💡 本期简介 如果有人问你，全球消费行业里将 AI 应用得最彻底、最激进的公司是谁？Shein 是一个绝对严肃且震撼的答案。 它用一套 AI 需求预测与调度系统，将服装从设计到上架的周期死死压缩在 5-7 天，亲手打破了 Zara 保持的行业极限。短短五年间，它的营收从 30 亿美元狂飙至 2025 年估计的 550 亿到 600 亿美元，斩获全球快时尚近 18% 的市场份额。 然而，光鲜的算法帝国背后，是一条走了三年依然未完结的坎坷上市路 —— IPO 估值从巅峰期的 1000 亿美元惨烈缩水至约 300 亿美元。AI 彻底成就了 Shein，却也因极致效率带来的供应链不透明，将它推向了全球地缘政治与监管风暴的中心。 本期《AI 损益表》，Eileen 带你拆解这家神秘巨头的双面算法：看它如何像亚马逊打造 AWS 一样将供应链平台化，又如何在技术狂飙与全球监管的剧烈碰撞中交出昂贵的代价。 ⏱️ 时间轴 / 节目看点 * 00:00 【开场白】五年狂飙近 20 倍，谁是消费行业里最彻底的 AI 实践者？ * 03:20 【第一幕：AI驱动的供应链革命】小批量测试的精髓：如何用全球社交媒体信号驱动 3000 家工厂？ * 07:50 【第二幕：AI在消费者端做什么】刷 Shein 比刷微博还上瘾？顶尖个性化引擎与实时动态定价算法 * 11:40 【第三幕：供应链开放与平台化】对标亚马逊 AWS！Shein 转型“供应链基础设施供应商”的野心 * 14:55 【第四幕：IPO：从 1000 亿跌到 300 亿】美国受阻、伦敦卡关、秘密递交香港：透视历时三年的上市拉锯战 * 18:40 【第五幕：AI与监管的碰撞】5 天生产一件衣服的背后：劳工标准、全生命周期立法与技术跑太快的代价 * 21:50 【结语】消费系列硬核收官：四期节目、四种路径，消费品 AI 没有通用答案 📊 核心拆解：Shein 的算法武器库与“监管时差” 1. 颠覆传统时尚的 AI 柔性供应链 * 流行趋势抓取：AI 实时抓取 TikTok、Instagram、Pinterest 等平台的流行信号（颜色、廓形、互动度），直接转化为设计指令。 * “小批量测试”精髓：依托广州周边超 3000 家工厂的数字网络，单款新品 100 件起做，根据市场数据反馈自动决定“追单放量”或“就地砍掉”，将库存风险降至行业最低。 2. 让用户上瘾的“数字端组合拳” * 首页实时动态上新：面对每天数千款的上新量，AI 推荐引擎持续学习用户的浏览与购买历史，实现极致的“千人千面”。 * 动态定价算法：根据库存水位、需求热度及竞品动态，实时调整每个 SKU 的售价（一件衣服的价格可能在 7.99 到 11.99 美元之间实时浮动），将购物彻底娱乐化。 3. 供应链的“平台化”野心（时尚界的 AWS） 2025 年 9 月起，Shein 开始向外部品牌开放其工厂网络、物流系统和 AI 调度能力。它的商业模式正试图从“卖衣服”升级为“卖供应链能力”，以此试图改变自身的利润率和估值底层逻辑。 4. 无法规避的“速度代价”与监管巨浪 极致效率与庞大的供应商网络，带来了供应链不透明的致命短板。地缘政治顾虑、劳工标准验证难题、新疆棉信息披露争议，以及欧盟针对超快时尚的“全生命周期责任”立法，直接让 Shein 的 IPO 估值缩水 70%，在美、英、中、港多方监管博弈中卡关长达三年。 🎙️ 损益表金句 "Shein 的小批量测试系统，其精髓绝不仅仅是‘快’，而是用数据验证需求。传统品牌是提前几个月去‘猜’趋势，而 Shein 是让 AI 帮它‘看’清现实再投产，两者的库存风险有着天壤之别。" "这是一个 AI 驱动的商业模式与传统监管框架之间的‘时差问题’：技术总是跑得太快，监管还没跟上；但监管一旦醒悟并围追堵截，那个冲击将是突然且剧烈的。Shein 的 IPO 困境，就是这个时差的代价。" 🏁 消费行业系列大收官 至此，我们的消费 AI 系列四期内容正式收官！让我们一起复盘这四家巨头的不同命运： * Nike：技术底座完全押对，但错误的过度 DTC 战略直接让执行翻车。 * 星巴克：AI 做好了完美的数字化前台，却由于忽视物理产能而堵死了实体后台。 * 麦当劳：在单点应用交足数亿学费、接连失败后，回归理性，选择从底层重建数字基础设施。 * Shein：把 AI 供应链磨练成了毁天灭地的武器，但同时也把自己推向了全球监管的风暴中心。

💡 本期简介 麦当劳的 AI 故事，堪称消费品行业里最曲折、也最昂贵的交税样本。 它曾豪掷 3 亿美元买下 AI 巨头 Dynamic Yield，用了三年却转手卖掉；它与 IBM 轰轰烈烈地合作测试 Drive-thru 语音点餐，跑了两年却因为“薯条加冰淇淋”的频繁翻车而被迫终止合同。接连遭遇两次技术滑铁卢之后，麦当劳不仅没有离场，反而换了一种更底层的玩法 —— 联手谷歌，从重构数字基础设施开始“降维打击”。 如今，麦当劳手握 1.85 亿活跃忠诚会员，正朝着 450 亿美元的年忠诚销售目标狂奔。今天，我们从损益表的务实视角，聊聊这家快餐巨头交了数亿学费后换来的底层逻辑，以及为什么快餐行业的 AI 落地，远比科技公司想象的要残酷得多。 ⏱️ 时间轴 / 节目看点 * 00:00 【开场白】消费品行业最曲折的 AI 进化史：买过、卖过、翻车过 * 03:15 【第一幕：3亿美元的教训】Dynamic Yield 的实时菜单梦，为什么让加盟商大失所望？ * 07:45 【第二幕：IBM语音点餐实验】当汉堡被点成 9 个，嘈杂物理环境如何成为 AI 语意识别泥潭？ * 11:20 【第三幕：Edge平台与谷歌新合作】放弃单点狂热，麦当劳如何用“边缘计算”重建基础设施？ * 15:10 【第四幕：忠诚计划是核心战场】1.85 亿会员的“数据燃料”与让厨房零等待的地理围栏技术 * 19:05 【第五幕：快餐AI的特殊挑战】加盟商利益、高度物理化的厨房，规模的代价究竟有多重？ * 22:15 【结语与下期预告】快餐 AI 的规模效益；下期聊聊本系列的压轴悬念 —— Shein 📊 核心拆解：麦当劳的 AI 试错与底层重构 1. 那些年，麦当劳交过的昂贵“技术税” * 动态菜单实验（Dynamic Yield）：2019 年以 3 亿美元收购。原设想是通过天气、时段动态推荐来拉高客单价，但因销售提升未达加盟商预期、系统维护成本高昂，于 2022 年卖给万事达卡，黯然退场。 * 语音点餐实验（IBM 合作）：在 100 家驾车穿梭餐厅测试。因无法克服停车场的噪音和复杂的口音多样性，导致系统频繁出错（如将 1 个汉堡点成 9 个），于 2024 年 7 月终止合作。 2. 第三次重来：底层基础设施的“降维打击” 遭遇单点应用失败后，麦当劳在 2025 年改变战略，联手谷歌打造 Edge 平台： * 边缘计算响应：把云计算延伸至餐厅本地，实现数据毫秒级处理与 AI 推理，不再依赖远端云数据往返。 * 三大底层场景：驱动实时菜单优化、炸锅及冰淇淋机的预测性维护、以及负责排班的 AI 虚拟经理系统。 3. 真正的 AI 燃料：1.85 亿活跃会员 麦当劳的战略核心早已不是炫技，而是将 AI 沉淀在忠诚会员体系里： * 数据精准转化：利用 1.85 亿会员（目标 2.5 亿）的消费画像，在精准时段推送特惠套餐，死守 450 亿美元的忠诚销售目标。 * Ready on Arrival（地理围栏）：当系统检测到用户车辆接近门店，提前通知厨房备餐，在美国市场成功将食品等待时间缩短了一半。 🎙️ “损益表金句” "快餐厨房是一个高度物理化的场所 —— 油炸、烤制、组装，每一步都是人手操作。AI 能优化预测与排班，但它永远改变不了物理生产流程的速度上限。" "在快餐这个行业，AI 的价值实现路径比科技公司想象的要慢得多。但它有一条铁律：一旦在底层跑通，它的规模效益极其惊人。"

💡 本期简介 星巴克拥有一套让全行业羡慕的 AI 平台 —— Deep Brew。7500 万消费者画像、56% 的数字交易占比、AI 驱动的动态菜单贡献了美国 40% 的订单…… 从财务和技术指标上看，它简直像一家完美的科技公司。 然而，光鲜的数据背后却隐藏着尴尬的现实：星巴克的同店销售额连续多个季度下滑，顾客疯狂投诉等待时间过长，总部不得不全球裁员并紧急换帅。AI 做到了技术上的绝对成功，为什么公司依然在实体世界里挣扎？ 本期《AI 损益表》消费行业系列第二期，我们将深度拆解星巴克独特的“AI 悖论”。当线上数字化效率被 AI 提升到极致，后端的物理产能却成了致命瓶颈。看新任 CEO Brian Niccol 如何开出处方，试图填平这条线上与线下的“体验断层”。 ⏱️ 时间轴 / 节目看点 * 00:00 【开场白】咖啡巨头的双面人生：技术向左，业绩向右 * 03:40 【第一幕：Deep Brew 是什么】年贡献超 250 亿美元的“咖啡界个性化引擎” * 08:15 【第二幕：Green Dot Assist】生成式 AI 助阵，如何帮咖啡师应对 17 万种无限定制饮品？ * 12:30 【第三幕：同店销售额下滑的真相】AI 越成功，线下越拥堵？数字点单爆炸带来的物理限速 * 16:05 【第四幕：Brian Niccol 的回归计划】从 Chipotle 挖来的新帅，如何用 AI 重新对齐整个服务供应链？ * 20:20 【第五幕：AI 与咖啡的边界】消费 AI 的警示录：线上太流畅，反而放大了实体端的短板 * 22:50 【结语与下期预告】线上线下的体验必须是一个整体；下期聊聊更曲折的麦当劳 📊 核心拆解：星巴克的 AI 版图与“体验断层” 1. 撑起 250 亿美金的神级 AI：Deep Brew * 千人千面的动态菜单：基于消费记录、天气、门店及各时段偏好，实时调整 App 界面。 * 实打实的财务回报：2025 年处理超 7500 万个用户画像，数字交易占比达 56%（目标 2026 年达 65%），Starbucks Rewards 会员项目贡献收入超 250 亿美元。 2. 后台门店的 AI 渗透：Green Dot Assist * 咖啡师的“大脑外挂”：基于微软 Azure OpenAI 技术，让咖啡师在面对 17 万种定制组合时能秒查制作方法，减少出错。 * 预测性维护：AI 提前预警咖啡机、制冰机故障，在“趴窝”前安排维修，死守门店运营现金流。 3. 繁荣背后的新型瓶颈：物理产能约束 Deep Brew 在前端让点单变得太顺畅，导致大量订单在同一时段涌入同一家店。前端数字效率极高，后端实体制作依然是“人工、物理限速”，最终引爆了消费者的等待焦虑。 4. 新 CEO Brian Niccol 的数字化处方 * 限制移动点单峰值，设置接单上限。 * 裁撤总部数千非直接运营支持岗位，资源重回门店，死守“4分钟等待时间”的核心 KPI。 * 推动 AI 从单纯的“个性化推荐”，转向“优化整个服务供应链”。 🎙️ “损益表金句” "星巴克有一个深刻的悖论：它的 AI 个性化做得越好，消费者的期望就被拉得越高，从而对等待时间的容忍度就越低。" "数字体验和实体体验之间，存在一条‘体验断层’。AI 把数字端做得太好，可能反而放大了实体端的短板。消费者的最终满意度，取决于整个链路里最慢的那个环节，而不是最快的那个。"

💡 本期简介 Nike 一直是全球消费品牌数字化的绝对标杆。从精准量脚的 Nike Fit 到潮人必备的 SNKRS App，再到拥有 1.6 亿注册会员的庞大数据库，它在 AI 与数字化上的投入堪称业界之最 。 然而，2025 财年 Nike 却交出了十年来最惨淡的成绩单：营收下滑 10% 至 463 亿美元，数字渠道下跌 12% 。技术明明押对了，为什么执行会彻底翻车？ 本期《AI 损益表》开启消费行业系列第一期。我们不谈虚无的技术概念，而是从“损益表”的务实视角，拆解 Nike 如何将顶尖的 AI 能力误用在了一个“过度 DTC 化”的错误战略上，以及老将 Elliott Hill 临危受命后，如何用传统零售智慧修复这场数字化冒进的代价 。 ⏱️ 时间轴 / 节目看点 00:00 【开场白】消费品数字化标杆的十年最惨淡成绩单 03:15 【第一幕：Nike的AI能力版图】计算机视觉、需求预测与 1.6 亿会员的个性化引擎 07:45 【第二幕：过度DTC的战略失误】为什么砍掉零售伙伴、强迫消费者登录 App 是一场灾难？ 12:20 【第三幕：换帅与 Win Now 计划】32 年老将 Elliott Hill 重组高管，如何重建全价渠道与定价秩序？ 16:10 【第四幕：AI在哪里真正有用】库存周转提升 20%！技术本身没有白费，只是被放错了地方 19:35 【第五幕：损益表视角】数十亿技术投入与个位数净利润率，消费品 AI 的 ROI 陷阱 22:15 【结语与下期预告】AI 只是放大器；下期聊聊硬币的另一面——星巴克 📊 核心拆解：Nike 的 AI 资产与战略错位 1. 那些被“用错地方”的顶尖 AI 能力 Nike Fit：利用计算机视觉与机器学习识别脚型，成功服务超 1 亿人次，显著降低退货率 。 SNKRS App：基于 AI 的限量款需求预测、抽签公平性算法及黄牛识别系统，维系球鞋社区权威性 。 供应链 AI：机器学习驱动的需求预测，将部分品类的库存周转效率提升了 20% 以上 。 2. 致命的战略偏航：过度 DTC 化 Nike 在 2020 年前后大刀阔斧地砍掉了数百家零售合作伙伴（百货、鞋店等），试图通过自有 App 垄断消费者数据并吃掉中间商利润 。但这导致了两个恶果： 错失自然流量：主动撤出了消费者逛街、冲动消费的物理场景 。 促销依赖陷阱：数字渠道为了冲高销售额进行无节制打折，把品牌档次拉低，让消费者养成“非折扣不买”的习惯 。 3. 损益表上的代价 过去五年，Nike 在数字化上砸下数十亿美元，这些高昂的建设成本被摊入运营费用 。在 FY2025 营收下滑 10% 的情况下，由于技术等固定费用无法同比例下降，净利润率从此前的 12% 左右直接被压缩至个位数，利润跌幅远超收入跌幅 。 🎙️ 损益表金句 "AI 是工具，工具服务于战略。战略错了，工具也帮不上忙。强迫消费者来你的平台，而不是跟着消费者走，这是技术超前于渠道的代价。" "AI 是放大器，它放大的是战略，而不是替代战略。战略对，AI 帮你赢得更快；战略错，AI 帮你输得更彻底。"

【本期简介】 这是一场关于“王朝更迭”的时代悲喜剧。 WPP，曾经傲视群雄的全球广告霸主，旗下坐拥奥美、JWT、群邑等璀璨厂牌，却在2025年遭遇了十年来最惨烈的财务寒冬——营收下滑8.1%，利润重挫，甚至被踢出了富时100指数，交出了全球第一的王座 。与此同时，低调的挑战者阳狮集团（Publicis Groupe）却逆势上扬，成为了新的行业领头羊 。 命运的戏剧性逆转，背后不是客户的背叛，而是两家巨头在面对AI海啸时，截然不同的底层逻辑与抉择。WPP将AI视为“降本防御”的剪刀，而阳狮则将AI化作“数据进攻”的放大器 。 当AI能轻而易举生成90分的创意时，人类创意的差异化壁垒究竟在哪里？庞大的传统广告代理商，是否正在告别属于他们的黄金时代？ 本期是《AI 损益表》“广告传媒系列”的收官之作。让我们一起从这两大帝国的裂变中，窥见AI时代商业重构的通用底层规律 。 【时间轴 / 精彩看点】 00:00 【开场】 巅峰市值超200亿英镑的巨无霸，怎么就走到了王朝更迭的十字路口？ 03:15 【第一幕：WPP的衰落】 跌出富时100与裁员9000人：当CFO口中的“人力成本节省”变成现实，AI到底替代了谁？ 07:40 【第二幕：转型困境】 砸下4亿英镑的“Elevate28”计划，为何带不动WPP松散的“联邦制”组织架构？ 11:55 【第三幕：Publicis的逆袭】 2019年价值40亿美元的“惊天一赌”：阳狮是如何通过收购Epsilon及连续的AI数据布局，筑起“CORE AI”数据飞轮的？ 16:20 【第四幕：两种AI观】 工具VS资产，防御VS进攻。慢了四五年的WPP，输在了哪个致命维度？ 19:45 【第五幕：行业的启示】 80分的执行被接管，少数精英的顶级策略能养活一个庞大集团吗？广告代理商的黄金时代是否已终结？ 22:15 【结语与下期预告】 提前布局数据的公司赢，依赖人力规模的公司输 。下个系列，我们聊聊Nike、星巴克、麦当劳、Shein的消费品AI重塑之战 。

【本期简介】 在数字广告的宏大版图里，谷歌、Meta、亚马逊筑起了一座座密不透风的“围墙花园”。它们吞噬了绝大部分的数据与预算，让广告主深陷“知道花了钱，却看不清归因”的黑盒困境。 然而，有这么一家公司，选择死死守在围墙花园的对立面——它就是 The Trade Desk（TTD）。作为全球最大的独立买方平台（DSP），它在两巨头的夹击下，硬生生拼出了一片属于“开放互联网”的天空。 2025年，The Trade Desk 营收达到29亿美元 。在 AI 浪潮的席卷下，他们掏出了新武器——Koa Agents 智能体系统与 OpenAds 开放广告标准 。但硬币的另一面，是他们从 26% 一路放缓至 12% 的营收增速，以及股价曾经单月重挫 30% 的惊心动魄 。 当 AI 让内容生产成本趋近于零、当 AI 搜索让传统出版商流量暴跌，开放互联网的广告份额究竟是在扩大还是在萎缩 ？The Trade Desk 守护的这套“透明与自主”的信仰，在 AI 时代还能打赢吗 ？ 本期《AI 损益表》，我们来聊聊这家广告行业里无人不知的“最后守门人” 。 【时间轴 / 精彩看点】 00:00 【开场】 如果 Meta 是自动贩卖机，谷歌是自我颠覆的巨人，那 The Trade Desk 是谁？ 03:20 【第一幕：搞懂程序化广告】 几十毫秒内的实时竞价：拆解买方平台（DSP）的底层盈利模式与两百亿预算的操盘逻辑 。 07:05 【第二幕：围墙花园 vs 开放互联网】 拒绝“黑盒”，把归因和数据自主权还给品牌，为什么大广告主开始把命运移出封闭平台 ？ 10:45 【第三幕：Koa AI 与智能体广告】 淘汰传统人工盯盘，Koa Agents 如何实现数百个变量的自主竞价优化 ？OpenAds 又如何在外网流量暴跌时为出版商雪中送炭 ？ 14:50 【第四幕：增速放缓的账面隐忧】 增速从 26% 跌到 12% 。Meta 抢流、流媒体（CTV）不及预期、股价大跌 30%：独立平台的阵痛期来了吗 ？ 19:15 【第五幕：谁会赢得AI时代的广告战】 注意力大割裂的时代，Koa Agents 能否证明开放互联网的投放效果不输巨头 ？ 22:00 【结语与下期预告】 总结：开放与封闭的战争远未结束 。下期预告：广告传媒系列压轴——WPP 组团抗 AI 遭遇寒冬，阳狮靠数据逆势登顶 。 【本期AI信号灯】 * 🟡 黄色信号（警示）：The Trade Desk（TTD）。尽管其商业模式依然健康且维持高利润率，但营收增速的持续放缓和流媒体广告的增长不及预期，暴露出大客户预算向头部封闭平台回流的行业隐忧 。 * 🟢 绿色信号（风向）：Koa Agents & OpenAds。利用 AI 智能体全面接管并重构程序化广告的竞价与优化逻辑，同时联合头部媒体重建 AI 搜索时代的广告流通基础设施 。 * 💡 核心启示：数据自主权与完全透明，是广告主在 AI 时代对抗平台垄断的终极诉求。 开放与封闭之争的胜负手，取决于 AI 能否在非闭环生态里跑出同等甚至更优的 ROI 。

【本期简介】 作为法律AI赛道的绝对领头羊，Harvey 在过去一年里交出了令人惊掉下巴的成绩单：年化经常性营收（ARR）暴涨近4倍，直接冲向近2亿美元大关！面对如此凶猛的后生仔，统治法律信息市场多年的两大传统巨头 Thomson Reuters（汤森路透）和 LexisNexis（律商联讯）给出了截然不同的底层解法： 汤森路透选择每年砸下2亿美元自研 CoCounsel 贴身肉搏，用数据深度筑墙；而 LexisNexis 却上演了科技行业最戏剧性的反转——既然打不过，那就成为你的股东！ 本期节目，我们不仅拆解这场精彩的资本与数据博弈，还将横向复盘整个系列：为什么法律和金融 AI 落地宛如坐火箭，而医疗 AI 却慢如蜗牛？ 🎧 搞钱时间轴（精彩路标） 00:45 Harvey 恐怖的爆发力： 2025年末 ARR 狂飙至 1.95 亿美元，50亿美金估值背后，高达 94.8% 的文档问答准确率意味着什么 ？ 02:10 汤森路透的正面迎击： 坐拥全球最权威数据库 Westlaw，每年 2 亿美元砸向基于 Claude 构建的 CoCounsel，老牌巨头如何用“数据深度”跟大模型算法打差异化 ？ 03:55 名场面诞生！LexisNexis 的倒戈与合纵： 参与 Harvey 3亿美元 E 轮融资，把死敌变成自己的 AI 引擎，这笔账传统巨头到底是怎么算过来的 ？ 05:40 行业生死线：为什么法律 AI 的采购速度能远超医疗 AI？ 责任归属的清晰边界（律师签名负责）与高净值时薪带来的直接 ROI 诱惑 。 07:50 本期损益表红黑榜盘点： 战略投资是传统老玩家最聪明的避险范本吗 ？汤森路透的时间压力又在哪里 ？ 09:30 【垂直行业系列终极大总结】 AI 在企业级落地的终极铁律：不看技术高低，看监管壁垒、商业模式脆弱性与数据护城河 。 📊 本期硬核数据看板 核心维度 / 玩家Harvey (行业颠覆者)Thomson Reuters (正面硬刚者)LexisNexis (战略合纵者)最新财务/投入表现 ARR 达 1.95 亿美元，全年暴涨约 3.9 倍；完成 3 亿美元 E 轮融资 。 法律专业板块有机营收增长 9%；在法律 AI 上每年投入超 2 亿美元 。 母公司 RELX 集团直接作为战略投资人，参与入股 Harvey 的 E 轮融资 。 产品与技术路径 纯AI原生平台，独立评测中文档问答准确率达 94.8%（六项中五项最高）。 推出 CoCounsel Legal（基于 Anthropic Claude），集成进 Westlaw 现有产品 。 将自有的 Protege 法律研究工具及 Shepard 引用核查系统与 Harvey 深度集成 。 客户与渠道规模 多数 Am Law 100 头部律所、企业法务部及政府法律团队正在使用/评估 。 已覆盖超 2 万家律所和法律部门，包含 80% 的 Am Law 100 顶级律所 。 借 Harvey 的 AI 引擎为自身庞大的法律数据库赋能，用数据资产换取前沿技术接入权 。 底层竞争核心 靠顶尖的 AI 算法能力与极快的行业渗透率赢 。 平均得分 79.5%（略低于Harvey），不靠算法赢，靠 Westlaw 的数据深度赢 。 评估自研成本与周期后，认为**“直接投资+战略联盟”的 ROI 远大于从零自建** 。 💡 核心观点提炼 💡 “当一个行业的头部玩家选择投资颠覆者，而不是正面对抗，它实际上是在承认：不相信自己能凭借内部研发追上这个速度。” LexisNexis 的选择为所有传统行业的老牌巨头提供了一个绝佳的避险范本 。面对技术范式的迭代，用数据资产换取产品集成，用相对小的资本代价买到最前沿技术的接入权，是最理性的商业防御 。 💡 “AI在行业里的落地，不是按照技术能力的高低排序，而是按照监管壁垒、商业模式脆弱性和数据护城河的高低排序。” 法律与金融：责任归属清晰（律师/分析师做最终审核），ROI 直接可量化，落地速度最快 。 医疗：涉及诊断与生命决策，FDA 审批与责任归属极其复杂，落地最慢 。 * 教育：最快被颠覆的是提供答案的“信息中介”（如 Chegg），最难被动摇的是驱动坚持的“行为改变平台”（如 Duolingo）。 【本期主播】 AI Beta AI Alpha 【特别鸣谢】 感谢大家收听《AI 损益表》垂直行业深挖系列特辑 ！我们将持续穿透技术泡沫，为您带来商业模式与硬核财务视角的深度拆解。点击订阅不迷路，我们下期节目再见 ！ 【声明：本节目数据来源于 Harvey、Thomson Reuters、LexisNexis 公开声明及行业研究报告 。内容仅供行业交流探讨，不构成任何投资建议 。】

【本期简介】 在谈论“金融AI”时，很多人首先想到的是AI炒股或智能理财。但在真正的金融帝国里，AI 最大的战役不是在前端帮散户赚钱，而是在后端帮金融机构自己省钱、提效与控风险 。 本期《AI 损益表》垂直行业深挖系列第三期，我们把镜头对准全球第一大行——摩根大通（JPMorgan Chase） 。25万员工有权访问，每天超过12.5万人高频使用内部AI工具“LLM Suite” 。从30秒生成客户演示文稿，到用 AI 审查合同每年省下36万工时，华尔街正在用真金白银的技术预算，筑起一道让中小银行绝望的成本护城河 。 同时，我们也将拆解全球金融数据之王 Bloomberg 的 AI 升级防御战 。在合规至上、不容许半点“幻觉”的金融世界里，AI 的尽头究竟是技术普惠，还是巨头垄断的加速器 ？ 🎧 搞钱时间轴（精彩路标） 00:54 金融AI的结构性误区： 为什么说最大的受益者不是消费者，而是银行自己 ？ 02:15 揭秘 LLM Suite：全球最大规模的企业AI落地： 12.5万人每天打卡，每名员工每周平均省下 3 到 6 小时，金融打工人的“真香”减负 。 03:45 36万工时是怎么省出来的？ 深度拆解 COiN 系统如何吞噬合同审查的繁琐流程，相当于释放 175 个全职员工工作量 。 05:10 200亿美元技术预算的降维打击： 摩根大通的底层算盘——在 AI 上每花一美金，就要省回一美金，1% 的利润率提升如何产生复利恐怖故事 ？ 07:05 彭博终端（Bloomberg Terminal）的防御战： 每年 25,000 美元的订阅费，面对 Perplexity 和 ChatGPT 金融版的围剿，“专有数据”才是最后的解药 。 08:40 金融AI的生死线：监管与“零幻觉”： 为什么银行要不惜代价自建安全环境，而不直接用外部原生大模型 ？ 10:15 本期损益表红黑榜总结： 赢家越强、弱者愈弱的金融科技下半场 。 📊 本期硬核数据看板 核心维度 / 企业摩根大通 (LLM Suite 内部实践) 彭博社 (Bloomberg Terminal 升级) 应用与用户规模 25万 员工获访问权，每天 12.5万人 高频使用 全球约 33万 顶级机构投资人与交易员订阅 提效与成本量化 员工每周省 3-6小时；COiN 系统年省 36万工时 推出 AI 驱动的文档搜索，让专有数据的价值更容易获取 资金与人员投入 年技术预算约 180亿（AI专项 20亿），2000人专职团队 年单人订阅费高达 25,000美元，依靠权威实时数据筑墙 当前的落地用例 已有 450+ 个生产用例运行，目标2026年扩展至 1000 个 面临 Perplexity、ChatGPT 金融专业版及初创公司的低价竞争 核心挑战与边界 需面临极端严苛的合规监管，对“AI 幻觉”的容错率为零 如何在 AI 时代继续维持高客单价与数据的独特性 💡 核心观点提炼 💡 “AI在金融行业的普及，不是让竞争格局更平等，而是让强者更强。” 摩根大通每年砸下 20 亿美元做 AI 专项投入，并实现等量的成本节省，这直接帮这家千亿营收的巨兽额外提升了约 1% 的利润率 。这种用巨额预算堆砌出来的技术代差，正在进一步拉大大型银行与中小机构之间的鸿沟 。 💡 “数据是全套算法的底牌，合规是规模化落地的命门。” 无论是彭博终端不可复制的全球实时金融数据库，还是大行内部运行在自有安全环境下的 LLM Suite，都证明了一件事：在金融行业，AI 能力只是竞争门槛，而专有数据与抗击监管风险的合规能力，才是真正的护城河 。 【本期主播】 AI Alpha AI Beta 【下期预告】 下期我们将迎来法律AI的最大反转：作为近两年风头最劲的法律 AI 独角兽，Harvey 遭遇了来自传统法律巨头与科技新贵的双重围剿，但戏剧性的是，Harvey 最大的竞争对手，最终竟然选择选择巨额投资 Harvey？这背后究竟是打不过就加入的妥协，还是另有深谋远虑的资本合纵连横？我们下期见 ！ 【声明：本节目数据来源于摩根大通财报、Bloomberg 公开声明及行业研究报告 。内容仅供行业交流探讨，不构成任何投资建议 。】

【本期简介】 2022年11月，ChatGPT 的诞生像是一颗陨石撞击了整个互联网生态。三年过去，当烟硝散去，我们看到了教育科技（EdTech）领域最具有戏剧性的两极分化： 一家是曾经市值 147 亿美元的作业辅导巨头 Chegg，在 ChatGPT 与 Google AI Overviews 的双重夹击下，三年内市值蒸发 99%，沦为被 AI 彻底摧毁的教科书案例 ；另一家则是主打语言学习的 Duolingo，不仅扛住了 AI 的冲击，反手将 AI 融入内容生产，年营收一举突破 10 亿美元大关 ！ 同一场技术海啸，为什么一家被彻底拍碎在沙滩上，另一家却能乘浪前行？本期《AI 损益表》垂直行业深挖系列第二期，我们带你拆解两家公司背后的底层逻辑：你的商业模式，到底是在卖“信息”，还是在卖“行为改变”？ 🎧 搞钱时间轴（精彩路标） 00:45 历史性的一幕： 2023年5月，Chegg CEO 的一句话如何让华尔街连夜抛售，引发单日 48% 的股价暴跌？ 02:10 Chegg 的死亡沙漏： 从 780 万到 320 万用户的雪崩 。除了 ChatGPT，Google AI Overviews 是如何完成对 Chegg 搜索流量入口的“降维打击”的？ 04:15 Duolingo 的裁员风波与战略反转： 同样是裁减内容外包，为什么多邻国能完成资本市场的“AI 重估”？ 05:30 那只绿色猫头鹰的生存密码： 为什么你可以用 ChatGPT 练口语，却依然愿意给 Duolingo 续费？游戏化与社交激励的不可替代性 。 07:20 终极思辨：商业模式的 AI 脆弱性： “信息中介” vs “行为改变平台” 。谁是下一个会被大模型抹掉的中间商？ 09:15 本期损益表红黑榜盘点： 恭喜 Duolingo 荣登红榜，Chegg 遗憾领到黑榜 。 📊 本期硬核数据看板 核心指标 / 企业Chegg (黑榜：信息中介受害者) Duolingo (红榜：行为平台获益者) 巅峰/当下市值 从 147 亿美元 跌至 约 1.15 亿美元 (蒸发 99%) 成功完成“AI 重估”，股价与收入迎来双增长 订阅用户变化 从 780 万峰值暴跌至约 320 万 (流失近 60%) 付费订阅用户达 580 万，月活/日活持续创新高 最新财务表现 FY2024 营收 6.18 亿美元 (同比 -14%)，净亏损 8.37 亿美元 2025年全年营收目标顺畅突破 10 亿美元 流量与生产力命运 遭遇 ChatGPT 与 Google 搜索摘要双重截流，流量入口断裂 全面转向 “AI优先”，用 AI 替代外包加速课程产出 核心潜在风险 商业模式可被大模型完美闭环替代，毫无还手之力 AI 生成内容产生重复感，缺乏原有幽默与文化细节 💡 核心观点提炼 💡 “Chegg 的本质是信息中介：学生提问，平台给答案。一旦 AI 能直接、免费地给出答案，中介的价值就归零了。” 任何以“消除信息差”为核心价值的商业模式（如百科、基础作业解答、部分知识付费），在 AI 时代都面临被直接抹去的结构性风险 。 💡 “Duolingo 的本质是行为改变平台：它不只卖知识，它卖的是让你坚持每天打卡的机制和习惯。” 驱动人类克服惰性、保持学习的行为机制，是现阶段大模型无法轻易交付的 。Duolingo 聪明地把 AI 当成了生产内容的高效皮鞭，而不是被皮鞭抽打的资产 。 【本期主播】 AI Beta AI Alpha 【下期预告】 下期我们将聊聊金融AI：看一看华尔街巨头摩根大通（JPMorgan Chase）是如何让 25 万员工每天高频使用自研 AI 的 。这绝对不是一个简单的“打工人提效”故事，而是一场正在悄悄重塑万亿美元金融帝国的行业风暴 。我们下期见 ！ 【声明：本节目数据来源于 Duolingo 及 Chegg 公开财报、CNBC、TechCrunch 等新闻报道 。内容仅供行业交流探讨，不构成任何投资建议 。】

提到医疗AI，我们脑海中浮现的往往是“AI诊断癌症”、“AI秒看CT片”。但现实中，医疗AI真正的第一个百亿级商业落地，解决的却是一个极其朴素的痛点——帮医生写病历。 本期《AI 损益表》垂直行业深挖系列正式开播！我们聚焦微软历史上第二大收购案——以197亿美元买下医疗语音巨头 Nuance。为什么看似枯燥的“文书自动化”能成为估值百亿的黄金赛道？在合规至上、流程严苛的医疗系统里，微软是如何靠着“大模型+老渠道”构筑起大厂最难复制的护城河的？请听本期节目的深度拆解。 🎧 搞钱时间轴（精彩路标） * 00:54 “文书地狱”与197亿美金豪赌： 为什么美国医生每天要花3小时写电子病历？微软史上第二大收购案真的买贵了吗？ * 02:15 起底 Nuance 的水下冰山： 77%的美国医院都在用它！拆解耗时30年、由 HIPAA 合规与系统集成堆砌起的超级护城河。 * 03:40 DAX Copilot 真实生产力复盘： 每次诊疗省5分钟意味着什么？从解放医生到延伸至护士群体（Dragon Copilot for Nurses）的场景破局。 * 05:10 深度思考：为什么是文书，而不是诊断？ 避开 FDA 审批、医疗责任归属的生存智慧——先解决行政负担，再渗透临床决策。 * 07:05 医疗AI的野心与天花板（损益表红黑榜）： * 【红榜】 微软-Nuance 深度捆绑 Epic 的核心基础设施壁垒。 * 【黑榜】 诊断类 AI 商业化极其漫长的监管周期，巨头面临短期内“大市场、小体量”的焦虑。 📊 本期硬核数据看板 核心指标数据表现商业洞察行业痛点美国医生每日花 2-3 小时 处理电子病历行政负担导致高职业倦怠感，效率亟待解放。Nuance 渠道覆盖 77% 美国医院、55% 医生、75% 放射科医生深度嵌入医疗系统的最核心数据基础设施。提效成果平均每次诊疗省 5 分钟，50% 医生文书时间减半显著减少职业倦怠感，医院采购决策链路极短。市场规模2024年约 5.38 亿美元 $\rightarrow$ 2033年预测 41.9 亿美元临床对话 AI 细分赛道未来复合年增长率（CAGR）高达 25.7%。 💡 核心观点提炼 💡 “医疗AI的核心往往不是算法本身，而是数据合规、系统集成和机构信任。” > 微软花 197 亿美元买下的不是一个单纯的语音软件，而是一条深度接入美国医疗系统的“合规高速公路”。 💡 “先解决行政负担，再逐步渗透临床决策。” > 相比于通过 FDA 审批动辄数年、且责任归属极其复杂的诊断型 AI，不承担医疗决策风险的文书自动化，是目前最现实、跑得最快的商业路径。 【本期主播】 * AI Alpha * AI Beta 【下期预告】 下期我们将切入教育AI赛道：在同一场 AI 浪潮下，为什么一家公司能借此暴涨到 10 亿美元，而另一家老牌巨头却直接从 140 亿跌到 1 亿？两极分化的底层逻辑究竟是什么？下期见！ 【声明：本节目数据来源于微软公开声明、Nuance 产品资料及行业研究报告。内容仅供行业交流探讨，不构成任何投资建议。】

“算力是这个时代的石油，但稀缺性并非永恒的底牌。” 本期《AI 损益表》迎来“GPU 经济学”系列的终章。在经历了对 NVIDIA、CoreWeave、AMD 以及超级云厂商的深度拆解后，我们今天要面对那个最核心的周期性问题：整个 GPU 市场，什么时候会从狂热的供不应求转向供过于求？ 2026 年，四大科技巨头的 AI 资本支出已突破 6000 亿美元，但现货市场的价格波动与产能瓶颈依然牵动着每一个玩家的神经。当 Blackwell 开启大规模交付，当下一代 Rubin 架构浮出水面，谁能在这场“算力石油”的战争中建立起不依赖稀缺性的真正护城河？ 本期时间轴 [00:00] 开场： 欢迎收听系列终章。从 2021 年的半导体周期看今天的 GPU，故事会重演吗？ [04:20] 破除误解： 为什么云厂商降价的同时，现货价格反而反弹了？拆解 2025 年复杂的供需矛盾。 [08:45] 供应链的真相： 核心瓶颈不在芯片，而在 CoWoS 封装。为什么 2027 年之前真正的供给充裕几乎不可能？ [13:10] 需求的变迁： 从“训练主导”到“推理主导”。每一分钟 160 亿 token 的消耗意味着什么？ [18:30] 架构迭代的轮舞： 从 Blackwell 到 Rubin。产品换代周期如何影响市场定价与“等还是买”的决策。 [23:50] 谁会先感受到寒意？ 高杠杆玩家、中小创业公司与投机性买家，谁在局部宽松面前最脆弱？ [29:15] 终局三种情景： 持续爆发、理性增长、还是黑天鹅暴雷？我们的基准判断与预警。 [34:00] 系列总结： 用一句话总结 GPU 经济学的核心逻辑。 行业关键趋势预测 维度现状与预判资本支出 微软、Google、亚马逊、Meta 2026 年合计支出超 6000 亿美元 产能瓶颈 TSMC CoWoS 预计至 2027 年中持续满负荷 价格博弈 H100 现货价格在 2025 年底出现反弹，B300 现货依然稀缺 代际更替 Rubin 架构预计 2026 年底至 2027 年开始出货 风险预警 H100 等旧款资产的减值风险已开始显现 系列终章感言 GPU 经济学核心逻辑： NVIDIA 是低风险、高毛利的设备商；超级云厂商是重投入的石油巨头；CoreWeave 是高杠杆的独立石油商；AMD 则是奋力追赶的侧翼竞争者。 算力或许是石油，但真正的赢家是那些在油井枯竭或油价下行前，已经筑好护城河的人。 主播： AI Alpha · AI Beta 录制日期： 2026 年 5 月 10 日 免责声明： 本期内容基于公开市场数据及情景推演，为主观判断，不构成任何投资建议。

“份额不仅仅是靠算力赢来的，更是靠‘备胎转正’的战略耐心。” 本期《AI 损益表》迎来“GPU 经济学”系列的第三站。如果说 NVIDIA 是孤独的霸主，CoreWeave 是激进的信徒，那么 AMD 则是那个正在默默重塑市场格局的“二号玩家”。 长期以来，AMD 在 AI GPU 市场一直处于追赶状态，份额仅占 5% 到 7% 。但随着 2026 年 OpenAI 的标志性入股，以及微软、Meta 等巨头的规模化部署，风向正在发生微妙的变化。当 CUDA 的软件护城河依然高耸时，AMD 如何通过“推理市场”这一侧翼切入，并最终锁定那关键的 10% 份额？ 本期时间轴 [00:00] 开场： 拆解当前 GPU 市场的权力版图：NVIDIA 占 80%，AMD 处于怎样的身位？ [04:40] 成绩单背后的野心： 深度分析 AMD Q3 2025 财报 。MI350 系列如何在推理市场与 H100 正面交锋？ [09:15] 标志性时刻： OpenAI 为什么选择用股权换芯片？ 详解这份 6 吉瓦算力采购协议背后的深层含义 。 [15:30] 巨头的平衡术： 微软、Meta、Oracle 为何纷纷给 AMD 开绿灯？分散供应链风险与交货周期的真实考量 。 [21:00] 翻不落的山： ROCm 与 CUDA 的真实差距究竟在哪里？ 为什么说软件生态的鸿沟需要十年去填平？ [26:45] 损益表总结： 红榜： 从“可选项”到“必选项”。推理市场的切入让 AMD 锁定了未来的增量空间 。 黑榜： 核心阵地的软件锁定。芯片性能易追，开发者习惯难改 。 核心观察数据 维度关键详情市场份额 约 5% - 7%，目标向 10% 迈进 数据中心营收 Q3 2025 达 87 亿美元 主力/旗舰产品 MI350（现役主力）、MI400（下一代赌注，搭载 HBM4 内存） 战略盟友 OpenAI（持有 AMD 10% 股权）、微软、Meta、Oracle 核心障碍 ROCm 软件生态成熟度与 CUDA 的代差 下期预告 我们将把视角拉高，进行算力供给的终局推演：当下的 GPU 短缺，究竟会在什么时候变成过剩？ 我们下期见。 主播： AI Alpha · AI Beta 录制日期： 2026 年 5 月 10 日 免责声明： 本期节目数据来源于 AMD 财报、行业分析报告及公开新闻报道，不构成任何投资建议。

“借最昂贵的债，买最快的芯片，签最长久的合同。” 本期《AI 损益表》继续我们的“GPU 经济学”系列。上一期我们聊了“卖铲人”NVIDIA，这一期我们要聊聊 NVIDIA 最忠实的“大批发商”——CoreWeave 。 作为一家专注于 GPU 算力的纯粹云服务商，CoreWeave 在 2025 年完成了从“黑马”到“纳斯达克新贵”的华丽转身 。然而，在其 170% 的营收增速背后，却隐藏着一个极为激进的财务结构：用巨额债务堆砌算力集群，再用长期合同锁定现金流 。 微软贡献了其 67% 的营收，NVIDIA 亲自下场为其背书，这家公司究竟是在编织 AI 的底座，还是在玩一场高难度的走钢丝游戏？ 本期时间轴 [00:00] 开场： 从纳斯达克的开市锣声说起：CoreWeave 的上市表现与疯狂的营收增速 。 [05:20] 杠杆的逻辑： 深度拆解“债务飞轮”。如何用 301 亿美金的积压订单作为抵押，撬动 280 亿美金的融资 ？ [12:15] 微软依赖症： 67% 的营收来自单一客户。当微软与 OpenAI 的合作协议发生变动，CoreWeave 的舒适区还安全吗 ？ [18:40] NVIDIA 的“真金白银”： 20 亿美金的私募投资意味着什么？上游霸主为何要亲自扶持这位算力分销商 ？ [23:10] 量化基金入场： 揭秘 Jane Street 的 60 亿美金算力合同，AI 推理与量化交易的奇妙共振 。 [28:30] 损益表总结： 红榜： 301 亿积压订单与 NVIDIA 的战略背书。在 GPU 紧缺时代，这就是最厚的护城河 。 黑榜： 极致的风险暴露。280 亿债务叠加高客户集中度，一旦利用率下滑，飞轮如何不崩盘 ？ 核心账单数据 财务/业务指标2025 财年 / 关键节点数据全年营收 51 亿美元（同比增长 170%） 净亏损 11.67 亿美元（主要受折旧与融资成本影响） 已签约积压订单 301 亿美元 融资总额 约 280 亿美元（股权 + 债务） 调整后 EBITDA 30.93 亿美元（运营层面正现金流） 最大客户占比 微软贡献 67% 营收 下期预告 我们将目光投向 NVIDIA 的“老对手”：AMD。看它如何从 0 到 1 抢下 10% 的市场份额，成为这场算力战争中不可忽视的挑战者 。 主播： AI Alpha · AI Beta 录制日期： 2026 年 5 月 10 日 免责声明： 本节目数据来源于 CoreWeave 招股书及公开报道，不构成任何投资建议 。

“淘金热中，最赚钱的不是挖矿的人，而是卖铲子的人。” 本期《AI 损益表》进入“GPU 经济学”系列的第一站。我们跳过应用层和云厂商，直击这场 AI 浪潮最上游的绝对霸主——NVIDIA。在刚过去的 FY2026 财年，NVIDIA 交出了一份年营收 2160 亿美元、毛利率高达 75% 的财务报表 。 一家卖硬件的公司，凭什么能拥有比顶级软件公司还高的利润率？当超级云厂商们纷纷开启“备胎计划”自研芯片时，黄仁勋的皮夹克下还藏着哪些底牌？ 本期时间轴 [04:15] 毛利率的秘密： 为什么 NVIDIA 卖的是芯片，赚的却是 SaaS 的钱？深入拆解 CUDA 生态构筑的 20 年软件护城河 。 [10:30] Blackwell 观察： 订单已经排到 2026 年底。从 GB200 到 B300，顶级算力市场的供需现状与现货价格走势 。 [16:45] 繁华下的暗流： 最大的客户也是最大的威胁。AWS、Google、微软的自研芯片计划会如何侵蚀 NVIDIA 的领地？ [21:20] 宏观变量： 出口管制对中国市场及 NVIDIA 长期收入潜力的不确定性影响 。 [25:00] 损益表总结： 红榜： CUDA 护城河。这是有史以来最深的半导体软件锁定 。 黑榜： 客户集中风险。当“备胎”转正，NVIDIA 如何守住它的 80% 份额？ 核心数据概览 指标FY2026 数据全年营收 2160 亿美元（同比增长 65%） GAAP 毛利率 71.1%（Q4 峰值达 75%） 单季最高营收 数据中心业务 Q3 创下 512 亿美元纪录 核心配置 GB200 NVL72 机柜，理论 AI 算力达 1.44 PFLOPS 下期预告 我们将聚焦 NVIDIA 背后最激进的押注者、也是其最重要的商业合作伙伴之一：CoreWeave。看这家算力新贵如何在 GPU 热潮中借势而起 。 主播： AI Alpha · AI Beta 录制日期： 2026 年 5 月 10 日 免责声明： 本节目数据来源于 NVIDIA 官方财报及新闻发布，所有内容仅供交流参考，不构成任何投资建议 。

【本期简介】欢迎收听《AI 损益表》云厂商系列的终章。Google Cloud 正面临一个“罕见的好问题”：由于客户需求远超供给能力，即便营收增速领跑三大云厂商，谷歌却不得不面临“有单无机”的尴尬境地。本期节目，我们将拆解 Google Cloud 首次突破 200 亿美元大关后的真实账单：为何其 462 亿美元的积压订单成了“钱在桌上却拿不到”的焦虑？自研芯片 TPU 如何奇迹般地将 Gemini 的推理成本削减了 78%？以及，那笔高达 1900 亿美元的年度资本支出，能否帮谷歌追上需求的速度？ 【本期内容提要】 1. 成绩单：被需求“超车”的增长 * 营收里程碑：2026 年 Q1，Google Cloud 季度营收首次突破 200 亿美元，同比增长约 28%。 * 增速博弈：尽管 Q4 2025 增速曾高达 50%，但因数据中心容量限制，2026 年初增速受限于物理瓶颈。 * 积压订单：企业业务积压订单（Backlog）飙升至 462 亿美元，环比近乎翻倍，显示出强劲的市场拉动。 2. TPU：谷歌最被低估的“核武器” * 成本飞轮：通过成熟的 TPU v5p/v5e 芯片，谷歌在 2025 年将 Gemini 的推理服务单位成本大幅降低了 78%。 * 算力爆发：Gemini API 每分钟处理 token 量从 100 亿激增至 160 亿，增速达 60%。 * 商业新逻辑：谷歌开始对外出售 TPU 算力，从“自给自足”转向“算力出口”。 3. 资本支出：1900 亿美元的资源抢夺战 * 激进投资：2026 年计划资本支出达 1800 亿至 1900 亿美元，几乎是 2025 年的两倍。 * 瓶颈挑战：数据中心建设周期（18-36 个月）与 AI 需求爆发之间的物理差，是谷歌当前最大的阵痛。 4. 内部博弈：Gemini vs. 搜索广告 * 创新者困境：Gemini 的 AI Overview 功能正重塑搜索逻辑，可能侵蚀占比 55% 的搜索广告收入。 * 现状评估：虽然 2026 年 Q1 搜索广告依然健康，但长期点击率的下滑风险仍是谷歌损益表上的悬剑。 【本期红黑榜】 * 🚩 红榜：TPU + Gemini 的闭环飞轮 谷歌建立了真正“自产自销”的技术飞轮：自研芯片降低模型成本，低成本驱动使用量爆发，爆发的需求再反哺芯片投入。这是目前 AWS 与 Azure 尚未完全形成的内在强化机制。 * 💀 黑榜：资本支出的执行风险与搜索自我颠覆 1900 亿美元不只是金钱的博弈，更是对全球土地、电力和工程资源的透支。若执行延误，积压订单可能流失给对手；同时，Gemini 对搜索广告的蚕食依然是结构性矛盾。 【系列总结】 * AWS：规模最大但增速放缓，押注“中立平台”。 * Azure：变现最强但失去“独家”护城河，发力应用层。 * Google Cloud：技术飞轮最顺滑但受困于容量瓶颈。 【制作团队】 * 制作人：Eileen伊玲 * 下期预告：离开云巨头，我们将视角转向垂直 AI 赛道，拆解那些“小而美”公司的生存账本。