大型科技公司包含 Amazon、Alphabet 和 Meta，正面臨華爾街對其將龐大的人工智慧資本支出轉化為實際現金回報之時間表的審視。美國銀行（Bank of America）指出「世代性」的自由現金流（free cash flow）轉變：超級規模（hyperscaler）公司的 FCF 預計將在 2026 年降至負 500 億美元，而半導體公司則因 AI 晶片銷售累積現金。Magnificent 7 的科技公司今年共投入 2,340 億美元資本支出，然而其股價仍呈區間盤整。Apollo Global Management 首席經濟學家 Torsten Slok 警告，若現金回收的時間比市場預期更久，獲利風險可能就會浮現。這種落差源於大型科技在建置 AI 基礎設施時，像 NVIDIA 這樣的半導體供應商會立即掌握營收，形成 Apollo 所稱的「時點錯配」，即成本支出與營收實現之間的時程不一致。
美國銀行識別：大型科技與半導體公司的自由現金流在 2026 年間出現反轉
美國銀行將目前資本流動的模式診斷為「自由現金流在超級規模廠商與半導體公司之間的世代性遷移」。自由現金流是指公司在營運費用與資本支出之後保留下來的淨現金。市場數據顯示，到 2026 年，像 Amazon 與 Google 這類超級規模公司的自由現金流呈現急劇下行，因為龐大的 AI 基礎設施成本而降至約負 500 億美元。相較之下，包括 NVIDIA 與 Micron 在內的半導體公司正在累積可觀的現金儲備。這種結構性差異源於一方用於基礎設施建置，而另一方則透過供應核心元件立即取得現金。
Apollo Global Management 警告：AI 營收實現風險
身為全球第二大私募股權基金管理者的 Apollo Global Management，指出壓制大型科技獲利能力的兩個核心因素。第一，雖然 AI 服務的使用量有增加，但單位 token 的價格仍持續下滑，可能使實際營收成長低於預期。第二，中國的 AI 模型正於美國平台試圖進行高毛利 AI 服務變現的同時，施加嚴重的向下定價壓力。來自前 20 個 AI 模型的 token 使用數據清楚呈現這個落差。到 5 月為止，美國與中國的使用量仍相對均衡，但到 6 月，美國的 token 使用量溫和成長至 53 兆，而中國的使用量則爆發式飆升至 98 兆。在不到一個月內，美中之間的 AI 基礎設施使用率落差大幅拉大。
Token 使用數據顯示：美中 AI 基礎設施落差
5 月與 6 月的 token 使用量對比，揭示了美國與中國在 AI 基礎設施部署上的明顯差異。5 月時，兩國的使用水準仍大致相當；然而到了 6 月，美國 token 消耗量達到 53 兆，而中國模型處理了 98 兆 tokens。這種在單一月份內近兩倍的差距，顯示中國 AI 基礎設施的快速擴張。Apollo 警告，若中國的 AI 模型持續搶占市佔，同時 token 價格下跌，大型科技公司可能無法產生預期的營收。該公司將此定性為「時點錯配」：成本帳單會立刻到來，但營收回收卻延伸到遙遠的未來，這也是目前 AI 市場面臨的最大風險。
Apollo 結論指出，儘管像 NVIDIA 與 SK Hynix 這樣的半導體公司目前能確定取得獲利，但大型科技的營收模型若持續出現裂縫，可能會削弱半導體市場的成長熱潮。華爾街的擔憂已從「大型科技能投入多少 AI」的慶祝，轉向追問這些投資到底何時會轉化為實際的現金回報。
FAQ
美國銀行在 2026 年前後，針對大型科技與半導體公司現金流識別了什麼？
美國銀行識別出自由現金流的「世代性轉變」：超級規模公司的 FCF 預計將在 2026 年降至負 500 億美元，而半導體公司則透過 AI 晶片銷售累積現金。這種反轉之所以發生，是因為大型科技在 AI 基礎設施上重度支出，而半導體供應商會立刻透過元件銷售取得營收。
為什麼 Apollo Global Management 會警告大型科技的 AI 獲利？
Apollo Global Management 警告大型科技獲利受到兩個因素壓力：隨著 AI 服務使用量增加，單位 token 的價格仍下滑；以及中國 AI 模型帶來的積極定價競爭。首席經濟學家 Torsten Slok 也提醒，若現金回收的時間比市場預期更久，大型科技可能無法從其 2,340 億美元的資本支出產生預期營收。
美國與中國的 AI token 使用量在 5 月與 6 月之間有何差異？
來自前 20 個 AI 模型的 token 使用數據顯示：截至 5 月為止，美國與中國的使用量仍相對均衡。到了 6 月，美國 token 使用量成長至 53 兆，而中國的使用量則爆發式飆升至 98 兆，讓差距在一個月內接近兩倍，並顯示中國 AI 基礎設施的快速擴展。
