The More Money AI Makes, the Less Money Entrepreneurs Have?

[[**AI正同时制造估值财富与现金流缺口：科技巨头收入高增，Meta、Alphabet、阿里自由现金流却转负。财富能否兑现，取决于算力投入能否变成合格产出、利润和现金。**

**要点**

**1. 估值财富与现金流背离**

英伟达2027财年Q2收入962亿美元、同比106%，但Meta、Alphabet、阿里近期自由现金流分别约-21.2亿、-59亿美元和-446.70亿元。

**2. AI采用率高，利润转化低**

组织采用率达88%，80%认可生产率改善，仅37%报告AI对EBIT有正贡献，高绩效企业仅6%。省工时不是利润，须嵌入流程并转为收入或成本节约。

**3. 重资产投入制造时间差**

五家大型科技公司2025年资本开支超4000亿美元，2026年预计再增75%；数据中心用电或从485太瓦时增至2030年约950太瓦时。芯片先付款、利润后兑现，买或租都影响折旧和毛利率。

**4. 融资放大风险，市场转向资本回报**

本文来自微信公众号： 正经社 ，作者：智者正叔

一边是芯片、云计算和模型公司的估值不断抬升，企业家的持股财富水涨船高；另一边，却是数据中心、GPU和电力投入一路狂飙，部分科技巨头的自由现金流开始转负。

英伟达2027财年第二季度收入达到962亿美元，同比增长106%，数据中心业务收入890亿美元，毛利率75%。AI当然不是一门只有故事、没有收入的生意。[1]

但同样是在AI浪潮里，Meta2026年第三季度自由现金流为负21.2亿美元，Alphabet第二季度自由现金流约为负59亿美元，阿里巴巴6月季度自由现金流净流出446.70亿元。[2][3][4]

公司更值钱，账上却更缺钱。

企业家财富暴涨，企业反而需要更多债券、租赁和股权融资。

正经社分析师注意到，答案不在富豪榜里，而在三张表里：利润表、现金流量表和资产负债表。

斯坦福大学《2026年人工智能指数报告》显示，组织AI采用率已经达到88%。在测试真实计算机操作的OSWorld上，智能体成功率由此前约12%升至约66%。[5]

但反过来看，即使在结构化测试环境中，智能体仍有约三分之一任务失败。它可以在高难数学和编程任务上取得突破，也可能在简单视觉或常识任务上犯错。

它已经不再只是一个聊天工具，开始在编码、客服、营销、知识检索等场景里执行任务；但它也远没有普遍成为不需要监督的“通用员工”。

同样关键的是，员工觉得好用，和企业真的赚钱，是两回事。

麦肯锡2026年对1719名受访者的调研显示，80%认可AI改善了个人生产率，只有37%报告AI对企业息税前利润产生正面贡献。真正同时满足“AI贡献至少5%的EBIT”和“获得显著价值”的高绩效企业，仅占6%。[6]

为什么中间差了这么多？

因为一名员工每天少花一小时做材料，并不等于公司每天多赚了一小时的钱。

这段时间如果用来多服务客户、缩短交付、减少外包，或者真正减少人工成本，才可能进入利润表。否则，它可能只是让员工轻松一点，或者又被新的低价值任务填满。

节省工时只是释放容量，不是利润本身。

第一关，把一段看起来不错的输出，变成可以验收的工作成果；

第二关，把单点成果嵌入完整流程，而不是永远停留在试点；

第三关，把释放出来的容量变成新增收入或真实成本节约。

麦肯锡的同一项调研里，近四分之三高绩效企业宣称已因AI根本性地重构工作流，其他企业中这一比例只有约四分之一。[6]

差距不只在于谁买了更强的模型，更在于谁敢改岗位、改权限、改考核、改交付方式。

这也是通用技术常见的“生产率J曲线”：流程、数据、人力和组织改造先花钱，效率收益后兑现。早期利润承压不一定代表技术无用，但一直拿“未来”解释当下，也不能代替财务验证。[7]

一款产品做出来，新增一个用户的成本可以很低，企业家最看重的是流量、用户和网络效应。

GPU、服务器、数据中心、土地、电网接入和长期电力合同，都成了竞争门槛。过去企业家抢流量，现在还要抢算力、抢电力、抢交付时间。

国际能源署统计，五家大型科技公司的资本开支在2025年超过4000亿美元，2026年预计再增长75%。全球数据中心用电量预计由2025年的485太瓦时增至2030年的约950太瓦时。[8]

于是，企业家的第一道难题来了：算力到底该买，还是该租？

买，可以掌握供给和迭代速度，但也要承担设备更新、利用率和折旧风险；租，可以保持灵活，却可能牺牲毛利率，还要看供应商脸色。

第二道难题，是时间差。

微软提供了一种相对顺畅的样本：2026财年第四季度，Azure收入增长43%，Microsoft 365 Copilot付费席位超过3000万，当季自由现金流仍为正。这说明AI商业化和现金创造可以并行，但其资本开支也已经显著抬升。[9]

Meta、Alphabet和阿里巴巴的季度数据，则展示了另一面：主营业务仍然可以增长，资本开支却可能跑得更快。

负自由现金流不必然代表投资失败，它也可能是在建设未来产能。

但它一定会改变企业的安全边际。

原本靠留存收益就能扩张的公司，开始更多使用债券、租赁、项目公司和私人信贷。原本只需要向股东解释增长的企业家，也开始需要向债权人解释偿付。

IMF在2026年10月《全球金融稳定报告》相关分析中指出，超大规模云厂商在全球投资级债券发行中的占比，已由2024年的不足1%升至约10%。其考察的14项公开循环融资安排，涉及约3000亿美元股权投资、6500亿美元债务，以及约1.4万亿美元未来收入承诺。[10]

所谓循环融资，不一定意味着虚假交易。

但当投资方同时又是供应商、债权人或客户，风险就会互相捆绑。一旦终端商业化低于预期，股权价值、贷款偿付和订单收入可能一起承压。

企业家个人真正可支配的财富，还要看持股比例、后续融资稀释、股权质押、个人担保、减持限制、税务成本和资产流动性。

股价可以把未来十年的预期一天打满，债务和固定支出却不会因此消失。

但企业家和投资者最该关注的，已经不是某次模型发布又提高了多少分，而是三个更具体的变化。

第一，从“能做”转向“稳定做完”。

企业需要的不是一次演示成功，而是在规定权限、成本和时间约束下，持续交付合格结果。

长链任务会放大单步错误，异常恢复、人工接管、日志审计和责任边界，都会成为成本的一部分。

所以，封闭、可验证的流程会率先商业化。

代码可以运行测试，发票可以核对字段，工业质检可以比对标准，客服退款可以校验规则。相反，开放式战略决策、高风险的医疗和财务判断，仍需要更多人类监督。

第二，从“一个Token多少钱”转向“一个合格结果多少钱”。

低Token价格当然是好事，但它不是全部成本。

一次任务如果需要多轮推理、人工复核和反复返工，再便宜的调用费也可能算不过来。真正的成本，应当包括模型调用、算力折旧、人工审核、系统集成、安全合规和错误损失，再除以通过验收的成果数量。

这意味着，未来最有商业价值的能力，未必是始终使用最大模型。

模型路由、小模型、专用模型、缓存和任务拆解，都可能比单纯堆参数更能改善利润。

第三，从“收入涨没涨”转向“资本赚没赚回来”。

需求真实，不等于股东回报已经兑现。

接下来，资本市场会逐步换一套考题。

建设初期，市场奖励资本开支、算力储备和收入增速；当供给增加、折旧上升后，市场会更关注利用率、续费率、扣除折旧后的毛利率、ROIC和自由现金流。

中国企业也不会完全复制美国的高资本开支路径。

中国信通院披露，国内日均Token调用量已从2024年初的1000亿增至2026年6月的500万亿，国内模型服务价格明显低于海外主流模型。[11]

低价有利于应用扩散，也可能压缩模型服务利润。调用量证明“用得更多”，不能单独证明“赚得更多”。

中国真正有机会形成差异化的，是开源模型、工程能力、平台渠道和制造业场景的组合：把AI嵌入研发、质检、排产、供应链和售后，用良率、库存周转和交付周期衡量价值，而不是只比较模型报价。

单位合格产出成本是否下降，利润是否覆盖折旧和审核成本？

自由现金流承压对应的是可验证的高回报产能，还是利用率不明的扩张？

净债务、利息、租赁、担保和表外承诺是否可控？

企业家的股权质押、个人担保和公司融资，是否把同一种风险叠加了两遍？

正经社分析师认为，未来三到五年，最可能出现的不是全行业同时兑现，而是局部分化。

可靠性和成本同时跨过门槛的场景，会率先从辅助岗位走向重构完整流程；付费和流程改造慢于产能建设的环节，即使收入继续增长，也可能出现资产减值和融资压力。

技术继续进步，与部分公司回报不佳，完全可以同时发生。

最后决定企业家财富的，不是他买了多少算力，而是这些算力最终变成了多少合格产出、多少利润，以及多少真正可以自由支配的现金。【《正经社》出品】

主要资料来源

[1]NVIDIA，《Second Quarter Fiscal 2027 Results》，2026年8月26日。

[2]Meta，2026年第三季度业绩资料；自由现金流口径包括资本开支及融资租赁本金偿付。

[3]Alphabet，2026年第二季度业绩资料。

[4]阿里巴巴集团，《2026年6月份季度业绩》。

[5]Stanford HAI，《The 2026 AI Index Report》。

[6]McKinsey，《The State of AI in 2026:On the Road to ROI》；调研覆盖97个市场、1719名受访者，EBIT贡献为受访者归因口径。

[7]NBER，《The Productivity J-Curve:How Intangibles Complement General Purpose Technologies》。

[8]IEA，《Key Questions on Energy and AI》；2030年数据中心用电量为预测值。

[9]Microsoft，2026财年第四季度业绩及电话会资料。

[10]IMF，2026年10月《全球金融稳定报告》；循环融资数据为其对14项公开交易的考察，不代表全行业融资总额。

[11]中国信通院，《词元（Token）经济发展研究报告（2026年）》相关发布；Token调用量不等于收入，不同模型服务价格也不宜脱离能力口径机械比较。

本文数据截至2026年10月27日。文中前瞻判断为研究分析，不构成证券买卖建议。AI行业信号频道: 前沿科技本内容来源于网络 原文链接，观点仅代表作者本人，不代表虎嗅立场。 如涉及版权问题请联系 hezuo@huxiu.com，我们将及时核实并处理。正在改变与想要改变世界的人，都在 虎嗅APP[ ]]]