AI 支出或可抗衰退:AT&T 的历史启示
Fazen Markets Editorial Desk
Collective editorial team · methodology
Vortex HFT — Free Expert Advisor
Trades XAUUSD 24/5 on autopilot. Verified Myfxbook performance. Free forever.
Risk warning: CFDs are complex instruments and come with a high risk of losing money rapidly due to leverage. The majority of retail investor accounts lose money when trading CFDs. Vortex HFT is informational software — not investment advice. Past performance does not guarantee future results.
背景
在一篇引用 AT&T 在以往衰退期间行为的近期报道(Seeking Alpha,2026 年 5 月 10 日)后,关于人工智能(AI)投资在经济下行期间是否能保持韧性的问题变得更加紧迫。美国实际国内生产总值(GDP)在 2009 年收缩 2.5%(美国经济分析局,BEA),并在 2020 年收缩 3.4%(BEA),但某些网络与通信领域的资本支出(capital expenditure,capex)相对于更广泛的公司层面资本支出模式表现出相对稳定。宏观层面的总体疲弱与选择性、战略性技术投资之间的这种差异,构成了 2026 年企业在为 AI 系统、数据中心和云服务编制预算时的核心讨论点。本文综合了历史电信资本支出动态、当代 AI 支出预测以及对企业与上市科技资产的行业影响,并在下文标注了具体的数据点与来源。
电信 incumbents 的资本配置选择被视为一种潜在的类比。5 月 10 日的 Seeking Alpha 报道将“大贝尔(Ma Bell)”时代的决策与 AI 时代大型服务提供商和企业采用者的可能行为相提并论。作为背景,AT&T 与类似 incumbent 历来在经济下行期间优先保证网络投资,以维护服务质量并遵守监管义务;监管者与长期客户合同减弱了其收入的周期性。机构投资者需要评估这些结构性特征——受监管的回报、作为基础服务的地位以及高固定成本网络——是否能平移到当今的云、边缘与 AI 基础设施决策中。
最后,宏观与行业信号并不一致。尽管一些企业的可自由支配 IT 项目在衰退期可能被推迟,但与服务连续性相关的核心基础设施支出(网络升级、云迁移、安全与 AI 推理)显示出局部韧性。政策制定者与监管框架、半导体与数据中心产能的供应链约束,以及大企业的战略优先级,将在未来 12–24 个月塑造 AI 资本支出的结果。下文我们将从宏观背景过渡到数据驱动的深度剖析,随后探讨行业层面的影响与风险情景。
数据深度剖析
三个锚定数据点构成了实证评估的骨架。其一,美国实际 GDP 在 2009 年下降 2.5%、在 2020 年下降 3.4%(美国经济分析局 BEA,年度率),为公司行为提供了两个近期的衰退基准(BEA,2009;BEA,2020)。其二,麦肯锡在其 2018–2021 年研究中估计,AI 技术到 2030 年可能为全球 GDP 增加多达 13 万亿美元,强调了即便采用不均衡,企业转型的潜在规模(McKinsey Global Institute,2018)。其三,大型云服务提供商与超大规模云厂商披露的多年数据中心资本强度显示,领先云供应商在 2019–2022 年间随着为云、边缘与 AI 工作负载扩容,其资本支出保持在较高水平(公司 10-K 报告,2019–2023)。这些来源共同表明,在总体 GDP 收缩时,AI 相关基础设施仍能被优先考虑。
对比以往周期具有启发性。在 2008–09 年衰退期间,许多企业削减了可自由支配的 IT 项目,但受监管的网络运营商和基础服务提供者的削减幅度较小;可获取的数据显示,电信资本支出占收入的比重下降幅度小于制造业或可自由支配部门(FCC 与行业报告,2010–2012)。相反,在 2020 年的新冠冲击中,云与数字服务需求激增,即使总体 GDP 收缩,也推动超大规模云厂商加大资本支出以满足产能需求(公司披露,2020–2021)。主要云提供商的年度资本支出增长在若干季度里从低双位数到中旬两位数不等,超越了许多广泛资本支出指数,凸显出数字基础设施支出与总体公司投资之间的分歧。
供给端因素与需求同等重要。半导体交付周期(lead times)、晶圆厂产能利用率与晶圆定价引入了成本与时序摩擦,这可能使推迟 AI 硬件采购的成本上升。AI 技术栈并非同质:以软件为主的 AI 服务(软件即服务,SaaS 与托管 AI)相对于需要大量前期资本并且交付周期长的本地部署 GPU 集群,具有更灵活的成本结构。因此,机构投资者应将资本支出拆分为若干类别——网络、云、芯片、本地部署——每一类具有不同的周期性与供应集中度(对 ASML、台积电 TSMC 的依赖、NVIDIA GPU 的供给约束)。相关公司披露与行业报告对季度监测尤为关键。
行业影响
对电信 incumbent 与服务提供商而言,历史案例表明基础设施支出具有防御性姿态。电信运营商通常拥有受监管或准监管的收入流以及长期客户合同,这能够在总体公司资本支出下降时支持持续的网络投资。如果 AI 工作负载向边缘与电信云(telco-cloud)迁移,运营商可能在每比特收入上获得结构性提升,从而为边缘计算与光纤建设持续分配资本。这一动态将影响行业内的相对估值:拥有明确边缘/AI 战略并维持资本纪律的公司,可能跑赢那些将 AI 视为投机性附加项的同行。
对于超大规模云厂商与云提供商而言,资产负债表与自由现金流状况至关重要。具备更高经营杠杆与稳健自由现金流的公司,可能会在下行周期中加速资本开支以抢占长期市场份额,延续数据中心投资的多年增长。相对地,规模较小的云竞争者与传统本地部署厂商可能面临更紧的融资约束并推迟投资,从而将业绩拱手让给资本实力更强的参与者。投资者应比较资本支出与收入比率、现金余额和 g
Trade XAUUSD on autopilot — free Expert Advisor
Vortex HFT is our free MT4/MT5 Expert Advisor. Verified Myfxbook performance. No subscription. No fees. Trades 24/5.
Position yourself for the macro moves discussed above
Start TradingSponsored
Ready to trade the markets?
Open a demo account in 30 seconds. No deposit required.
CFDs are complex instruments and come with a high risk of losing money rapidly due to leverage. You should consider whether you understand how CFDs work and whether you can afford to take the high risk of losing your money.