谁先停火——科技烧钱大战的四次终局与一套信号体系，从光纤、DRAM 到流媒体与 AI 的资本消耗战复盘

本文所说的“烧钱”，指的是现金流意义上的资本消耗，不能只看利润表是否亏损。狭义上，烧钱是指公司整体自由现金流持续为负，必须依靠外部融资或母体输血维持经营，常用指标包括现金消耗速度（burn rate）和可支撑时间（runway）。广义上，资本消耗是指公司整体现金流仍为正，但在某项业务、产能扩张或技术投入上持续花钱，短期内压低现金回报，以换取市场份额、降低以后的生产成本或争取未来的增长机会。常用指标包括分部开支增速、增量投入 ROIC 和自由现金流的下降幅度。

两者的共同点是，这些钱并非维持公司日常经营所必需。公司即使不花，也能继续运营；花出去，则可能让公司在下一轮竞争中拥有更多产能、更低的单位成本、更快的交付能力，或更大的客户基础。本文不讨论设备维护、现有产品的常规研发和正常的库存变化，重点关注那些短期内不会影响公司生存，却可能改变未来竞争位置的支出。

判断一家公司是否仍在烧钱，要看现金流量表，不能只看利润表。Netflix 是最直观的例子：2017 至 2019 年，公司净利润连续为正，但自由现金流持续为负；2019 年内容现金支出为 146 亿美元，高于利润表确认的 92 亿美元内容摊销。利润表盈利，并不意味着资本消耗已经停止。

本文按资金来源把四场战争的参与者分成两类

注：这个分类看资金来源，它决定停火权在谁手里、烧钱能持续多久。流媒体两家分属两类，Netflix 早期靠外部融资，迪士尼靠自有现金流。

按资金来源分类之后，两类公司要盯的东西不同。依靠外部融资持续烧钱的公司，要看投资人和债权人是否还愿意继续出钱，以及融资成本有没有上升；依靠自有现金流投入的公司，则要看自由现金流被压缩到什么程度、新增投入的 ROIC 如何，以及股东是否还愿意把更多现金投进去。

分类之外，全文还持续追问第二个问题：钱花到哪里、最终留下什么。光纤、DRAM 和流媒体主要把钱投向网络、工厂和内容库，这些投入可能留下可继续使用的基础设施、更大的产能、更丰富的内容，或更低的单位成本。网约车主要把钱用于乘客优惠和司机奖励，补贴减少后，用户、司机和订单更容易转向价格更优惠的平台。

归结起来，本文用两个问题理解四场战争：还有谁愿意继续出钱，这些钱最终留下了什么。四场战争的结局各不相同，但都可以从这两个问题来理解。本文只讨论公司为什么继续投入、又为什么收手，不讨论估值高低。融资环境会加快或推迟停火，也会改变停火方式；真正促使公司收手的，通常是原先支撑持续投入的增长或回报预期无法兑现。

光纤 1996–2002：三条外部融资渠道，终止权都不在公司手里

光纤行业之所以能持续获得融资，建立在一个核心判断上：互联网流量每百天翻一番。只要这种增速能够延续，提前铺设跨洋光缆就有道理。下面先看这些资金从哪里来，再看这一判断为什么最终没有兑现。

三条融资渠道，一个共同前提

这场战争所需的资金几乎都来自公司外部。电信运营商主要通过三种方式支撑建设：借债、发行股票，以及由设备商提供融资。大多数公司会同时使用多种方式，区别在于最依赖哪一条。这种差别，很大程度上决定了它们失去融资能力的方式和先后顺序。

第一条是借债。高收益债是这轮光纤建设最重要的资金来源。Global Crossing 是当时最受关注的新兴国际光纤运营商之一，业务还没有产生稳定现金流时，就借下巨额债务铺设海底光缆。债权人愿意借钱，是因为相信流量的持续高速增长会带来足够的收入偿还本息。

第二条是股票。公司既可以增发股票换取现金，也可以直接用股票收购其他公司。WorldCom 是当时美国最大的长途电信运营商之一，也是这一轮并购扩张中最具代表性的公司。它趁股价较高时增发股票，再用这些股票换取其他公司的股权，不需要支付大量现金，就能迅速买下别人已经建好的网络。股价越高，同样数量的股票能换到的资产越多；股价一旦下跌，这种扩张方式就很难继续。

第三条是设备商为客户提供融资，也称卖方信贷。Lucent、Nortel 和 Cisco 都是当时全球主要的通信和网络设备供应商。为了让资金不足的电信公司继续采购，它们会允许客户延期支付设备款，有时还会直接向客户提供贷款，让客户用这笔钱购买自己的设备。设备商既卖设备，也为买方垫资。据当时的行业报道，Lucent 向客户承诺的融资额度约 81 亿美元，Nortel 和 Cisco 也各有数十亿美元的类似安排，部分客户拿到的融资额度甚至超过了设备价款本身。设备售出后，设备商可以先确认收入，但现金并没有立即到账，账上留下的是客户未来需要偿还的欠款。客户一旦无力还款，设备商既收不回货款，也要承担贷款损失。

这种安排会让需求看起来比实际更强。部分客户之所以下单，正是因为设备商先提供了资金；设备商确认的收入，也不完全建立在客户自身的付款能力上。由于头部设备商提供的融资规模达到数十亿美元，这类由卖方信贷支撑的订单广泛出现在行业报表中，外界很容易把融资促成的采购，当成真实需求增长。

三种方式虽然不同，能否持续都取决于同一个前提：流量每百天翻一番的预期。流量如果按预期增长，电信公司就能靠新增收入偿债，股价能维持高位，设备商借出去的钱也收得回来。整个行业把融资、估值和回款，都建立在同一个需求预测上。

更危险的是，三种融资方式还会通过订单、收入、股价和信用形成循环。供应商融资帮助客户继续下单，同行互换交易又被计入收入；较高的收入和利润维持了股价和信用，帮助公司继续发股和借债，新拿到的钱再流回网络建设。在这个循环里，报表本身成了融资链条的一部分，未必反映真实需求。

WorldCom 的会计处理和 IRU 互换，分别展示了利润和收入是怎样被用来维持这个循环的。WorldCom 在线路租赁成本涨得比收入快之后，把本应计入当期费用的部分线路支出记作资本开支，把成本推迟到以后确认；连同准备金操纵等其他会计处理，公司累计虚增利润不低于 110 亿美元。IRU 互换是电信公司之间互相购买光纤容量使用权：Global Crossing 2001 年一季度的 IRU 销售中，66% 来自同行互换；若按分析口径剔除这部分交易带来的现金流入，当季经营现金流将由正 2100 万美元转为约负 3.54 亿美元；Qwest 后来也因类似交易冲销了约 9.5 亿美元收入。前者少确认成本，虚增了利润；后者增加账面销售，抬高了收入。两者都帮助公司维持股价和融资能力。

图1　互换交易贡献了 Global Crossing 2001Q1 的全部正现金流

剔除 IRU 互换后，经营现金流由报告口径的 +2100 万美元转为 −3.54 亿美元

流量预期为什么没有兑现

这个预期并非凭空出现。1995 至 1996 年，浏览器推动互联网第一次大规模走进普通家庭，美国骨干网流量在两年内增长了约百倍。但这段增长主要来自新用户集中涌入，并非常态：九十年代初，流量本来就大致每年翻一番，1997 年之后增速又回到了这一水平。行业却把那两年的短期跃升，当成了可以长期外推的趋势。

"每百天翻一番"，意味着一年后流量会变成原来的十二倍左右，这样的速度不可能长期维持。AT&T 实验室的研究者当时就算过这笔账：流量等于用户数乘以人均用量。用户数若再增长百倍，也就是同样的增速再维持两年，所需用户就会超过全球人口。人均用量在当时也很难快速上升。骨干网虽然已经使用光纤，多数家庭仍靠拨号调制解调器上网，光纤入户进度也远低于预期，接入速度限制了用户能够产生的数据量。真正大量消耗带宽的视频应用，要到泡沫破裂多年之后才逐步普及。

需求低于预期的同时，供给还在加速扩大。密集波分复用（DWDM）技术让多路信号在同一根光纤中并行传输，不需要重新铺设线路，就能让单根光纤的容量提升数百倍。结果是，需求以每年翻一番的速度增长，本身并不慢，但网络容量却扩张得更快。行业估算显示，当时已铺设的骨干光纤中只有约一成被实际使用；据报道，部分长途或骨干带宽的批发价格在四年内下跌超过九成。大规模建设没有带来预期中的收入，公司原本指望用来偿债的经营现金流也没有出现。

依次断裂，与两家没有倒下的公司

需求预期被推翻后，三条融资渠道开始失效。三条渠道失效的机制并不相同。股票作为收购货币，市价一旦下跌就直接贬值，失效来得最快；债券价格虽然同样迅速反映预期，但公司真正失去这条渠道，要看新债还能不能发出去，这个要等风险得到一定的暴露；客户坏账则要等付款逾期后才暴露，出现得最晚。个别公司的经历会偏离这个次序，但整体上，压力先出现在市场估值和融资能力上，最后才通过客户违约传到设备商。依靠股票收购扩张的公司最先失去并购能力：2001 年，债券市场对电信公司迅速关门，据当时报道，年初还能融到几十亿美元的公司，到 4 月已经很难再借到钱；损失最后通过应收账款回到设备商身上，Lucent 在 2001 和 2002 两年合计计提了约 35 亿美元的客户坏账。与此同时，互换收入和会计问题接连曝光，投资者已无法分辨哪些收入来自真实客户，连还愿意出钱的人也失去了判断依据。此后，各家公司还能撑多久，越来越取决于三样东西：账上剩余现金、债务到期时间和可出售资产。

结局集中在 2001 至 2002 年。Global Crossing 和 WorldCom 相继破产，WorldCom 申请破产时背负超过 300 亿美元的银行及债券债务。大量尚未投入使用的光纤以远低于建设成本的价格易手，后来成为云计算、视频流和互联网平台扩张时可以直接利用的基础设施。

在大批同行破产时，Level 3 和 Qwest 最终都撑了下来，但依靠的条件不同。Level 3 靠的是更充足的现金和更晚到期的债务，Qwest 则靠稳定现金流和可以出售的资产。

Level 3 是当时最具代表性的新兴骨干网运营商之一，和许多倒下的同行一样，高度依赖举债、从零建网。区别在于，它在融资渠道关闭前储备了更多现金，债务到期时间也排得更远。融资收紧后，它的债券在市场上大幅折价，公司反而用约 7 亿美元现金回购了面值约 17 亿美元的债务；2002 年，它又获得 Berkshire Hathaway 等机构 5 亿美元的可转债投资，说明当时仍有投资者相信它能熬过行业低谷。现金和到期安排没有让它免于亏损，但为它换来了等待对手退出的时间。

Qwest 原本同样靠建设长途光纤网络扩张，后来收购了在多个州经营受监管本地电话业务的 US West。这笔收购没有让 Qwest 摆脱债务压力：2002 年它一度濒临破产，最终靠出售电话黄页业务获得约 70 亿美元，才缓解了资金压力。但稳定的受监管现金流和可出售资产，让它在融资收紧后仍能通过出售资产和重新谈判债务缓解压力，这是许多纯新建同行没有的选项。

光纤行业留下三个提醒。第一，依赖外部融资的公司，扩张能否继续，最终由出资方决定。第二，要看公司主要靠哪种钱扩张。靠发债的怕借不到新钱，靠股票的怕股价下跌，靠设备商贷款买设备的怕对方不再放款；即使都靠借债，现金更多、债务更晚到期的公司也能撑得更久。第三，当订单和收入需要依靠融资安排才能成立时，报表中的增长可能高估真实需求。后文观察 AI 基础设施时，这三条都会再次用到。

DRAM 1984–2012：同一产能战，成本曲线与资金结构决定生死

DRAM 行业的特殊之处在于，所有公司经历的都是同一轮价格下跌和产能扩张，但最后的结果差别很大。真正拉开差距的，是公司能否在低谷期继续投入，并把生产成本降到足够低。只有这样，前期烧掉的钱才有机会在下一轮涨价中赚回来。

三星在行业低谷中仍有余力继续投入。这轮下行从 2007 年开始加深。厂商普遍预期 Windows Vista 会拉动内存需求，因此提前扩产，但实际需求增长低于预期，新增产能已经超过市场需要。2008 年金融危机接踵而至，DRAM 价格进一步下跌。

DRAM 价格一旦跌破现金成本，厂商生产得越多，现金亏损就越大。2001 年的上一轮低谷已经出现过这种情况：128Mbit DRAM 的售价跌破 1 美元，而生产一颗芯片的现金成本约为 3 至 3.5 美元。行业需求仍在，但当售价连生产所需的现金支出都覆盖不了时，继续扩产就要求公司有足够厚的资金储备。

2007 至 2009 年，三星电子公司层面的经营现金流分别达到14.8万亿、13.4万亿和19.7万亿韩元，使它能够在价格低位继续扩产和研发。按公司披露口径，三星 DRAM 的全球市场份额也从2008年的30.1%升至2009年的33%。

三星披露的是整个公司的经营现金流，未披露这些钱具体来自手机、电视或其他某一项业务。但可以确定的是，三星不只依赖 DRAM 赚钱。半导体业务亏损时，手机、电视等其他业务仍然能够提供现金，支撑公司持续进行扩产和研发。2008 年四季度，三星半导体部门营业亏损 5,600 亿韩元，手机部门仍有 1,600 亿韩元营业利润；公司全年营业利润达到 5.7 万亿韩元。DRAM 业务陷入亏损时，三星仍能从集团其他业务获得利润和现金，不必完全依靠存储芯片自身回款维持投入。

尔必达和奇梦达就没有这样的缓冲。奇梦达于 2006 年从英飞凌拆分出来，业务高度集中在存储芯片；随着亏损扩大和融资压力上升，公司于 2009 年 1 月申请破产。尔必达由 NEC 和日立的 DRAM 部门合并而来，收入同样高度依赖存储芯片；2008 年后日元大幅升值，进一步抬高了生产成本。即使获得日本政府支持，尔必达仍于 2012 年破产。同一轮价格下跌，对三星而言，DRAM亏损消耗的是集团现金流的一部分；但对奇梦达和尔必达而言，价格下跌直接冲击了它们最主要的收入和现金来源。

足够厚的资金能帮助公司熬过行业低谷，但行业回暖后，新增份额能不能重新变成利润，最终还要看成本压得够不够低。

DRAM 行业后来逐步由三星、SK 海力士和美光主导。1980 年代，日本厂商曾占据领先地位，但到 1998 年，韩国厂商已经反超。行业低谷期投入的资金，只有在竞争对手退出后转化为更低的生产成本，从而获取更高的市场份额和更强的提价能力，才有机会在下一轮价格上涨时收回。

图2　三十年混战收敛为三家：资金结构决定谁留在牌桌上

DRAM 厂商全球市场份额，2001–2019；英飞凌/奇梦达、尔必达等在下行期相继出清

DRAM 行业要想把低谷期的投入变成优势，需要同时满足三个条件：生产成本低于同行、手里有足够的现金撑过亏损期，以及竞争对手退出后还能获得更高的市场份额和更强的提价能力。缺少其中任何一个条件，继续投入都可能只是在推迟被淘汰的时间。

这段历史也可以用来理解今天的超大规模云厂商（hyperscaler）。这类公司可以用广告、云和软件等主业产生的现金支持 AI 资本开支，与三星依靠集团现金流维持 DRAM 投入，在资金结构上有相似之处。这里的相似之处是公司拥有内部现金来源，不代表某一项主业的利润会直接、逐笔转给 AI 业务。

因此，外部融资收紧通常不会立刻迫使这类公司停止投入。更需要观察的是，主业经营现金流还能覆盖多少 AI 开支，自由现金流被压缩到什么程度，ROIC 是否改善，以及管理层何时停止上调资本开支。更早被迫收缩的，往往是现金来源更单一、外部融资依赖更高的公司。

网约车 2014–2023：靠融资补贴乘客和司机，停火权在出资人手里

网约车平台主要把融资来的钱用于补贴乘客和司机。乘客端靠低价吸引订单，司机端靠奖励增加接单人数。补贴期间，交易总额（GMV）、订单量和市场份额都能快速增长；补贴减少后，乘客会重新比较价格，司机也会同时在多个平台接单，原来靠补贴换来的份额很容易流失。由于这些投入很难留下长期资产，公司能烧多久，最终取决于投资人是否还愿意继续出钱。

滴滴和快的的补贴战，靠一轮轮股权融资维持。平台给乘客打折、给司机发奖励，订单量和市场份额很快被推高，但每多持续一天，都要继续消耗股东投入的资金。2015 年 2 月，滴滴与快的合并；2016 年 8 月，滴滴收购 Uber 中国。两次收场都发生在投资人重新评估补贴回报之后。当双方背后出现相同投资人时，继续补贴的动力就会减弱，合并也更容易成为结束竞争的选择。

美国战场的烧法同样直接。2014 年初，Uber 把车费全线下调超过 20%，成为多数城市里最便宜的出行选择，Lyft 只能跟进降价；两家还互相争夺司机，为转投的司机一度开出上千美元的奖金。车费低于成本的部分，由平台补贴。Uber 在招股书里算过这笔账：一趟 10 美元的行程，司机拿走 7 美元，公司再补贴 1 美元，自己留下 2 美元；补贴加码到 4 美元时，这一单就净亏 1 美元。按这个方式扩张，截至 2018 年底，Uber 上市前的累计赤字约为 79 亿美元，支撑扩张的是超过 240 亿美元的股权和债务融资；软银主导的约 90 亿美元交易中，既包括对 Uber 的新增投资，也包括从原股东手中购买股份。和中国战场一样，这里也出现了相同投资人：软银同时持有 Uber、滴滴、Grab 等多家平台的股份，Uber 退出中国和东南亚时，都把当地业务换成了对手的股权。

上市改变了出资方，也改变了规则。私募投资人可以为增长故事持续注资，公开市场则定期用财报投票。Uber 和 Lyft 上市初期，市场一度接受调整后息税折旧摊销前利润（adjusted EBITDA）、市场份额和规模扩大后的成本改善这类口径。2022 年，美联储在一年内把利率从接近零加到 4% 以上，亏损公司的估值逻辑被重新定价，投资者转而要求按通用会计准则计算的利润（GAAP 利润）和自由现金流。压力直接传导到了管理层：2022 年 5 月，Uber CEO 在会见投资者后向全员发信，称市场正在经历剧烈转变，公司目标从调整后 EBITDA 改为自由现金流，最低效的营销和激励开支将被收缩。两个月后，Uber 交出上市以来第一个自由现金流为正的季度，单季 3.82 亿美元；2023 年一季度，外卖业务的 抽佣（take rate） 达到 20.6%，同比提高 2.5 个百分点，尽管其中部分增幅来自商业模式和会计列报变化。平台改善盈利的方式，已经从单纯补贴换规模，转向提高变现效率、增加广告收入和控制激励开支。

网约车行业给模型实验室的提醒是，稳定现金流通常会在两种情况下开始决定股价：一是利率上升，公司估值被压低，拿到同样的钱要让出更多股份。二是增长放缓，继续用亏损换规模的理由越来越站不住。增长快，融资环境好时，投资者愿意用当前增速推算未来，把今天的亏损看成抢占市场的投入；但融资成本上升后，几年后的利率折算到今天更不值钱，增速一旦放缓，烧掉的钱也很难再被解释成投资。市场这时会转而追问公司眼下能不能持续产生现金。Uber 在 2022 年经历了这次切换：3 月加息启动，5 月管理层把自由现金流列为重点，8 月公司首次实现季度自由现金流转正。尽管当季仍净亏损 26 亿美元，股价当天依然上涨，说明市场已经开始用现金流，而不只是用增速给公司定价。模型实验室暂时没有自己的股价，但同样的变化会通过融资估值、出资规模和算力合同传导过来。

流媒体 2019–2023：当订户增长不再足以支撑内容投入

流媒体行业把钱花在内容上。Netflix 持续投入剧集、电影和本地化内容，希望借此吸引更多订户。由于内容成本会分几年计入利润表，账面利润一度掩盖了现金压力。2017 至 2019 年，Netflix 的净利润连续为正，但自由现金流分别为负 20 亿、负 30 亿和负 33 亿美元。2019 年，公司为内容实际支付了 146 亿美元，当年计入成本的只有 92 亿美元，其余部分会在以后几年陆续计入。

图3 账面盈利掩盖现金消耗：Netflix 净利润与自由现金流背离

2017–2019 年净利润连续为正、自由现金流连续为负，缺口逐年扩大；左右轴刻度不同，仅示趋势

市场长期愿意接受这种现金流压力，因为新增订户一直在增长。只要订户增加得足够快，Netflix 花在内容上的钱就会被看作未来增长的投入。

内容预算增加得比观众更快

2019年底起，流媒体竞争迅速升温。迪士尼推出 Disney+，随后华纳的HBO Max、NBC环球的 Peacock 相继入场，好莱坞的传统巨头几乎同时转向流媒体，各家公司也提前公布了投入计划。2021 年 11 月，迪士尼预计下一财年全公司的内容开支将达到 330 亿美元，比上一年增加 80 亿美元，其中包括流媒体、传统影视和体育版权等投入；到2022年，头部平台的内容开支合计已经超过500亿美元。

平台可以同时增加预算，观众每天能用于看视频的时间和可以承担的订阅费用却不会同步增长。参战者越多，每家公司都要花更多钱争夺同一批用户，新增内容能换来的订户和观看时长便会减少。

追赶者的亏损起初也能用订户增长来解释。按新的 Entertainment DTC 口径，迪士尼流媒体业务在 FY2022 亏损 34.2 亿美元。当订户仍在增加时，这些亏损可以被看作追赶 Netflix、建立用户规模所付出的成本。问题在于，订户增速已经开始放缓，内容开支却没有同步下降。

Netflix 的年度新增订户从 2020 年的约 3,700 万降至 2021 年的 1,820 万，为 2016 年以来最低，而内容开支仍在增加。同样一美元内容投入，在 2021 年换来的新增订户明显减少。管理层此前已经提示过这种风险：2020 年年中的股东信承认，疫情把一部分未来增长提前带到了当下。

图4　同样的内容投入换来更少新增订户

2021 年内容开支创新高，新增订户降至 2016 年以来最低；2020 年开支回落主要受疫情停产影响；左右轴刻度不同，仅示趋势

这些信号没有立刻改变市场对 Netflix 的看法。真正的转折出现在 2022 年。

2022年1月，Netflix公布的四季度订户增量不及指引，股价第一次大幅下跌。当时订户仍在增长，但投资者已经开始怀疑，内容投入还能不能维持原来的增长速度。4月19日，Netflix公布一季度订户减少20万，远低于此前预计增加250万的目标。退出俄罗斯市场影响了约70万订户，但即使扣除这一因素，增长仍远低于预期。此前，订户的持续增加，高额内容投入支出就能被解释成对未来的投入；当实际数字与公司指引出现巨大落差，市场就会开始追问这些内容到底能带来多少利润、每位用户带来的收入(ARPU)和自由现金流。

因此，评价标准的变化并不是从订户数开始转负那天才开始。2022年1月，订户增长低于公司自己的预期，市场已经第一次明显下调估值；4月，预计增加250万、实际减少20万，之前积累的怀疑在这时候集中爆发。触发市场变化的，是实际结果与公司指引之间的差距，而不只是订户是否还在增长。

公司开始削减投入，改变披露重点

压力很快反映在公司行动上。Netflix 开始裁员、推出广告套餐，并开始限制共享账户，Netflix 估计全球共享账户超过1亿。迪士尼重新调整流媒体投入，华纳也开始削减内容开支、控制现金流。当 Netflix 向市场解释业务时，重点也随之改变。订户数的重要性下降，利润、ARPU 和现金流被放到更靠前的位置。Netflix 在 2024 年一季度宣布，从 2025 年一季度起停止定期披露季度订户数。订户仍然重要，但已经不再是公司衡量季度表现的主要指标。

这个案例里，最早的信号出现在行业的投入计划中。各家公司会提前公布下一年的内容预算，把这些计划加总，再与观众时间、订阅支出和市场增速对照，就能看出竞争是否正在变得过度拥挤。

第二个信号来自公司财报。2021 年，Netflix 的新增订户已经明显放缓，内容开支却仍在增加，每一美元投入换来的新增订户越来越少。市场当时并未及时对此计价：2021 年 11 月，Netflix 股价仍创下历史新高，疲弱的数据普遍被解释为疫情透支后的正常回落。直到 2022 年 1 月，四季度订户低于公司指引，前一年积累的证据才开始反映到股价上。也就是说，财报比市场集中重定价提前数个季度发出了警报。而实际结果低于公司指引，则是市场集中调整估值的直接触发点。至于公司弱化订户数、开始强调利润和现金流，通常已经是评价标准改变后的结果。

观察 AI 基础设施时也可以按照这个顺序。先加总各家公司公布的资本开支，判断供给增加得是否快于需求；再看每一美元新增开支能换来多少收入和现金流；最后比较公司指引和实际结果，一旦连续低于预期，市场对高额投入的耐心就可能迅速下降。

除了观察这些信号，还要看内容投入最终留下了什么。剧集和电影制作完成后仍能继续使用，但能否真正产生回报，要看它们是否能留住订户、提高每位用户带来的收入，并在提价后减少用户流失。

四场战争的收场方式不同。网约车通过合并结束补贴战，DRAM 淘汰到只剩少数大厂，光纤行业经历大批破产和资产低价转手，流媒体公司则在没有破产的情况下转向利润和现金流。

在本文复盘的四个案例中，这些变化大多从同一个地方开始：支撑大规模投入的增长或回报预期先被现实动摇，随后反映到投入效率、融资条件和订单质量上。这套信号用来判断公司会不会削减开支、停止补贴、推动合并或出售资产，不用来判断估值高低。四组信号大致按出现时间排列。越靠前，提前量越大，当时也越难确认。

第一，先检验支撑这场烧钱的判断。有些公司相信市场会迅速扩大，例如光纤押注流量增长，流媒体押注订阅取代传统电视。这时要看数据由谁提供，外界能不能独立核对。另一些公司相信行业最后只剩少数赢家，例如网约车和 DRAM。这时要看各家公司是否都按自己会成为头部企业来投入，因为这些目标不可能同时兑现。

第二，看同样一笔钱能换来多少新增订户、订单或收入。内容开支要对应新增订户，补贴要对应留存订单，资本开支要对应新增收入。投入继续增加，新增成果却越来越少，说明回报已经开始下降。Netflix 在 2021 年已经出现这种情况，股价到 2022 年才真正反映。实际结果连续低于公司自己的指引，通常是市场失去耐心的直接触发点。

第三，看公司还能不能继续拿到钱，以及拿钱的代价有没有上升。借钱更贵、公司要让出更多股份才能拿到同样的钱、IPO 定价偏弱，或者设备商不再允许客户延期付款，都是融资收紧的表现。这组信号最适合观察光纤运营商、网约车平台和模型实验室等依赖外部资金的公司。对三星、微软这类主要靠自身现金流投入的公司，则要看主业还能覆盖多少新增开支。

第四，看订单到底靠什么资金成立。客户是否提前付款，供应商是否提供贷款或延期收款，投资与采购是否绑定，订单能否取消，都会影响订单的可信度。订单越依赖这些安排，报表中的增长越可能高估真实需求。光纤行业的同行互换和设备商先贷款、客户再采购，就是典型例子。

这些信号出现后，依赖外部融资的公司通常最先收缩，压力随后传到设备商和供应商，主要靠自身现金流投入的公司承压最晚。市场开始质疑新增开支、管理层从增长转向利润和现金流，属于较晚的确认信号。等行业真正降温后，判断重点也要改变：看留下来的公司能不能在提价或改善毛利率的同时守住份额。做得到，说明前期投入留下了客户、成本优势或议价能力。

AI 这一轮投入分三类看：模型实验室、超大规模云厂商（hyperscaler）和供应链企业。三类公司的资金来源不同，停火权分别掌握在出资人、管理层和客户手里，最早变化的指标也不同。下面先说明各自靠什么钱扩张，再看截至 2026 年 6 月的读数

模型实验室：先看需求和收入，融资是较晚的信号

OpenAI、Anthropic 等模型实验室主要靠一轮轮股权融资支撑开支。IPO 既能帮助公司继续融资，也是早期投资人退出的重要渠道，因此停火权主要在股权出资人和提供算力、云资源的战略合作方手里。不过，等到融资估值下降、投资人减少出资时，收缩通常已经不远。更早要看两种判断，以及现金消耗能换来多少新增收入。

第一个判断是需求型的：token 调用量能否持续增长。目前行业整体需求尚未被推翻，但公司之间已经出现分化，个别模型公司也被报道未能按计划实现部分收入和用户目标。按公司公告和媒体转述口径，OpenAI 和 Anthropic 的收入仍在快速增长。与光纤时代相比，今天的需求在客户层面更容易核对：模型通常按 token 或使用量计费，企业客户可以用账单核对自身实际支出；但外界仍无法据此独立核验模型公司的总 token 调用和总收入。局限也很明显，模型实验室大多没有上市，外界看到的收入 run-rate 仍主要来自公司自述和媒体转述。

第二个判断是结局型的：领先的模型公司最终能否拿走大部分市场。几家头部实验室都在按照自己会成为赢家的规模扩建算力和团队，这些计划不可能全部兑现，最终一定有人拿不到预期中的客户和收入。由于各家公司没有公开长期份额目标，目前还无法判断谁的预期会落空。

投入效率也暂时看不清。实验室不披露完整财报，只能结合收入 run-rate、两轮融资的间隔和媒体转述的现金消耗来估算。目前融资仍然顺畅：按公司公告口径，OpenAI 于 3 月完成新一轮融资，投后估值约 8,520 亿美元；Anthropic 于 5 月完成新一轮融资，投后估值约 9,650 亿美元。这只能说明投资人仍愿意出钱。收入增长如果长期追不上现金消耗，差距最终会反映在下一轮融资或 IPO 定价中。

Hyperscaler：看主业能撑多久，新增投入有没有回报

Amazon、Alphabet、Microsoft 和 Meta 主要用广告、云和软件业务赚来的现金购买 GPU、建设数据中心，并签订长期电力合同，资金结构接近 DRAM 战争中的三星。它们不会因为外部融资收紧立刻停手，停火权主要在管理层和股东手里。

判断这类公司，要看三项：主业利润还能覆盖多少 AI 开支，每一块新增开支带来多少收入、ROIC 有没有改善，以及算力和运营成本能否降到同行之下。只要这几项没有明显恶化，持续投入就可能换来长期优势。

目前云需求和收入尚未出现行业性恶化，但资本开支对自由现金流的压力以及融资条件已经出现分化。现阶段，头部公司的承受能力仍然较强。AWS 2025 年销售额约 1,287 亿美元，较大的业务规模为 Amazon 继续投入提供了缓冲；Meta 和 Alphabet 仍在上调 2026 年资本开支计划，说明管理层目前仍把主要问题看成基础设施不够。

但Oracle 需要单独看。它原本主要靠自身现金流投入，但资本开支已经超过内部现金能够覆盖的范围，开始更多依赖外部融资，停火权也部分转到出资人手里。

按公司公告，Oracle FY2026，也就是截至 2026 年 5 月的财年，自由现金流缺口约 237 亿美元，资本开支约 557 亿美元，剩余履约义务（RPO）约 6,380 亿美元。业绩和开支指引公布后，股价随即承压，说明融资条件已经开始影响市场判断。RPO 反映已有合同承诺；其中客户预付款和客户自带 GPU 的部分，说明客户已经为部分项目投入资金。Oracle 披露，这两类硬件安排在大型 AI 合同中的规模合计约为 750 亿美元。后续重点看 RPO 转成收入的速度、预付款能否持续，以及下一轮融资成本是否上升。

图5 Oracle资本开支反超经营现金流，FY2020-FY2026

经营现金流、资本开支与自由现金流,FY2020–FY2026;FY2025 起 capex 反超现金流,FY2026 自由现金流缺口约 237 亿美元。资本开支采用现金流量表 GAAP 口径，未扣除与资本开支相关的短期融资和客户预付款。

供应链：订单有多大，还要看客户靠什么钱下单

第三类是芯片、服务器、电力和数据中心等供应链企业。它们的订单和收入可能很好看，但订单能否兑现，取决于客户有没有能力付款。

这里要订单资金来源对融资的依赖度：芯片厂是否先投资客户，再获得采购订单；云厂商是否一边投资模型公司，一边获得算力订单；客户是否提前付款；供应商是否提供贷款或延期收款；订单能否取消，收入又在什么条件下确认。

订单越依赖融资，报表中的增长越需要谨慎看待。客户融资一旦受阻，订单可能被推迟或取消，已经交付的货款也会更晚收回。光纤行业里设备商先给客户贷款、再由客户采购设备的教训，在这里同样适用。

截至 2026 年 6 月，这类资金安排正在增加，部分项目越来越依赖客户预付款、供应商垫资和发债。发债的规模有据可查：据 Reuters 援引 BofA 和 Dealogic 的统计，Amazon、Alphabet、Meta、Microsoft 和 Oracle 五家 2025 年在美国发债约 1,210 亿美元，是此前五年年均水平的四倍以上；按 BofA 口径，五家公司 2025 年发行约 1,210 亿美元美国公司债，是此前五年年均水平的四倍以上；按 Dealogic 的全球债券口径，2026 年前五个月发行额已达到约 1,590 亿美元。由于统计市场范围不同，两者不宜直接作同比比较，但都说明发债规模正在快速上升。借款成本一旦上升，依靠发债推进项目的公司会最先承压。

资金之外，还要看电力和电网。项目即使已经拿到钱，也可能因为缺电或接网延期而推迟投产。

截至 2026 年 6 月的读数

按各家公司最新指引，CreditSights 估计五大 hyperscaler 2026 年资本开支合计约 7,500 亿美元，同比增长 67%。其中，Amazon 约 2,000 亿美元，Alphabet 为 1,800 亿至 1,900 亿美元，Microsoft 约 1,900 亿美元，Meta约为1250亿至1450亿美元；约四分之三投向 AI 基础设施。据 UBS 测算，这一规模已接近五家公司全部经营现金流，而过去十年的平均比例约为四成，超出部分需要靠发债和其他融资补足。

第一组，烧钱前提仍有支撑。按 Synergy 口径，全球云基础设施收入增速从 2023 年的 19%、2024 年的约 23%，升至 2026 年一季度的 35%；Synergy 估计，生成式 AI 在过去两年贡献了全球云基础设施市场新增收入的大约一半，说明新增算力仍有需求承接。AI 仍是云厂商解释增长和继续加码的核心理由，市场目前也没有转向质疑需求本身。

第二组，看新增产能投用后，收入能不能按预期增长。按 CreditSights 同一测算口径，五家公司资本开支已连续三年保持 60%以上增速，其中 2026 年预计增长约 67%；同期云收入增速升至 35%，与前期建设开始转化为收入的判断一致，但还不足以单独证明新增资本开支的回报率已经改善。2026 年开支中，大型数据中心和电力项目可能要到 2027 至 2028 年才逐步体现回报，已经投产的 GPU 和服务器则可能更早产生收入。

第三组，融资仍然顺畅，但热度有所下降。2025 年五大 hyperscaler 在美国发行约 1,210 亿美元公司债，是此前五年年均水平的四倍以上；2026 年全球债券发行继续快速增加。按 Apollo 的发行样本，债券订单覆盖倍数从 2 月接近五倍降至 7 月不足两倍，说明投资者吸收新增供给的意愿正在减弱，后续发行可能需要提供更高收益率。

第四组，对外部资金的依赖正在增加。Oracle FY2026 的 RPO 达到 6,380 亿美元，其中客户预付和客户自带硬件的部分约为 750 亿美元。这些安排能够降低 Oracle 自身需要筹集的资本，但也说明部分订单的兑现与客户资金和融资结构紧密绑定。

市场反应已经出现分化，而且会随季度变化。年初 Amazon、Alphabet 和 Microsoft 的新增开支指引曾令股价承压，Meta 一度因广告增长强劲而上涨；但 Meta 在 4 月再次上调资本开支后股价也明显下跌。说明投资者还没有统一否定整轮 AI 扩张，却已开始逐家公司判断新增开支能否带来回报。

综合来看，我们对短期仍持相对乐观判断。云厂商从算力、存储等服务中获得的收入还在加快增长，AI 训练和推理占用的云资源也越来越多，说明 AI 需求和市场关注度都没有明显降温。大额融资也没有中断，头部公司还在上调开支指引，因此这轮投入短期不会停。需要警惕的是，资本开支增速明显快于经营现金流，正在显著压缩自由现金流，部分公司已经需要更多依赖债券、股权和其他融资安排。

后续重点看两项：2026 年的新增开支能否在 2027 至 2028 年带来收入继续加速，以及哪家头部公司最先停止上调资本开支指引。若融资继续降温，Oracle 和依赖发债推进项目的公司会先承压，模型实验室随后受到影响，hyperscaler 则更可能先放慢投入。电力、GPU 和电网接入限制会推迟数据中心投产，也会把行业调整拖得更久。

四场战争说明，烧钱进入后半段时，开支总额通常不会立刻下降，先松动的时支撑扩张的条件。最早是原来的增长判断开始经不起数据检验，随后是同样一笔钱换来的新增订户、订单或收入越来越少。再往后，依赖外部融资的公司，新钱更难拿、代价也更高；订单则越来越依赖客户预付款、供应商垫资或其他资金安排。从投资角度来说，这往往表现为股价的总体下降。

我们的判断是，这场 AI 烧钱战短期内不会停，头部公司还会继续加码。需求仍在增长，融资渠道也没有关闭，但投资者购买科技公司债券的意愿正在减弱，后续融资成本可能上升。多数 hyperscaler 仍有能力继续投入。最先收缩的会是依赖外部融资、现金消耗又快的公司；等头部公司不再加码，行业才算真正停火。