Serenity解析巨头AI资本支出路径分歧
Claire Weston
分析师Serenity系统梳理七大科技巨头AI资本支出逻辑，认为亚马逊路径最清晰——157万员工的内部自动化是可量化的回报锚点，而非所有巨额支出都能讲出同样扎实的故事。
这些钱花得值不值——核心分歧在哪？
Serenity明确反对"利润被芯片厂商抽走"的说法。她认为巨额AI资本支出本质上是对未来营收增长或利润率提升的投入，不是单纯的成本损耗。
这意味着→ 评估七巨头的关键不是"花了多少"，而是花出去的钱能否指向具体、可量化的回报路径。
但各家路径清晰度差异明显——有的已经能算出每一块钱省在哪，有的还在"先花了再说"的阶段。
为什么亚马逊被列为最优样本？
亚马逊员工总数约157万人，体量极为庞大。用大白话说＝ 光是内部自动化这一项，就有一个巨大的成本优化空间摆在那里。
资本支出的第一条路径：用LLM（大语言模型，能理解和生成文字的AI）改造内部工作流程，再延伸到自动驾驶配送和仓储机器人等物理AI场景，直接对应营业成本的削减。
第二条路径：AWS自研芯片Trainium正在扩大算力布局，还可能通过"Neocloud"策略对外卖芯片——这意味着→ 亚马逊不只是AI的买家，还在尝试成为AI算力的卖家。
Serenity特别拿特斯拉Optimus机器人做对比：Optimus想象空间更大，但亚马逊有明确的内部运营成本可以砍，落地确定性更强。
谷歌排第二——强在哪，弱在哪？
在ChatGPT冲击搜索业务的背景下，AI投入是谷歌防守搜索护城河、推动Gemini追赶的必要动作。
谷歌云受益于自研TPU（谷歌自研的AI芯片）带来的成本效率优势，也存在对外销售TPU、复制英伟达模式的潜力。
Gemini用户体量持续增长，AI能力还被用于广告投放优化。但Serenity指出，谷歌在物理AI方向的叙事相对模糊——这反映出谷歌与亚马逊的主要差距：有软件侧的防守逻辑，缺硬件侧的进攻场景。
微软和Meta——还在"自证"阶段？
两家目前仍需向市场证明如此规模的资本支出确实有必要。
Meta营收同比增速超过30%，一定程度上为支出提供了佐证。但微软境况更复杂：自研芯片Maia进展被认为滞后，加上对OpenAI的大额投资被视为分散了自身AI研发资源，市场情绪承压。
用大白话说＝ Meta至少能用增长数字说话，微软则同时背着"芯片慢了"和"钱给了别人"两个包袱。
不过Serenity认为这种悲观情绪存在反转可能——类似谷歌此前经历的市场预期"180度大转弯"。
为什么所有巨头都在同时加码？
核心驱动是头部效应：拥有最强模型的厂商能持续吸引用户，获得更多训练数据反哺模型能力，形成结构性的优势壁垒。
这意味着→ 这不是简单的军备竞赛，而是一场"赢家通吃"预期下的抢位战——掉队的代价可能远超当前的资本支出。
但Serenity也指出，各家即期商业化路径的清晰度差异明显：亚马逊已经能算账，微软还在讲故事。花钱的逻辑相同，花钱的底气不同。
Content is for reference only, not financial advice.