谷歌上调资本开支致股价大跌，AI算力竞赛升级

北京时间2026年7月23日晚间，谷歌发布了其季度财报，尽管云服务收入同比增长超过80%，表现远超市场预期，但公司宣布将2026年全年资本开支指引从此前的1800-1900亿美元上调至1950-2050亿美元，这一决定引发了资本市场剧烈反应。

财报发布后，谷歌股价在盘后交易中下跌4%，这是自Meta 2012年上市以来，科技巨头在单一月份遭遇的最大跌幅之一。分析师指出，投资者对谷歌大规模扩张技术基础设施的担忧主要集中在两个方面：一是持续增加的折旧费用和数据中心运营成本（包括能源消耗）将显著压制利润表；二是AI领域的招聘规模不断扩大，进一步推高了人力成本。

值得注意的是，谷歌此次资本开支的大幅上调并非孤例。摩根士丹利预测，2026年全球前五大云服务商的资本开支总额将超过8000亿美元，2027年有望增至1万亿至1.2万亿美元。若将范围扩大至前14大云服务商，资本开支的年化增速已超过90%。这一数据表明，AI算力供需紧张的局面短期内难以缓解。

与此同时，AI硬件板块却迎来了逆势上涨。存储芯片、半导体等细分领域股价普遍上涨16%，形成了与云服务商股价下跌的“镜像行情”。华尔街机构认为，无论AI最终能否实现商业化盈利，拼算力仍是未来几年的核心主题。这种分化也反映了当前AI投资逻辑的转变：最舍得砸钱的公司反而承受最大抛压，而AI硬件供应商则成为资本追逐的新宠。

这一趋势在中国市场上得到了更清晰的印证。2025年1月DeepSeek-R1的发布曾让硅谷股市陷入恐慌，但18个月后的Kimi K3发布则被华尔街称为“DeepSeek2.0时刻”。K3模型宣称性能接近Claude Fable5和GPT-5.6，且在特定任务上已超越两者，同时价格比Claude平均模型便宜40%，比Fable更是便宜70%。

K3本身拥有2.8万亿总参数，是目前全球最大的开源MoE（混合专家）模型之一。这不仅验证了AI“规模定律”（Scaling Law）在当前阶段仍然成立，也说明即使主打省算、拼效率的中国模型，如今也意识到扩大模型容量的重要性。

“杰文斯悖论”（Jevons Paradox）为这一现象提供了理论支撑。该经济学原理指出，当技术进步压低资源使用成本、提升利用效率时，总需求往往不降反升。这一框架早在“DeepSeek时刻”便已进入市场主流讨论，如今更是进一步得到验证。

图表显示，谷歌最新发布的Gemini 3.6 Flash在多个基准测试中均优于前代产品，特别是在长周期软件工程和机器学习工程领域，性能提升幅度达到49%和63.9%。然而，这些性能提升的背后是高昂的成本：Gemini 3.5 Flash-Lite的输入价格为每百万token 0.30美元，输出价格为2.50美元，远高于竞争对手。

相比之下，Kimi K3的性价比优势更加明显。根据第三方测试结果，K3在前端代码生成等特定任务上的表现已超越Claude和GPT-5.6，同时价格仅为前者的一半左右。这种成本优势使得中国企业在全球AI模型竞争中占据了有利位置。

“过去两年，企业以‘Token最大化’为荣，现在这种叙事已经被彻底颠覆。”Cursor首席技术官Mike Saeks表示，“用最强大的模型处理日常任务，就像开着兰博基尼去杂货店买牛奶，那车是为了赛道而生的。”

这种观念的转变也体现在企业采购策略上。Hex公司的CEO Barry McCardel透露，在过去两周内，约50%的客户已经在工作流中接入了月之暗面的Kimi模型。这种灵活性的选择反映了新一代企业决策者的态度：任何一个实验室随时都可能发布一个达到前沿水平的模型，企业需要保持敏捷性。

“硅谷开始在大模型上‘消费降级’了。”锦缎平台的文章指出，美国企业界正在集体停止在大模型调用上烧钱。Pylon公司的CEO Marty Kausas也证实：“我看到的客户忠诚度是零。现在真的像一场血洗。”

这种变化不仅影响了云服务商，也改变了AI硬件市场的格局。随着企业对AI模型成本敏感度的提升，AI硬件供应商反而成为了赢家。无论是存储芯片还是高性能计算设备，都在经历新一轮的需求增长。

“无论AI最终能否实现商业化盈利，拼算力仍是未来几年的主题。”一位不愿具名的行业分析师表示，“中美模型之争，未来可能仍是拼算力。”

这一判断得到了更多数据的支持。智谱公司正在依托1GW级AI数据中心布局，已建成多个万卡级AI算力集群，为下一代基座模型的训练提供充沛算力保障。

“眼下，模型反应速度或推理速度慢，或者模型故意降速、降智等，根本而言都是算力不足的体现。”该分析师补充道，“随着AI硬件产能的持续扩张，预计未来两年内AI算力供需紧张的局面将逐步缓解。”