巨額 AI CapEx 狂潮下的價值檢視：四大科技巨頭的回報算式與 Apple 的資本輕量化賭注

當前科技產業正面臨前所未有的資本支出狂潮。本文深入探討四大 Hyperscaler（Amazon、Alphabet、Microsoft、Meta）暴增的 AI CapEx 支出與其必須達到的 ROIC（投入資本回報率）門檻，對比 Apple 所採取的「低 CapEx / 高研發」戰略依賴路線。關鍵結論指出：這一輪 AI 狂潮最需擔憂的並非 AI 是否成功，而是即使技術成功，今日投入巨額資本的企業能否為股東賺取足夠的回報。這對重視內在價值與安全邊際的長期投資人至關重要。

1. 巨額 CapEx 狂潮與資本配置：四大科技巨頭的 ROIC 門檻與回報算式

從班傑明·葛拉漢（Benjamin Graham）與華倫·巴菲特（Warren Buffett）的價值投資視角來看，企業的「資本配置（Capital Allocation）」效率與「投入資本回報率（ROIC）」是決定企業長期內在價值的核心根基。目前科技巨頭進行的巨額支出，並非短期的營運費用（OpEx），而是高達數千億美元級別的長期固定資產投入。

截至 2026 年，四大 Hyperscaler 的預估 CapEx 規模已邁向歷史新高： * Amazon：預估 CapEx 約 $220B 美元 * Alphabet：預估 CapEx 約 $195B–$205B 美元（均值約 ~$200B 美元） * Microsoft：預估 CapEx 約 $170B 美元（日曆年） * Meta：預估 CapEx 約 $135B–$145B 美元（均值約 ~$140B 美元）

為評估這些投資的合理性，可使用基本的資本門檻算式（Capital Hurdle Test）。若股東要求 15% 的稅後 ROIC，代表投入的資本必須創造對應的增量稅後淨營業利潤（Incremental NOPAT）：

$$\text{Incremental NOPAT} = \text{CapEx} \times \text{ROIC Target}$$

若進一步假設成熟 AI 與雲端業務能達到 30% 的稅後增量利潤率（Incremental Margin），要產生此利潤所需支持的新增年營收池（Incremental Revenue Pool）算式為：

$$\text{Incremental Revenue Pool} = \frac{\text{Incremental NOPAT}}{30%}$$

以下為四大巨頭在不同 ROIC 門檻下的增量利潤要求與對應營收池推算：

以 Alphabet 為例，每年約 $200B 美元的投資，在 15% ROIC 要求下需創造 $30B 美元增量 NOPAT，按 30% 增量利潤率倒推，最終約需支持 $100B 美元級別的新增年營收。同理，Amazon 需要約 $33B NOPAT（對應 ~$110B 新增年營收）；Microsoft 需要約 $25.5B NOPAT（對應 ~$85B 新增年營收）；Meta 需要約 $21B NOPAT（對應 ~$70B 新增年營收）。

這項數量級測試證明：對這些巨頭而言，僅產生幾億甚至幾十億美元的 AI 營收是完全不夠的。巨額的資產基底要求它們必須創造數百億至上千億美元的全新增量營收池與利潤池，才能達成合格的資本配置效率。

2. 誰的壓力最大？四大 Hyperscaler 自由現金流與 ROIC 驗證難度拆解

在分析自由現金流時，投資人必須先釐清財務報表中的「數學視覺陷阱（Math Visual Trap）」。自由現金流的定義為：

$$\text{FCF} = \text{CFO (營運現金流)} - \text{CapEx (資本支出)}$$

直接將 CapEx 與 FCF 放在兩端比較，容易讓人產生重複扣除的錯覺（因為 CapEx 大幅增加本身就會直接使 FCF 等量下滑）。因此，嚴謹的分析框架應採用 $\text{CFO} \rightarrow \text{CapEx} \rightarrow \text{FCF}$ 的三位一體動態觀察。

拆解四大巨頭的現金流數據與 AI 變現路徑，各家面臨的壓力型態截然不同：

Amazon（自由現金流壓力最大）

Amazon 目前承受最顯著的現金流轉負壓力。其 TTM 營運現金流（CFO）高達 $168.3B 美元，但 TTM 物業與設備投資達 $210.7B 美元（LTM CapEx 為 $215.2B 美元），導致自由現金流大幅轉為 −$42.4B 美元（LTM FCF 為 −$46.9B 美元），相較去年同期的 +$14.8B 美元劇烈下滑，主要由 AI 基礎設施投資所拉動。 * 反證與支撐：AWS Q3 營收年增 39.3% 達 $46.0B 美元，營業利潤達 $17.8B 美元，證明市場需求確實強勁。Amazon 的核心挑戰不在於「AI 有無人買」，而在於必須證明 AWS 能保持長期高成長與利潤率，以消化龐大的資本基底。

Alphabet（最需密切觀察）

Alphabet 2026 年預估 CapEx 達 ~$200B 美元（LTM CapEx 為 $159.8B 美元），將 LTM 自由現金流壓縮至 $19.7B 美元（遠低於 2025 全年的約 $73B 美元）。此外，財報揭露其未來購買承諾高達 $924B 美元，預備租賃與其他義務達 $152B 美元，顯示其已做出龐大的長期算力產能承諾。 * 變現進展：Google Cloud 的 AI 營收已達數百億美元（tens of billions of dollars），且 Search AI 帶動查詢量加速成長。然而，若營收成長在 2027–2028 年放緩，其自由現金流壓縮將極為劇烈。

Meta（最難獨立驗證 ROIC）

Meta 2026 年預估 CapEx 達 $135B–$145B 美元（LTM CapEx 為 $104.4B 美元）。Q3 單季 CapEx 達 $34.9B 美元，導致單季 FCF 轉為 −$2.1B 美元（LTM FCF 為 $28.6B 美元）。 * 驗證瓶頸：Meta 沒有 Azure、AWS 或 Google Cloud 等公共雲端出租業務，無法直接向市場展示「投資算力 $\rightarrow$ 獲取雲端租金」的直接鏈條。其 AI 變現完全為間接型態（推薦算法提升用戶參與度、廣告轉換率與 CPM 提升）。雖然 AI 確實提升了廣告利潤，但外部投資人最難獨立驗證 $\text{AI CapEx} \rightarrow \text{增量利潤}$ 的因果鏈條。

Microsoft（變現路徑最清晰，但隱含資產壽命風險）

Microsoft 展現了最清晰的企業端變現路徑：Q1 FY27 Azure 營收年增 48%、Microsoft Cloud 營收達 $63.9B 美元（年增 30%）、商業合約總額（RPO）達 $677B 美元（年增 73%）、營運現金流 $58B 美元，單季 FCF 達 $18.6B 美元（即便單季 CapEx 高達 $45.2B 美元；LTM CapEx 為 $135.9B 美元，LTM FCF 為 $60.0B 美元）。 * 隱含風險：Microsoft 單季 CapEx 中約有 75% 為短壽命資產（Short-lived assets），如 CPU、GPU、記憶體與儲存設備。伺服器與晶片非鐵路或光纖，其經濟壽命可能極短，面臨加速折舊與技術過時的風險。

3. Apple 的「AI 資本輕量化」策略：戰略依賴風險與資產避險的雙面刃

外界對 Apple 的資本支出常有誤解，認為「CapEx 低代表不重視 AI」。深入檢視財報可釐清其真實戰略：

數據與真實資本結構

根據 Apple FY2026 10-K 資料： * 營運現金流 (CFO)：$145.1B 美元（$145.097B 美元） * PP&E CapEx：僅 $9.0B 美元（$9.041B 美元） * 自由現金流 (FCF)：高達 $136B 美元（$136.056B 美元），FCF margin 高達約 28.4% * 研發費用 (R&D)：從 2025 年的 $34.6B 美元顯著上升 32% 至 2026 年的 $45.8B 美元

財報明確指出，研發費用的增加主要來自 AI 基礎設施投資。Apple 並非不投入 AI，而是將資本流向 OpEx、研發、模型開發與雲端服務採購（例如與 Google 及 NVIDIA 合作將 Private Cloud Compute 擴展至第三方基礎設施），避免自身直接大規模購買 GPU 與興建資料中心。

商業模式差異與算力選擇權（Optionality）

與 Hyperscaler 建造「酒店（資料中心）供出租」不同，Apple 的策略是「需要房間時直接包酒店」。

這種架構賦予 Apple AI 基礎設施選擇權（AI Infrastructure Optionality）：若未來 GPU 推理成本大幅下降、模型平庸化（commodity）、每單位 Token 所需算力降低，Apple 能享用他人承擔硬體折舊後的廉價算力，避免承擔鉅額固定資產減損。

戰略風險與市場誤區

然而，此策略並非沒有代價。Apple 在 10-K 中明確指出了戰略依賴風險：第三方算力供應可能不足，或無法以合理價格取得。若未來頂級模型與算力產能成為稀缺戰略資源，Apple 將面臨供應受限、單位成本過高與產品功能受阻的風險。

駁斥「Apple 對 AI 泡沫免疫」：認為 Apple 完全不受 AI 泡沫影響的觀點並不成立。若其 AI 功能在終端產品落後，將直接傷害產品競爭力；同時，若科技業 AI 估值修正，Apple 的估值與生態系收入亦無法獨善其身。

4. 歷史鏡鑑：這是 1999 年電信光纖泡沫再現嗎？

運用巴菲特重視的歷史比較法，當前 AI 建設浪潮與 1998–2001 年的電信光纖泡沫（Telecom Boom）極為相似，但背後的財務基底亦存在實質差異。

相似之處：核心假設正確 vs 資本回報錯誤

當年電信泡沫的核心假設——「網路流量將爆炸性成長」——長期來看完全正確。但當時投資人犯的錯誤是：將「需求最終龐大」等同於「今日興建的每條光纖都能獲取高 ROIC」，最終導致嚴重的產能過剩與企業破產。

Richmond Fed 與 PIMCO 的研究指出，當前 Hyperscaler 的 CapEx 成長軌跡與數據中心建設速度已追平、甚至超越 1990 年代的電信基礎建設投資。

三大重大差異

1. 資產負債表體質（PIMCO 觀點）：1999 年的光纖建設高度依賴高槓桿債務、股權融資與資本市場持續補血；今日 Big Tech（Amazon, Alphabet, Microsoft, Meta）擁有極強的自身營運現金流與高獲利能力，槓桿率與財務起點遠優於當年的電信公司。
2. 真實需求的即時性：AWS (+39.3%)、Azure (+48%)、Google Cloud AI（數百億美元）與 Oracle IaaS (+121%) 顯示，當前市場處於算力受限（Supply Constrained）狀態，產能投入即有實際合約與客戶使用，非空置網絡。
3. 更危險的資產折舊風險（Asset Depreciation Risk）：GPU 的經濟壽命遠比光纖更短且退化更快。Google 揭露其約 65% 的技術基礎設施投資為伺服器與網絡設備（會計折舊年限約 6 年）。但在實際運作中，隨著晶片迭代（如 Blackwell 等新世代晶片實現性能/瓦特比提升 5 倍、模型量化技術提升 4 倍、推理優化提升 3 倍），舊款 GPU 的經濟價值可能在 2 至 3 年內快速退化，造成比傳統資產更嚴重的隱形資產減損。

5. 資本鏈條的連鎖反應：從 CoreWeave、Oracle 到 NVIDIA 的風險評級

當 AI CapEx 產生的利潤不及資本門檻時，資本鏈條上的企業將承受不同程度的衝擊：

[資本風險最高] CoreWeave / Neoclouds 
       ↓
Oracle
       ↓
Amazon 
       ↓
Alphabet 
       ↓
Meta 
       ↓
Microsoft 
       ↓
[資本風險最低] Apple

極高風險層級（CoreWeave 與 Oracle）

• CoreWeave：Q2 2026 營收僅約 $2.58B 美元，但單季利息支出已高達 $640M 美元，GAAP 營業虧損 $49M 美元（LTM CapEx $20.6B 美元，LTM FCF −$13.7B 美元；在手訂單約 $104B 美元）。其商業模式極度依賴高債務融資、GPU 利用率與租賃單價。從葛拉漢式的資本結構警告來看：即使 AI 需求長期完全正確，公司股東仍可能因為資本結構（Capital Structure）的脆弱性而輸光權益資金。
• Oracle：FY2026 已融資 $43B 美元債務與 $5B 美元股權，FY27 Q1 再度現增 $20B 美元股權。Q1 CapEx 達 $28.5B 美元，單季 FCF 為 −$5.4B 美元（LTM CapEx $75.7B 美元，LTM FCF −$28.7B 美元；OCI IaaS 年增 121%）。其資本支出規模已遠超自身歷史現金生成能力，高度依賴外部資本。

NVIDIA 的二階需求風險（Second-Order Demand Risk）

NVIDIA 本身未直接承擔資料中心固定資產的過剩風險，因此無直接的滯留資產（Stranded Assets）風險。然而，若 2027–2028 年 Hyperscaler 發現產能過剩，將 CapEx 成長率從 +50% 降至 0% 或 −20%，NVIDIA 將面臨訂單下滑、定價權削弱、毛利率壓縮與估值倍數修正的二階需求打擊。

企業風險評級比較表

6. 給長期價值投資人的實用重點：評估 AI 資本浪潮的內在價值法則

面對巨額 CapEx 浪潮，價值投資人應秉持客觀與邏輯嚴密的檢視標準，避免落入極端思考：

1. 避免二元對立思維：切勿陷入「AI 是泡沫所以全數賣出」或「AI 將改變世界所以任何 CapEx 都合理」的極端。歷史證明，技術成功完全可能與差勁的股東回報並存。
2. 核心評估指標轉移：追蹤科技巨頭的指標應從單純的「AI 營收成長率」，轉移至真正的資本回報率算式：

$$\frac{\text{增量 AI NOPAT}}{\text{增量 AI 投入資本}}$$

3. 建構累積資本追蹤模型：投資人應持續統計各家公司自 2023 至 2026 年累積形成的 AI 投入資本，反推至 2030 年所需產生的稅後淨利潤池，並對比其安全邊際，作為買進、持有或減碼的內在價值評估依據。

關鍵數字

• Amazon：2026 年預估 CapEx 約 $220B 美元；TTM 營運現金流 $168.3B 美元；TTM 物業/設備投資 $210.7B 美元（LTM CapEx $215.2B 美元）；TTM 自由現金流 −$42.4B 美元（LTM FCF −$46.9B 美元）；Q3 AWS 營收 $46.0B 美元（年增 39.3%），AWS 營業利潤 $17.8B 美元。
• Alphabet (Google)：2026 年預估 CapEx 約 $195B–$205B 美元（~$200B 美元）；LTM CapEx $159.8B 美元；LTM 自由現金流 $19.7B 美元；未來購買承諾 $924B 美元；預備租賃與其他義務 $152B 美元；技術基礎設施投資中約 65% 為伺服器與網絡設備（會計折舊約 6 年）。
• Microsoft：日曆年 2026 預估 CapEx 約 $170B 美元；LTM CapEx $135.9B 美元；LTM 自由現金流 $60.0B 美元；Q1 FY27 CapEx $45.2B 美元，自由現金流 $18.6B 美元，營運現金流 $58B 美元；Q1 FY27 Azure 營收年增 48%；Microsoft Cloud 營收 $63.9B 美元（年增 30%）；商業合約總額 (RPO) $677B 美元（年增 73%）；CapEx 中約 75% 為短壽命資產（CPU/GPU/記憶體/儲存）。
• Meta：2026 年預估 CapEx 約 $135B–$145B 美元（~$140B 美元）；LTM CapEx $104.4B 美元；LTM 自由現金流 $28.6B 美元；Q3 單季 CapEx $34.9B 美元，單季自由現金流 −$2.1B 美元。
• Apple：FY2026 營運現金流 $145.1B 美元（$145.097B 美元）；FY2026 PP&E CapEx $9.0B 美元（$9.041B 美元）；FY2026 自由現金流約 $136B 美元（$136.056B 美元，FCF margin 約 28.4%）；R&D 費用從 2025 年的 $34.6B 美元增加 32% 至 2026 年的 $45.8B 美元。
• Oracle：FY2026 已完成融資 $43B 美元債務 + $5B 美元股權；FY27 Q1 現金增資 $20B 美元股權；Q1 CapEx $28.5B 美元，單季 FCF −$5.4B 美元；LTM CapEx $75.7B 美元，LTM FCF −$28.7B 美元；OCI IaaS 營收年增 121%。
• CoreWeave：Q2 2026 營收約 $2.58B 美元；Q2 利息支出 $640M 美元；Q2 GAAP 營業虧損 $49M 美元；在手訂單 (Backlog) 約 $104B 美元；LTM CapEx $20.6B 美元，LTM FCF −$13.7B 美元。
• Nebius：LTM CapEx $11.1B 美元，LTM FCF −$5.88B 美元。

什麼情況會改變我們的看法

1. Hyperscaler 資本支出成長率顯著放緩：四大巨頭的 CapEx 年成長率若從 +50% 降至 0% 甚至負成長（如 −20%），將驗證算力供需迎來轉折，並直接對 NVIDIA 等上游供應商造成定價與毛利壓力。
2. GPU 租賃價格與算力單價加速下滑：二手或上一代 GPU 的租賃市場價格與每單位 Token 推理成本若持續驟降，將導致 CoreWeave 或 Oracle 等高槓桿算力出租商的利用率與毛利率加速惡化。
3. 主要科技巨頭增量 AI NOPAT 顯著兌現：Microsoft、Alphabet、Amazon 或 Meta 若能明確證明其 AI 服務帶來每年數百億美元的稅後淨營業利潤，使增量 ROIC 達到或超過 15% 的資本門檻。
4. Apple 第三方算力供應中斷或採購成本大幅飆升：若第三方雲端業者無法以合理價格提供足夠算力，導致 Apple 的 Private Cloud Compute 或產品 AI 功能發展受阻，迫使其必須自行轉向高額 CapEx 建設。

---

歡迎前往 DeepValues Research 網站閱讀更多開源企業深度研究，或使用 DeepValues App 檢索最新個股的內在價值模型與安全邊際估算。

資料來源

• AI CapEx Risk
• AI Capital Myths