有分析文章對2026年夏天美國科技巨頭的財報提出質疑：Alphabet與亞馬遜分別交出1121億美元和626億美元的創紀錄季度利潤，但財報公佈後兩家股價反而下跌。拆解附註後發現，Alphabet的千億淨利潤中約980億美元來自對SpaceX、Anthropic等股權的估值上浮，亞馬遜626億利潤中534億美元來自對Anthropic投資的公允價值調增。這些利潤沒有一分現金流入公司賬戶，全部是賬面浮盈。

文章將這套利潤結構稱為「會計魔術」。按作者拆解，Alphabet 2026年Q2淨利潤中約87%來自股權投資紙面浮盈，亞馬遜約85%來自Anthropic投資公允價值調整。Meta紙面浮盈佔比相對較低，但自由現金流暴跌91%，僅剩7.84億美元；微軟是四家中最健康的，紙面浮盈佔比不足8%，自由現金流196億美元。剔除浮盈後，Alphabet核心業務營業利潤約408億美元，單季自由現金流首次轉負，為-59億美元，是公司上市數十年來第一次；亞馬遜過去十二個月自由現金流轉負，資金缺口約76億美元。

作者指出，這套玩法依託美國通用會計準則GAAP的公允價值計量規則：未上市企業股權在新一輪融資時可被投資方重估，上市股權按季度市價調整。會計層面合規，但催生了一個自我強化的迴圈——雲服務商投資AI實驗室，實驗室採購雲算力，雲服務商確認營收並抬升所持股權估值，財報確認高額投資收益，亮眼財報推高股價，進而更容易融資、繼續加碼投資。只要融資持續湧入，賬面利潤就持續好看；一旦融資降溫、估值下調，利潤表就會反向修正。

文章進一步引用《日經亞洲評論》對五大科技巨頭年報的梳理：Alphabet、微軟、亞馬遜、Meta、甲骨文資產負債表上的顯性債務約1.35萬億美元，而長期租約、裝置採購等表外承諾估算高達1.65萬億美元，已超過表內債務。若納入輝達、博通、SpaceX、AMD等九家企業，合計長期採購與租約承諾約3萬億美元。作者強調，這不是已到期的剛性欠款，而是未來數年需履約支付的合同義務，主要來自三類：未生效資料中心租約約1.2萬億美元、GPU與伺服器不可撤銷採購訂單約1.9萬億美元，以及SPV特殊目的載體安排。其中Meta表外承諾約4200億美元，幾乎是表內負債的2.8倍；甲骨文隱性承諾在2026年5月底超過2700億美元，四年膨脹超30倍；Alphabet表外承諾估算約2500億美元。文章將這類操作與2001年安然事件類比，但指出本質區別：安然的收入幾乎全部虛構，而當下雲算力收入真實存在，問題在於利潤被股權投資浮盈美化、真實自由現金流惡化、產業鏈買賣雙方高度繫結形成內部迴圈。

在投入與收入的算術上，文章給出幾組對比：五大巨頭2026年合計資本開支預計達7692億美元，幾乎是2025年的兩倍，機構預估2027年最高或衝擊1萬億美元；中金測算AI應用賽道每年需形成約1萬億美元可持續收入才能覆蓋資本開支與債務成本，而當前美國頭部模型廠商合計年度經常性收入ARR約2000億美元，中間存在約5倍缺口。倫敦證券交易所集團預測2027年五大巨頭經營現金流增加3400億美元，同期資本開支增加5340億美元，每新增1美元經營現金流需投入1.57美元資本開支。紅杉資本測算AI基礎設施每投入1美元，應用端需產生4美元營收才能跑通閉環。融資端，摩根士丹利預測2026年全球AI相關債券發行規模接近5700億美元，較2025年翻倍；承接方多為養老基金與保險機構，國際清算銀行稱之為「影子借貸」。瑞銀警告，一旦AI投資熱潮鬆動，美國經濟衰退機率達50%。

變現端的反差同樣顯著。文章稱，同樣生成百萬Token，中美模型報價差距最高達166倍。海外方面，Anthropic年化ARR約650億美元，Q2調整後營業利潤首次轉正5.59億美元；OpenAI年化ARR約600億美元，但每創造1美元收入要燒掉1.8美元成本。國內方面，位元組豆包年化ARR約42億美元、年虧損約38億元；智譜年化ARR約16億美元、上半年調整後淨虧損19.64億元；DeepSeek約7億美元，是國內最接近盈虧平衡的大模型企業。價格上，OpenAI GPT-5.5輸出30美元/百萬Token、Pro版180美元；Anthropic Claude旗艦輸入10美元、輸出50美元；DeepSeek V4 Flash輸入0.09美元、輸出0.18美元；智譜GLM-4-Plus約0.7美元/百萬Token。作者認為，頭部企業營收差距約10至15倍，核心差異來自定價權與客戶結構：Anthropic約75%至85%收入來自大型企業API呼叫，截至2026年6月34.4%美國企業採購其服務，6月市場份額升至41%；國內客戶多為開發者與中小團隊，價格戰激烈。但文章也提到一個反常識現象：國內大模型出海反而更易獲高溢價，MiniMax 2025年73%收入來自海外，舊金山AI企業Lindy將流量從Anthropic切換至DeepSeek後效能不降、每年節省數百萬美元，Coinbase選用智譜GLM-5.2與月之暗面Kimi K2.7作為工程師預設模型，壓縮AI支出近一半。

關於賬單最終由誰承擔，文章列出三條線索：一是崗位替代，高盛預測AI普及將迫使約9%美國勞動者、約1500萬人離開原有崗位，科技、諮詢、設計行業每月減少1萬至1.5萬個新增崗位，2026年1月美國單月裁員10.8萬人，斯坦福研究顯示AI相關應屆生就業率下降16%、22至25歲軟體開發者就業人數較峰值下滑20%；二是消費K型分化，美國家庭財富中股票佔比達37%創歷史新高；三是算力正變成新的數字地租，Token邊際生產成本從2022年的60美元降至2026年初的0.06美元，但Token非同質化商品，閉源模型仍可依靠質量壁壘維持定價權。文章還引用MIT調研稱，95%企業落地AI後未拿到可量化業務回報，一旦企業落地不及預期，整個迴圈鏈條就會斷裂。

文章最後給出三種終局推演：樂觀情景下應用層誕生殺手級產品、企業落地提速，2030年AI行業年收入突破1.4萬億美元、整體盈虧平衡，中金判斷當下AI不算典型泡沫但資本投入相對真實需求明顯搶跑；悲觀情景下AI落地慢於資本擴張，表外合同集中到期疊加資產減值，2028年外部融資缺口達7000億至8000億美元，巨頭被迫削減資本開支，晶片與伺服器上游同步承壓，德意志銀行測算OpenAI最早2030年才有望現金流轉正；最可能情景是區域性爆雷、風險鏈式傳導，某家AI實驗室估值大幅下調、資料中心專案違約或AI債券發生信用事件，通過巨頭間交叉持股與互相採購放大傳導。作者個人判斷第三種情景機率最高，認為問題不在於AI技術有無價值，而在於商業化落地速度能否追上資本開支膨脹速度，這本質是一道算術題。