我们似乎需要重新审视一个关键逻辑。当所有人都在谈论AI带来的增长奇迹时，一个长期被低估的变量正在悄悄浮出水面——AI基础设施的折旧加速，可能正在成为科技巨头盈利能力最隐蔽、但影响深远的压力来源。

问题的核心在于，AI服务器与GPU的技术迭代速度，正在显著缩短硬件的经济使用寿命。与此同时，与之匹配的资本开支规模却以前所未有的速度扩张。两者叠加，折旧成本被不断推高，利润空间持续受到侵蚀。这正是当前AI热潮中最反直觉的一环。

来看具体数据。据估算，谷歌、微软、亚马逊与Meta今年的资本开支合计将达到约7500亿美元——这个数字接近英国全年财政支出的一半；与此同时，四家公司合计年度折旧费用已经从两年前的水平接近翻倍，升至约1160亿美元。

更值得关注的是，过去18个月密集部署的算力基础设施，正在陆续进入折旧周期，压力仍在加速累积。亚马逊已经率先行动——将数据中心资产的使用年限从六年下调至五年，理由清晰地指向AI与机器学习技术迭代速度的显著加快。这一调整并非孤例，更像是行业周期变化的前置信号。目前，Meta、微软与Alphabet仍维持六年折旧年限，但市场普遍预期，后续跟进调整只是时间问题。一旦行业普遍下调使用年限，折旧费用将进一步提升，从“会计层面的缓冲项”转变为直接影响利润表的关键变量，进而重塑市场对科技巨头盈利质量的定价逻辑。

资本开支史无前例扩张，但回报兑现仍存在时滞

自2024年以来，四家科技巨头的股价平均已实现翻倍，但资本开支的扩张速度更为激进——同期季度资本开支预算增长了约四倍，明显快于股价表现。这本身就是值得警惕的信号。

在融资端，Alphabet过去一年已通过债务融资筹集约850亿美元，并计划进一步通过股权融资募集约800亿美元，规模空前。然而，这条融资路径并不具备可持续的线性复制能力。

更有趣的是，AI基础设施的扩张正在逐步逼近现实约束。芯片供给、电力系统以及水资源基础设施的瓶颈开始显现，部分发达地区已经出现了实质性的资源约束信号。而在商业化层面，多数AI项目仍处于投入期，尚未形成稳定的现金流回收能力，这使得对外部融资的依赖性进一步被放大。

维护与更新成本被低估，折旧压力或仍在上行

市场长期聚焦于新增数据中心投资，但存量资产的维护与更新成本同样在累积。从行业经验来看，数据中心服务器的经济使用寿命通常为三到六年，而在AI高强度算力消耗与技术快速迭代的双重作用下，超大规模云服务商的实际资产周期正逐步向三到五年区间收敛。

更关键的是，AI数据中心中约三分之二的成本集中于设备本身。一旦将未来设备更换周期纳入统一的折旧框架，整体资本开支的“真实压力”将显著高于当前市场对平均折旧路径的隐含假设。在大规模设备陆续进入折旧高峰的同时，如果技术迭代进一步加速，迫使企业提高更新频率，科技巨头的利润表将持续承压。

可以说，AI的长期回报逻辑，已经不再仅仅取决于需求扩张的速度。更关键的是，企业能否在高强度资本消耗与折旧上行周期中，维持财务结构的稳健性。这才是真正的压力所在。