过去两三年，AI大厂的竞争逻辑围绕资本开支规模展开，千亿、万亿级别的基建计划轮番抛出，数据中心密集开工，GPU成批采购。投入规模一度成为衡量企业AI野心的直接指标。但近期多家头部企业的动作显示，这一阶段的竞争评价体系正在发生变化，行业从“不计成本地烧钱”转向“算着账烧钱”。
微软近期的调整集中在外部模型的使用预算上。其内部对Anthropic技术（主要是Claude Code）的使用预算从预计的至少十亿美元被削减三分之一以上，同时要求员工更多使用自研AI工具。Meta方面，使用Claude Code的员工从年初约六万人降至约三万人，自研编码工具的使用人数则超过三万人。两家公司并未停止使用AI，而是不再无差别地为外部模型付费。
成本压力是这一调整的直接原因。Meta在28天内花在Claude Code上的费用超过1.05亿美元。当AI工具从少数人的尝鲜变为全员的生产工具，按席位、按调用量计费的账单会快速膨胀。与此同时，自研模型性能持续爬坡，自建推理体系的单位成本下降，从外部采购切换到内部供给成为具备技术能力企业的自然选择。
资本市场的关注点也在迁移。高盛在10月中旬的研报中表示，市场对微软的关注重点正从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。微软将部分数据中心的使用年限从15年延长至25年，并将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，指向同一个问题：每一块钱的投入换回了多少可持续收入。
Meta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，投入绝对规模并未收缩。但管理层公开承认，在尚未充分验证AI消费级产品能否成功普及的情况下押下重注“心里没底”。高盛将Meta用裁员释放资源、重新配置到算力投资的做法称为“腾笼换鸟”，其性质并非简单的过冬砍预算。
结构性财务缺口是更深层的约束。Gartner在10月发布的预测显示，2026年全球AI基础设施支出预计接近1万亿美元，2027至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。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，缺口在两倍以上。Gartner据此判断，若沿当前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最早要到2032年底才可能实现。
技术侧的变化为“理智化”提供了条件。推理成本在过去一年出现剧烈下降，有基础设施服务商披露的降幅达到90％，并判断未来仍有下降空间。英伟达新一代系统的每百万Token推理成本最高降至前代产品的1/45。当“用更少的算力做同样多的事”成为现实，效率本身成为比规模更重要的竞争变量，烧钱的边际收益下降，效率的边际收益上升。
国内市场的表现则呈现另一种节奏。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％。单看数字仍是重投入姿态，但财务结构和战略意图已与无差别烧钱阶段出现实质区别。
阿里将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”，意在让市场分别看清基础设施和应用层的投入产出。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％，显示算力扩张虽仍拖累集团现金流，但云业务本身已开始出现经营杠杆。百度的变化更接近换轨，2026年二季度核心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，传统广告收缩速度快于AI收入增长速度，归母净利润同比明显下滑。百度选择将重心压向智能体方向，而非继续在通用大模型上拼参数。
从微软、Meta的预算收缩到BAT的资本开支结构调整，AI竞赛的方向并未改变，改变的是评价体系和参与者行为模式。在算力供给逐步追上短期需求、推理成本快速下降的背景下，单位经济性和投资回报率将成为下一阶段的核心指标，能否用更低的成本实现同等产出，将直接决定厂商在牌桌上的位置。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
