高盛预测2030年前超大规模公司资本支出达1万亿美元，称华尔街共识'仍过低'。

高盛全球投资研究部门预计，亚马逊、微软、谷歌、Meta和Oracle/OpenAI级别支出方的合并资本支出将从2022年的1560亿美元激增至2027年的约1万亿美元，该研究机构辩称华尔街共识明显低估了这一规模。高盛对2027年的基础情景预测约为1.1万亿美元，牛市情景达到1.4万亿美元——这一范围反映的是对AI商业化速度的真实不确定性，而非支出方向的不确定性。

数据勾勒出明显的拐点。从2022年的1560亿美元（后疫情云计算正常化）开始，支出在2024年跳升至2540亿美元（ChatGPT时刻、GPU分配之争），在2025年几乎翻番至4430亿美元（HBM短缺、数据中心土地争夺、吉瓦级电力交易），预计2026年将达7640亿美元，2027年达10180亿美元——每次增长都反映了硬件需求加速和基础设施建设。

需要强调两项关键限定。2026年预计和2027年预计数据为估计值，可能因资本预算调整和时间安排而改变。字节跳动在高盛研究中明确标记为"未覆盖"；其数据是推断而来，而非直接来自公司披露。从基础情景到牛市情景1.1万亿美元至1.4万亿美元的范围如实反映了这种不确定性。

中国的轨迹在相对规模上同样引人注目。阿里巴巴、腾讯、字节跳动和百度的资本支出预计将从2022年的约80亿美元增至2027年的1230亿美元——绝对数额增长15倍。按这些预测，美国超大规模云服务商在2027年的支出将是中国四大AI基础设施投资者支出的约八倍——计算能力分化用单一比率呈现。

潜在的结构性现实远超个别公司预算。这代表了一类新的主权规模基础设施承诺——如果实现，将消耗相当于20世纪铁路建设和电气化时期美国GDP份额的资源。AI领域每一项物理瓶颈——HBM内存、先进封装、电网功率、数据中心用地——都是这条资本支出轨迹的直接产出。这些不是临时性的供应失配，而是多年期的结构性需求承诺。美光的2500亿美元AI内存建设和SK海力士的创纪录收入反映供应方努力追赶；Meta在艾伯塔省的燃气发电项目示范了数据中心需求如何导致电网扩展不足；整个AI栈正在经历纵向整合，因为在这一资本支出规模下，对外部供应商的依赖构成存在性风险。

美中差距同样具有结构性。2027年预计约8倍的支出差异不是政策差距或人才差距，而是量化的计算能力差距。中国不试图与美国超大规模云服务商的支出相抗衡，而是在较低绝对基数内理性地追求效率——这种约束塑造了架构创新，DeepSeek以效率优先的方法论证明了这一点。两种不同的AI经济体正在形成：一种在原始资本部署上竞争，一种在每美元计算效率上竞争。

高盛对19世纪70年代铁路、20世纪初期电气化和20世纪90年代后期互联网的历史类比具有说服力。每一时期在峰值投资时都消耗了GDP的2-3%；最终都被生产率提升证明合理，但首先会经历残酷的过度建设阶段，直到商业化追上来。按每年1万亿美元以上的资本支出，AI基础设施正接近那个GDP占比的阈值。核心问题是AI商业化是否在2027-2028年加速到足以证明资本部署合理，还是超大规模云服务商资产负债表面临的财务压力会变得尖锐。

这条资本支出轨迹定义了AI基础设施栈的第0层——使其上方每一层都可能存在或受限的原始资本。当这一层在五年内以6-7倍增长时，每一层同时变得更有价值和更受限。稀缺性是结构性的，而非周期性的；美中差距代表了这十年的地缘政治事实；每年万亿美元必须产生回报。这场商业化竞赛仍然是AI经济中的中心未决问题。