有分析文章对2026年夏天美国科技巨头的财报提出质疑：Alphabet与亚马逊分别交出1121亿美元和626亿美元的创纪录季度利润，但财报公布后两家股价反而下跌。拆解附注后发现，Alphabet的千亿净利润中约980亿美元来自对SpaceX、Anthropic等股权的估值上浮，亚马逊626亿利润中534亿美元来自对Anthropic投资的公允价值调增。这些利润没有一分现金流入公司账户，全部是账面浮盈。

文章将这套利润结构称为「会计魔术」。按作者拆解，Alphabet 2026年Q2净利润中约87%来自股权投资纸面浮盈，亚马逊约85%来自Anthropic投资公允价值调整。Meta纸面浮盈占比相对较低，但自由现金流暴跌91%，仅剩7.84亿美元；微软是四家中最健康的，纸面浮盈占比不足8%，自由现金流196亿美元。剔除浮盈后，Alphabet核心业务营业利润约408亿美元，单季自由现金流首次转负，为-59亿美元，是公司上市数十年来第一次；亚马逊过去十二个月自由现金流转负，资金缺口约76亿美元。

作者指出，这套玩法依托美国通用会计准则GAAP的公允价值计量规则：未上市企业股权在新一轮融资时可被投资方重估，上市股权按季度市价调整。会计层面合规，但催生了一个自我强化的循环——云服务商投资AI实验室，实验室采购云算力，云服务商确认营收并抬升所持股权估值，财报确认高额投资收益，亮眼财报推高股价，进而更容易融资、继续加码投资。只要融资持续涌入，账面利润就持续好看；一旦融资降温、估值下调，利润表就会反向修正。

文章进一步引用《日经亚洲评论》对五大科技巨头年报的梳理：Alphabet、微软、亚马逊、Meta、甲骨文资产负债表上的显性债务约1.35万亿美元，而长期租约、设备采购等表外承诺估算高达1.65万亿美元，已超过表内债务。若纳入英伟达、博通、SpaceX、AMD等九家企业，合计长期采购与租约承诺约3万亿美元。作者强调，这不是已到期的刚性欠款，而是未来数年需履约支付的合同义务，主要来自三类：未生效数据中心租约约1.2万亿美元、GPU与服务器不可撤销采购订单约1.9万亿美元，以及SPV特殊目的载体安排。其中Meta表外承诺约4200亿美元，几乎是表内负债的2.8倍；甲骨文隐性承诺在2026年5月底超过2700亿美元，四年膨胀超30倍；Alphabet表外承诺估算约2500亿美元。文章将这类操作与2001年安然事件类比，但指出本质区别：安然的收入几乎全部虚构，而当下云算力收入真实存在，问题在于利润被股权投资浮盈美化、真实自由现金流恶化、产业链买卖双方高度绑定形成内部循环。

在投入与收入的算术上，文章给出几组对比：五大巨头2026年合计资本开支预计达7692亿美元，几乎是2025年的两倍，机构预估2027年最高或冲击1万亿美元；中金测算AI应用赛道每年需形成约1万亿美元可持续收入才能覆盖资本开支与债务成本，而当前美国头部模型厂商合计年度经常性收入ARR约2000亿美元，中间存在约5倍缺口。伦敦证券交易所集团预测2027年五大巨头经营现金流增加3400亿美元，同期资本开支增加5340亿美元，每新增1美元经营现金流需投入1.57美元资本开支。红杉资本测算AI基础设施每投入1美元，应用端需产生4美元营收才能跑通闭环。融资端，摩根士丹利预测2026年全球AI相关债券发行规模接近5700亿美元，较2025年翻倍；承接方多为养老基金与保险机构，国际清算银行称之为「影子借贷」。瑞银警告，一旦AI投资热潮松动，美国经济衰退概率达50%。

变现端的反差同样显著。文章称，同样生成百万Token，中美模型报价差距最高达166倍。海外方面，Anthropic年化ARR约650亿美元，Q2调整后营业利润首次转正5.59亿美元；OpenAI年化ARR约600亿美元，但每创造1美元收入要烧掉1.8美元成本。国内方面，字节豆包年化ARR约42亿美元、年亏损约38亿元；智谱年化ARR约16亿美元、上半年调整后净亏损19.64亿元；DeepSeek约7亿美元，是国内最接近盈亏平衡的大模型企业。价格上，OpenAI GPT-5.5输出30美元/百万Token、Pro版180美元；Anthropic Claude旗舰输入10美元、输出50美元；DeepSeek V4 Flash输入0.09美元、输出0.18美元；智谱GLM-4-Plus约0.7美元/百万Token。作者认为，头部企业营收差距约10至15倍，核心差异来自定价权与客户结构：Anthropic约75%至85%收入来自大型企业API调用，截至2026年6月34.4%美国企业采购其服务，6月市场份额升至41%；国内客户多为开发者与中小团队，价格战激烈。但文章也提到一个反常识现象：国内大模型出海反而更易获高溢价，MiniMax 2025年73%收入来自海外，旧金山AI企业Lindy将流量从Anthropic切换至DeepSeek后性能不降、每年节省数百万美元，Coinbase选用智谱GLM-5.2与月之暗面Kimi K2.7作为工程师默认模型，压缩AI支出近一半。

关于账单最终由谁承担，文章列出三条线索：一是岗位替代，高盛预测AI普及将迫使约9%美国劳动者、约1500万人离开原有岗位，科技、咨询、设计行业每月减少1万至1.5万个新增岗位，2026年1月美国单月裁员10.8万人，斯坦福研究显示AI相关应届生就业率下降16%、22至25岁软件开发者就业人数较峰值下滑20%；二是消费K型分化，美国家庭财富中股票占比达37%创历史新高；三是算力正变成新的数字地租，Token边际生产成本从2022年的60美元降至2026年初的0.06美元，但Token非同质化商品，闭源模型仍可依靠质量壁垒维持定价权。文章还引用MIT调研称，95%企业落地AI后未拿到可量化业务回报，一旦企业落地不及预期，整个循环链条就会断裂。

文章最后给出三种终局推演：乐观情景下应用层诞生杀手级产品、企业落地提速，2030年AI行业年收入突破1.4万亿美元、整体盈亏平衡，中金判断当下AI不算典型泡沫但资本投入相对真实需求明显抢跑；悲观情景下AI落地慢于资本扩张，表外合同集中到期叠加资产减值，2028年外部融资缺口达7000亿至8000亿美元，巨头被迫削减资本开支，芯片与服务器上游同步承压，德意志银行测算OpenAI最早2030年才有望现金流转正；最可能情景是局部爆雷、风险链式传导，某家AI实验室估值大幅下调、数据中心项目违约或AI债券发生信用事件，通过巨头间交叉持股与互相采购放大传导。作者个人判断第三种情景概率最高，认为问题不在于AI技术有无价值，而在于商业化落地速度能否追上资本开支膨胀速度，这本质是一道算术题。