商业第 181 期

8000亿美元,世界上最有名的错误答案

全球被少算了2000亿,美国被多算了2000亿

8000亿美元,世界上最有名的错误答案

开篇

读者,上周科技巨头的财报季结束了。Alphabet将今年的资本支出预期上调至1950亿~2050亿美元,亚马逊给出了2200亿美元的数字,Meta则上调了预期区间的下限。每次这类公告发布时,各家报道里都会出现同一个汇总数字:“五家超大规模云服务商1,今年8000亿美元。”眼下围绕AI投资的几乎所有争论,都建立在这一个数字之上。

然而在8月2日,高盛发布了一份正面质疑这个数字的报告。先说结论:8000亿美元这个数字,把全球AI投资低估了约2000亿美元,同时把美国国内投资高估了约2000亿美元。**一个数字在两个方向上都错了。**今天我们来聊聊这个错误答案是如何产生的,换一把尺子衡量会得出怎样不同的判断,以及世界上能最先确认这个答案的地方在哪里。


为什么所有人都引用同一个数字

先来看看8000亿美元这个数字究竟是什么。准确地说是7940亿美元,是谷歌、亚马逊、微软、Meta、甲骨文这五家美国上市超大规模云服务商2026年资本支出的市场一致预期(基于FactSet的汇总数据)。看看它的变化轨迹,就能理解为什么所有人都盯着这个数字。这五家公司的合计投资,从2019年的710亿美元,经过2023年的1540亿、2025年的4120亿,一路走到今年的7940亿美元预期。也就是说,三年间涨了5倍。

这个数字成为标准的理由很简单:数起来容易。只要看五家公司就行,每个季度都有财报验证,分析师预期也密密麻麻地铺在那里。实际上,把它和8月3日TrendForce发布的汇总数据放在一起比较,就能发现这个数字本身的可信度相当高。TrendForce预估全球九大云服务商今年的资本支出为8867亿美元(预计同比增长约90%),并认为北美五家公司的占比约为90%,据此计算约为7980亿美元——与高盛7940亿美元的市场一致预期几乎是同一个数字。只要数的是同样的五家公司,无论谁来数,得出的值都一样。

问题出在接下来。这个数字从某个时刻开始,被同时当作“全球AI投资总额”和“美国的AI投资”这两个完全不同问题的答案来使用。但它其实两者都不是。


一个数字如何在两个方向上都出错

我们来跟着高盛的解剖走一遍。首先是高估的那一侧,也就是把这个数字读作“美国AI投资”时产生的误差。

第一,这8000亿美元里混杂着与AI无关的投资。在AI热潮全面兴起之前的2022年,这五家公司的资本支出就已经达到1580亿美元——那是本来就要花在云服务器和物流中心上的钱。要看清AI带来的“增量”,就得先把这一基数扣除。第二,这笔钱也并非全部撒在美国本土。追踪已公布项目的所在地就会发现,美国超大规模云服务商的资本支出中,只有约70%在美国境内执行,其次是亚洲15%、欧洲9%。

接下来是低估的那一侧,也就是把这个数字读作“全球AI投资”时的误差。据高盛信用团队的分析,2026年AI相关供给中,超大规模云服务商直接占据的比例约为40%。这意味着剩下60%的资金都在这个统计口径之外。OpenAI等非上市公司的投资约为1020亿美元(高盛估算)、CoreWeave(约340亿)和SpaceX(约310亿)等非超大规模云服务商类上市公司,以及三星电子(约520亿)、SK海力士(约320亿)、腾讯、阿里巴巴等非美国企业,全都被排除在外。内存晶圆厂扩产要不要算作AI投资,这一定义问题也在此显现——高盛把它算进去了。

把这些全部校正之后,结果如下:**2026年全球AI投资约为10190亿美元,其中美国国内投资为5810亿美元。**与通用的7940亿美元这把尺子相比,按全球口径少算了2000亿美元,按美国口径多算了2000亿美元。顺便一提,这2000亿美元大约是韩国7月单月出口总额(989亿美元)的两倍。

当然,校正值本身也是估算。因此高盛用两种完全不同的方法进行了核算。一种是反推法:看有AI业务暴露的上市公司2026年毛利润预期,相较2022年第三季度上调了多少,由此得出的数字是10600亿美元。之所以用毛利润而不是营收,是因为支付给内存和晶圆代工厂商的费用又会计入芯片设计公司的营收,若按营收相加就会把同一笔钱算两次。另一种方法是通过美国国民经济核算中的商品流量统计,追踪各类设备在国内的供给量,由此得出的全球数字是10020亿美元。三种方法都收敛于“全球约1万亿美元上下,美国略低于6000亿美元”这一区间。既然错误答案已经确定无疑,正确答案的数量级也相当确定了。


换一把尺子,判断就会不同

这次校正之所以不只是简单的会计整理,是因为AI泡沫争论的双方都在使用这个数字。乐观论说“花了整整8000亿,需求还能撑得住”,悲观论说“花了整整8000亿,却看不到回报”。两边其实都拿着同一份错误答案,评判着不同的结论。

换一把尺子,首先规模的判定就会改变。高盛把校正值对照GDP来看,美国AI投资在2026年占GDP的1.8%,若按上市公司的市场一致预期外推,到2027年会升至2.5%,2028年升至2.8%。看起来数字不小,但高盛的比较是:铁路、电力等过去的通用技术2铺开时,投资高峰期占GDP的比例落在2%至5%的区间。所以从规模本身来看,判定是仍在历史正常区间之内。“花得太多”这种直觉,至少在GDP这个分母之上,目前依据还比较薄弱。

但警示灯在别处亮起来了。按美国官方统计,今年以来名义投资增量中有8%不是实际投资,而是价格上涨部分。随着内存等零部件价格上涨,同样一美元能买到的算力开始变少。泡沫的信号,与“花的钱太多”相比,更早从“花出去的钱越来越少地变成实物”这一处泄露出来。

而且这份报告里还藏着对以往几期提出的问题的一个答案——新任美联储主席为何说话像创业者一文中提到的谜题:“花了1万亿美元,为什么在经济指标上看不见?”高盛给出的解释是会计层面的。美国国民经济核算并不把企业采购半导体计入投资品,而AI硬件的进口比例较高,会在GDP核算中被抵消。也就是说,这1万亿美元正在穿过一套不会完整反映在增长率数字上的会计体系。与其说是“看不见”,更接近于“正被以看不见的方式计入”。


体温计在韩国海关

剩下的问题只有一个:这个万亿美元级别的周期何时会转向,以及在哪里能最先知道这一点。

高盛给出的答案很有意思。它用一个仪表盘作为判断工具,上面列出的领先指标包括台湾和韩国的半导体制造设备进口、电子行业的新增订单与在手订单、出口价格、内存价格,以及英伟达GPU的每小时租赁费。占据仪表盘大部分的,不是美国数据,而是东亚的贸易数据。理由是物理层面的:数据中心建成之前,芯片和设备会先跨越国境,而台湾和韩国的贸易统计比美国官方统计早1到2个月发布。

ruler这个仪表盘上最新的刻度,正是在上周六(8月1日)出炉的。那就是产业通商部的7月进出口动向。半导体出口额为410亿美元,同比增长178.8%,连续两个月突破400亿美元,占整体出口的41.5%。对美出口也搭上AI数据中心需求的势头增长了68.7%,半导体制造设备进口也随之增加。借用高盛仪表盘上的说法,这些指标正处于2022年以来区间的上限。

不过高盛的即时预测3从同一组数据中还读出了一层细微的纹理:6月至7月AI相关投资的节奏依然十分强劲,但出现了略微放缓的信号。表面增长率的火热,与节奏微妙降温,是两个不同层次的事情——尤其是目前的出口额中,还叠加了DRAM固定价格上涨带来的价格效应。前面提到的“名义增量中8%是价格”这一警示,在韩国出口统计内部也以同样的结构在起作用。当然,这只是方向性信号,并非确定数值。确定的结果要等一两个月后美国统计公布,而信号则是每月1日先由韩国统计给出。

这一格局对韩国读者的意义十分明确:世界用来测量这万亿美元周期体温的温度计,正是通过我们海关的货物。在纸面富豪的世界一文中,我们写过韩国握有内存这一实物瓶颈,这份报告又为此补充了一点:韩国握有的不只是实物,还握有信号。


Oswarld视角

在做GTM战略咨询的时候,我常常要估算新业务的市场规模,每次都会碰到同一个场景:客户会并排拿来三份研究机构的报告,明明是同一个市场,数字却相差两三倍。不是计算错了,而是把什么算进去、把什么排除在外,这个定义不一样。因此我养成了一个习惯:读数字之前先读脚注。掌握定义的人,就掌握了结论。

以这段经历来看,8000亿美元真正的问题不在于它是错的,而在于它太好数了。因为它是只要把五家公司的披露数字相加就能得出的数,所以所有人都拿它来用,**容易数的数字,把该数的数字挤到了一边。**可测量性战胜了重要性。这次校正不会让泡沫争论的结论立刻改变。但争论的单位应该改变——不该是五家公司的业绩故事,而应是涵盖内存晶圆厂、电网和非上市实验室的整条供应链的故事。而当尺子换成产业单位的那一刻,韩国就不再是这场争论的旁观者,而是被统计的对象——因为三星电子和SK海力士的投资,也已经登上了全球AI资本支出的清单。

补充一句:这篇文章并不能作为针对特定资产或个股的投资判断依据。这是一篇讨论数字定义的文章,投资决策请务必直接核对原始资料与公开披露后再做出。


结语

总结一下。

第一,超大规模云服务商的8000亿美元是一个双向都出错的答案:全球被少算了2000亿,美国被多算了2000亿。校正后的数字是全球10190亿美元,美国5810亿美元。

第二,换一把尺子,判定就会不同。相对于GDP的规模仍处于过去通用技术建设期的正常区间,但名义增量中8%是价格上涨,这是一个新的警示灯。

第三,最先显示拐点的数据,是台湾和韩国的贸易统计。每月1日发布的进出口动向中的半导体、设备项目,是世界上最快的仪表盘,建议下个月1日亲自去查一查。

读者所在的行业里,也有这样的数字吗?那种所有人都引用,但仔细追究出处和定义就会发现哪里不对的“标准数字”。它是什么数字、哪里有问题,欢迎在评论区告诉我们。如果收集到足够的案例,我们会做一期后续内容,专门解剖“行业标准数字”。


💬 欢迎在评论区分享读者所在行业里的“著名错误答案”,我们会在后续内容中参考。 📨 如果身边有经常关注AI投资新闻的同事,请把这篇文章转发给他们。


📎 参考资料与延伸阅读

核心来源

背景知识

值得一起阅读的往期内容


📝 术语说明

安光涉个人插画

作者安光涉是世宗大学经营学教授,也是 OBF(Oswarld Boutique Consulting Firm)首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程,同时在产业现场负责 GTM 与人工智能战略咨询,设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构(HEMA)的学术论文,并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA,著有《把思考交出去的人:Homo Brainless》。

注释

  1. 超大规模云服务商(hyperscaler):指像谷歌、亚马逊、微软那样自行建设并运营超大型数据中心的云服务商。由于规模极其庞大,它们的资本支出常被当作整个AI基础设施市场的代理指标。

  2. 通用技术(GPT,General Purpose Technology):像电力或铁路那样,不只改变某一个产业,而是改变整个经济生产方式的技术。共同特点是在扩散期会持续数十年规模的大型基础设施投资。

  3. 即时预测(nowcast):在官方统计公布之前,用更快发布的其他数据实时估算当前状态的技术。与其说是“预报”,更接近于“实时播报当下的天气”。