AI基础设施支出预计到2027年将达约1.1万亿美元。摩根士丹利估计，美国“超大规模云服务商”（hyperscalers，指拥有超大型数据中心、提供云服务的巨头，如Google、微软、亚马逊等）仅在2026年就会投入超过8000亿美元的资本开支（capex，即用于购买或建设长期资产的支出，如数据中心、服务器、网络与土地厂房）。
这8000亿美元据称大致相当于标普500指数中“非科技”公司群体在前一年合计的资本开支。该数字预计接近2025年的两倍，并达到2024年的三倍。
资本开支不只是价格，而是数量
成本上升有一定影响，但主要原因是芯片、用电、内存与算力（compute，即计算资源/计算能力）的采购数量增加。过去四年，芯片、内存与“集群计算”（clustered compute，指把大量服务器连接成一个整体协同运算的方式）据称提升到原来的4到7倍能力。
Google表示其每分钟处理160亿个“token”（指大模型处理的最小文本单位，可理解为字/词/片段），季度环比增长60%。“更高规模的模型训练”（model training，即用海量数据训练大模型的过程）预计将检验这些新增资本开支能否真正转化为可上线的系统与收入。
这轮建设推动了半导体股表现，同时也提升了对债务融资（debt funding，即通过发行债券借钱）的需求。“投资级”（investment-grade，指信用评级较高、违约风险相对较低）的债券发行量明显高于去年，且更多借款被安排为更长期限（maturity，即到期时间更久）。
更高资本开支可能支撑营收，但信用市场必须吸收持续新增供给（即不断有新债发行），这可能压低“利差”（spreads，指企业债相对国债的额外利率，利差扩大通常代表融资成本上升、市场风险偏好下降）。如果支出放缓，影响可能扩散到各类风险资产（risk assets，如股票、高收益债等），包括信用市场。
