AI重构科技商业逻辑：从“轻资产”到战略重资产的边界重塑
AI时代，算力、数据中心等基础设施正从可采购的生产要素转变为决定竞争资格的战略资产，促使阿里、Amazon、Meta等巨头大规模增加实体资本开支。这一转变并非否定轻资产逻辑，而是因资源稀缺性转移，企业需重新界定哪些核心能力必须通过自建或长期合同保持控制。同时，巨额投资面临利用率不足、技术快速迭代折旧及现金流压力等多重风险，最终胜出者需兼具资本配置规模与技术效率提升的双重能力。
事件概述
过去二十多年，科技公司凭借软件复制的低边际成本和平台网络效应，普遍奉行“轻资产”策略以追求高资本效率。然而，随着人工智能（AI）技术的普及，全球头部科技企业如阿里巴巴、Amazon和Meta正在经历显著的资本结构转型，大规模投资于芯片、服务器、数据中心及电力网络等实体基础设施。
- 阿里巴巴：完成800亿港元新股配售，资金主要用于扩大全球计算基础设施（约60%）及建设超大规模AI数据中心（约40%）。
- Amazon：将2026年现金资本开支预期上调至约2200亿美元，主要支持AWS增长，其现有供给已无法完全满足需求，部分2027-2028年的产能已被预订。
- Meta：预计2026年资本开支为1300亿至1450亿美元，核心驱动力为AI基础设施扩张。
这种“最数字化”的技术浪潮反而催生了庞大的实体计算体系，标志着AI基础设施已从后台成本中心演变为决定产品响应速度、单位成本和客户交付能力的战略资源。
核心信息：重资产成为护城河的转化条件
资本投入并不自动转化为竞争优势，AI时代的重资产投资需完成三次关键转化才能形成护城河：
- 转化为稀缺控制力：只有当资产受到供应、能源、技术或时间约束时，企业对它的控制才具有战略价值。若所有竞争者都能轻易获取同等资源，单纯拥有它并无优势。
- 转化为单位成本优势：规模本身不是优势，只有当更大的计算集群能提高利用率、降低单位推理成本并缩短交付周期时，规模才具备经济意义。
- 进入产品和客户循环：算力需进入模型，模型进入产品，产品获得客户并形成现金流。若链条未通，庞大资产仅是昂贵库存而非战略优势。
值得关注：AI资产面临的四重风险
与传统工业设施不同，AI基础设施面临更快的贬值速度和更复杂的风险环境：
- 利用率风险：若客户需求或模型调用增长不及预期，高昂的固定成本将带来巨大财务压力。
- 技术折旧风险：芯片性能迭代和新架构出现可能导致旧有算力的经济价值迅速缩水。
- 路线锁定风险：在技术路径未稳时过早锁定特定芯片或架构，可能使企业被自身资产束缚。
- 现金流风险：巨额资本开支直接压缩自由现金流。例如，Amazon过去12个月自由现金流由正转负（流出76亿美元），Alphabet在2026年第二季度也出现单季度负自由现金流（约59亿美元）。
战略启示：资本规模与技术效率的双轮驱动
AI竞争同时考验两种能力：资本规模与技术效率。巨头通过资本建立基础设施壁垒，而挑战者（如中国AI公司MiniMax等）则通过算法优化和架构创新降低单位智能消耗。未来胜出的企业需让两者形成循环：既要有能力配置大规模资本，又要持续提高每一块钱资本的生产率。
企业边界重塑：控制权不等于所有权
面对资源稀缺性的变化，企业需重新划定市场与自身的边界。判断一项资源是否值得自建，应基于以下四个问题：
- 失去它是否会改变竞争结果？ 若影响成本、质量或生存资格，需提高控制程度。
- 竞争对手能否迅速获得？ 只有存在持续稀缺性的资源，控制它才有战略价值。
- 自己拥有是否优于租用/合作？ 若所有权不能带来更低成本或更大自主性，自建可能只是增加管理负担。
- 组织是否有能力商业化？ 买对资产却不会用是常见错误，需确保组织能力能匹配资产特性。
控制形式不限于所有权，还包括长期合同、合资、战略投资等。企业应将非核心资产交给高效的社会分工体系，同时对决定成本曲线和客户关系的关键资源保持强控制。此外，随着资产系统复杂化，组织内部协调效率（如基础设施、模型、产品、销售团队的协同）将成为决定资产能否转化为商业价值的关键瓶颈。