作者：一段棉線

來源：一段棉線的投資思考（ID:yiduanmianxian)

重點提示

本簡析基于作者投資業務經驗撰寫，選用方法與核心觀點如有不妥，還請讀者不吝賜教。

文章內容僅代表作者本人觀點，與所在機構觀點無關。

內容簡介

這兩天和小楠言REITs的主理人聊了一次，學到不少新知識。其中一個話題是傳統IDC（互聯網數據中心）與AIDC（智算中心/AI數據中心）的區別。大體觀點是：從金融屬性上看，這是“兩個完全不同的業務”。以下第一部分是具體的討論總結，也同步發在我的知識星球上。第二部分是最近圍繞中美科技公司資本開支情況的做了一些研究，用AI對這份研究做了一些總結簡述，供參考。

一、關于IDC的一些討論

1. 商業模式與底層邏輯的區別

? 傳統IDC（CPU型）：

    ? 邏輯：類似傳統的商業地產經營模式。

    ? 建設方式：往往是先拿指標、預判需求，建好后再去招商找客戶。

    ? 客戶結構：租戶相對分散，雖然互聯網用戶是主力之一，但也包含大量其他行業租戶，如金融機構（銀行、券商）等。

? AIDC（GPU/算力型）：

    ? 邏輯：更像是自籌融資的經營性租賃。本質上是“出租承載算力的物理/能源載體”（類似出租挖掘機，設備生產跟著訂單走）。

    ? 建設方式：通常是“帶單建設”的帶資進組模式。在建設前通常已經至少鎖定了60%-70%的建設訂單，建好后去化速度非?？?，開發風險釋放快。

    ? 客戶結構：用戶非常單一且明確，主要是科技大廠或模型訓練公司。

2. 技術門檻與改造難度（“轉改”問題）

? 核心差異：功率密度不同。

    ? 傳統IDC：單機柜功率通常在4kW - 8kW左右。

    ? AIDC：起步基本就要10kW以上，有的甚至達到幾十kW。

? 改造困難：傳統IDC直接轉型做AIDC有比較大難度，因為涉及大量的機電與硬件改造CAPEX。且受限于原有的硬件條件，有些物理上就很難通過改造來滿足AI的高功率需求。這導致很多傳統IDC指標在未來存在被“浪費”掉的可能性。

3. 市場表現與風險預判

? 傳統IDC現狀（在現在的經濟周期內表現一般）：

    ? 上架率不及預期：部分客戶雖然簽約，但實際“上架率”受經濟周期、內外政策管控等可能達不到預期。

    ? 議價權弱：面對強勢客戶，即使對方違約或未達標，運營方往往也不敢徹底執行懲罰性條款。

? AIDC前景（相對樂觀）：

    ? 持續性：AI需求是真實的，處于持續的右側增長周期，建設上的景氣周期至少會持續未來3-5年。

    ? 中美差異：中國市場比美國更健康。美國的資本支出目前存在泡沫風險（收入覆蓋不了巨額資本開支，純靠私募債等融資支撐）；而中國的科技大廠是在用更小比例的自由現金流投入，還未進入大規模燒錢的階段，因此相對安全。目前從資本開展占收入比例計，美國MAAG大概在25-35%（更不用提OpenAI這種燒錢公司），而中國BAT大體在10-15%水平。

    ? 資產流動性：AIDC被視為流動性較好的資產，如果市場出現風險，目前的狀態下相對容易賣出。

總結

AIDC目前是優于傳統IDC的投資標的。AIDC雖然資本開支大，但有訂單鎖定，現金流邏輯更像是給處于景氣周期內的行業經營者做設備租賃；而傳統IDC更像地產收租，目前面臨客戶上架率不足和改造困難的尷尬境地。

二、【AI生成、人工修訂】中美科技公司資本開支情況簡述

資本大象的轉身：當中美科技巨頭撞向“算力墻”

最近翻看財報，一個最深的感觸是：科技股的“DNA”正在發生質變。過去十年，我們習慣了科技大廠“輕資產、高毛利、算法驅動”的優雅，但從2023-2024年開始，這群資本大象正集體撞向一堵厚重的“算力墻”。為了這張通往 AGI 的門票，中美大廠正在財務報表上進行一場史無前例的“豪賭”。

今天我們就來拆解一下，在這場算力競賽中，中美科技巨頭的資本策略究竟有何本質不同？

1. 量級之差：蠻力擴張 vs 效率追趕

首先看量級，美國大廠（Hyperscalers）目前的投入完全可以用“恐怖”來形容。

2024年美股四大巨頭的資本開支大幅加速，邁向3000億-4000億美元大關（2025年預測值）。到了2026年，這一總額預計可能達到驚人的6500億至7000億美元。這種投資強度使得它們的基建投入占到了美國GDP的2% 以上。這種規模在歷史上唯有19世紀的鐵路大擴張能與之相提并論，且當前的建設速度甚至更加瘋狂。

相比之下，中國大廠雖然在“絕對值”上只有美國數分之一的體量 ，但增速同樣驚人。2025年中國頭部互聯網公司的開支預計將達到300億美元以上 。

然而，財務健康度的分化是目前最值得警惕的信號。

在硅谷，巨額支出正在顯著擠壓自由現金流（FCF）。微軟、谷歌、亞馬遜的資本支出占收入比例已躍升至30%左右水平，部分大廠的 自由現金流收益率已明顯下行 。市場已經開始擔心：如果AI變現不及預期，亞馬遜為代表的個別巨頭甚至可能在2026年出現自由現金流轉負的情況 。

而中國巨頭整體仍處于“降本增效”的防御性狀態，造血能力仍然強悍。FCF 收益率普遍維持在4%-5%或以上水平，財務彈性反而更足 。

2. 融資博弈：債市杠桿 vs 低息套利

在大規模融資手段上，中美兩地公司展現出了完全不同的“金融財技”。

美國模型：從內生性向債務杠桿轉向。

長期以來，硅谷巨頭以現金充裕著稱。但在高利率環境下，它們開始大規模發行長久期債券。Alphabet甚至發行了“百年期債券”來鎖定長期資金 。更有趣的是，它們開始廣泛嘗試利用SPV做項目融資和資產支持性質的融資，試圖將財務風險與母公司隔離 。

中國模型：精準捕捉人民幣利差紅利。

由于中美貨幣政策背離，中國巨頭精準利用了國內低息環境進行融資。例如境內市場的各類項目貸款、ABS、公私募證券融資等，在離岸市場上則通過點心債、可轉債進行融資。這些融資一部分用于云業務基建，另一部分則用于在股價低估時進行股票回購。這其中，字節跳動作為非上市公司，擁有極高的決策自由度，內生造血極強。憑借高達約500億美元的利潤，字節跳動在2026年預留了230億美元用于算力開支，其中一半直接砸向高端 GPU 采購與相關基礎設施建設。這種“不看二級市場臉色”的投入方式，使其成為了中國算力布局中最富有進取心的博弈者。

3. 未來挑戰：折舊陷阱與電力的“物理天花板”

展望未來，中美兩國在資本支出上面臨的挑戰各不相同。

第一，資產折舊的“陷阱”。

現在大廠搶購的H100、H200 芯片折舊周期極短。IMF 已經發出警告：AI領域頻繁的硬件迭代正在嚴重擠壓科技企業的利潤空間。目前最大的風險在于技術過時快于折舊完成。如果算力密集型基建在收回成本前，就因為“DeepSeek”式的算法突破（即通過算法優化極大降低對高端算力的依賴）而變得低效且昂貴，這對于美國那些背負重債的數據中心和算力租賃商而言，將意味著巨大的資產減值風險。這種硬件還沒回本，算法已經進化的剪刀差，正成為2026年科技股最大的不確定性來源。

第二，電力的“物理制約”。

AI 的盡頭是電力。在美國，電網壓力已經讓大廠們不得不跨界去收購能源公司或重啟核電站 。到2030年，數據中心電量消耗可能占到美國總電量的近9%。在中國，雖然電力總量充足，但如何解決“西電東算”的跨區域輸送效率，仍是制約大廠基建落地物理瓶頸 。

第三，投資者的耐心邊界。

2025年的財報季已經釋放了一個信號：市場已經從關注“你買了多少GPU”開始轉向關注“你的應用什么時候能變現” 。如果2026年企業級生產力的提升不能轉化為真實的營收，科技股的估值邏輯可能會發生重構——從成長股向“重資產周期股”回歸。

總結思考

中美科技競爭，表面上看是模型之爭，深層看是資本效率與能源確定性的競爭。

美國在用“暴力規?！弊非笄把啬Ｐ蜕系慕^對領先，為此不惜忍受自由現金流的短期劇痛；而中國企業在算力受限的客觀環境下，正走出一條“資本高效、算法優先”的差異化道路。

對于投資者而言，目前科技大廠正處在二次成長“S曲線”中最陡峭、最燒錢的階段。我們不僅要關注誰的模型更聰明，還要關注誰能在這一輪重資產轉型中，保持最優的資本成本和最穩健的現金流轉率。畢竟，在漫長的馬拉松里，跑得快固然重要，但能否在每一個彎道都留足“余糧”，才是活到最后的關鍵。

注：文章為作者獨立觀點，不代表資產界立場。

題圖來自 Pexels，基于 CC0 協議

本文由“一段棉線的投資思考”投稿資產界，并經資產界編輯發布。版權歸原作者所有，未經授權，請勿轉載，謝謝！

原標題： 【Memo】關于IDC的討論及中美科技公司資本開支簡述