CapEx

1 3秒看懂

资本支出（CapEx）是企业用于取得或升级长期资产——包括厂房、设备、技术及基础设施——的现金投入。在 AI / 半导体等硬科技赛道，CapEx 的绝对规模、结构拆分和增速，是判断产业景气度、技术军备竞赛烈度以及供给瓶颈位置的“真金白银”指标。它不直接计入当期损益，却决定未来数年可释放的算力规模与收入潜力。

2 3分钟产业解释

在 AI 基础设施语境下，CapEx 流向可拆解为五个关键资金池：

• 算力硬件：GPU / AI 加速卡、自研 ASIC 的 NRE 与量产成本，万卡级训练集群单次采购即达数亿至数十亿美元。
• 互联与存储：800G 光模块、InfiniBand/RoCE 交换机、HBM 内存模组；在超大规模集群中，网络设备占硬件总支出的比例已显著高于传统数据中心。
• 先进封装与制造：CoWoS、EMIB、SoIC 等先进封装产线的设备采购与产能扩张，直接承接芯片设计厂释放的需求。
• 基建配套：数据中心土建、高密度电力系统（单机架 30kW 以上）、液冷或浸没式冷却设施，以及为满足 PUE 要求而进行的绿色改造。
• 软件与系统开发：分布式训练框架、集群管理平台、光互联驱动的软硬协同研发投入（部分公司将其资本化处理）。

对云计算厂商和领先 AI 实验室而言，CapEx 是获取下一轮技术竞赛入场券的刚性成本。历史经验表明，资本开支强度通常领先于 AI 相关收入兑现 12 – 24 个月。市场不但关注总金额，更关注 CapEx 指引中“AI 相关”比重以及能否按计划转化为实际可调度算力。

3 技术原理

虽然 CapEx 是财务会计概念，但在 AI 基础设施的投资决策中，它建立在工程经济学与系统架构的深度耦合之上。

算力采购的 CapEx 量化框架 决策团队通常构建 TCO 模型，输入以下变量：

• 模型计算需求量（FLOPs）：基于 scaling laws 对目标模型参数量、训练 token 数进行推算，结合训练时间约束（如 90 天内完成一次完整训练），反推出峰值 PFLOPS 需求。
• 单节点有效算力：考虑加速卡（如 H100、B200）的 FP8/FP16 精度、稀疏算力利用率以及互连拓扑下的实际效率（往往仅 30%–50% 的峰值利用率），确定所需节点总数。
• 网络拓扑成本函数：大规模并行训练采用张量并行、流水线并行和数据并行的混合策略，网络带宽需求随节点数呈超线性增长。以 10 万卡集群为例，光模块与交换机合计可能占到硬件 CapEx 的 15%–25%（来源：产业界工程实践，具体比例因架构而异）。
• 电力与散热约束：单机架功率密度突破 40kW 后，液冷方案的单 kW 投资成本远高于传统风冷，将显著推高单位算力的初次资本投入。

CapEx 传导链的物理映像

AI 需求方（模型公司/应用）
        │  算力订单
        ▼
云/算力平台（CapEx 决策与融资主体）
        │  采购服务器/集群
        ▼
系统集成商（ODM/OEM）
   ┌────┼────┐
   ▼    ▼    ▼
芯片设计   网络/存储   散热/电源
   │        │        │
   ▼        ▼        ▼
晶圆制造 + 先进封装 + 基板/材料

这一链条的刚性在于：从芯片设计流片到封装产能建设，全流程周期长达 18 – 36 个月，任何一个节点的产能缺口都会使 CapEx 无法如期转化为可用算力。

会计处理与隐性风险 CapEx 通过资本化形成资产，在预计使用年限内折旧（服务器通常 4–6 年，网络设备 5–7 年，建筑物 15–25 年）。当技术代际跳跃发生（如 GPU 架构 2 年一换代），实际经济寿命可能远短于会计折旧年限，带来资产减值风险。此外，部分厂商将开发大模型相关的算力租赁费用资本化，其处理方式影响报表利润的可比性。

4 关键参数

以下参数是解析 AI 相关 CapEx 的必备工具，所有指标均可从公开财务披露、卖方模型和产业数据中追踪：

• CapEx 绝对额与增速：季度/年度总额，观察环比与同比。美国头部云厂商（亚马逊、微软、谷歌、Meta）2023 年合计资本支出约 1400 亿美元（来源：各公司 10-K 年报，口径含融资租赁），2024 年指引增幅普遍达 30% 以上。
• CapEx / 营收比率：衡量再投资强度。若该比率持续超过 30% 且 AI 收入贡献尚未显现，自由现金流将受压。
• AI 相关 CapEx 占比：管理层在财报电话会中通常给出定性指引，例如“大部分资本支出增长投向 AI 基础设施”。部分公司已开始披露“AI 算力投入”绝对金额（如 Meta 2024Q1 财报提及），但行业暂无统一口径。
• 单位算力资本支出（$/PFLOPS）：反映单代硬件性价比的动态指标。例如从 A100 到 H100，每 PFLOPS 芯片成本有所上升，但得益于吞吐量提升，训练同等模型的总集群 CapEx 可能下降（需结合系统效率评估）。
• 折旧费用与资产减值：当新型号加速卡量产导致旧卡残值骤降，可能出现一次性减值公告。还需关注折旧年限变更，其直接影响账面利润。
• 交付周期与预付款：设备供应商（光刻机、封装设备）交货期延长，导致上游定金和预付款项膨胀，可先行反映于应收账款和合同负债科目。

5 技术路线

AI 资本开支并非铁板一块，不同技术路线对 CapEx 结构、规模和回报周期影响显著。

通用 GPU 集群路线 以英伟达 H100/H200/B200 为代表的通用加速器构建的集群，优点为软件生态成熟、迁移成本低。CapEx 集中在 GPU 采购，成本透明度高但供应商溢价能力强。2023 年单张 H100 约 2.5 万–3 万美元（公开渠道报价，批量价格不公开），万卡集群仅 GPU 支出可达 2.5 亿–3 亿美元。

自研 ASIC 路线 谷歌 TPU、亚马逊 Trainium/Inferentia 等自研芯片，前期流片与研发费（可资本化）高达数亿美元，但大规模部署后单位算力成本有望较通用 GPU 下降 30%–50%（产业分析机构估计，来源：公开资料未见精确对比，该数字为行业共识区间）。CapEx 结构性前置在研发与设计，制造则依赖代工厂产能。

混合推理与边缘算力 随着大模型应用从训练转向推理，部分 CapEx 将分流至“近用户端”的边缘服务器、推理加速卡和 5G 基站侧的算力节点。这类 CapEx 单点规模小但总量可观，回报周期更短。

技术特点对比

（注：上表数据为定性归纳，部分成本占比参考产业链调研，具体数值因配置而异。）

6 上游

上游决定了 CapEx 能否落地以及以多大代价落地，核心约束来自物理世界的产能弹性。

EDA 与 IP 先进制程芯片设计依赖 EDA 工具和高速 SerDes、HBM PHY 等 IP 授权。随着 Chiplet 和 3D-IC 设计复杂度攀升，前端设计费用指数级增加。相关工具与 IP 供应商的订单增长是芯片设计启动的先行信号。

晶圆制造 5nm、3nm 及以下制程产能高度集中，单座先进逻辑厂投资在 200 亿–300 亿美元级别（来源：台积电公开演讲，2023 年）。AI 芯片对先进制程的饥渴，使代工厂议价能力强，也倒逼客户以长期合同锁定产能。CoWoS 先进封装所需的硅中介层和配套制程成为比逻辑制程更紧的瓶颈，台积电等厂商 2023–2024 年多次宣布扩产，但产能到位需至 2025 年或更晚（公开信息）。

封装设备与材料 封装环节的 TSV 钻孔、临时键合/解键合、晶圆级底部填充等设备交期长达 12–24 个月。高精度测试机台、基板（ABF 载板）供应也持续紧张。上游设备商订单出货比（B/B 值）可提前 2–3 个季度预示封装产能扩张节奏。

关键组件 HBM 内存由少数存储原厂主导，2023 年 HBM3 供应几乎被单一厂商占据（公开报道指向 SK 海力士领先），其产能和报价直接影响 AI 服务器 CapEx。2024 年 HBM3E 逐步上量，单位 bit 成本仍显著高于标准 DDR5，导致存储成本在 AI 集群 CapEx 中的占比明显提升。大功率供电模块（如 48V 机架电源）和高密度液冷分配单元（CDU）也因供不应求而成为潜在瓶颈。

7 下游

CapEx 的最终支付者不是云厂商自身，而是其下游客户对 AI 能力的需求所带来的预期收入。下游需求形态决定了 CapEx 的回报节奏。

基础模型提供商 以少数领先企业为代表的模型研发方是算力消耗大户，他们通过向云厂商预付算力合约或自建集群实现训练。单次千亿参数模型训练可能消耗数万 GPU 小时，推高批次 CapEx 需求。

生成式 AI 应用层 企业级 Copilot、文本生成、文生图、视频等多模态应用带来推理算力需求。与训练不同，推理需要低延迟、高并发，驱动云厂商在边缘节点和推理加速卡上增加 CapEx。当前推理贡献的收入尚在起步，但云厂商以“投资未来”为由持续扩张（来源：财报电话会定性表述）。

行业垂直场景 自动驾驶、生物制药、材料科学等高性能计算场景，对专用算力（如 FP64 高精度）有差异化的需求，推动异构算力集群建设。此类下游资本开支多由行业头部公司自建，或与云厂商联建。

最终消费者与企业付费闭环 AI 助手订阅、API 调用收费、AI 功能溢价等模式正在形成，但据 2024 年初多家云厂商电话会定性判断，AI 产生的增量收入仍远不足以覆盖基础设施投资。这个“支出先于收入”的缺口，使得下游应用爆款和付费转化速度成为 CapEx 持续性的最大不确定性。

8 受益公司

注意：本节仅做产业类型化分析，不构成任何投资建议或推荐，亦不提供股票代码。

超大规模云服务商（Hyperscalers） 亚马逊 AWS、微软 Azure、谷歌云、Oracle 等是 AI CapEx 的最大出资方，其资本开支指引直接影响硬件链订单。它们受益于算力租赁和 AI 服务的长期需求，但也承担资产利用率不足的风险。

AI 算力芯片设计商 以英伟达为代表的加速器公司直接受益于训练和推理硬件采购。其数据中心业务收入与主要客户 CapEx 呈强正相关。自研趋势下，博通、Marvell 等提供定制 ASIC 设计服务的公司也分得份额。据各公司财报，2023 年数据中心 GPU 市场由单一厂商主导，2024 年竞争格局逐步多样。

晶圆代工与先进封装厂 台积电、英特尔代工服务、三星等承接芯片制造和先进封装，其先进制程及 CoWoS 产线的利用率和议价能力，直接转化自云厂商的芯片订单。产能紧缺的格局使代工厂享有一定价格弹性。

服务器与存储 OEM/ODM 广达、纬创、富士康工业互联网等系统集成商，以及 Dell、HPE 等品牌服务器商，交付 AI 服务器整机或液冷机柜，营收随 CapEx 总量扩张而增长，但毛利率波动受上游芯片获取能力和竞争影响。

高速互联与测试设备商 800G/1.6T 光模块供应商、以太网/InfiniBand 交换机厂商和高端测试设备公司（如 Keysight、Advantest）也在 CapEx 扩张中订单增加，并受益于信号完整性要求迭代。

数据中心基础设施与能源 液冷解决方案、高密度电源、备用电源和清洁能源开发商，同样吸纳一部分 CapEx。AI 集群的高功耗驱动数据中心选址向电价低廉区域集中，带动相关基建投资。

9 市场规模

全局投资规模 多家第三方机构对 AI 基础设施支出的统计口径不同，涵盖服务器、存储、网络及基建。根据 IDC 2024 年 3 月发布的全球 AI 基础设施 Tracker（具体数值公开资料未见；以下引用区间为行业常见引述），2023 年全球 AI 服务器支出约在 200 亿–250 亿美元区间，预计 2024 年将增长超 30%。Gartner 预测 2024 年全球 IT 基础设施支出中 AI 相关占比可能从个位数提升至 15% 以上（来源：行业引用，非直接原文）。

云厂商 CapEx 加总 根据四大美国云厂商（亚马逊、微软、谷歌、Meta）2023 年全年财报合计资本支出约 1400 亿美元（口径含融资租赁），2024 年管理层指引中值预计合计接近 1800 亿–1900 亿美元，增量中的绝大部分被归因为 AI 基础设施。中国市场 BAT 等云厂商 2023 年 CapEx 总量显著低于美国同行，但 2024 年随着自主芯片替代和智算中心建设，增速亦有回升（具体数字公开资料未见统一口径）。

半导体制造与封装投资 台积电 2023 年资本支出 304.5 亿美元（来源：台积电 2023 年年报），其中约 70% 用于先进制程和封装技术，部分为 AI 需求所驱动。英特尔代工服务在 2023 年 CapEx 约 257 亿美元（英特尔年报），内含先进制程产能建设。全球半导体 CapEx 在 2023 年达到约 1,690 亿美元（据 Gartner），2024 年预测温和复苏，AI 相关设备支出来源仅为产业链调研估计。

长期展望 行业常见定性表述为“未来 5 年全球 AI 基础设施累计投资或将达万亿美元”，此为第三方分析师根据算力需求增速和硬件升级周期推算，并非精确预测（来源：公开报道及分析报告）。该数字一般包含云厂商、企业和政府智算中心总体支出。

10 玩家对比

不同 CapEx 出资主体在规模、策略与效率上差异显著：

美国四大云厂商对比（基于 2023 年数据）

• 微软：2023 财年（截至 2023 年 6 月）CapEx 281 亿美元，2024 财年指引超过 500 亿美元，主要用于 Azure AI 容量和 OpenAI 训练基础设施（来源：微软 2023 10-K 及后续财报电话会）。与 OpenAI 的深度绑定使其资本支出高度集中于先进 GPU 集群。
• 谷歌（Alphabet）：2023 年 CapEx 323 亿美元，2024 年预计大幅增长，技术基础设施由 TPU 自研芯片和 GPU 并行推进，基础设施效率较高，但资本开支增速在 2023Q4 起显著跳升（来源：Alphabet 2023 10-K 及 Q4 财报电话会）。
• 亚马逊：2023 年总 CapEx 527 亿美元，其中 AWS 相关估计约占一半，剩余为电商物流。2024 年指引总 CapEx 将同比增加，强调大部分投向 AI（来源：亚马逊 2023 10-K 及 CFO 发言）。AWS 的自研 Trainium/Inferentia 芯片策略旨在降低对英伟达的依赖和单位推理成本。
• Meta：2023 年 CapEx 273 亿美元，2024 年指引 300 亿–370 亿美元，Llama 模型开发推动自建集群，大量采购 H100 和自研芯片项目（来源：Meta 2023 10-K 及 2024Q1 电话会）。扎克伯格强调“投资于领先能力，即使短期收入不确定”。

中国云厂商 阿里巴巴、腾讯、百度在 2023 年资本开支合计约 120 亿美元左右（来源：各公司年报，口径含厂房设备），其中阿里云因 AI 需求在 2024 年宣布增加资本开支，但受制于芯片出口管制，部分转向国内供应商，CapEx 效率有待观察。华为昇腾生态则走自研路线，相关 CapEx 数据公开不透明。

二线算力提供商与初创 CoreWeave 等新兴 GPU 租赁商通过债务融资大规模采购 GPU，快速扩大规模，其 CapEx 增长速度远超传统云厂商但财务杠杆高。此类公司的资本密度和回报周期差异大，受再融资环境影响显著。

（注：上述财务数据均来源于已公开的 SEC 文件、年度报告和财报电话会，标注年份和口径。）

11 风险

AI 相关 CapEx 不是“投入即产出”的无风险资产，主要风险维度包括：

• 资产减值与折旧悬崖：技术迭代过快导致老一代 GPU/加速器残值急速缩水，当账面资产未折旧部分大于市场价值时需计提减值。若云厂商集中采购同代芯片而新架构发布，可能发生数十亿美元规模的减值风险。
• 产能无法如期落地：即使预算充足，先进封装和 HBM 产能瓶颈可能使订单交付延迟 2–3 个季度，造成“CapEx 增长但算力未释放”的预期差，拖累收入增速和投资者情绪。
• 收入兑现滞后：巨额 CapEx 如果未能及时吸引足够的 AI 客户或应用付费，会导致自由现金流恶化。市场历史上对“投入先行”的耐心有一定限度，一旦 AI 收入增速未达预期高增长，相关公司估值压力陡增。
• 政策与地缘政治风险：出口管制升级可能使云厂商和芯片商失去关键市场或供应链节点，CapEx 预期被迫重新规划，产生沉没成本。
• 电力与环境审批：超大规模数据中心选址面临电力获取、碳排放许可和社区反对等非技术障碍，可能推高前期资本投入并使项目延期。
• 竞争格局变化：自研芯片趋势若加速，第三方芯片供应商的订单可能停滞，导致部分 CapEx 投入的硬件平台“刚建成就过时”。

12 误读纠偏

• “CapEx 越大越好”：不当的大规模支出若不伴随效率提升和差异化，可能变成吞噬现金的陷阱。需要结合单位算力成本、折旧政策以及资产周转率综合审视。
• “指引上调即供应链股价必涨”：CapEx 从指引到订单、再到业绩确认存在多个季度时差。产能瓶颈和交付节奏可能导致市场和供应链厂商的营收兑现低于线性外推。同时交易位置和估值也是影响表现因素。
• “折旧是会计数字，不影响真实现金流”：折旧虽是非现金支出，但资产减值一旦发生，往往标志着前期资本投入已部分沉没，直接减少净资产。较高的折旧费用也会压制账面利润，影响估值倍数。
• “推理需求不需要大量 CapEx”：推理虽然单次所需算力低于训练，但全球并发调用量级庞大，需要广覆盖的分布式算力网络，其所需要的总 CapEx 很可能不亚于训练。
• “通用 GPU 是唯一选择”：自研 ASIC 和芯粒异构集成路线正在兴起，不同技术路线的 CapEx 规划差异大，押注单一路线可能面临技术替代风险。

13 最新事件

（截至 2025 年 2 月基于公开报道的总结，具体日期和金额以实际披露为准）

• 微软与 OpenAI 的超级计算机计划：据 2024 年多篇外媒报道，微软与 OpenAI 拟分阶段打造“星际之门”（Stargate）超级计算机，预算规模达千亿美元级别。微软未官方确认确切数字，但已在 2024 年中期财报电话会上表示将扩大数据中心基建投资。
• Meta 上调 2024 年 CapEx 期望：2024 年 4 月，Meta 在 Q1 财报中上调全年 CapEx 指引上限至 400 亿美元（先前上限 370 亿美元），并称在 AI 能力上的持续投资对保持竞争力至关重要（来源：Meta 2024Q1 财报电话会）。
• 台积电 CoWoS 扩产进展：2024 年 7 月，台积电在法说会上表示，到 2025 年底 CoWoS 产能有望较 2023 年提升两倍以上，但短期内仍供不应求，客户已签订多年期订单（来源：台积电 2024Q2 法说会）。
• 中国智算中心建设加码：2024 年，多个地方政府和运营商发布智算中心建设规划，部分项目投资额达数十亿元人民币。受芯片供应影响，实际建设进度呈现结构化差异，基于国产芯片的中心推进较快（来源：公开报道，未见统一口径）。
• AI 芯片初创公司融资与 CapEx：海外 GPU 云服务商如 CoreWeave、Lambda 等在 2023–2024 年间通过股权和债务融资募集数百亿美元，用于采购数十万张 GPU，其资本密度引发市场对杠杆和需求可持续性的讨论。
• 出口管制新规影响：美国于 2023 年 10 月和 2024 年多次更新对华芯片出口限制，导致部分中国云厂商调整 CapEx 计划，转向合规的替代硬件，全球供应链地理重组正在发生。

14 跟踪指标

建立系统性的跟踪框架，有助于把握 CapEx 落地节奏和预期差：

• 云厂商 CapEx 指引与实际值：逐季对比北美四大云厂商的实际 CapEx 与指引，关注指引修订幅度。中国的 BAT 和电信运营商资本开支同样可追踪。
• 半导体设备出货与订单：应用材料、ASML、Lam Research 等主要设备商的订单和递延收入增速，领先实际芯片产能扩张 2–3 个季度。ASML 的 EUV 出货可作为 3nm 及以下扩产的前兆。
• ABF 载板与封装基板出货面积：日本及台湾基板厂商季度出货数据，反映封装产能需求。
• 光模块与交换机端口出货量：800G/1.6T 光模块和高速交换芯片的出货量，直接印证大规模 AI 集群建设进度。部分数据可由光模块厂商月度营收推估。
• GPU 交付周期与二手价格：通过行业渠道了解 H100/H200 等主流加速卡的现货交付周期和价格溢价，可判断短期供需紧张度。二手 GPU 市场价格急剧下跌，可能预示升级换代开始。
• 数据中心用电量和租赁率：大型 REIT 和托管服务商季度披露的出租率和在建容量，反映真实基建推进。
• AI 应用收入与客户数：云厂商公布 AI 服务相关 ARR 或客户规模，以及模型调用量，是评估 CapEx 回报的终极指标。

15 信源

主要官方信源

• 各云厂商（微软、Alphabet、亚马逊、Meta、阿里巴巴、腾讯等）SEC 10-K/10-Q 文件、年报及季度财报电话会记录。
• 台积电、英特尔、三星电子等半导体制造巨头的季度法说会和年报。
• NVIDIA、AMD 等芯片公司的投资者更新与产品发布。

第三方研究与数据

• IDC《Worldwide AI Infrastructure Tracker》及《Worldwide Quarterly Server Tracker》。
• Gartner 半导体与 IT 基础设施资本支出预测。
• TrendForce 存储、封装和服务器市场报告。
• Dell’Oro Group 数据中心交换机和光传输报告。
• CFM、Yole Intelligence 等针对 HBM、先进封装和基板的市场研究。

产业观测平台

• 主要半导体设备商（Applied Materials、ASML、Lam Research、东京电子等）的订单和出货数据。
• 数据中心 REIT（如 Equinix、Digital Realty）及托管商季度经营数据。
• 光模块和交换机厂商（如中际旭创、Coherent、Broadcom）公开财务和出货指引。

注意事项 本概念页所有财务和市场数据已尽可能标注年份、口径及来源。部分行业共识范围和定性趋势描述基于公开信息归纳，不代表精准预测。未明确来源的细节均标注“公开资料未见”。本内容不构成任何投资建议、买卖推荐或投资回报承诺。读者如需精确数值，应直接查阅原始披露文件和经审计的财务报表。