本文来自微信公众号： 斯凯碎碎侃 ，作者：斯凯，原文标题：《深度｜1.65万亿暗雷与白菜价Token：一场AI资本游戏的终局推演》
我们新加坡的合伙人Eric是AI产业研究的大拿，最近翻遍了美国科技巨头财报，跟我说了一句话：“越看，越觉得不对劲。”
2026年夏天，Alphabet、亚马逊相继交出创纪录的季度利润，分别是1121亿美元、626亿美元。但财报公布之后，两家股价反而下跌。
仔细拆解附注才发现：Alphabet的千亿净利润里，大约980亿来自对SpaceX、Anthropic的股权投资估值上浮；亚马逊626亿利润中，534亿来自Anthropic投资的公允价值调增。
这些利润，一分现金都没有流入公司账户，全部是账面上的浮盈。
合上财报，他抛出核心一问：如果巨头的利润大多只是纸面数字，那这场轰轰烈烈的AI军备竞赛，最终的账单，到底由谁来支付？
这也是这篇文章想要拆解的核心问题。
一、账单是怎么造出来的：一场会计魔术
先看一组财报拆解的数据。
Alphabet 2026年Q2净利润1121亿美元，约87%来自股权投资纸面浮盈。亚马逊626亿净利润，约85%来自Anthropic投资公允价值调整。Meta纸面浮盈占比相对更低，但自由现金流暴跌91%，仅剩7.84亿美元。微软是四家里面最健康的，纸面浮盈占比不足8%，自由现金流196亿美元。
这套利润魔术，集中体现在Alphabet与亚马逊身上。
并不是企业赚到现金不愿意分红，而是账面利润只是估值变动带来的数字，企业同时还在持续大额向外投入算力资本开支。剔除纸面浮盈之后，Alphabet核心业务营业利润约408亿，单季自由现金流首次转负，为-59亿美元，这也是公司上市数十年来第一次出现该情况。亚马逊过去十二个月自由现金流转负，资金缺口约76亿美元。
这套玩法依托美国通用会计准则GAAP里的公允价值计量规则：未上市企业股权发生新一轮融资交易时，投资方可以同步重估这笔股权价值；上市股权，则按季度市价调整。会计层面完全合规，但它催生了一个自我强化的资本循环：
云服务商投资AI实验室→AI实验室拿到融资后采购云算力资源→云服务商确认营收→持有的AI公司股权估值抬升→财报确认高额投资收益→财报亮眼推高股价→更容易拿到融资，继续加码投资AI企业。
只要融资持续涌入，AI公司估值持续走高，巨头的账面利润就会持续好看。一旦融资热度降温、估值下调，利润表就会反向修正，繁荣会瞬间褪色。
二、1.65万亿隐性承诺：藏在报表之外的杠杆
纸面浮盈只是第一层表象，更深层的风险，来自财报正文之外的巨额长期合同义务。
《日经亚洲评论》梳理五大科技巨头Alphabet、微软、亚马逊、Meta、甲骨文年报后发现：资产负债表上登记的显性债务总额约1.35万亿美元，而各类长期租约、设备采购合同带来的表外承诺，估算高达1.65万亿美元。
这类表外合同义务规模，已经超过报表内登记债务。如果扩大统计范围，纳入英伟达、博通、SpaceX、AMD九家科技企业，合计各类长期采购、租约承诺，规模大约3万亿美元。
这里需要厘清：这部分不是已经到期必须偿还的刚性欠款，而是企业签署的长期合同，未来数年需要履约支付的款项。
隐性承诺主要来自三类：
第一，未生效数据中心租约。机房还没有建成投入使用，租约暂时不计入资产负债表，九大巨头合计约1.2万亿美元。
第二，GPU、服务器长期采购订单。硬件还没有交付，但企业已经签下不可撤销采购协议，合计约1.9万亿美元。
第三，SPV特殊目的载体。巨头单独设立法律主体来建设数据中心、采购硬件，母公司仅少量出资，但承诺承担兜底风险。Meta在路易斯安那州合作的Hyperion数据中心，项目成本从270亿膨胀至500亿美元，Meta仅出资20%股权，却承诺合作破裂时承担全部损失担保，这项义务没有体现在资产负债表。
Meta的表外承诺规模最高，约4200亿美元，几乎是表内负债的2.8倍。甲骨文隐性承诺在2026年5月底超过2700亿美元，四年膨胀超30倍。Alphabet表外承诺估算约2500亿美元。
这套操作，很多人会联想到2001年安然。安然当年就是利用SPV把巨额债务移出资产负债表，同时用市值计价会计，在签约当年确认未来多年预期收入，最终轰然倒塌。
二者有本质区别：安然的收入几乎全部虚构。当下科技巨头的云算力收入真实存在，谷歌云、AWS确实在向客户售卖算力。问题在于，利润被股权投资浮盈严重美化，真实自由现金流持续恶化，产业链买卖双方高度绑定，形成内部循环。
三、一道算不平的算术题
我们把投入端和收入端拆开看，缺口一目了然。
投入端：五大巨头2026年合计资本开支预计达到7692亿美元，几乎是2025年的两倍，机构预估2027年资本开支最高或将冲击1万亿美元。
收入端：中金测算，AI应用赛道，每年需要形成约1万亿美元可持续稳定收入，才能覆盖全部资本开支与债务成本。当前美国头部模型厂商合计年度经常性收入ARR大约2000亿美元。中间存在5倍缺口。
伦敦证券交易所集团预测：2027年五大科技巨头经营现金流预计增加3400亿美元，但同期资本开支预计增加5340亿美元。每新增1美元经营现金流，就要投入1.57美元资本开支。
红杉资本的测算更加直白：AI基础设施每投入1美元，应用端需要产生4美元营收，商业闭环才能跑通。而当下产业投入与营收比例，远远达不到这个平衡。
融资端压力同样在放大。摩根士丹利预测，2026年全球AI相关债券发行规模接近5700亿美元，相比2025年翻倍增长。
债券的承接方，大多是养老基金、保险机构。美股科技巨头股票，大量配置在401(k)退休计划、指数基金中。AI债券通过机构层层传导，最终底层资金来自普通人的养老金。国际清算银行，把这种模式称作影子借贷。
瑞银发出警告：一旦AI投资热潮松动，美国经济衰退概率达到50%。
四、中美定价差距：同一个Token，价差166倍
聊完资本端，再看变现端，AI产业还存在一个极具反差的现象：同样是生成百万Token，中美模型报价差距最高达到166倍。
海外头部厂商：Anthropic年化ARR约650亿美元，Q2调整后营业利润首次转正5.59亿。OpenAI年化ARR约600亿美元，但每创造1美元收入，就要烧掉1.8美元成本。
国内头部厂商：字节豆包年化ARR约42亿美元，年亏损约38亿元；智谱年化ARR约16亿美元，上半年调整后净亏损19.64亿；DeepSeek约7亿美元，是国内最接近盈亏平衡的大模型企业。
头部企业营收差距大约10~15倍，但这并不是单纯用户体量差距，核心差异来自定价权。
价格对比：OpenAI GPT-5.5输出30美元/百万Token，Pro版180美元。Anthropic Claude旗舰输入10美元，输出50美元。DeepSeek V4 Flash输入0.09美元/百万Token，输出0.18美元/百万Token。智谱GLM-4-Plus约0.7美元/百万Token。
同样消耗100万Token，OpenAI最高收取30美元，DeepSeek仅0.18美元，价差达到166倍。
OpenRouter数据显示，国内大模型周调用量已经连续五周超过美国，但收入规模远远不及。客户结构差异巨大。
Anthropic 75%~85%收入来自大型企业API调用，金融、医疗、政府客户对价格不敏感，愿意为稳定性、合规支付溢价。截至2026年6月，34.4%美国企业采购Anthropic服务，6月市场份额上升至41%。
国内客户大多是开发者、中小创业团队，价格战白热化，企业采购预算有限。但有一个反常识事实：国内大模型出海，反而更容易拿到高溢价。
MiniMax 2025年73%收入来自海外。旧金山AI企业Lindy，把业务流量从Anthropic切换至DeepSeek，性能不降，每年节省数百万美元算力成本；Coinbase选用智谱GLM-5.2、月之暗面Kimi K2.7作为工程师默认模型，压缩AI支出近一半。
中国大模型不是没有付费市场，而是国内市场价格被压到接近成本线，海外市场反而可以拿到更高溢价。
两条变现路线，目前胜负未定：海外路线，走高单价+大型企业客户；国内路线，低价海量调用+海外变现。
五、账单传给了谁：收益向上集中，成本向下转嫁
回到开篇的问题：这场AI浪潮，最终账单谁来承担？答案已经逐步显现。
第一，岗位替代效应持续发生。高盛预测，AI普及会迫使约9%美国劳动者，大约1500万人离开原有岗位。科技、咨询、设计行业，每月减少1万至1.5万个新增岗位。2026年1月美国单月裁员10.8万人，亚马逊、Salesforce、IBM都以AI提效为由裁员。斯坦福研究，AI相关应届生就业率下降16%，22-25岁软件开发者就业人数，相对峰值下滑20%。
第二，消费K型分化加剧。美国家庭财富中股票占比达到37%，创下历史新高。高收入群体依托科技股牛市支撑消费；低收入群体承受通胀压力，实际收入停滞。剔除医疗与转移支付，2025年末非农就业平均每月减少4.1万人。
第三，算力正在变成新的数字地租。中金测算，Token边际生产成本持续下行，从2022年60美元，下降到2026年初0.06美元。但Token不是同质化商品，相同数量Token，模型输出质量差异巨大。闭源模型依旧占据市场优势，用户愿意为高质量模型支付溢价。算力厂商可以依靠质量壁垒维持定价权，不会彻底沦为公用事业。
当下资本催生的AI，形成了一套自我循环：英伟达投资AI公司，AI企业采购英伟达GPU，英伟达营收上涨，继续投资更多AI初创；云厂商投资AI实验室，实验室采购云算力，云厂商确认收入，股权投资浮盈推高股价，拿到更多融资。
资金在产业体系内部循环。商业模式从“向终端消费者卖产品”，变成“产业链互相售卖算力”。这套闭环有一个致命前提：外部真实企业需求持续增长。MIT调研显示，95%企业落地AI之后，没有拿到可量化业务回报。一旦企业落地不及预期，整个循环链条就会断裂。
六、终局推演：三种可能性
终局一：AI商业化跑赢资本开支（乐观情景）
应用层诞生杀手级产品，企业落地大规模提速，收入增速追上资本开支。2030年AI行业年收入突破1.4万亿美元，行业整体实现盈亏平衡，巨额表外承诺依靠增长消化。中金判断，当下AI不算典型泡沫，但资本投入相比真实需求存在明显抢跑。
终局二：AI商业化跑输资本开支（悲观情景）
AI落地速度慢于资本扩张，表外合同集中到期，叠加资产减值，吞噬企业利润。2028年外部融资缺口达到7000~8000亿美元，科技巨头被迫削减资本开支，芯片、服务器上游同步承压。德意志银行测算，OpenAI最早2030年才有望现金流转正。
终局三：局部爆雷，风险链式传导（最可能情景）
不会所有巨头同步崩盘，而是某个环节率先出问题：一家AI实验室估值大幅下调、数据中心项目违约、AI债券发生信用事件。巨头之间交叉持股、互相采购的深度绑定，会放大局部风险，形成连锁传导。瑞银50%衰退概率，就是针对该情景做出的判断。
我的判断：第三种情景概率最高。问题不在于AI技术有没有价值，而是AI商业化落地速度，能不能追上资本开支膨胀速度。这本质是一道算术题，算术的答案，远比叙事更加残酷。
写在最后
资本正在催生的AI，不完全是一场技术革命，更是一套金融化的自循环系统。
在这套体系里，AI既是产品，也是融资工具，也是估值锚点，更是资产负债表上的会计科目。它或许最终诞生改变人类文明的技术；但也有可能，在技术成熟之前，先引爆金融层面的风险。
人类之光或是泡沫幻影，核心只看一件事：AI商业化落地的速度，能不能追上资本开支膨胀的速度。
这是一道冰冷的算术题。
1.65万亿表外承诺，白菜价的Token，就是这道题当下最刺眼的两组数字。