全球企業砸巨資投資AI,究竟有多少公司真正賺到錢?

026年四大科技公司資本支出預期合計約7200億至7400億美元。麥肯錫調查有37%報告EBIT影響,僅6%屬AI高績效公司。

ตู้เซิร์ฟเวอร์ภายในศูนย์ข้อมูล

全球大型科技公司正在以數年前難以想象的規模投資人工智慧資料中心、晶片及網路。根據亞馬遜、Alphabet、微軟與Meta各自揭露的2026日曆年資本支出預期,簡單相加約為7200億至7400億美元。這只是不同會計認列口徑下的規模參考,不是純粹AI支出,也不是已經審計的全年實際投資。

提供晶片與計算基礎設施的企業已經能夠在財報中體現利潤;購買這些設施的企業則面對更難的問題:AI幫助員工節省時間,究竟有多少轉化為可衡量的營業利益?麥肯錫2026年8月25日發布的調查顯示,37%的受訪者稱AI對其組織息稅前利潤(EBIT)產生某種影響;只有6%符合“AI高績效公司”標準,即AI對EBIT至少貢獻5%,並創造顯著業務價值。AI投入與實際回報之間的差距正是“AI ROI Gap”。

全球究竟有多少公司靠AI真正獲利?先釐清計算方法

至少有三個不同概念。首先,公司可能實現整體淨利,但利潤包含大量非AI業務。其次,某一個AI項目在扣除運算能力、模型、人員、接入、治理與業務流程改造費用後可能得到正回報。最後,AI也可能顯著改善整個公司的EBIT,這需要把AI作用與經濟週期、價格調整等因素區分開。不能拿其中一種指標證明另一種。

麥肯錫2026年指標受訪比例如何解讀
至少一個部門使用AI~90%採用不等於回本
全公司擴大AI應用44%2025年為38%
報告AI影響EBIT37%影響程度可能較小
AI高績效公司6%EBIT貢獻至少5%並有明顯價值
AI營運費用限制使用~20%token與維運費形成限制

此次麥肯錫調查於2026年5月至6月開展,涉及97個國家的1,719名受訪者。資料來自受訪者對所在企業的描述,不是對全球所有公司財報進行審計。因此,6%並不意味著只有6%的企業在AI上實現任何正向ROI,其餘94%也不代表都虧損;一些公司可能取得較小收益,或暫時無法獨立衡量。2025年的類似調查中,約39%認為AI影響EBIT,高績效者約6%。兩年樣本不完全相同,不能把39%降至37%解釋為全球AI獲利率確定下降兩個百分點。

2023年至2026年AI資金如何迅速增長

2023年生成式AI普及後,企業開始大量採購高性能GPU並預訂更多電力。2023年至2024年以試點為主,2025年至2026年轉為實際擴建資料中心,隨之而來的是折舊、供電與資產利用率能否被收入覆蓋的問題。

期間AI投資演進證據與局限
2023 – 2024從生成式AI試點到建設基礎設施GPU、雲端及流程調整
2025史丹佛統計全球企業AI投資 ~581,690,000,000 USD含私人資本及併購,不只是CapEx
2025IEA估計五大科技公司CapEx超過 400,000,000,000 USD包括非AI基礎設施
2026IEA預計繼續增加 ~75%預測值,不是全年實際支出

斯坦福AI指數統計的2025年全球企業AI投資約為5,816.9億美元,包括私人資本投資及並購交易等,不能再與大型科技公司的CapEx直接相加,因為融資、收購與固定資產投資的定義不同且可能重復。四家科技巨頭2026年的投資預期如下:

公司2026年CapEx預期注意口徑
Amazon~220,000,000,000 USD全公司現金CapEx,不只是AWS或AI
Alphabet195,000,000,000 – 205,000,000,000 USD全年預期含其他設施
Microsoft~170,000,000,000 USD依日曆年估計,包含融資租賃
Meta135,000,000,000 – 145,000,000,000 USD包括融資租賃本金償還

合計約7,200億至7,400億美元僅供觀察規模。亞馬遜揭露全業務現金資本開支;微軟的預計數位包含融資租賃,Meta則包含融資租賃本金償還。雲業務、零售、廣告與一般數位設施也佔其中一部分,並非全部採購AI模型或GPU。資產投入後,會在未來帶來折舊、電費、土地、租賃及維護支出。戰略地位可能因此受益,但回收現金仍需要數年持續的實際需求。

為甚麼很多企業陷入“試點煉獄”

MIT Project NANDA的2025年初步研究《The GenAI Divide》曾因95%的受研究企業生成式AI部署尚未在損益表中產生可衡量收益而廣泛傳播。研究參考300多個公開項目、對52家組織的訪談與153名高級管理者的問卷。這項探索性研究說明試點難以轉化為日常生產系統,但樣本並不代表全球公司,不能據此宣稱全球95%的企業因AI虧損,也不能與2026年麥肯錫調查作同口徑比較。

模型輸出速度快,不代表完整流程更便宜。企業仍需人工核對資料與結果,還要支付系統集成、權限管理、糾錯、資訊安全及按次推理費用。寫作節省的時間可能轉為審核時間。麥肯錫發現,80%的受訪者認為個人生產率提高,只有37%報告公司層面的EBIT影響。這並不等於AI沒有價值;只有企業實際減少付費成本、銷售更多產品,或新增收入超過新增支出時,生產率才會變成利潤。

技術人員在資料中心檢查設備

晶片、雲端服務與應用之中誰先獲利?

基礎設施建設週期中,晶片與設備供應商交貨便可確認收入,購買方卻要等待客戶付費並提升運算資源使用率。因而多家基礎設施供應商的利潤在財報中更清晰,但這不意味著它們所有客戶的AI投資已經回本。

公司及會計期間相關收入已公布營業利益
NVIDIA (Q2 FY2027)資料中心 89,000,000,000 USD全公司營業利益 63,734,000,000 USD
Broadcom (Q3 FY2026)總收入 29,591,000,000 USD全公司營業利益 15,955,000,000 USD
AWS (Q3 CY2026)46,000,000,000 USDAWS營業利益 17,800,000,000 USD
Google Cloud (Q3 CY2026)30,709,000,000 USDGoogle Cloud營業利益 11,121,000,000 USD

截至2026年7月26日的季度,NVIDIA資料中心業務收入同比增長117%;截至8月2日的季度,Broadcom總收入同比增長86%。它們公開了真實銷售與公司層面的營業利益,但也有非生成式AI產品,不能把全部營業利益稱為“AI淨利”。

雲服務方面,AWS在2026年第三季度的營業利益為178億美元,去年同期為114億美元。Google Cloud營業利益111.21億美元,上年同期35.94億美元,當季收入307.09億美元。兩個雲業務部門也經營傳統資料庫、存儲與非AI計算,揭露的是雲業務利潤,而不是單獨核算的AI利潤。供電、輸電、冷卻與資料中心建築企業也可能受益,但許可證、建設成本、長期電力合同與實際需求決定各項目回報,不能保證所有能源公司都成為贏家。

軟體收入增加,不等於AI利潤能夠單獨證明

軟體訂閱可以向眾多客戶銷售服務。若單位模型推理成本下降速度超過收入增長,獲利率可能改善;相反,大客戶高頻調用模型可能使固定月費不足以覆蓋實際運算能力支出。

微軟截至2026年6月的財年實現整體淨利1,337.49億美元,2026年7月至9月還有186億美元的正自由現金流;這並不是Copilot等AI產品單獨的可審計淨利。Meta在2026年第三季度實現646.01億美元收入、129.88億美元營業利益,但因投資加快,自由現金流為負21.20億美元。當季還有約99億美元一次性訴訟費用,與AI投資不同。不能把現金流轉負或季度利潤變化直接歸因於AI虧損。

許多私人AI應用企業公佈用戶量、年化收入或融資額,卻未揭露完整模型訓練、推理折扣、人員與安全成本,以及可核實的淨利。銷售額不能直接證明獲利。麥肯錫還發現,32%受訪者曾因可以利用AI編程代理自行開發,而放棄購買至少一個軟體產品或功能,通用軟體廠商因而面臨價格與差異化挑戰。

如何計算ROI,避免把效率寫成幻影利潤

可靠的試點應預先建立基線,選定每筆訂單成本、客服處理時間、返工率、銷售轉化率等指標,並通過可比較的實驗組與對照組衡量。AI生成多少文件或消耗多少token都不是利潤。

ROI =(真正實現的財務收益-總投資與營運成本)/總投資與營運成本。計算需明確期間,把雲、模型、咨詢、安全、資料連接、員工及錯誤審核的成本納入。如果工具省下兩小時,但企業並未實際減少支出,也沒有用空出的時間創造額外銷量,不能立刻把兩小時按現金節省入賬。未產生可衡量收益的項目應調整或終止,已證實有效的項目再擴展。有些支持性工作以改善服務質量為目標,也不應硬套一個季度內現金回本的要求。

風險從科技預算延伸到電力系統與資本市場

國際能源署估計,全球資料中心2024年耗電約415 TWh,到2030年可能升至約945 TWh。其中並非全部來自AI,但電網、土地、冷卻設備與電力供應成為建設運算能力的重要約束。

一方面,巨額CapEx為晶片、電氣設備、承包商及資料中心帶來銷售與就業;另一方面,買方在收入兌現前要承擔折舊、租賃與融資成本。如果需求低於預期,高價建成的機房可能閒置。亞馬遜報告截至2026年9月的12個月自由現金流為負424億美元,主要與增加採購包括AI設施在內的固定資產有關,但AWS營業利益仍在上升。自由現金流為負不等於淨虧損,雲業務獲利也不足以證明全部新增資本投資已回本。

高利率會提高融資成本,晶片更新過快可能縮短經濟使用壽命並增加折舊壓力;但若終端AI用戶真正增加收入,運算能力需求又可能支撐新建容量。目前的資料不足以斷言整個市場最終走向。

哪些資料能證明AI投資開始回本?

未來12至24個月,應關注單位運算能力實現的收入、資料中心利用率、折舊與電力成本增量、扣除CapEx後的自由現金流、單次AI請求獲利率,以及更多企業能否報告AI帶來的EBIT提升。晶片供應商獲利不能證明買方已經回本,軟體訂閱數增長也不能代表應用行業整體淨利改善。

核心結論 晶片與雲服務企業中已經出現財報可見的贏家,但現有公開資訊仍不足以準確統計全球多少公司實現了可以單獨歸因於AI的淨利。2026年麥肯錫調查中,37%報告某種EBIT影響,只有6%進入高績效群體。真正的長期贏家要看AI應用能否轉化為新增利潤及投資後的現金流,而不是單看資本開支與用戶數。

主要參考資料

McKinsey – The state of AI in 2026 | MIT Project NANDA – The GenAI Divide | Stanford AI Index 2026 | IEA – Key Questions on Energy and AI

Amazon Q3 2026 | Alphabet Q3 2026 | Microsoft FY2027 Q1 | Meta Q3 2026

NVIDIA FY2027 Q2 | Broadcom FY2026 Q3 | IEA – Energy and AI

參考來源

主題: 科技企業獲利資本市場能源