大型科技公司，包括 Amazon、Alphabet 和 Meta，正面临华尔街关于其将巨额人工智能资本开支转化为实际现金回报的时间表审查。美国银行指出，“代际转变”正在体现在自由现金流上：超大规模（hyperscaler）公司预计其自由现金流（FCF）将在 2026 年降至负 500 亿美元，而半导体公司则在通过 AI 芯片销售积累现金。“Magnificent 7”科技公司今年共部署了 2340 亿美元的资本开支，但其股价仍在区间内波动。Apollo Global Management 首席经济学家 Torsten Slok 警告称，如果现金回收所需时间长于市场预期，盈利风险可能会显现。这种分歧源于大型科技公司正在建设 AI 基础设施，而像 NVIDIA 这样的半导体供应商则会立即捕获收入。Apollo 将这种现象描述为成本支出与收入兑现之间的“时间错配”。
美国银行指出：大科技与半导体公司之间的自由现金流正在反转
美国银行将当前资本流动模式诊断为超大规模（hyperscaler）与半导体公司之间的“自由现金流代际迁移”。自由现金流代表公司在扣除运营费用和资本开支后剩余的净现金。市场数据显示，到 2026 年，像 Amazon 和 Google 这样的超大规模（hyperscaler）公司在自由现金流方面出现急剧下行，因天文级的 AI 基础设施成本，其自由现金流预计将达到约负 500 亿美元。相反，包括 NVIDIA 和 Micron 在内的半导体公司正在积累大量现金储备。这种结构性差异源于一方用于基础设施建设，另一方则通过提供核心组件立即获取现金。
Apollo Global Management 警告：AI 收入兑现风险
Apollo Global Management，这家全球规模第二的私募股权基金管理机构，指出了两项主要因素正在压制大型科技公司的盈利能力。第一，虽然 AI 服务的绝对使用量在增加，但单位令牌（token）价格仍在持续下滑，可能会使实际收入增长低于预期。第二，中国的 AI 模型正对定价施加严厉的下行压力，恰逢美国平台试图实现高利润率的 AI 服务变现之际。来自前 20 个 AI 模型的令牌使用数据清楚展示了这一差距。到 5 月，美国与中国的使用仍相对均衡，但到 6 月，美国令牌使用量温和增长至 53 万亿，而中国的使用量激增至 98 万亿。在一个月内，美中 AI 基础设施利用率差距急剧扩大。
令牌使用数据显示：美中 AI 基础设施差距
5 月与 6 月的令牌使用对比揭示了美国与中国在 AI 基础设施部署上的显著分歧。5 月，两国的使用水平仍大致相当。但到 6 月，美国令牌消耗量达到 53 万亿，而中国模型处理了 98 万亿个令牌。这种在单月内接近两倍的差异，体现了中国 AI 基础设施的快速扩张。Apollo 警告称，如果中国 AI 模型继续抢占市场份额而令牌价格持续下跌，大型科技公司可能无法实现预期收入。该公司将其称为“时间错配”：成本发票会立即到来，但收入回收却延伸到遥远的未来，这也是当前 AI 市场面临的最大风险。
Apollo 认为，尽管像 NVIDIA 和 SK Hynix 这样的半导体公司目前能够获得确定性利润，但大型科技公司收入模型的持续裂缝可能会削弱半导体市场的繁荣。华尔街的担忧已从“庆祝大型科技公司能投多少 AI”，转向“这些投入何时才能转化为实际现金回报”。
常见问题解答
美国银行在 2026 年对大型科技与半导体公司的现金流识别了什么？
美国银行识别到自由现金流出现“代际转变”：超大规模（hyperscaler）公司预计其自由现金流将在 2026 年降至负 500 亿美元，而半导体公司则通过 AI 芯片销售积累现金。这种反转发生是因为大型科技公司在 AI 基础设施上大举投入，而半导体供应商则会立即通过组件销售获取收入。
为什么 Apollo Global Management 警告大型科技公司的 AI 盈利能力？
Apollo Global Management 警告称有两项因素在压制大型科技公司的盈利能力：尽管 AI 服务使用量增加，但单位令牌（token）价格在下滑；以及中国 AI 模型带来的激烈价格竞争。首席经济学家 Torsten Slok 提醒称，如果现金回收所需时间长于市场预期，大型科技公司可能无法从其 2340 亿美元的资本开支中获得预期收入。
5 月和 6 月，美中 AI 令牌使用量有何不同？
来自前 20 个 AI 模型的令牌使用数据表明，截至 5 月，美中使用仍相对均衡。但到 6 月，美国令牌使用量增长至 53 万亿，而中国的使用量激增至 98 万亿；在一个月内形成接近两倍的差距，显示出中国 AI 基础设施的快速扩张。
