8242
13📌 看点简介
4 月 29 日，谷歌、微软、亚马逊和 Meta 同一时间交出了 2026 年第一季度财报。
表面上看，四家公司业绩几乎都超过市场预期；但资本市场真正关心的问题并不是“赚了多少钱”，而是：AI 这场史无前例的资本开支竞赛，到底还能烧多久？什么时候才能真正转化成收入和利润？
过去几年，四大科技巨头的 AI 投入正在快速吞噬现金流。2023 年，它们的资本开支大约只占运营现金流的 40%；到 2026 年，这个比例预计将接近 90%。四家公司合计资本开支超过 6300 亿美元，AI 基础设施建设正在成为科技史上最大规模的资本再配置之一。
本期《硅谷坐标 Silicon Valley Vector》，我们邀请到 FundaAI 创始人周默，一起拆解谷歌、微软、亚马逊和 Meta 财报背后的 AI 产业账。
从 Google Cloud 增速和 Gemini 生态，到 Microsoft Azure 与 Copilot 的商业化压力；从 AWS 的 AI 基建投入周期，到 Meta 在 Llama、广告系统和超级数据中心上的长期押注；我们试图回答一个核心问题：
当 AI 从技术叙事进入财务报表，四大科技巨头到底是在提前锁定下一个十年的入口，还是正在进入一场越来越昂贵的军备竞赛？
⏱️ 时间戳
开场｜科技大厂与半导体的市场分化
估值框架｜芯片稀缺与模型高估值
AI支出｜本轮开支扩张的核心驱动
AI支出｜硬件涨价与 Capex 传导
AI收入｜定义差异与质量判断
谷歌｜云增长与广告变现改善
微软｜失去独家后的竞争基础
微软｜Copilot 的变现天花板
亚马逊｜AWS 加速的收入与利润逻辑
Meta｜广告提效与 AI 长期价值
AI商业化｜增量还是替代
结尾｜Capex 与 AI 收入缺口收敛
💬 金句预览
“今天花的是建设费，明天收的是租金。数据中心不是消耗品，它是资产。”
“创业公司一周就已开始开始做一个很大的迭代了。但是对于一个大公司来说，三周可能PPT到汇报的流程都还没做完。”
“模型公司的话语权越来越强，不和你绑定也是必然的趋势。”
“以后评价工程师的标准就是：你是原来人力 Coding 编程师的时候几倍？这个倍数可以直接按照 Coding API 的 Consumption 看出来。”
“短约价格就像五一假期的酒店价格，最能反映短期供需。”
📖 专业词汇
Capex / Capital Expenditure：资本开支。公司用于建设长期资产的钱，比如数据中心、芯片、服务器、电力、网络设备。本期核心概念。四大科技公司为了 AI 数据中心投入巨额 Capex，市场担心这些投资什么时候变成收入。
Opex / Operating Expense：运营费用。公司日常经营开支，比如人力、销售、研发、行政费用。AI 不只是替代 IT 预算，更大的市场可能是替代企业 Opex，比如客服、工程师、运营岗位。
Neocloud：新型云厂。专门围绕 GPU / AI 计算资源建立的新云服务商。模型公司不一定只找传统云厂，也会找 Neocloud 获取算力。
1P Data Center：第一方数据中心。模型公司自己建设或控制的数据中心。OpenAI 曾有 1P Data Center 计划，但执行难度很高。
3P Rental / Third-party Rental：第三方租赁。通过云厂或其他服务商租用数据中心和算力。大多数模型公司的算力需求转向 3P 租赁。
Inference：推理。模型训练完成后，用模型回答问题、生成内容、处理任务的过程。企业调用 API、用户使用 ChatGPT、广告系统调用模型，都属于推理需求。
Free Cash Flow：自由现金流。公司经营现金流减去资本开支后剩下的钱。Amazon 的例子里，资本开支把自由现金流几乎吃掉，市场担心现金流被 AI 投资压缩。
Operating Cash Flow：经营现金流。公司主营业务实际产生的现金。文稿中提到四大科技公司 Capex 占运营现金流比例越来越高，说明 AI 建设正在吞噬现金流。
ROIC / Return on Invested Capital：投入资本回报率。衡量公司投入的钱能产生多少回报。华尔街问 Meta：1450 亿美元 Capex 到底如何衡量回报？这是市场最关心的问题。
ASIC / Application-specific Integrated Circuit：专用集成电路。为特定任务设计的芯片。TPU、Trainium、Maia、MTIA 都可以放在 ASIC 自研芯片的大框架下理解。
P/E Ratio：市盈率。公司市值相对于净利润的倍数。用来讨论模型公司估值到底贵不贵。周默提到如果从远期利润看，模型公司不一定贵。
Query：搜索查询。用户在搜索框中输入的问题或关键词。Google 很多 Query 过去没有变现，AI 可以理解长 Query 的商业意图。
ARR / Annual Recurring Revenue：年化经常性收入。通常用于 SaaS、API、订阅型业务，把当前收入水平年化。用来衡量 Anthropic、OpenAI、Gemini 等模型公司的商业化速度。
HBM / High Bandwidth Memory：高带宽内存。AI 芯片中非常关键的内存类型。AI 训练和推理需要大量 HBM，内存涨价会推高 Capex。
Incremental Revenue：增量收入。相比之前多出来的收入。用来判断新的 AI 投入是否真正带来额外收入，而不是把原有收入重新贴上 AI 标签。
Backlog：积压订单。已经签约但还没交付、还没确认成收入的合同。云厂的 Backlog 可以反映未来 6 到 12 个月的收入确定性。
RPO / Remaining Performance Obligations：剩余履约义务。公司已经签下但还没有完成交付的合同金额。云业务中非常重要的领先指标，代表未来收入的可见度。
Gross Margin：毛利率。收入扣除直接成本后剩下的比例。云厂租 GPU 和租 TPU 的毛利率不同，自研芯片可以提高毛利率。
Operating Margin：经营利润率。经营利润占收入的比例。AWS、GCP、Azure 的利润率变化，是判断云业务质量的重要指标。
Margin Dilution：利润率稀释。新业务收入虽然增长，但毛利率较低，拉低整体利润率。市场担心 AI 云收入虽然增长，但 GPU 租赁和大客户合同会稀释云厂利润率。
High-quality Revenue：高质量收入。通常指可持续、毛利率高、客户分散、可重复的收入。Anthropic 或 OpenAI 带来的云收入是否高质量，是投资人担心的问题。
Low-quality Revenue：低质量收入。可能依赖单一大客户、毛利率低、议价能力弱的收入。AWS 和 Azure 被市场质疑，部分 AI 收入来自模型公司，可能议价能力不够强。
Bargaining Power：议价能力。产业链中一方对价格、合同、资源分配的控制力。模型公司越来越强，云厂的议价能力可能被削弱。
🗂️ 内容大纲
一、开场：科技大厂与半导体的市场分化
同样押注 AI，为什么英伟达和半导体产业链持续跑赢，而微软、Meta、亚马逊等科技大厂却反复承压
2026 年 Capex 被市场重新计入估值模型后，大厂自由现金流被显著压缩
AI 投资的核心矛盾：今天花的是建设费，明天能不能变成持续租金
市场真正担心的不是 AI 有没有价值，而是收入加速能不能追上资本开支
二、估值框架：芯片稀缺与模型高估值
为什么利润率最高的地方在芯片层，但估值最高的公司却可能是模型公司
从 P/E 到 ARR：为什么模型公司的估值要用远期收入和利润率重新理解
模型公司正在变成新的“入口”：从 SaaS 时代的公有云，到 AI 时代的模型 API
云厂角色变化：从直接面对客户的强议价方，变成模型公司的下游基础设施提供者
三、AI 支出：本轮开支扩张的核心驱动
这轮 Capex 扩张不是单一军备竞赛，而是经历了多轮需求逻辑切换
从数据不足、Coding 爆发，到强化学习和后训练体系跑通，算力需求不断出现新的增长点
Frontier Labs 收入体量变大后，增速不但没有下降，反而继续加速
判断 AI 算力是否过剩，不能只看 Capex，而要看 GPU 租赁价格、交付周期和短约价格
四、AI 支出：硬件涨价与 Capex 传导
GPU 长约、短约和现货价格如何共同反映真实供需关系
为什么短约价格像“节假日酒店价格”，最能体现短期供需紧张
存储长协价格上调后，不是一次性影响，而是会传导到未来多个季度的 Capex
AI 数据中心建设成本上升，不只是扩张带来的，也包含芯片、内存、存储等硬件通胀
自研芯片的产业意义：把原本付给 Nvidia 的钱，留在云厂自己的利润池里
五、AI 收入：定义差异与质量判断
“AI 收入”不是一个统一口径，不同公司统计方式完全不同
微软：GPU 租赁、OpenAI API、Copilot、Fabric 等产品增量都可能被计入 AI 收入
亚马逊：Bedrock、Anthropic API 分成、Trainium、自有 AI 服务共同构成 AI 收入
谷歌：GPU、TPU、Gemini、Vertex AI 等构成更完整的 AI 收入闭环
Meta：AI 对推荐算法、广告转化、Coding 效率的贡献难以单独量化
判断 AI 货币化的关键，不是只看披露数字，而是看收入增速、Backlog、RPO 和利润率质量
六、谷歌：云增长与广告变现改善
GCP 的加速来自 Gemini、TPU 租赁、TPU 直销和 AI 云需求共同推动
谷歌的独特优势：同时拥有模型、芯片、云和搜索广告场景
TPU 的战略价值：更低训练成本、更高云毛利率、更强客户议价能力
TPU 供不应求的根源：不是需求不足，而是 CoWoS 等先进封装产能限制
搜索广告的反常识：Google 仍有大量 Query 过去没有被有效变现
AI Overview 和 PMax 让长 Query 的商业意图被重新识别，打开新的广告增量空间
七、微软：失去独家后的竞争基础
OpenAI 不再是微软的独家资产，Azure 的核心差异化正在被重新定价
对 OpenAI 来说，进入 AWS 和更多云平台，是获得开发者市场和算力弹性的必然选择
对微软来说，分发更多 Anthropic、OpenAI 之外的模型，也符合 Azure AI 平台化方向
模型公司话语权增强后，不和任何单一云厂绑定成为必然趋势
Azure 的未来竞争力，不再只取决于 OpenAI，而取决于它能否成为多模型、多 Agent、多企业工作流的平台
八、微软：Copilot 的变现天花板
Copilot 从按 Seat 收费走向按 Consumption 收费，是微软 AI 收入的关键变化
Office Copilot 的渗透率仍然有限，真正的增量可能来自 Copilot Studio
Copilot Studio 的逻辑：企业搭建内部 Agent，用得越多，Token 消耗越大，收入越高
但企业 Agent 赛道竞争高度重叠：Copilot Studio、Palantir AIP、Gemini Enterprise、OpenAI、Anthropic 都在进入同一战场
微软最大的挑战：它既是云公司，也是全球最大的软件公司，Office 既是护城河，也可能成为 AI 原生转型的包袱
Agent 时代的速度差异：创业公司一周迭代，大公司三周可能还在 PPT 汇报流程里
九、亚马逊：AWS 加速的收入与利润逻辑
AWS 从“不被买账”到重新加速，核心在于 Capacity 问题逐步缓解
亚马逊像一家硬件属性很强的云公司，希望在数据中心、电力、冷却和自研芯片层面把问题一次性解决
Bedrock 的增长与 Anthropic 的收入增长高度相关
Anthropic 的 API 增长，让 AWS 同时获得云收入、模型分发和自研芯片适配机会
Trainium 的反转：从需要打折推广的芯片，变成供不应求、能够支撑利润率的业务
AWS 投资模型公司的战略逻辑：锁定算力需求、芯片使用场景和 API 分发份额
十、Meta：广告提效与 AI 长期价值
Meta 的广告展示量和广告单价同时上涨，背后是产品形态和广告库存结构的变化
Overlay Ads / Partnership Ads 让 Meta 开始走类似短视频软广的路径
推荐算法的 AI 提升是有效的，但贡献通常是小几个点，不是无限放大的收入引擎
AI 对 Meta 的短期价值：提升推荐、优化广告投放、降低素材制作和客服成本
AI 对 Meta 的长期价值：通过 Chatbot 和 Search 拿到更多用户意图数据，扩展旅游、汽车等原本更偏 Google 的广告品类
Meta 大模型的定位不是正面对外挑战 OpenAI，而是更好服务自己的推荐、广告和产品系统
Meta 股价承压的核心：不是 AI 没效果，而是 Capex 加速和收入加速之间出现错配
十一、AI 商业化：增量还是替代
现阶段 AI 的很多商业化来自效率提升和人力替代，而不是完全新增的消费需求
AI 最大的市场可能不是传统 IT Spending，而是企业更大的 Opex 成本池
IT Spending 可能只占企业收入 3% 到 4%，但 Opex 可能占 30%，这是更大的替代空间
Coding 是最先被重塑的领域之一，工程师的评价标准从“会不会写代码”变成“能管理多少 Agent”
AI Coding 让生产力按月迭代，也让用工结构和岗位标准出现不可逆变化
长期问题：AI 如果大规模替代人力，就会引出福利、转移支付、AI 裁员税、Token 税等社会再分配议题
十二、结尾：Capex 与 AI 收入缺口收敛
当前 AI 收入和 Capex 之间仍有明显缺口，但这个缺口正在缩小
Capex 是提前为未来数年建设基础设施，而 AI ARR 会随着模型公司和云服务增长持续释放
市场从去年担心“Capex 增速远高于收入增速”，转向今年开始看到模型公司 ARR 加速
真正的关键指标：Incremental Capex 和 Incremental Revenue 是否越来越接近
如果 AI 收入持续加速，市场对巨额 Capex 的担心会逐步减弱
最终问题不是“AI 会不会赚钱”，而是“谁能在芯片、云、模型和应用之间拿到最多利润”
🌍硅谷坐标
立足美国硅谷, 聚焦前沿科技与科技投资趋势。在 AI 重新定义人类边界的时代，我们深入科技与资本的第一现场，为全球受众提供准确、深度、独立的专业报道。
📮 联系我们
硅谷坐标欢迎评论区留言交流，转发支持！长期招聘主持人、研究员、编辑、摄像和后期视频团队。也欢迎加入我们的志愿者团队，参与一线前沿的讨论和采访。我们的志愿者由科技从业人员、专业投资人和媒体团队组成。
