月球

1969年7月20日，阿姆斯特朗的脚印落在月球表面。

那一刻，全球约6亿人通过电视直播观看。

为了这一步，美国花了11年，投入了相当于今天约3000亿美元。

40万人参与，2万多家企业和大学加入其中。

57年后，全世界每年花在AI上的钱，够把阿波罗计划重新干上三遍还有余。

高盛最新报告预计，到2026年底，全球AI投资将达到1.019万亿美元，其中美国部分为5810亿美元。

仅Alphabet、Amazon、Meta、Microsoft四家科技巨头，2026年资本开支合计就将超过7000亿美元。

这个对比在财务上并不完全严谨。

阿波罗是一次性的国家工程，AI是持续性的资本开支。

但它回答了一个所有人都在问的问题：这笔钱，到底有多大？ 美国历史上最昂贵的非战争项目，在AI面前，只相当于一个年度的资本开支。

但钱只是表象。

阿波罗花了3000亿美元，改变的是人类对“可能性”的认知——月球从“遥不可及”变成了“人类去过的地方”。

AI每年花1万亿美元，改变的是什么？ 要回答这个问题，得先看这笔钱是怎么花出去的。

阿波罗和AI，虽然都是“巨额投入”，但花钱的方式完全不同。

这笔钱到底有多大？ 先看看四家公司的账单。

四家公司2026年的资本开支预期：Alphabet将全年资本支出指导范围上调至1800亿-1900亿美元；Amazon约2000亿美元；Meta全年资本开支上调至1250亿-1450亿美元；Microsoft预计约1900亿美元。

四家合计约7250亿美元，比2025年的创纪录水平增长了77%。

这些钱主要花在三样东西上：数据中心、芯片、电力。

换算成阿波罗计划：全球一年AI投资相当于3.4次阿波罗计划，美国一年相当于1.9次，2022年以来全球累计AI投资（1.8万亿美元）相当于6次。

再换一个参照系：按NASA在国际空间站上累计约1500亿美元的投入计算，2026年全球AI投资够建6.8个国际空间站。

这不是某一个国家的独角戏。

这是一场全球性的资本竞赛。

中国方面，高盛研报预测，2026年至2030年间，中国AI相关资本开支合计将达到8.5万亿元人民币（约1.3万亿美元），平均相当于美国同类企业资本开支总额的17%。

据彭博测算，2026年中国头部互联网企业资本开支将接近660亿美元，较2025年增长77%。

与此同时，一级市场的AI融资同样在加速。

清科研究数据显示，2026年一季度中国AI领域共发生近600起融资案例，总投资金额超1100亿元，同比上升185.4%。

欧洲方面，2026年上半年，欧洲AI初创公司融资达到创纪录的230亿美元，同比增长130%，占该地区全部风投的55%。

阿波罗是美国一国的事情。

AI则是全世界在同时下注。

谁更“拼”？ 阿波罗计划期间，NASA预算占GDP的比例约为0.5%-0.8%，其中阿波罗项目本身的支出约占当年GDP的0.57%。

峰值年份1966年，NASA预算占联邦财政支出的4.4%，但占GDP比例仍然不到1%。

AI投资目前占全球GDP约0.9%。

高盛预测，美国AI资本支出占GDP的比重将从2026年的1.9%至2%（不同口径存在差异），上升到2027年的2.5%，并在2028年进一步上升到2.8%。

换算下来，AI投资占GDP的比例已经是阿波罗计划时期的2-3倍，到2028年可能进一步扩大到3-4倍。

两者还有一个根本差异：阿波罗计划是政府财政支出，花的是纳税人的钱，不需要商业回报；AI投资是企业资本开支，美国AI投资中私人部门投入约5520亿美元，政府直接投入仅110亿美元，每一分钱都要算回报率。

阿波罗可以不计成本，因为它的目标是政治性的。

AI必须计算成本，因为它的目标是商业性的。

这种组织方式的不同，直接决定了技术扩散的路径不同。

技术渗透的路径为什么完全不同？ 阿波罗的技术溢出是缓慢的。

它需要几十年才能渗透到每一块田地里。

据不完全统计，从阿波罗计划派生出了约3000种应用技术成果，涉及航天航空、军事、通信、材料、医疗卫生、高级计算机等领域。

在登月计划中，保守估算平均每投入1美元可获得4至5美元的产出（不同研究的估算范围在4至14美元之间）。

但这些回报是“副产品”——技术转移并非阿波罗计划的核心目标，核心目标是政治性的。

集成电路、软件工程的规模化应用、材料科学等领域的突破，都是在阿波罗计划推动下加速实现的，并在登月后逐步大规模民用化。

AI的渗透路径更像一场洪水。

来得快，覆盖面广，但深度不均匀。

麦肯锡2026年全球调查显示，89%的受访者表示其组织在至少一项业务职能中常态化使用AI，44%的企业已实现全企业规模化部署，比一年前的38%大幅提升。

从ChatGPT发布到现在，不到四年。

但深度不均的问题同样突出。

麦肯锡将仅6%的受访者归类为“AI高绩效企业”——这些企业将至少5%的EBIT归因于AI，并认为其影响显著。

只有37%的受访者报告AI对其组织的EBIT产生了贡献。

NBER的研究从另一个角度说明了这一点。

NBER 2026年9月发布的工作论文（第35793号）显示，从2022年11月到2025年12月，AI使市场对软件工程生产率的预期现值提高了相当于32.6%的永久性提升。

但这个提升高度集中在特定行业和特定任务中。

另一项由NBER发布、覆盖近6000名高管的调查发现，超过90%的企业表示AI对其就业没有可测量的影响，89%的企业表示对生产率没有可测量的影响。

阿波罗的技术溢出最终惠及了所有人——GPS、集成电路、软件，今天已经成为日常生活的一部分。

AI的回报则可能高度集中在少数行业和少数企业手中。

软件工程、客服、内容生成已经被彻底改变；制造业、建筑业、农业几乎还没感受到水温。

这种K型分化，直接决定了AI投资的失败模式与阿波罗完全不同。

延迟满足与即时反馈 阿波罗的回报是延迟的。

投入期11年，回报期几十年。

技术在登月后逐步民用化，典型的转化周期是15到25年。

投入的时候看不到回报，回报来的时候已经换了时代。

AI的回报则是即时的，但极不均匀。

摩根士丹利预测，到2028年AI软件收入将达到1.1万亿美元，按典型软件利润率计算，届时巨额资本支出将产生可观回报。

NBER的研究显示，AI对GDP的影响在基准情景下为3.6%，若软件工程生产率提升进一步带动研发生产率，这一效应可达到6.5%。

但另一个数字同样值得注意。

麦肯锡的调查显示，八成的受访者表示AI改善了个人的生产力，但只有37%的人报告其组织层面的EBIT因此受益。

NBER的一项调查更直接——覆盖近6000名高管的调研发现，约89%的企业报告在过去三年中没有可测量的劳动生产率改善，世界经济论坛在2026年8月的分析中引用了这一数据。

阿波罗的钱像种一棵树。

前十年浇水施肥看不到果子，但树长大了，年年结果。

AI的钱像开一家餐厅。

每天都有客人来，有的桌子翻台率很高，有的桌子一天只坐一桌。

平均下来餐厅是赚钱的，但大部分桌子其实在亏钱。

这种生产力悖论和阿波罗早期的处境有相似之处：投入巨大，回报模糊。

差异在于，阿波罗的回报需要等到技术民用化，AI的回报正在实时发生，只是分布严重不均。

亚特兰大联储的研究指出，感知到的生产率提升大于实际测量的生产率提升，这很可能反映了收入实现的延迟。

“做不成”VS”做成了不赚钱” 阿波罗的失败模式是做不成。

土星五号的推力、导航系统的精度、生命维持系统的可靠性——任何一个环节出问题，整个计划就失败了。

约翰逊总统曾写道：“人们经常把我们在1960年代登月的计划称为国家承诺。

它不是。

没有后续国会的持续拨款承诺。

项目必须年复一年地论证和拨款。

这种支持并不总是容易获得。

”阿波罗计划在1966年达到预算峰值后，随着越战导致的联邦预算紧缩，预算逐年削减。

1968财年，国会实际拨款比NASA申请少了约5.11亿美元，降幅近12%。

如果不是冷战的政治压力足够大，阿波罗很可能在1960年代末就被砍掉了。

AI的失败模式不一样：做成了，但不赚钱。

贝恩公司2026年9月发布的全球技术报告指出，到2031年，全球AI产业需要实现6万亿美元的年收入，才能证明投入到数据中心的资金是合理的。

而现有消费和企业AI服务可能只能产生约1.8万亿美元的收入，这意味着4.2万亿美元的收入缺口。

贝恩全球技术业务主席David Crawford直言：“AI基础设施的经济性需要数万亿美元的新收入，而不仅仅是生产力提升。

” 阿波罗的风险是技术挑战可能无法克服。

AI投资的风险是技术已经证明可行，但商业回报的规模和速度可能不及预期。

阿波罗可以靠政治意志硬撑，AI只能靠商业逻辑硬撑。

阿波罗的失败会是一次技术性失败——人类没能做到某件事。

AI的失败可能是一次经济性失败——人类做到了某件事，但发现它没有想象中那么有价值。

前者会打击人类对“可能性”的信心，后者会打击人类对“技术必然带来进步”的信念。

从另一个视角看AI的实际影响 回到那个换算。

阿波罗花了3000亿美元，它的影响是改变了人类对边界的认知——月球从遥不可及变成了人类去过的地方。

这种认知的改变，比任何具体技术都更深远。

它告诉人类：没有什么是做不到的。

AI每年花1万亿美元，它的影响可能是什么？ 改变人类对智能的认知。

在AI之前，智...