高盛：2027年AI资本支出或达1.1万亿美元，波动加剧

概览

这篇研报探讨了AI资本支出的上行潜力及其对市场波动性的影响。高盛认为，市场对2027年超大规模云厂商（Hyperscalers）资本支出的共识预期过于保守，实际支出可能远高于当前预测，这将在短期内继续支撑AI基础设施股的盈利和股价。然而，随着估值攀升至高位、交易持仓拥挤以及企业端AI生产力变现尚处早期，AI板块内部的回报分化与市场波动性将显著加剧。报告同时指出，虽然基础设施建设如火如荼，但应用层的商业化验证仍需时间，投资者需在强劲的资本支出与潜在的回报不确定性之间寻求平衡。

核心观点

资本支出预期存在显著上修空间。当前分析师对2027年超大规模云厂商资本支出的共识预期为9200亿美元（同比增长22%），隐含增速大幅放缓。高盛测算，若AI增量投资达到GDP的2%-3%（类似历史上铁路和汽车基建的峰值水平），2027年资本支出有望达到1.1万亿至1.25万亿美元（同比增长45%-65%）。在极端乐观情景下，考虑到现金流生成能力和投资级信贷市场容量，支出甚至可能触及1.4万亿美元。支撑这一判断的证据包括：Google Cloud与AWS的合计订单积压在半年内从3580亿美元激增至8320亿美元；Google明确表示2027年资本支出将“显著增加”并已通过股权融资筹资；Token消费量预计到2030年增长24倍。 基础设施股面临估值与波动的双重挑战。尽管AI基础设施组合自二季度以来上涨了40%，且大部分涨幅由盈利增长驱动，但部分细分领域的估值扩张速度已超过盈利修正。GS TMT数据中心篮子中位数前瞻市盈率已升至26倍，为ChatGPT发布以来最高。与此同时，AI相关股票的回报离散度在二季度飙升至53个百分点，创下历史新高。这种分化主要体现在基础设施内部的正向回报差异，以及应用层（如软件）正负回报的剧烈对比。光模块等热门板块的市值增量已是前瞻盈利增量的41倍，而存储芯片和超大规模云厂商的预期则相对保守。 企业AI应用仍处萌芽期，变现能力待验证。尽管54%的标普500公司在财报电话会中提及AI生产力，但仅有11%量化了具体用例的收益，仅2%量化了对盈利的影响。讨论AI的公司与未讨论AI的公司相比，在利润率预期和股价反应上并无显著差异。目前AI带来的收益主要集中在成本节约（如Verizon节省2亿美元能源成本、IBM累计节省45亿美元运营成本），而非收入增长。此外，Token使用成本成为新的关注点，可能限制生产力提升带来的利润弹性。对于软件行业而言，由于85%的价值依赖于终端价值，市场对AI颠覆风险的担忧导致其估值对长期增长假设极度敏感，年内表现持续分化。

分析框架

研报采用了“历史类比+宏观约束”的双重框架来预测AI资本支出。不同于单纯自下而上的分析师汇总，机构将当前AI投资占GDP比重与历史上铁路、电力、电信等重大技术周期的投资峰值进行对标，以此判断资本支出的理论天花板。同时，结合信贷市场容量（投资级债券指数权重上限）和企业资产负债表（净杠杆率<1x）来评估融资可行性，从而构建出基准、乐观及极端三种资本支出情景。 在评估市场风险时，研报引入了“市值增量/盈利增量”比率作为衡量市场预期持久度的代理指标。通过比较不同AI子板块（如半导体、光模块、云厂商）自2023年以来的市值变化与前瞻盈利变化，识别出哪些板块定价了过高的长期增长预期。此外，通过对财报电话会文本的结构化统计（提及AI、量化用例、量化盈利的公司占比），定量追踪企业端AI落地的实际进度，以此验证基础设施投资的最终需求支撑。

方法论与常识提炼

• 宏观经济框架

  投资占GDP比重历史类比法

  将当前AI增量投资占GDP的比例（约1.5%）与历史上铁路（3.4%）、电力（2.2%）等通用技术基建高峰期的占比进行对比，以此锚定本轮AI资本支出的潜在峰值区间，避免线性外推的偏差。

• 估值方法DCF 现金流折现

  终端价值敏感性分析

  研报指出软件行业85%的价值来自终端价值，并通过DCF模型展示：仅需微调长期增长率或利润率假设，就能解释年内估值的剧烈波动。这提示投资者在高终端价值占比的行业，应更关注长期竞争格局而非短期业绩。

• 量化/因子/组合理论

  市值增量/盈利增量比率

  用‘自2023年以来市值变化量除以前瞻盈利变化量’作为代理指标，衡量市场对盈利持续性的定价程度。比率越高（如光模块达41x），说明市场计入了越多的远期增长预期，对未来证伪也越敏感。

• 行业/产业分析框架渗透率 S 曲线

  企业AI采用率追踪

  通过统计局调查及财报文本挖掘，跟踪企业AI采用率（目前约19.5%）及量化收益比例。该指标处于S曲线早期，意味着基础设施先行建设是合理的，但应用层爆发还需等待渗透率跨越临界点。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• 超大规模云厂商 (AMZN, GOOGL, META, MSFT, ORCL)

  AI资本支出的直接决策者与出资方，受益于云收入加速与订单积压

  优势

  资产负债表强劲（净杠杆0.4x），云业务利润率超预期，订单积压提供收入能见度

  劣势

  资本支出增速尚未放缓，股权融资稀释风险，市场对ROI要求日益严格

  对比

  相比半导体股，市值/盈利增量比率更低（11x vs 14x），估值安全边际相对较高

  风险

  若Token需求不及预期或生产力增益无法覆盖成本，可能被迫削减资本支出

• AI基础设施硬件股 (半导体/光模块/液冷/电力)

  资本支出扩张的直接受益者，业绩与云厂商CapEx高度正相关

  优势

  盈利增长强劲，供给瓶颈赋予定价权，年初至今涨幅领先

  劣势

  估值扩张过快（光模块市值增量达盈利增量41倍），持仓拥挤，动量因子波动大

  对比

  光模块、半导体估值溢价显著高于云厂商和存储芯片

  风险

  瓶颈缓解或效率提升可能导致定价权丧失；若CapEx增速放缓，首当其冲受损

• 软件行业 (IGV)

  AI应用层载体，面临AI赋能与AI颠覆的双重叙事博弈

  优势

  部分数据基础设施类公司已展现AI驱动的收入加速；估值从39x回调至25x释放部分风险

  劣势

  85%价值依赖终端价值，对长期增长假设敏感；行业特定软件和服务股表现疲软

  对比

  数据基础设施股跑赢行业应用软件股；私募AI实验室估值上升对上市软件股构成竞争压力

  风险

  低成本AI竞争可能侵蚀 incumbent 的收入增长与利润率；企业采用速度低于预期

关键数据

• 2027年超大规模云厂商资本支出（共识 vs 高盛基准）9200亿美元 vs 1.1万亿美元共识预期同比增长22%，高盛基准情景（投资占GDP 2%）预计增长45%
• AI基础设施股中位数前瞻市盈率26倍为ChatGPT发布以来最高水平，年初至今估值扩张速度快于盈利修正
• Q2 AI股票回报标准差53个百分点创历史新高，显示板块内部极度分化
• 云厂商订单积压（Google+AWS）8320亿美元较六个月前的3580亿美元翻倍以上，供需失衡持续
• 企业量化AI盈利影响比例2%仅2%的标普500公司在财报中量化了AI对盈利的贡献，环比微升
• 软件行业终端价值占比85%基于DCF模型估算，显示估值对长期假设极度敏感

影响与含义

对于AI基础设施供应商而言，资本支出的上修意味着未来1-2年的营收可见度依然较高，尤其是具有供给瓶颈的环节（如存储、电力设备）。但对于二级市场投资者，估值的高企和交易的拥挤意味着单纯的“贝塔”行情可能结束，选股难度加大，需警惕动量因子的反转风险。对于软件及应用层公司，市场正在从“概念炒作”转向“业绩验证”，只有真正能通过AI实现降本增效或创造新收入流的企业才能获得溢价，其余公司可能面临长期的估值压制。宏观层面，若美伊局势缓和或经济衰退预期升温，可能导致市场风格从AI科技股向其他板块轮动。

风险

• 企业AI需求减弱：若生产力增益无法证明Token成本的合理性，可能导致资本支出削减
• 估值与持仓风险：AI基础设施股估值处于高位且持仓拥挤，动量因子反转可能放大回撤
• 供给瓶颈缓解：存储、电力等环节若产能释放或效率提升，可能削弱定价权与盈利弹性
• 股权融资稀释：超大规模云厂商增发股票以资助CapEx，可能对每股收益和股价造成压力
• 宏观与地缘风险：美伊战争解决或经济严重衰退可能触发市场风格轮动，削弱AI板块领导力
• AI颠覆风险：低成本AI竞争可能压低传统软件公司的长期增长与利润率预期

后续跟踪

• 超大规模云厂商2027年资本支出指引及股权/债权融资动向
• 企业财报中量化AI生产力收益的比例变化及Token成本披露
• AI基础设施各子板块的盈利修正速度与估值匹配度
• 云业务收入增速、订单积压规模及供需平衡时间点
• 软件行业中AI原生应用与传统软件的收入增长分化趋势
• 宏观经济增长预期及美联储政策路径对科技股估值的影响