去年有人问我：怎么判断一家公司对AI是真投入还是喊口号？
我的回答很简单——数GPU。
GPU数量是AI时代最诚实的指标。不管PPT写得多漂亮，战略发布会开得多热闹，有多少卡在跑，就代表有多少真金白银砸进去了。这个数字骗不了人。
今天这篇文章，我把中美头部AI公司的GPU数量、资本开支、算力规划做了一次全面盘点。看完你会对"谁在真干、谁在吹牛、差距到底多大"有一个非常清晰的判断。
美国：一场万亿美元的算力豪赌
先看美国。一个词总结：疯了。
2026年，美国五大科技巨头（微软、谷歌、亚马逊、Meta、Oracle）的AI资本开支合计将达到6600-6900亿美元，接近翻倍增长。这个数字什么概念？超过了大多数国家的GDP。
各家底牌一览
Meta：从社交公司变成算力怪兽
扎克伯格可能是硅谷最激进的AI赌徒。2024年底，Meta已拥有约60万块H100等效GPU。2026年2月，Meta宣布向英伟达采购"数百万块"Blackwell和Rubin GPU，交易价值数百亿美元。
2026年资本开支预算：1150-1350亿美元，资本开支强度达到营收的55-67%。这意味着Meta每赚2块钱就要拿1块多去买GPU。这种All-in的魄力，要么封神，要么成为商业史上最贵的错误。
微软：被算力卡住脖子的巨头
微软的问题不是没钱，而是有钱花不出去。截至2025年底，微软估计拥有250-310万块H100等效GPU，但手上积压了800亿美元未完成的Azure订单，原因只有一个——电力不够。数十亿美元的英伟达GPU堆在仓库里，插不上电。
2026财年资本开支跟踪将超过1200亿美元。OpenAI承诺未来6年在Azure上消费2500亿美元。微软的瓶颈不是芯片，是电网。
谷歌：走自己的路
谷歌是唯一一家在GPU之外有"第二条腿"的公司。TPU v7（Ironwood）已经发布，单集群可达9216芯片；Virgo网络可以在单个数据中心连接13.4万块TPU，跨站点可达100万块以上。
同时谷歌也没放弃英伟达。Virgo同样支持英伟达GPU：单数据中心最多8万块，跨站点可达96万块。
2026年资本开支指引：1750-1850亿美元，同比翻倍还多。谷歌给Anthropic的算力承诺就高达100万块TPU（5GW功率）。
xAI：速度最疯狂的玩家
马斯克的xAI在孟菲斯建造的Colossus集群，截至2026年2月已部署约55.5万块GPU（H100、H200、GB200混合），是全球最大的单一连贯AI训练集群，总功率2GW。
最疯狂的数字：初始10万块GPU从动工到上线只用了122天，又用92天翻倍到20万块。目标是达到100万块GPU。整个孟菲斯综合体投资约180亿美元。
OpenAI：Stargate——人类史上最大的基础设施项目
OpenAI的Stargate项目总投资承诺超过5000亿美元，规划算力容量达10GW。仅德克萨斯州阿比林一处，就计划部署40万块GB200 GPU。加上英国（3.1万块）、挪威（10万块）以及新增的五个美国站点，OpenAI正在构建一个前所未有的算力帝国。
更关键的是多云战略：微软Azure（6年2500亿美元）、AWS（380亿美元多年协议）、Oracle（4.5GW容量，5年3000亿美元以上）。OpenAI还在与博通合作开发自研芯片"Titan"，计划2026年下半年量产。
美国公司资本开支一览
| 公司 | 2025年CapEx | 2026年CapEx（指引） | 关键GPU/算力指标 |
|---|---|---|---|
| 亚马逊 | ~1250亿美元 | ~2000亿美元 | Trainium3出货，自研芯片年营收200亿美元+ |
| 谷歌 | ~914亿美元 | 1750-1850亿美元 | 100万+TPU互联，TPU v7 Ironwood |
| 微软 | ~800亿美元 | 1200-1500亿美元 | 400+数据中心，电力受限 |
| Meta | 722亿美元 | 1150-1350亿美元 | 采购"数百万块"Blackwell+Rubin |
| Oracle | ~250亿美元 | ~500亿美元 | 9.6万块GB200已交付，45万块规划中 |
| xAI | ~180亿美元（累计） | 持续扩张 | 55.5万GPU，目标100万 |
| OpenAI | 通过合作伙伴 | 5000亿美元+（Stargate总额） | 仅阿比林就40万块GB200 |
中国：禁令之下的算力突围
再看中国。两个关键词：抢购和替代。
美国芯片禁令让中国AI公司面临一道选择题：要么在禁令全面生效前疯狂囤货，要么加速转向国产替代。答案是——两个都选。
仅2024年，字节跳动、阿里巴巴、腾讯就紧急采购了估计130-160万块H20 GPU，总花费约160亿美元。
各家情况
字节跳动：中国最大的GPU买家
字节的GPU总量据称已达约100万块，跻身全球第一梯队。2024年采购了约23万块英伟达GPU（主要是H20），还买了约10万块华为昇腾。
2026年计划AI总支出达到1600亿人民币（约230亿美元），其中850亿人民币用于AI芯片采购。字节还计划花1000亿人民币购买英伟达H200。
一个数字可以说明字节对算力的饥渴：仅抖音一个产品，Token消耗量预计从每天12-13万亿增长到2026年6月的120-130万亿，需要34-40万块推理卡来支撑。
字节也在用台积电代工自研两款AI芯片，目标2026年量产。
阿里巴巴：算力最大，花钱最狠
阿里没有公开具体GPU数量，但占据中国AI云市场**35.8%**的份额（第一名），所有GPU据称已经满负荷运转。
三年AI基础设施投资计划：3800亿人民币（约530亿美元），超过过去十年资本开支的总和。
阿里在效率上也有突破：自研的Aegaeon调度系统通过Token级别调度，让213块H20 GPU完成了原本需要1192块才能完成的工作，GPU消耗降低了82%。
腾讯：万亿规模的基建计划
腾讯2024年也采购了约23万块英伟达GPU，与字节并列。2025年Q1资本开支同比暴增91%至275亿人民币。多年基础设施总投入计划达到5000亿人民币（约700亿美元）。
腾讯的星脉RDMA网络支持单集群12.8万卡规模，成本仅为国际方案的30%。更重要的信号是，腾讯已公开表示其AI基础设施"已全面适配"国产芯片。
华为：中国AI算力的"地基"
华为不只是用户，更是整个中国AI生态的核心供应商。
昇腾芯片出货量：2024年约40万块910B，2025年预计70-100万块（910B+910C），2026年目标可能达到160万块（910C+950PR）。
芯片路线图清晰：910B → 910C → 950PR（2026 Q1，1.56 PFLOPS，首次使用华为自研HBM）→ 960（2027）→ 970（2028，目标4 ZettaFLOPS FP4）。
制约因素是中芯国际的制程良率——从2024年的约20%提升到2025年的40-50%，仍然是瓶颈。
DeepSeek：效率换算力的极致代表
DeepSeek是这场竞赛中最特别的存在。V3模型仅用2048块H800训练，成本只有560万美元——而美国同级别模型的训练成本通常是几亿美元。
分析师估计DeepSeek母公司幻方量化总共拥有约5万块Hopper GPU。更值得注意的是，2026年4月发布的DeepSeek V4（1.6万亿参数）已经在华为昇腾950PR上训练，标志着国产芯片首次用于训练世界级大模型。
百度：自研芯片的先行者
百度走了一条不同的路——完全自研。昆仑P800芯片FP16性能达345 TFLOPS（英伟达H20为148 TFLOPS），3万卡集群已投入运行。大部分推理任务已迁移到昆仑P800。
昆仑芯已申请港股IPO，摩根大通预计2026年芯片营收将达83亿人民币，同比增长6倍。
科大讯飞 & 智谱AI：国产算力的标杆
科大讯飞与华为联合打造了中国首个全国产万卡算力平台"飞星一号"和"飞星二号"，通过软件优化将昇腾910B的效率从20%提升到接近英伟达的80%。
智谱AI更彻底——GLM-5（7440亿参数）完全在华为昇腾芯片上训练，零西方硬件依赖，并已适配7种国产芯片平台。
中国公司算力一览
| 公司 | 估计GPU规模 | 年度AI支出 | 主要芯片 | 国产替代情况 |
|---|---|---|---|---|
| 字节跳动 | ~100万块 | ~230亿美元（2026） | H20、H800 | 昇腾10万块+自研芯片 |
| 阿里巴巴 | 未公开（最大AI云） | 三年530亿美元 | H20、自研 | 自研加速器 |
| 腾讯 | 23万+英伟达（2024） | 多年700亿美元 | H800、H20 | "已全面适配"国产 |
| 华为 | N/A（供应商） | N/A | 昇腾910B/C/950PR | 就是国产替代本身 |
| DeepSeek | ~5万块Hopper | 未公开 | H800、A100、昇腾950PR | V4已用昇腾训练 |
| 百度 | 3万昆仑P800集群 | 未公开 | 昆仑P800 | 完全自供 |
| 智谱AI | 万卡级昇腾 | 未公开 | 昇腾 | 适配7种国产平台 |
| 科大讯飞 | 万卡级国产集群 | 未公开 | 昇腾910B | 全国产训练 |
中美差距：数字背后的真相
把两张表放在一起看，几个结论很清晰：
1. 绝对差距仍然巨大
美国五大科技巨头2026年AI资本开支合计约6600-6900亿美元。中国所有AI公司加起来，可能不到这个数字的十分之一。
以GPU数量计，Meta一家就有"数百万块"Blackwell级GPU的采购计划，xAI单个集群就有55万块，微软估计拥有250-310万块。而中国最大的字节跳动，总量约100万块且以性能较弱的H20为主。
2. 芯片禁令的影响比想象中复杂
禁令确实卡住了中国公司的脖子——拿不到最先进的H100/H200/B200。但实际效果并没有完全切断供应：
- H20虽然性能不如H100，但中国公司在禁令前大量囤货（130-160万块）
- 华为昇腾产能在快速爬坡，2026年目标160万块
- 国产芯片在AI云市场的份额已从2024年的29%升至2025年的42%
- DeepSeek用算法效率部分抵消了硬件劣势
禁令真正的影响不是"能不能训练大模型"，而是训练效率和成本。同样训练一个万亿参数模型，中国公司可能需要更多时间、更多芯片、更多电力。
3. 效率创新是中国的差异化武器
DeepSeek V3用560万美元训练出世界级模型，阿里用213块GPU做到1192块的效果。当硬件受限时，软件和算法的优化空间反而被逼出来了。
这让我想到一个类比：就像日本车企在石油危机后被逼出了精益生产，中国AI公司在芯片禁令下被逼出了"精益训练"。
4. 电力正在成为新瓶颈
美国的情况也不是一帆风顺。微软有数十亿美元GPU插不上电，OpenAI的Stargate规划需要10GW功率——相当于一个中型国家的用电量。全球都在面临一个新的约束：不是造不出芯片，而是没有足够的电来驱动它们。
从GPU看投资：哪些公司值得关注？
如果你是投资者，GPU数量能告诉你什么？
美国方面：
- 英伟达仍然是确定性最高的标的。所有人都在买它的芯片，2026年仅五大客户的CapEx就接近7000亿美元。
- Meta的All-in策略风险最高、回报也可能最高。如果AI确实改变了社交和广告，Meta的投入会有巨大回报；如果不是，1350亿美元的年度CapEx会严重拖累利润。
- 微软的问题是执行力——有订单有客户有GPU，但电力瓶颈可能让增长不及预期。
- Oracle是被低估的赢家——作为Stargate的基础设施合作伙伴，拿到了5年3000亿美元以上的大单。
中国方面：
- 字节跳动（未上市）是中国AI投入最激进的公司，如果有机会参与其Pre-IPO，值得认真看。
- 阿里巴巴的3800亿AI投资计划如果执行到位，AI云业务将从2025年的99亿增长到2027年的530亿，这是一条清晰的增长曲线。
- 华为的昇腾芯片是中国AI算力的"命脉"，但华为未上市。可以关注其供应链上的上市公司。
- 百度的昆仑芯片如果成功IPO并规模化，将是中国AI芯片赛道的重要标的。
最后说一句
这场GPU军备竞赛的本质，是对"AI会不会改变一切"这个问题的回答。
美国科技巨头用每年近万亿美元的投入在说：会。中国公司在禁令围堵下依然拼命扩张算力在说：会。
作为普通人，你不需要去买GPU，但你需要理解一件事：当全球最聪明的一群人、最有钱的一批公司，愿意把半数以上的利润投入到同一个方向时，那个方向大概率就是未来。
问题只在于——你是站在这个浪潮里面，还是外面。
数据来源：公司财报、Omdia、SemiAnalysis、TrendForce、数据中心动态等公开信息，截至2026年4月。部分GPU数量为分析师估计值，可能与实际有偏差。
