AI收入首超折旧成本：商业化拐点已至还是盈利幻觉？

人工智能（AI）商业化进程正迎来一个关键转折点。2026年7月16日，研究机构 Exponential View 发布报告指出，全球超大规模云服务商与新兴云服务商的 AI 相关销售收入已连续两个季度超过其在数据中心和芯片投资上的估计折旧成本。具体数据显示，AI 销售收入达到 250 亿美元，而相关资本开支的折旧成本约为 210 亿美元。这一变化标志着 AI 领域的大规模投资首次在经济层面展现出可持续性，尽管整体利润空间依然有限。

AI 收入覆盖资本开支：从烧钱到收支平衡

然而，Exponential View 的最新分析表明，这一局面正在发生实质性转变。2026 年第二季度，AI 相关收入不仅首次超过当季折旧成本，而且是连续第二个季度实现这一跨越。这意味着，至少从现金流覆盖角度看，AI 业务已初步具备自我维持的能力。虽然“覆盖折旧”不等于“产生净利润”——因为还需扣除运营费用、研发摊销、销售成本等其他项目——但这一临界点的达成，对投资者信心和企业战略方向具有重要信号意义。

值得注意的是，这里的“AI 销售收入”主要指云服务商向企业客户提供的 AI 推理服务、模型即服务（MaaS）、定制化训练任务以及嵌入式 AI 功能所产生的直接营收。随着企业加速将 AI 集成到产品开发、客户服务和内部流程中，这类需求呈现结构性增长。例如，金融、医疗、制造和零售等行业对实时推理 API 和私有化部署模型的采购显著上升，推动了云厂商 AI 收入的快速爬坡。

数据中心投资逻辑的重构

AI 收入突破临界点，也正在重塑数据中心的投资逻辑。传统数据中心以通用计算和存储为主，而 AI 训练与推理对算力密度、网络带宽和电力供应提出更高要求，催生了新一代“AI 优化型”数据中心。这类设施单位面积的资本开支远高于传统机房，单个 AI 数据中心的建设成本可达数十亿美元。

但如今，随着 AI 收入稳定覆盖折旧成本，云服务商可以更自信地推进下一阶段的产能扩张。更重要的是，这一趋势可能促使资本配置从“盲目扩产”转向“效率优先”——即更注重单位算力的收入产出比、能效比和客户留存率，而非单纯追求 GPU 数量或总算力规模。

此外，收入覆盖成本还可能缓解市场对科技公司自由现金流的压力。在利率仍处于相对高位的宏观环境下（截至 2026 年中），投资者对资本效率的要求日益提高。AI 业务若能持续产生正向经营现金流，将有助于改善整体资产负债表结构，并为未来的技术迭代（如多模态模型、具身智能、AI 代理系统）提供内生资金支持。

利润薄如纸：商业化仍处早期阶段

尽管收入覆盖折旧是一个积极信号，但必须清醒认识到，AI 商业化的盈利之路依然漫长。250 亿美元的收入仅勉强超过 210 亿美元的折旧成本，意味着毛利空间极为有限。若计入研发、销售、管理及其他运营费用，多数 AI 业务线可能仍处于亏损状态。

造成这一现象的原因在于：一方面，AI 服务的定价尚未完全反映其真实成本。为抢占市场份额，云厂商普遍采取低价策略，甚至提供免费额度吸引开发者生态；另一方面，AI 模型的推理成本仍然高昂，尤其是对大参数模型进行高频调用时，电力与芯片损耗带来的边际成本不容忽视。

此外，客户对 AI 价值的认知仍在演进中。许多企业尚处于试点阶段，尚未将 AI 支出纳入核心预算。只有当 AI 能够明确带来收入增长或成本节约（例如通过自动化客服降低人力成本、通过预测性维护减少停机损失），客户才愿意支付溢价。因此，下一阶段的关键挑战在于从“技术可用”转向“商业可证”，即构建可量化 ROI（投资回报率）的解决方案。

行业格局：头部云厂商主导，但机会窗口未闭

目前，AI 收入主要集中在少数几家超大规模云服务商手中，包括亚马逊 AWS、微软 Azure、谷歌 Cloud 以及部分中国云厂商。这些公司凭借先发优势、完整的工具链和庞大的客户基础，在 AI 基础设施市场占据主导地位。新兴云服务商虽体量较小，但通过聚焦垂直领域（如生物计算、金融合规、工业视觉）或提供开源兼容方案，也在特定细分市场获得增长。

值得注意的是，250 亿美元的全球 AI 收入规模，相较于整个云计算市场（年收入超千亿美元）仍属早期阶段。这也意味着，尽管头部效应明显，但市场远未饱和。对于具备差异化技术能力或行业理解的中小玩家而言，仍有通过 niche strategy（利基策略）切入的机会。

同时，硬件厂商、软件开发商和独立模型公司也在探索新的合作模式。例如，芯片公司不再仅销售硬件，而是与云平台联合推出“算力+模型+应用”打包方案；开源社区则通过降低模型使用门槛，间接扩大整体市场蛋糕。这种生态协同有望进一步加速 AI 的商业化渗透。

展望：从临界点走向规模化盈利

AI 收入覆盖资本开支成本，是一个重要的心理与财务拐点，但它只是商业化长跑的第一程。未来几个季度，市场将密切关注三个关键指标：一是 AI 收入的环比增速是否持续高于资本开支增速；二是单位算力产生的收入是否稳步提升；三是头部厂商是否开始披露 AI 业务的细分利润率。

若这些指标持续改善，AI 将从“战略投入”真正转变为“利润引擎”。届时，不仅科技公司的估值逻辑将被重估，整个数字经济的生产力边界也可能因此拓展。但在那之前，行业仍需穿越一段“高投入、低利润”的过渡期——而 2026 年中这个临界点的出现，至少证明这条路走得通。