2026年6月24日，比特币跌破60,000美元关口，盘中一度触及59,023美元，创2024年10月以来新低。同一日，英伟达（NVDA）股价报收198.91美元，跌0.56%；AMD报519.85美元，跌5.76%。而在前一个交易日（6月23日），纳斯达克指数已重挫2.21%，谷歌跌超5%，亚马逊跌4.75%，微软跌3.18%，Meta跌2.32%。
市场在恐慌什么？
答案并不复杂。财报数据显示，谷歌、亚马逊、微软、Meta四家超大规模云厂商2026年资本开支合计提升至7,250亿美元，较2025年的4,100亿美元同比增长77%。与此同时，英伟达B200芯片的每小时租赁价格从5月30日的6.11美元跌至6月22日的4.22美元，不到一个月跌幅达31%。
资本开支在狂奔，算力租赁价格在下坠。AI芯片的投资回报率（ROI）到底能不能算得过来？本文试图从数据出发，拆解这场争议背后的逻辑。
要理解ROI争议，首先需要看清资本开支的结构。
高盛2026年6月发布的更新预测显示，四大超大规模数据中心运营商——Alphabet（Google）、Amazon、Microsoft和Meta——2026年资本开支总额将达到7,250亿美元。具体到各家公司：亚马逊约2,000亿美元，微软约1,900亿美元，谷歌约1,750亿至1,850亿美元，Meta约1,150亿至1,350亿美元。
这一数字意味着什么？仅过去约六个月，市场对2026年云厂商资本开支的预期就提高了近80%。7,250亿美元超过了2025年全球半导体市场的总规模——世界半导体贸易统计组织（WSTS）预测2026年全球半导体市场规模为1.5112万亿美元——四家公司的AI资本开支已接近全球半导体市场总量的一半。
这些资金的流向大致分为三个层级：最上游是芯片采购（英伟达GPU、AMD加速卡、自研ASIC等）；中游是数据中心基础设施（土地、建筑、电力、散热系统）；下游是网络设备与软件生态（InfiniBand、以太网、CUDA生态等）。伯恩斯坦研究指出，仅HBM（高带宽内存）价格上涨就可能令超大规模云厂商的AI资本开支总体增加约30%。
但问题的核心不在于“钱花在哪里”，而在于“钱赚不赚得回来”。
华尔街传奇空头吉姆·查诺斯在2026年6月的一场研讨会上给出了一个具体的数字：目前算力基建的预期税前投资回报率（ROIC）只有5%至8%。
查诺斯的逻辑并不复杂。他指出，当前AI产业链存在巨大的“财务不匹配”：卖芯片和数据中心设备的公司正在立即确认收入和利润，而花钱采购这些设备的云厂商却在将成本资本化。一旦这些资产上线并开始折旧，对利润的冲击将是巨大的。
他将当前的AI基础设施投资与1998年至2000年的互联网泡沫时期做了类比。当时标普500的营业利润在两年内增长了30%，但当订单簿在2001年崩溃而折旧成本继续显现时，标普500的利润暴跌了40%。
查诺斯进一步点出了算力租赁模式的本质：如果你从英伟达买芯片，租别人的数据中心，再把算力转租给微软或谷歌，你本质上是一家设备租赁公司，而不是科技公司。
这一判断与市场数据形成了某种呼应。英伟达B200芯片租赁价格在一个月内下跌31%，而AI服务器租赁成本整体呈现持续下行趋势。如果稀缺性消失，支撑持续资本支出的逻辑基础就会被削弱。
面对市场质疑，英伟达创始人兼CEO黄仁勋在6月24日的年度股东大会上给出了正面回应。
他首先用财务数据说话：英伟达2026财年营收增长65%至2,160亿美元，经营现金流达到1,030亿美元。其中，数据中心收入增长68%至1,940亿美元。 Blackwell架构GPU已在超大规模云厂商和模型开发商中累计部署数十万颗。
黄仁勋的核心论点是：“有用的AI”已经到来，并且已经能够赚钱。他认为市场对于AI投资回报率的问题“已有答案”。在他看来，AI正在推动计算产业进行60年来规模最大的行业重置——从人类编写软件、计算机执行指令，转变为计算机能够理解、推理、规划并完成实际工作。AI数据中心不再是传统的数据存储中心，而是“生产Token的工厂”。
这一论述的逻辑前提是：如果AI能够创造真实的经济价值（提高生产效率、替代人工、产生新的商业模式），那么基础设施投资就有回报基础。问题在于，这个“如果”目前还缺乏大规模的、可验证的财务数据支撑。
在所有争议中，算力租赁价格可能是最客观的参考指标。
据GPU算力价格监测平台Ornn的数据，英伟达B200的每小时租赁价格在5月30日攀升至6.11美元，创下近三个月高点；此后一路下行，截至6月22日已跌至4.22美元，跌幅达31%。
这一走势传递了几个信号。短期来看，供给正在快速追上需求——随着Blackwell架构GPU的大规模出货，算力短缺正在缓解。中期来看，如果租赁价格持续走低，以租赁算力为核心商业模式的“AI云”服务商将面临利润率压缩。长期来看，价格下降可能刺激更多应用层需求，形成“降价-放量”的正循环——但这需要时间验证。
值得注意的是，算力租赁价格走势与科技股表现形成了某种共振。6月23日，纳指跌2.21%，英伟达跌4.13%。市场似乎在用价格信号回答同一个问题：算力真的还那么稀缺吗？
面对GPU供应紧张和采购成本高企的双重压力，超大规模云厂商正在加速推进自研芯片战略。
摩根大通最新报告预测，AI定制芯片（ASIC/XPU）出货量将在2027年首次超越GPU。2026年，AI ASIC市场规模预计达到600亿至700亿美元，年复合增长率40%至50%。ASICs在2026年预计占所有AI芯片出货的42%，2027年将升至53%。
博通目前在高端ASIC市场占据80%至85%的份额。Google的TPU、亚马逊的Trainium/Inferentia、Meta的MTIA系列均已进入规模化部署阶段。
自研芯片的核心逻辑在于：控制供应链、降低单位算力成本、摆脱对单一供应商的依赖。Meta预计2026年资本支出为1,150亿至1,350亿美元，几乎是前一年的两倍。其自研MTIA芯片承诺降低44%的成本。
但自研芯片也面临巨大的沉没成本风险。芯片设计、流片、验证、软件生态适配都需要巨额前期投入，且技术迭代速度极快——Meta的MTIA系列计划每六个月更新一代。如果AI投资周期提前结束，这些投入可能无法收回。
回到最初的问题：AI芯片的ROI到底能不能算得过来？
从现有数据来看，答案可能不是简单的“能”或“不能”，而是一个时间错配的问题。
上游供应商（英伟达、台积电、博通等）正在确认创纪录的收入和利润。英伟达2026财年营收2,160亿美元，同比增长65%。台积电的AI半导体收入占比预计从2024年的约15%提升到2026年的超过30%。
下游云厂商则在承受资本开支的压力测试。7,250亿美元的年度支出需要在未来数年内通过AI服务收入、广告效率提升、企业软件订阅等方式逐步回收。查诺斯给出的5%至8%的ROIC测算，与伯恩斯坦指出的“成本再平衡已不可避免”形成了一组相互印证的判断。
市场正在用价格投票。6月24日，比特币跌破60,000美元，资金从加密货币转向AI相关科技股；而仅仅一天后，科技股自身也遭遇了猛烈抛售。这种资产价格的摇摆本身，就是市场对ROI不确定性最真实的表达。
AI芯片的ROI争议不会在短期内终结。它将在资本开支数据、算力租赁价格、云厂商财报和芯片出货量的每一次更新中被重新审视和校准。对于投资者而言，唯一确定的是：这个行业正在从“信仰驱动”走向“数据驱动”。
Q1：四大超大规模云厂商2026年的资本开支总额是多少？
谷歌、亚马逊、微软、Meta四家公司2026年资本开支合计约7,250亿美元，较2025年的4,100亿美元增长77%。其中亚马逊约2,000亿美元，微软约1,900亿美元，谷歌约1,750亿至1,850亿美元，Meta约1,150亿至1,350亿美元。
Q2：查诺斯计算的AI基础设施投资回报率是多少？
吉姆·查诺斯根据当前交易细节测算，算力基建的预期税前ROIC仅为5%至8%，全是个位数。他指出，如果现在芯片缺货时都只能做到这个水平，他对下游环节的盈利能力持高度怀疑态度。
Q3：英伟达B200芯片的租赁价格最近发生了什么变化？
据GPU算力价格监测平台Ornn数据，B200每小时租赁价格从5月30日的6.11美元跌至6月22日的4.22美元，不到一个月跌幅达31%。这一走势被市场解读为算力供给正在快速追上需求的信号。
Q4：ASIC芯片什么时候会超过GPU的市场份额？
摩根大通预测，AI定制芯片（ASIC/XPU）出货量将在2027年首次超越GPU。2026年ASICs预计占所有AI芯片出货的42%，2027年将升至53%。2026年AI ASIC市场规模预计达600亿至700亿美元。
Q5：英伟达2026财年的业绩表现如何？
英伟达2026财年营收达2,160亿美元，同比增长65%；经营现金流1,030亿美元。其中数据中心收入增长68%至1,940亿美元。Blackwell架构GPU已在超大规模云厂商和模型开发商中累计部署数十万颗。
148.53万 热度
3.78亿 热度
29.21万 热度
218.45万 热度
96.69万 热度
AI 芯片 ROI 争议解析：7,250 亿美元资本开支，超大规模厂商如何验证投资回报？
2026年6月24日，比特币跌破60,000美元关口，盘中一度触及59,023美元，创2024年10月以来新低。同一日，英伟达（NVDA）股价报收198.91美元，跌0.56%；AMD报519.85美元，跌5.76%。而在前一个交易日（6月23日），纳斯达克指数已重挫2.21%，谷歌跌超5%，亚马逊跌4.75%，微软跌3.18%，Meta跌2.32%。
市场在恐慌什么？
答案并不复杂。财报数据显示，谷歌、亚马逊、微软、Meta四家超大规模云厂商2026年资本开支合计提升至7,250亿美元，较2025年的4,100亿美元同比增长77%。与此同时，英伟达B200芯片的每小时租赁价格从5月30日的6.11美元跌至6月22日的4.22美元，不到一个月跌幅达31%。
资本开支在狂奔，算力租赁价格在下坠。AI芯片的投资回报率（ROI）到底能不能算得过来？本文试图从数据出发，拆解这场争议背后的逻辑。
7,250亿美元的去向：谁在花钱，花在哪里
要理解ROI争议，首先需要看清资本开支的结构。
高盛2026年6月发布的更新预测显示，四大超大规模数据中心运营商——Alphabet（Google）、Amazon、Microsoft和Meta——2026年资本开支总额将达到7,250亿美元。具体到各家公司：亚马逊约2,000亿美元，微软约1,900亿美元，谷歌约1,750亿至1,850亿美元，Meta约1,150亿至1,350亿美元。
这一数字意味着什么？仅过去约六个月，市场对2026年云厂商资本开支的预期就提高了近80%。7,250亿美元超过了2025年全球半导体市场的总规模——世界半导体贸易统计组织（WSTS）预测2026年全球半导体市场规模为1.5112万亿美元——四家公司的AI资本开支已接近全球半导体市场总量的一半。
这些资金的流向大致分为三个层级：最上游是芯片采购（英伟达GPU、AMD加速卡、自研ASIC等）；中游是数据中心基础设施（土地、建筑、电力、散热系统）；下游是网络设备与软件生态（InfiniBand、以太网、CUDA生态等）。伯恩斯坦研究指出，仅HBM（高带宽内存）价格上涨就可能令超大规模云厂商的AI资本开支总体增加约30%。
但问题的核心不在于“钱花在哪里”，而在于“钱赚不赚得回来”。
个位数的ROIC：空头的警示与算账逻辑
华尔街传奇空头吉姆·查诺斯在2026年6月的一场研讨会上给出了一个具体的数字：目前算力基建的预期税前投资回报率（ROIC）只有5%至8%。
查诺斯的逻辑并不复杂。他指出，当前AI产业链存在巨大的“财务不匹配”：卖芯片和数据中心设备的公司正在立即确认收入和利润，而花钱采购这些设备的云厂商却在将成本资本化。一旦这些资产上线并开始折旧，对利润的冲击将是巨大的。
他将当前的AI基础设施投资与1998年至2000年的互联网泡沫时期做了类比。当时标普500的营业利润在两年内增长了30%，但当订单簿在2001年崩溃而折旧成本继续显现时，标普500的利润暴跌了40%。
查诺斯进一步点出了算力租赁模式的本质：如果你从英伟达买芯片，租别人的数据中心，再把算力转租给微软或谷歌，你本质上是一家设备租赁公司，而不是科技公司。
这一判断与市场数据形成了某种呼应。英伟达B200芯片租赁价格在一个月内下跌31%，而AI服务器租赁成本整体呈现持续下行趋势。如果稀缺性消失，支撑持续资本支出的逻辑基础就会被削弱。
黄仁勋的回应：“有用的AI”已经到来
面对市场质疑，英伟达创始人兼CEO黄仁勋在6月24日的年度股东大会上给出了正面回应。
他首先用财务数据说话：英伟达2026财年营收增长65%至2,160亿美元，经营现金流达到1,030亿美元。其中，数据中心收入增长68%至1,940亿美元。 Blackwell架构GPU已在超大规模云厂商和模型开发商中累计部署数十万颗。
黄仁勋的核心论点是：“有用的AI”已经到来，并且已经能够赚钱。他认为市场对于AI投资回报率的问题“已有答案”。在他看来，AI正在推动计算产业进行60年来规模最大的行业重置——从人类编写软件、计算机执行指令，转变为计算机能够理解、推理、规划并完成实际工作。AI数据中心不再是传统的数据存储中心，而是“生产Token的工厂”。
这一论述的逻辑前提是：如果AI能够创造真实的经济价值（提高生产效率、替代人工、产生新的商业模式），那么基础设施投资就有回报基础。问题在于，这个“如果”目前还缺乏大规模的、可验证的财务数据支撑。
算力租赁价格：最诚实的市场信号
在所有争议中，算力租赁价格可能是最客观的参考指标。
据GPU算力价格监测平台Ornn的数据，英伟达B200的每小时租赁价格在5月30日攀升至6.11美元，创下近三个月高点；此后一路下行，截至6月22日已跌至4.22美元，跌幅达31%。
这一走势传递了几个信号。短期来看，供给正在快速追上需求——随着Blackwell架构GPU的大规模出货，算力短缺正在缓解。中期来看，如果租赁价格持续走低，以租赁算力为核心商业模式的“AI云”服务商将面临利润率压缩。长期来看，价格下降可能刺激更多应用层需求，形成“降价-放量”的正循环——但这需要时间验证。
值得注意的是，算力租赁价格走势与科技股表现形成了某种共振。6月23日，纳指跌2.21%，英伟达跌4.13%。市场似乎在用价格信号回答同一个问题：算力真的还那么稀缺吗？
自研芯片：超大规模厂商的“解耦”之路
面对GPU供应紧张和采购成本高企的双重压力，超大规模云厂商正在加速推进自研芯片战略。
摩根大通最新报告预测，AI定制芯片（ASIC/XPU）出货量将在2027年首次超越GPU。2026年，AI ASIC市场规模预计达到600亿至700亿美元，年复合增长率40%至50%。ASICs在2026年预计占所有AI芯片出货的42%，2027年将升至53%。
博通目前在高端ASIC市场占据80%至85%的份额。Google的TPU、亚马逊的Trainium/Inferentia、Meta的MTIA系列均已进入规模化部署阶段。
自研芯片的核心逻辑在于：控制供应链、降低单位算力成本、摆脱对单一供应商的依赖。Meta预计2026年资本支出为1,150亿至1,350亿美元，几乎是前一年的两倍。其自研MTIA芯片承诺降低44%的成本。
但自研芯片也面临巨大的沉没成本风险。芯片设计、流片、验证、软件生态适配都需要巨额前期投入，且技术迭代速度极快——Meta的MTIA系列计划每六个月更新一代。如果AI投资周期提前结束，这些投入可能无法收回。
结语：ROI争议的本质是时间错配
回到最初的问题：AI芯片的ROI到底能不能算得过来？
从现有数据来看，答案可能不是简单的“能”或“不能”，而是一个时间错配的问题。
上游供应商（英伟达、台积电、博通等）正在确认创纪录的收入和利润。英伟达2026财年营收2,160亿美元，同比增长65%。台积电的AI半导体收入占比预计从2024年的约15%提升到2026年的超过30%。
下游云厂商则在承受资本开支的压力测试。7,250亿美元的年度支出需要在未来数年内通过AI服务收入、广告效率提升、企业软件订阅等方式逐步回收。查诺斯给出的5%至8%的ROIC测算，与伯恩斯坦指出的“成本再平衡已不可避免”形成了一组相互印证的判断。
市场正在用价格投票。6月24日，比特币跌破60,000美元，资金从加密货币转向AI相关科技股；而仅仅一天后，科技股自身也遭遇了猛烈抛售。这种资产价格的摇摆本身，就是市场对ROI不确定性最真实的表达。
AI芯片的ROI争议不会在短期内终结。它将在资本开支数据、算力租赁价格、云厂商财报和芯片出货量的每一次更新中被重新审视和校准。对于投资者而言，唯一确定的是：这个行业正在从“信仰驱动”走向“数据驱动”。
FAQ
Q1：四大超大规模云厂商2026年的资本开支总额是多少？
谷歌、亚马逊、微软、Meta四家公司2026年资本开支合计约7,250亿美元，较2025年的4,100亿美元增长77%。其中亚马逊约2,000亿美元，微软约1,900亿美元，谷歌约1,750亿至1,850亿美元，Meta约1,150亿至1,350亿美元。
Q2：查诺斯计算的AI基础设施投资回报率是多少？
吉姆·查诺斯根据当前交易细节测算，算力基建的预期税前ROIC仅为5%至8%，全是个位数。他指出，如果现在芯片缺货时都只能做到这个水平，他对下游环节的盈利能力持高度怀疑态度。
Q3：英伟达B200芯片的租赁价格最近发生了什么变化？
据GPU算力价格监测平台Ornn数据，B200每小时租赁价格从5月30日的6.11美元跌至6月22日的4.22美元，不到一个月跌幅达31%。这一走势被市场解读为算力供给正在快速追上需求的信号。
Q4：ASIC芯片什么时候会超过GPU的市场份额？
摩根大通预测，AI定制芯片（ASIC/XPU）出货量将在2027年首次超越GPU。2026年ASICs预计占所有AI芯片出货的42%，2027年将升至53%。2026年AI ASIC市场规模预计达600亿至700亿美元。
Q5：英伟达2026财年的业绩表现如何？
英伟达2026财年营收达2,160亿美元，同比增长65%；经营现金流1,030亿美元。其中数据中心收入增长68%至1,940亿美元。Blackwell架构GPU已在超大规模云厂商和模型开发商中累计部署数十万颗。