钱借来了，然后往哪儿倒
上一章我们说清了一件反直觉的事：借钱本身可能是聪明的——只要你借来的每一块钱，投出去能赚回比利息更高的确定回报，那杠杆就是在帮你撬动本来就该属于你的钱。
但那一章只讲了「借」，没讲「投」。这一章我们盯着后半句：这些借来的、赚来的巨额现金，谷歌们到底往哪儿倒？答案是三个字——数据中心。以及塞满数据中心的芯片、电缆、和撑起这一切的电。
数字大到不像话。谷歌 2026 年的资本开支（capital expenditure，简称 capex——买长期资产花的钱：厂房、机器、这里主要是数据中心和芯片。它不是当期就烧掉的费用，而是砸下去造未来产能的固定投入）指引，大约是 1850 亿美元，接近上一年的两倍。一年，一家公司，一千八百多亿美元，全砸进「造算力」这一件事里。
先分清两个词，工程师容易混。买一箱咖啡豆给员工喝，喝完就没了，那是当期费用。花一亿美元盖一栋数据中心，它未来十年都在替你干活、往外吐算力，那是 capex——你是在造一台能持续下蛋的机器，不是在买一顿早饭。
这不是新故事：铁路、电网、港口
看到这个数字，很多人第一反应是「疯了，烧这么多钱」。但如果你把它放进产业史里看，会发现这一幕上演过很多次，而且每次的结局都出奇地像。
十九世纪的美国，最烧钱的生意是修铁路。铁轨、枕木、桥梁、机车，前期要砸进天文数字的钱，好多年不见回头钱，修的过程中还倒过一批公司。可一旦那条钢铁大动脉铺通，接下来几十年，所有想把货物、人、粮食从东运到西的，都得从你的铁轨上过，都得交过路费。
电网是同一个故事。发电厂、高压线、变电站，前期是个无底洞，但电一旦通到千家万户，你就成了这片土地上收电费的那个人，而且别人想再拉一张平行的网，成本高到几乎不可能。港口也一样：修深水码头贵得吓人，可船只要想靠岸卸货，就绕不开你。
这些生意有一个共同的形状：重资产、前期疯狂烧钱、建的过程漫长又痛苦——但一旦建成，它本身就成了一堵别人翻不过去的墙。
为什么这堵墙这么硬？因为后来者想追，得从头再烧一遍同样多的钱、再熬一遍同样长的时间，而这期间你已经在收过路费、并且拿收来的钱继续加固城墙了。他还没建完，你已经跑出去两圈。这种护城河，是用「钱」和「时间」一铲一铲挖出来的。
现在把镜头切回今天。这一代的数据中心加 AI 芯片，就是这个时代的铁路、电网和港口。谁先把算力基础设施修好，谁就坐在了未来几十年 AI 时代的收费站上。而这种「靠钱和时间挖河」的生意，天然利好谁？——本来就有钱、又本来就有分发渠道的巨头。
这一点值得停下来想清楚。在一个只拼技术灵感的行业里，一个聪明的小团队有机会掀桌子。但在一个「你得先掏出一千八百亿现金」才能上牌桌的行业里，小团队连门票都买不起。烧钱本身，就把大部分对手挡在了门外——这不是巨头有多聪明，这是这门生意的物理形状决定的。资本开支的规模，本身就是一道筛子。
谷歌手里那张别人没有的牌：TPU
到这里为止，微软、亚马逊、Meta 和谷歌，故事都差不多——都在疯狂修数据中心。那谷歌凭什么特殊？
因为它手里攥着一张别人短期抄不动的牌：TPU（Tensor Processing Unit，谷歌自己设计的 AI 专用芯片，专门为跑神经网络这一件事优化到底）。
要理解这张牌的分量，先得懂一个词：每 token 成本。token是大模型处理文字的最小计价单位——你可以粗暴地理解成「模型每嚼一小口文字」。每 token 成本，就是模型每嚼一口、每算一点东西，背后要烧掉多少钱（电费、芯片折旧、机房)。这是 AI 生意里最要命的一个数：你每回答用户一句话，都在花这笔钱；用的人越多，这笔账滚得越大。
绝大多数对手是怎么算力的？去买英伟达的芯片。英伟达是这轮 AI 里卖铲子的人，芯片好，但也贵，而且它自己要赚一大笔利润——这笔利润，最后都摊进了买家的每 token 成本里。你用别人的铲子挖矿，就得一直给铲子厂交钱。
谷歌走了另一条路：自己设计芯片。TPU 不对外零售，就为自家的活儿量身定做，中间少了一道给别人赚的钱。结果是，在自家那种特定的、大批量的负载上，谷歌跑同样多的 token，每 token 成本能明显低于靠买英伟达芯片的对手——按谷歌自己的口径，大约低三成（30% 上下），同时还省掉了买英伟达芯片时对方赚走的那层利润加成。要说清楚的是：这优势没那么夸张，不是「几倍」那种量级；而且它随负载和芯片世代而变——事实上，若看第三方基准（比如 Artificial Analysis 2025 的测评），在不少推理负载上，英伟达按「每块钱买到多少 token」反而可能还领先，TPU 并不是所有场景都占上风。谷歌真正站得住的说法，是在自家那类它最擅长的大批量活儿上，成本结构更省。
打个比方：大家都在卖盒饭。别人得天天去外面米铺买米，米铺还要赚他一笔；谷歌自己有稻田。卖同样一份盒饭，谷歌的米钱天生就比别人低。它可以卖得更便宜还照样赚钱，也可以卖一样的价、揣走更多利润。这个优势，不是它今天比谁聪明，而是它十年前就开始种田了。
现在把这张牌，扣回第四章那四台护城河机器。还记得第三台吗——规模带来的成本优势：因为你体量大、结构好，每件东西的成本就是比对手低，于是你能卖出别人亏本才敢卖的价。TPU 就是这台机器的一个活样本：它不是靠烧投资人的钱补贴出来的假低价，而是结构性的真低价——芯片自研、和自家软件深度咬合（业界叫 co-design，硬件和软件一起设计、互相迁就）、还摊在谷歌那么大的用量上。别误会，这不是说 TPU 在每个场景都碾压英伟达——上面说了，很多负载上英伟达按每块钱的产出反而领先；而是说在谷歌自家那类大批量负载上，它能实打实省下一块成本，且这种省法是别人短期抄不动的。对手想抄？设计一款能打的 AI 芯片、再把整套软件生态磨到能用，是好几年、上千个顶尖工程师、无数次流片失败换来的功夫。这是典型的「明知道你在赚钱，却几年都追不上」——是护城河，不是水坑。
诚实的反面：这也可能是一场豪赌翻车
讲到这，你可能觉得我在给谷歌唱赞歌。不。这本书答应过你要诚实，所以现在必须把硬币翻过来。
capex 军备竞赛有一个真实的、能把人烧死的风险，叫产能过剩：所有巨头都拍着胸脯说 AI 需求无限、拼了命地建数据中心，结果大家一起建多了——产能造出来了，需求却没跟上，或者跟上得没那么快。于是那些一千八百亿砸出来的机房和芯片，一半在空转，回报被狠狠打折。
产业史同样反复演过这一幕的黑暗版。十九世纪修铁路修到最后，好几条平行的线抢同一批货，运费打到骨折，一大批铁路公司破产。二十一世纪初铺光纤，公司们坚信互联网流量会爆炸，疯狂埋光缆，结果埋得太多太快，好多年都是黑光纤——埋在地下、根本没人用、一分钱不赚。当年那些烧钱的先驱，很多没能活到吃上红利的那天。
所以「重资产加深护城河」和「重资产拖垮公司」，其实是同一件事的两个结局。分水岭只有一个问题：你建的产能，有没有真实、持续、而且最好是自家就能消化的需求去填满它。填满了，它是收费站；填不满，它是账上一堆每年都在贬值的水泥和硅片。
那作为一个读财报的人，怎么判断某家公司这钱花得到底值不值？别看它 PPT 吹得多响，就盯着这三个问题问下去：
- 需求是真的、还是自己想象的？看有没有实打实的外部证据：云业务的营收在不在高速增长？有没有客户已经签好、排队等着用的订单（业界叫「backlog」，未交付的在手订单）？如果建产能的唯一理由是「我相信未来需求会来」，那是信仰，不是生意。
- 建成的产能，有没有自家确定的用途？这是谷歌相对稳的地方——它就算一个外部云客户都不新增，自家的搜索、YouTube、安卓、Gemini 已经是嗷嗷待哺的算力黑洞，产能不愁没处使。反过来，一家没有自有大业务、纯赌「建好了总会有人来租」的公司，风险要高一个量级。
- 折旧会不会把回报吃光？这是工程师最容易忽略、却最要命的一刀。芯片和数据中心会折旧——它们会老、会过时，会计上每年都要从利润里扣掉一块，当作「这台机器又旧了一年」的损耗。AI 芯片迭代快得吓人，可能三五年就被下一代碾成废铁。如果你砸下去的巨资，还没赚回本就先被折旧和淘汰吃掉了，那这笔 capex 就是在往水里扔钱。所以真正的问题不是「它花了多少」，而是「它花的钱，能不能在这批资产变成废铁之前，赚回来还有富余」。
把这三问连起来看，你就有了一把尺子：需求真实且持续、产能有确定的自家去处、赚回本的速度快过折旧——三个都成立，这笔天量 capex 就是在挖一条越来越宽的护城河；缺一个，它就可能是一场正在翻车的豪赌。谷歌之所以让人相对放心，是因为这三条它目前都答得上来；但「目前答得上来」不等于「永远安全」，这正是你每次读财报要重新核对的东西。
这一章记住什么
AI 时代的数据中心和芯片，是这一代的铁路、电网和港口：重资产、前期烧钱吓人，但一旦建成，就是别人得用同样多的钱和时间才追得平的高墙——所以它天然利好本来就有钱、有分发的巨头。谷歌手里还多一张 TPU：自研芯片带来结构性的低成本，正好落在第四章「规模成本优势」那台护城河机器上。
但别被大数字带着信仰走。同样一堆水泥和硅片，填满了是收费站，填不满就是每年贬值的包袱。判断值不值，永远回到那三问：需求真吗？产能有自家的去处吗？赚回本快得过折旧吗？
钱借来了，也倒进地里了。可这条河到底通不通、以后归谁收费，牵扯到一个更大的问题——分发。这条线我们先埋着，第十三章再动手刨。下一章，我们换个人来当主角：巴菲特打开一份财报时，他那双眼睛，究竟在找什么。