烧钱已成过去式，AI竞赛方向有变化？

文 | 影子备忘录

过去两三年，聊AI大厂，绕不开一个词：烧钱。

谁的资本开支数字更大，谁的口气更硬，谁就更像是在牌桌上握着主动权的那个。

千亿、万亿级别的基建计划轮番抛出，数据中心一座接一座地浇筑，GPU成批成批地扫货。

那是一个用投入规模丈量野心的阶段，逻辑简单直接粗暴，大家都想先上了牌桌再说。

但走到现在，一些微妙而密集的变化正在发生。

微软在削减外部模型的使用预算，把内部AI工具往自研体系上收；Meta一边维持着千亿美元级别的基建盘子，一边用涉及约八千个岗位的裁员来“对冲AI相关支出压力”。

国内这边，阿里、腾讯、百度的资本开支数字依然在同比大增，但财报发布后资本市场的反应却出奇一致：不看投了多少，只看收回了多少。

把这些信号拼在一起，一个判断逐渐清晰：AI竞赛并没有从“烧钱”退回到“不烧钱”，而是从“不计成本地烧”切换到了“算着账烧”。

竞争的方向没有变，变的是竞争的评价体系和参与者的行为模式。

微软和Meta的“刹车”

很多人看到“削减”“收缩”的字眼，第一反应是大厂要撤了。但如果把具体动作拆开看，故事完全是另一回事。

微软被关注最多的动作，是内部对Anthropic技术（主要是Claude Code）的使用预算从预计的至少十亿美元被砍掉了三分之一以上，同时要求员工更多使用自研AI工具。

Meta那边，使用Claude Code的员工从年初约六万人降到了约三万人，自研编码工具的使用人数则超过了三万人。

他们并不是“不用AI了”，而是“不再无差别地为外部模型付费了”。

背后的账不难理解。Meta在28天里花在Claude Code上的费用超过了1.05亿美元。当AI工具从“少数人的尝鲜”变成“全员的生产工具”，按席位、按调用量的账单会以极快的速度膨胀。

而与此同时，自研模型的性能在爬坡，自建推理体系的单位成本在下降。

从外部采购切换到内部供给，是任何一家有技术能力的公司走到这个阶段都会做的选择。

更值得注意的是资本市场关注点的迁移。高盛在10月中旬的研报里直白地表示：市场对微软的关注重点，正在从AI投资规模和收入增长速度，转向基础设施的单位经济性及投资资本回报率。

微软把部分数据中心的使用年限从15年延长到25年，将2026自然年的资本开支预期从约1900亿美元调至约1750亿美元，这些会计和节奏层面的调整，本质上是在回答同一个问题：每一块钱的投入，到底换回了多少可持续的收入。

Meta的处境更能说明问题。它的资本开支指引在2026年仍高达约1250亿至1450亿美元，较2025年的722亿美元大幅增加，投入的绝对规模并没有收缩。

但管理层在公开场合承认，在尚未充分验证AI消费级产品能否成功普及的情况下就押下重注，“心里没底”。

这是在释放一个明确的信号：当投入的量级大到一定程度， “敢不敢花”就不再是勇气问题，而是算账问题。

用裁员释放出来的资源重新配置到算力投资上，高盛称之为“腾笼换鸟”，更不是简单的“过冬砍预算”。

换的是笼子，不是不养鸟了。

一算不过来的账

如果只是个别公司的节奏调整，那还不足以说“烧钱竞争正在被终结”。

真正让这条路走不下去的，是一个结构性的财务缺口。

Gartner在10月发布的预测给出了一个相当刺眼的对比：2026年全球AI基础设施支出预计接近1万亿美元，2027到2030年间还将再投入约6万亿美元。

而到2030年，AI数据中心所有者需要累计创造8.5万亿美元的收入，才能覆盖资本支出、融资成本，并实现12%的投资资本回报率。

但同一份预测认为，同期企业级和消费级AI能够归属于数据中心的收入，最多只有3.6万亿美元。

缺口并非简单的百分之几，而是两倍以上。Gartner由此给出的判断是，如果沿着当前的资本开支轨迹继续走，到2030年底超过3.5万亿美元的AI基础设施投资可能面临资产减值风险，12%的ROIC最早也要到2032年底才可能实现。

这组数据把“烧钱竞赛”的底层矛盾摊开了：算力供给的扩张速度，正在系统性地跑在收入兑现速度的前面。

过去两年，大厂可以用“先建了再说”来合理化投入，因为需求确实在爆发，供给确实不够。

但当供给逐步追上甚至在某些环节超过短期需求时，资本开支的增速一旦持续高于经营现金流的增速，融资环境就会从“配合”变成“约束”。

哥伦比亚商学院一位教授的判断被多家媒体引用：2026年几家超大平台的资本支出将首次超过其合计经营现金流。

这意味着，继续靠自有现金流为无限扩张买单的空间，正在收窄。

真正让“理智化”成为可能的，是技术侧同步发生的变化。

推理成本在过去一年里出现了剧烈下降，有基础设施服务商披露的降幅达到90%，并且判断未来仍有进一步的下降空间。

英伟达新一代系统的每百万Token推理成本最高降到了前代产品的1/45。当“用更少的算力做同样多的事”成为现实，效率本身就变成了比规模更重要的竞争变量。

过去是堆卡堆出来的优势，现在可以通过模型优化、系统调度、软硬协同把同样的卡用出更高的产出。

烧钱仍然重要，但烧钱的边际收益在下降，而效率的边际收益在上升。

投入的语法变了

如果把视线拉回国内，会看到一个表面上与“理智化”叙事有些矛盾的现象：BAT的资本开支仍在高速增长。

2026年二季度，阿里资本开支676.78亿元，同比增长75%；腾讯528亿元，同比增长176%；百度114亿元，同比增长201%。单看数字，这仍然是重投入的姿态。

但数字背后的财务结构和战略意图，已经和“无差别烧钱”阶段有了实质性区别。

阿里的路径最典型。它把云智能集团和平头哥合并为“AI云与计算服务”，把模型实验室和千问相关业务归入“AI实验室与应用”，这个调整的用意很清楚：让市场分别看清基础设施和应用层各自的投入产出，而不是让电商利润把AI的真实进展遮住。

同期AI云与计算服务的经调整经营利润达到56.28亿元，同比增长133%，利润率升至12%。

这说明一件事：算力扩张虽然还在拖累集团现金流，但云业务本身已经开始出现经营杠杆。

虽然阿里依旧在继续烧钱，但在烧钱的同时，正在要求某个业务单元先证明“烧出来的东西能自己造血”。

百度的变化更接近“换轨”而非“加码”。2026年二季度，百度核心AI驱动业务收入达到125亿元，占通用业务收入的一半，AI云基础设施收入73亿元，同比增长50%。

但同期总收入仍在下降，传统广告收缩的速度快于AI收入增长的速度，归母净利润同比明显下滑。

百度的选择不再是继续在通用大模型上拼参数，而是把重心压向智能体，即通用智能体、代码生成、决策智能体等产品线密集落地，用“日活智能体数”而不是Token消耗量作为新的价值标尺。

这是一种典型的用差异化卡位替代规模对轰：在算力总量不占优的情况下，把资源集中到商业化路径更短的应用层。

腾讯的逻辑则是用现有现金流的厚度为AI投入提供容错空间，但同时明确区分“短周期投资”和“长周期投资”。

管理层在电话会上的表述很直白：把GPU用于广告技术属于短周期投资，能较快提升点击率和收入；而大模型训练短期内看不到直接回报，需要从全生命周期的角度统筹。

表面上看，这不是“不投长期”，而是把长期投入放进一个有时间纪律的框架里，其实并非用“长期主义”四个字把所有回报问题无限期推后。

字节是另一个值得对照的样本。它的AI资本开支据报达到2000亿元级别，但钱高度集中在视频模型、Coding、Agent和豆包商业化这些与其内容生态直接咬合的方向上。

番茄小说提供IP，视频生成模型负责视觉化，抖音和短剧平台完成分发，火山引擎承接算力和模型调度。

这是一条从内容生产到分发的闭环，AI不再是悬在业务之上的“第二曲线”，而是嵌进原有飞轮里的加速器。

当投入和既有生态的咬合足够紧，每一块钱的回报路径就更短、更可追踪。

中外之间的差异，与其说是“谁更理智”，不如说是约束条件不同，理智化的节奏也不同。

海外巨头的现金流厚度允许它们更早、更大规模地下注，也正因如此，当回报缺口显现时，调整的信号来得更明确、更公开。

国内大厂在资本开支的绝对增速上仍然激进，但财务数据的压力，如利润下滑、自由现金流收紧等，不得不迫使它们在投入的同时更早地进入“财务验证”状态。

虽然路径不同，但方向却是一致的：从“谁花得多”转向“谁花得准”。

花钱需要看效率了

把上述线索收拢，一个更完整的判断是：烧钱竞争并没有被“终结”，因为AI基础设施仍然需要天量投入，Gartner预计的万亿级支出不会因为几家公司的节奏调整而消失。

真正被终结的，是以资本开支规模本身作为竞争力标尺的那套叙事。

接下来的竞争，至少会在三个维度上重新排布。

第一，单位经济效率取代总算力规模，成为更硬的指标。当推理成本一年下降九成、单Token成本被压缩到前代的几十分之一，竞争的关键就从“有多少卡”变成“每张卡能产出多少有效Token、每Token能换回多少收入”。

微软把关注点转向ROIC，阿里开始单独披露AI云业务的经营利润，都是同一个方向上的动作。算力本身不构成壁垒，算力的转化效率才构成壁垒。

第二，生态咬合度决定回报周期的长短。苹果之所以在AI叙事里被重新定价，恰恰因为它没有参与千亿美元级别的基建竞赛，AI支出只有百亿级别，却可以通过既有硬件和生态体系完成变现。

这并非说苹果的路径可以被复制，而是说明：AI投入的回报速度，不取决于投入的绝对量，取决于投入和既有收入来源之间的距离。

字节把AI嵌进内容分发生态，腾讯把GPU优先用于广告技术，阿里把模型放进云和企业服务的合同里，本质上都是在缩短这个距离。

第三，财务纪律本身正在变成一种竞争能力。当行业整体从“增长叙事”切换到“兑现叙事”，谁能用更健康的现金流结构支撑更长的投入周期，谁就能在别人被迫收缩的时候保持节奏。

Meta用裁员对冲基建成本，微软用折旧政策和资产结构调整开支节奏，国内大厂在资本开支高增速的同时开始承受利润和现金流的压力测试，而这些动作的共性在于，它们都在为“可持续地烧”建立约束条件，而不是把“烧”本身当作目的。

其实烧钱并没有消失，但它不再是故事的终点。

2026年这个时间节点之所以重要，不在于某几家公司砍了多少预算，而在于整个行业的评价语法发生了切换。

过去问的是“你敢不敢投”，现在问的是“你投下去的东西，什么时候能自己跑起来”。

随着AI的逐渐成熟，竞赛进入了更难的那一关：比的不再是谁更敢，而是谁更会。