我试图建立一个思考人工智能（AI）固定资产投资（CapEx）的框架。这些只是早期思想，我会随着学习而改变。我的目标不是要辩论这笔花费是否正确或错误。 我试图确定什么样的收入和利润实际上是必要的才能产生一个合理的回报。

  1. 花费

微软（Microsoft）、亚马逊（Amazon）、 Alphabet 和 Meta 的总体 CapEx 大致如下：

- 2023：约 $151B

- 2024：约 $246B

- 2025：约 $410B

- 2026（指导）：约 $725B

- 2027（共识）：约 $920B

这几乎是在三年内的五倍增加。

历史上，这个团体以低十几位百分比的比例花费。今天，它们的比例大约是45%，各个公司的比例从约25%（亚马逊）到50%+不等。

这不像传统软件那样是工业公司的资本密集度。

  1. 问题

我这样思考它：

«需要的增量利润=增量投资资本 × 目标ROIC»

«需要的增量收入=需要的增量利润 ÷ 经营利润率»

我的假设：

- AI 基础设施的经营利润率约为 25%。

- GPU 的经济寿命可能比人们想象的要长三年的。

- 有一个NPV问题，因为CapEx 来自于多年前的收入。

  1. 从收入入手

我找到了两个好的起点。

Sequoia 的 "$600B 问题" 和 Bain & Company 都 arrive 到大致相同的答案：AI 最终需要的年收入大约是每年基础设施支出的 4-5 倍。

我不把它当作教义。 我试图从ROIC、利润率、折旧、替换CapEx 和DCF假设中推导出来。

  1. 测试它

如果AI基础设施支出在2030年达到大致9000亿美元/年，框架意味着大致4000亿美元的年收入。

作为一个慷慨的起点，今天的AI相关收入大约是包括几乎所有AWS、微软智能云和Google Cloud在内的400亿美元——尽管这几乎肯定会过度估计真实的AI收入。

从400亿美元到4000亿美元的四年时间内意味着大致80%的年收入复合增长率。

也许这很现实。 也许不是。

我更不在乎辩论AI CapEx 是否是一个泡沫，而是想知道什么样的收入增长和回报实际上是必要的才能证明它。

我很好奇人们认为这个框架哪里会破裂。