阿里腾讯百度半年砸2080亿，AI投入为何让现金流承压

本文作者为奇帆商业，钛媒体经授权发布。

11月9日，SpaceX一份预计投资240亿美元的计划曝光。公开听证文件显示，这家公司打算在得克萨斯州建燃气发电厂和超级计算中心。

项目还没拿到批准。可一家靠航天出名的科技公司，已经在盘算自己搞定算力设施的供电问题。

微软、谷歌、亚马逊和Meta的AI资本开支一直在往上走。除了芯片、服务器和数据中心，电力供应也慢慢成了拖累项目进度、推高建设成本的关键一环。

AI竞争的投入边界，已经从计算设备扩到了能源基础设施。

中国互联网大厂也在加码。阿里、腾讯、百度不断买芯片、扩算力，AI业务收入同样在涨。但先进芯片供应受限，模型服务竞争激烈，部分成熟业务增长又慢了下来，中国企业面对的经营压力和美国科技公司并不一样。

钱越来越多地涌向AI，财务报表却露出另一面：业务收入的增长，未必追得上投资的速度。

01 2080亿元，花在了哪里

荣鼎集团在9月17日发布了一份针对中国AI融资的研究报告，覆盖阿里、腾讯、百度、华为、电信运营商、模型公司以及独立数据中心运营商共13家企业。报告估算，2026年这些企业的AI基础设施资本开支将达9320亿元，同比增长103%；到2027年，这个数字可能突破1.2万亿元。

即便这样，中国在AI基础设施上的投入规模仍只相当于美国的15%至20%，而资金压力已经出现在互联网大厂的财报里。按荣鼎集团统计，2026年上半年阿里、腾讯、百度三家合计资本开支2080亿元，同期合计自由现金流为负160亿元。

三家大厂半年投入超过2000亿元，经营活动产生的现金已经盖不住同期的资本性投资。这些资本开支并非全部投向AI，自由现金流转负也不等于企业亏损。真正要分析的是，不断扩大的基础设施投资，正在改变互联网公司花钱的方式。

阿里的财报就是个具体例子。

2026年第二季度，阿里经营活动现金流净额为229.45亿元，同比增长11%；用于购置物业及设备的现金支出约676.60亿元，自由现金流净流出446.70亿元，上年同期净流出188.15亿元。

阿里云自身的经营并不难看。同一季度里，AI相关产品收入连续第十二个季度三位数同比增长，云分部调整后EBITA利润率12%。截至6月底，阿里手里的现金及其他流动投资为4745.05亿元，资金储备仍算充裕。

图源：阿里巴巴官方：2026年6月份季度业绩

阿里眼下并不缺继续投AI的钱，真正的压力来自投资速度和收入兑现速度之间的差距。

买芯片、服务器和网络设备，钱要提前付出去；客户用云服务产生的收入，却得之后才慢慢实现。阿里还要承担数据中心的电力、维护及设备折旧成本。算力需求增长能推动收入，新增设备能不能被充分使用，则决定投资回报。

数据中心建成，并不代表算力就卖出去了。企业要持续拿到客户订单，设备利用率才能上去，固定成本才能摊薄。阿里云AI业务增长虽快，收入增长却还没能让集团自由现金流同步好转。

腾讯则是另一种资金占用方式。荣鼎集团引用腾讯披露的信息称，2026年第二季度腾讯约510亿元AI相关预付款计入了经营现金流，当季资本开支约590亿元。

预付款和资本开支分属不同的会计项目，不能直接相加。它们共同反映出一种采购特点：为了锁定先进芯片和计算资源，企业可能在设备交付、资产确认之前就付出大笔资金。

算力竞争不光比谁有能力买芯片，还比谁能提前拿出资金、扛住交付周期，并把采购来的资源转化成实际业务。采购规模越大，设备利用率和后续市场需求就越重要。

百度的局面更复杂一些。2026年第二季度，百度AI驱动业务收入125亿元，同比增长25%；AI云基础设施收入73亿元，同比增长50%。另一边，传统在线营销业务还在下滑，而基础模型、云计算和自动驾驶都需要持续投钱。

阿里可以靠电商，腾讯有游戏和广告业务，百度则要在搜索广告增长承压的情况下，继续给新业务输血。AI云收入增长较快，但还不足以证明新业务已经完全填补了传统业务的变化。

同样是投AI，阿里要提高资本使用效率，腾讯要平衡大规模采购与业务需求，百度还得面对成熟业务现金创造能力的变化。

三家公司投入都在加码，可起点并不一致。

02 模型提价，未必换来更多利润

中国大模型市场的商业化格局已经起了变化。

模型厂商

2026年，一些模型厂商把API价格往上调了。荣鼎集团的报告提到，DeepSeek同样在8月改了定价，还加了更高的高峰时段价格。此前持续的降价有助于把调用量做大，但服务商的收入空间会被压薄，算力资源又依然不便宜。

可涨价也没能马上把盈利问题抹平。

按荣鼎集团的统计，智谱和MiniMax的整体毛利率分别从2025年的约41%和25%降到2026年上半年的约26%和18%。两家公司的业务结构本来就不一样，毛利率下滑不能全算在模型定价头上，不过收入在涨、盈利能力却没跟上，这个落差已经摆出来了。

图源：荣鼎集团报告“Problems with eventual profitability”章节

企业项目一般单笔收入更高，代价是要有销售、交付和定制化支持，市场铺开的速度也受限制。开放平台更容易触达大批开发者，调用规模能快速起来，可客户对价格更敏感。

摆在模型公司面前的这道选择题不好做：毛利高的业务未必好做大，规模涨得更快的API业务又未必能带来同样高的利润。

MiniMax也在挪动客户结构。荣鼎集团援引的数据显示，其企业客户相关年度经常性收入占比从2025年8月的约30%升到2026年8月的约80%。企业客户占比上去，通常有利于建立更稳定的付费关系，但产品部署、算力租赁和研发投入也会推高经营成本。

模型推理还有个特点：计算资源要一直消耗。用户问一次，系统就得算一次。碰上复杂任务，上下文更长、要多轮推理、还要调用工具，单次任务耗掉的算力可能更多。

模型优化能压低单位计算成本，新的应用形态又在不断推高计算需求。企业客户买的也不只是Token，他们要看模型能不能稳定把任务做完、能不能少用人。厂商需要证明的是客户愿意为完成一项任务掏多少钱，而不只是模型能生成多少Token。

消费级AI应用的账更难算。

荣鼎集团的报告提到，阿里2026年第二季度新划分的AI应用业务实现约30亿元收入，调整后EBITA亏损约140亿元。这个业务分部的范围和成本分摊，不能简单等同于单个AI助手的经营结果，但收入和亏损之间的差距还是值得关注。

免费AI助手能很快把用户拉过来，推理和产品运营的成本也得一直扛着。订阅、广告、电商佣金和企业服务都可能成为收入来源，用户规模能不能转成稳定付费，还要看更多经营数据。

阿里云、百度智能云有向企业卖算力和模型服务的渠道，消费级AI助手则得另建一套收费逻辑。活跃用户多，还不足以说明这块业务已经能独立盈利。

中国AI的竞争重心，已经从模型性能、开发者和用户规模，转到客户付费能力上。

03 谁能把AI养下去

资本市场给中国AI的钱正在变多。

荣鼎集团统计，2026年前八个月，智谱、MiniMax、DeepSeek和月之暗面等主要模型公司通过私募融资、上市及定向增发等渠道拿到的资金合计1790亿元。2025年，这些公司的私募股权和风险投资融资规模约为90亿元，两组数据的融资渠道范围并不完全相同。

大厂也在重新安排资金。荣鼎集团研究指出，部分互联网公司减少股票回购、卖出短期投资资产、增加借款，为AI基础设施投资腾出资金。字节跳动则在9月拿到一笔296亿美元的银团贷款，据路透社报道，大部分资金预计将用于AI相关项目。

AI竞争正从企业内部的研发预算，延伸到银行贷款、股票市场和长期资产融资。技术能力决定企业要投多少钱，融资能力则影响它能不能一直投下去。

中国AI公司的资金结构和美国科技巨头差别明显。美国大型科技公司使用债券市场融资更普遍，中国企业更依赖经营现金流、股权融资和银行贷款。融资渠道不同，企业背的风险也不一样。

大型互联网公司有成熟业务和资产负债表，可以靠经营收入、贷款及其他融资安排支撑长期投资。独立模型公司更多依赖股权市场，数据中心运营商则要借助银行贷款、资产证券化、房地产投资信托基金和融资租赁。

投资回收周期，或许才是真正分出高下的地方。

云厂商买来GPU，得靠客户调用和算力租赁一点点把成本收回来。模型公司这边，研发和推理费用要持续往外掏，可收入涨得未必够快，覆盖不了支出。数据中心运营商则不同，它们要在设备折旧和融资期限内，把出租率维持住。

说到底，AI基础设施做的就是提前砸下大笔资金、再靠未来收入慢慢回本的买卖。设备一采购完，企业身上的财务风险就已经落定；客户需求能不能持续往上走，还得交给时间去验证。

数据中心行业里，相关风险已经冒头了。

荣鼎集团援引中国信息通信研究院的数据称，2026年上半年，中国新增算力中心项目中有54.3%涉及融资租赁。融资租赁把企业一次性采购设备的资金门槛降了下来，也让部分运营商能靠杠杆把算力规模做大。

报告还提到，四川斌际科技通过售后回租等方式融资采购GPU，企业破产后，15家持牌租赁公司直接受了损。

这个案例牵扯的是具体企业的融资和经营问题，代表不了整个算力租赁行业，但它把重资产扩张的一类风险摆了出来：设备采购靠融资，未来收入又得看市场需求。GPU价格、出租率或者客户订单一旦有变，偿债压力就可能很快顶上来。

算力资产不等于稳定的现金流。服务器能买，长期客户却没法靠融资直接买来。

大型互联网公司的优势，恰好在这一块显出来。阿里有电商业务，腾讯有游戏和广告收入，百度还有搜索业务撑着。AI项目投资没收回，成熟业务也能帮着分担一部分资金压力。

独立模型公司手里没有同等规模的成熟业务。融资能帮它们扩研发团队、买算力、抢客户，但替代不了经营收入，也不可能无限期顶下去。资本市场愿意给多高的估值，企业又能把收入增速维持到什么程度，都会影响下一轮融资。

手里握着长期合同的数据中心运营商，稳定的客户需求能压低投资风险。反过来，靠短期算力租赁、负债率又偏高的企业，更容易被设备价格和市场需求的变化牵动。

中国的AI产业仍有扩张余地。企业端应用、智能体、国产芯片、推理优化，未来都可能让算力需求和服务的开销发生变化。产业盘子变大，不代表每个玩家拿到的回报都一样。

模型能做出来，只是入场竞争的头一步。能不能持续付得起研发和算力成本，能不能把客户留住，能不能在设备更新之前把投资收回来，这些才决定一家公司能走多远。

中国AI越来越烧钱。资金充足的企业可以争取更长的回报周期，靠外部融资的公司则要更快证明自己的商业价值。下一轮竞争里，模型能力依然重要，但企业能扛多久、客户愿意掏多少，也会慢慢决定各自的位置。