 AI 平台，而不是單純的算力供應商。

雲端大廠正在將這種能力產品化。Microsoft Azure AI Foundry 的 model router 旨在優化成本和延遲，在保持相近品質的情況下，將簡單任務交給較小、較便宜的模型，將複雜任務交給更強的模型。AWS Bedrock Intelligent Prompt Routing 則可以在同一模型家族內根據每次請求選擇模型，AWS 官方稱其可在不犧牲準確性的情況下降低最多約30%的成本。Google Cloud 的 Model Garden 提供200多個來自 Google 和合作夥伴的模型，支援客戶在同一平台發現、定制和部署模型。

這也是為什麼 Meta 傳出賣 AI 算力不一定構成對三大雲端巨頭的直接利空。短期看，它可能增加 AI 算力市場供給，尤其對部分只做算力租賃的公司形成競爭；但從更長期看，它反而證明算力正在成為可出租和可定價的基礎設施資產。長期真正重要的不是單一算力供給，而是平台能否將算力、模型、數據和企業工作流整合起來。

七、三大雲端巨頭的不同路徑

Microsoft 的優勢在於企業工作流入口。Office、Teams、Outlook、Excel、PowerPoint、GitHub、Dynamics、Security 和 Azure 共同構成企業日常工作環境。Anthropic 或其他模型公司短期內很難直接破壞 Microsoft 的核心基本面，因為企業工作流、身份系統、權限、文件、協作和合規體系具有較高遷移成本。Microsoft 真正需要管理的是 Copilot 的毛利結構。如果 Copilot 完全依賴固定席位費且允許無限制高成本調用，毛利壓力會較大；但如果 Microsoft 能逐步推進「席位+用量」模式，將高成本 AI 使用轉嫁給更高價值場景，其毛利壓力可能可控。

Amazon 的優勢在於 AWS 的中立多模型平台定位。AWS 不需要完全押注單一模型，客戶可以在 Bedrock 中使用 Claude、Amazon 自研 Nova、Meta、Mistral 或其他模型。即使部分任務從 Claude 分流到更便宜的模型，只要工作負載仍留在 AWS 生態系統，Amazon 仍能捕獲基礎設施、數據接入、安全治理和平台服務營收。媒體報導稱 Amazon 與 Anthropic 的部分合作條款可能從按算力時長結算轉向更接近按 Token 用量結算；該資訊尚非官方完整披露，因此只能作為觀察信號。若該方向成立，Claude 使用成本會更線性地跟隨用量上升，這可能促使 AWS 更積極推動模型路由和自研模型使用。

Google 的路徑則更強調模型、晶片與雲端的一體化。Google 擁有 Gemini、TPU、Google Cloud、Model Garden、搜尋與多模態數據等資源。Alphabet 2026年第一季 Google Cloud 營收成長63%至200億美元，雲端業務成長顯著加速；公司還披露 Google Cloud backlog 超過4600億美元。若 Gemini 與 TPU 的成本和性能優勢能夠轉化為 Google Cloud 的企業份額和高品質現金流，Google Cloud 在 AI 用量精算期也可能受益。

八、Oracle為什麼不是同一類故事

Oracle 同樣受益於 AI 算力短缺，但其投資故事不同於 Microsoft、Amazon 和 Google。三大雲端的核心是將模型、算力、數據、安全、計費和企業工作流整合為平台；Oracle 的故事更像是巨大 AI 訂單背後伴隨更高資本支出、融資需求和自由現金流壓力。

Oracle 官方披露，2026財年剩餘履約義務達到6380億美元，年增363%；但同一財年自由現金流為負237億美元，原因是公司繼續投資以支持 Cloud Infrastructure 業務成長。Oracle 還披露，2026財年已融資430億美元債務和50億美元股權，2027財年預計還將透過債務和股權融資約400億美元。

因此，Oracle 的存在提醒投資人：市場對 AI 資本支出的擔憂並非沒有依據。只是這種風險在高資本強度、高融資需求、高客戶集中度的 AI 基建故事中更為尖銳，而在 Microsoft、Amazon 和 Google 這類平台型雲端公司中，風險與平台價值需要分開評估。

九、估值含意：三大雲端巨頭是否被過度折價

估值層面，預估本益比可以作為一個粗略但有用的觀察工具。Microsoft 目前約19倍預估本益比，過去五年平均接近30倍；Amazon 目前約27倍，過去五年平均約45倍；Alphabet 目前約24–25倍，過去五年平均約22倍。如果 AI 資本支出最終只是低回報的防守性支出，那麼即使三大雲端巨頭回到二十多倍，甚至十幾倍預估本益比，也未必足夠便宜。相反地，如果 AI 用量精算強化了雲端平台在企業 AI 系統中的不可替代性，那麼當前估值可能過度反映短期現金流壓力，而低估未來平台現金流。

對投資人而言，關鍵不是簡單判斷三大雲端巨頭「便宜」或「昂貴」，而是判斷其資本支出能否轉化為長期平台營收。這需要持續追蹤雲端營收成長、AI 產品毛利率、資本支出增速、折舊壓力、自由現金流恢復速度、模型路由效率、企業 AI 付費意願以及用量收費結構。

十、風險因素

第一，AI 資本支出回收週期可能長於市場預期。資料中心、GPU、網路、電力和冷卻設施均是高資本強度資產，如果 AI 營收成長不及預期，折舊和現金流壓力可能持續壓制估值。

第二，Token 價格下降可能對單位經濟產生雙重影響。較低 Token 成本有助於 AI 使用擴散，但如果價格下降速度快於用量成長和成本效率改善，雲端大廠每單位算力產生的毛利可能受到壓力。

第三，企業 AI 採用可能低於樂觀假設。企業控制 Token 使用、設定預算上限和加強權限管理，可能意味著部分 AI 應用尚未證明足夠清晰的 ROI。若 AI agent 在成功率、穩定性、合規和可控性方面不足，正式業務部署節奏可能放慢。

第四，模型公司和新型算力供應商可能改變價值分配。OpenAI、Anthropic、Google、Meta 以及新型 neocloud 都在爭奪 AI 基礎設施和模型調用價值。Meta 傳出出售算力說明算力供給格局可能變化，但其長期影響仍需觀察。

結論：問題不在於 AI 有沒有需求，而在於資本開支能否轉化為平台現金流

三大雲當前面臨的核心問題，不是 AI 需求是否存在，而是 AI 資本支出能否轉化為可持續的平台現金流。市場對 AI 投入的態度正在從「投入越多越好」轉向「投入能否產生回報」。這解釋了為什麼 Microsoft、Amazon 和 Google 的估值開始受到 AI 資本開支、自由現金流和 Token 成本的共同影響。

但企業開始控制 AI 使用，並不必然等於 AI 需求崩潰。它也可能說明 AI 正從粗放試用進入正式業務部署。正式部署階段需要更複雜的模型選擇、數據治理、權限控制、成本監控、計費體系和業務流程整合，而這些正是 Azure、AWS 和 Google Cloud 的優勢所在。

Meta 傳出出售算力說明供給端也開始尋找 AI 資本開支回報；Oracle 的例子則提醒市場，AI 基建需求強勁並不自動等於高質量自由現金流。對投資者而言，真正需要理解的是：不同 AI 基建公司承擔資本開支風險的方式不同。Microsoft、Amazon 和 Google 的投資價值，最終取決於它們能否把 AI 基礎設施投入轉化為企業 AI 時代的長期平台現金流，而不是單純取決於短期資本支出規模。