四大科技公司财报后：AI产业深度观察

「嘉宾介绍」 

    周默 

• FundaAI 创始人

• 聚焦全球半导体与AI投资研究

完整视频请戳：硅谷坐标 Silicon Valley Vector 第六期 ⬇️

时间码：

00:00:00 开场｜科技大厂与半导体的市场分化

00:01:20 估值框架｜芯片稀缺与模型高估值

00:06:00 AI支出｜本轮开支扩张的核心驱动

00:10:47 AI支出｜硬件涨价与 Capex 传导

00:16:38  AI收入｜定义差异与质量判断

00:33:36 谷歌｜云增长与广告变现改善

00:46:48  微软｜失去独家后的竞争基础

00:55:24 微软｜Copilot 的变现天花板

00:58:00  亚马逊｜AWS 加速的收入与利润逻辑

01:05:02  Meta｜广告提效与 AI 长期价值

01:27:06  AI商业化｜增量还是替代

01:31:12 结尾｜Capex 与 AI 收入缺口收敛

「详细看点」

 钱花到哪里去了？

这轮Capex上涨，不是一个单一的故事，背后叠加了两条逻辑。

最直接的短期压力，来自存储涨价。公有云厂商通常在每年3月到4月之间集中和存储供应商签订长协——锁定后续三个季度乃至三年的底价。今年存储价格大幅上涨，一旦底价锁定，影响不是一次性的，而是会传导至整个下半年，甚至继续滚动。这不是一个已经结束的故事，因为锁的是底价，如果存储价格继续攀升，后续还会继续调整。

另一端，是真实需求的强劲。判断GPU市场供需最直接的方法，是看"现货价格"。GPU租赁市场有点像酒店：长约是年度协议价，短约（现货）是最后一刻的灵活调配。在过去一年多的宽松期，长约价格每个月微降，大约每单位下降0.05到0.1美元。但这个趋势从去年12月开始反转。

为什么反转？因为Frontier Labs（前沿模型公司）大量锁定长约，把GPU池子里的长约比例从约80%推向90%以上，留给短约的空间骤然收窄。短约是供需最敏感的部分，就像节假日的酒店房价——供给收紧，价格弹性极大。现货价格的上涨，是市场在用最直接的语言告诉你：算力严重供不应求。

那么，需求为什么这么强？

有一个被市场持续低估的结构性变化：前沿模型公司的ARR（年化经常性收入），在体量变大之后，增速不降反升。

按照传统的SaaS逻辑，一家公司体量到了一定规模，增速理应放缓——这是"大数定律"。但过去几个月，这个规律在模型公司身上失效了。Anthropic近几个月月环比增速维持在约50%，OpenAI和Gemini的季度环比增速也接近50%。体量越大，增长越快。

背后的原因，在于强化学习（Reinforcement Learning）和Coding需求的持续爆发。Frontier Labs已经可以把超过一半的算力分配到强化学习上，这成了新一轮算力需求的增长点，而且这个趋势目前看不到天花板。这也解释了为什么GPU的长约需求在持续增加——不是因为在囤，而是因为真的在用，而且用得越来越多。

需求的加速，让原本对Capex的担忧有了新的视角：也许不是钱花太多了，而是需求真的在追着供给跑。

与此同时，云公司和模型公司之间的权力关系，正在悄然逆转。这个变化不声不响，但对整个产业格局影响深远。

过去，云是入口——所有的SaaS都要通过云来分发，云对终端客户有直接的议价权，毛利率维持在60%以上。

现在，如果你通过Anthropic买API，你可能根本不关心这个API跑在哪朵云上——AWS Bedrock、GCP Vertex AI还是Azure AI Foundry，对你来说几乎没有区别。云从原来的"终端入口"，变成了模型公司的下游渠道。

更值得注意的是，Anthropic同时在三家云平台上分发API，而且比重在持续分散：去年四季度开始进驻GCP，今年一季度开始进驻Azure，而AWS的份额从最初的80%到90%开始逐渐收窄。渠道越分散，对每一家云的议价能力就越强——租用算力的条件越来越苛刻，API分成的谈判筹码越来越大。

这也解释了一个看似矛盾的估值逻辑：芯片层（英伟达）毛利率70%以上，是产业链中最稀缺的资源；但市场给出最高估值的，是模型公司。Anthropic估值据报已接近9000亿美元，对应年底ARR约9倍——看似昂贵，但如果未来能做到20%到30%的利润率，对标微软常年35倍左右的市盈率，其实并不离谱。

稀缺性是一回事，"分发权"是另一回事。掌握分发权的那一层，才是真正定义产业格局的节点。而这个节点，正在从云转向模型公司。

这一季度三大云厂商收入增速：GCP 63%，Azure约40%，AWS 28%。从绝对额看AWS新增量依然最大，但从加速幅度看，GCP最为突出——上季度还是48%，一个季度跳升了15个百分点。

背后有两个结构性原因，缺一不可。

第一，Gemini的收入确认比例远高于竞争对手。Gemini的ARR有70%以上直接计入GCP收入；而Anthropic的API在AWS那里，只能确认约40%的收入。同样是顶级模型在云平台上卖API，谷歌因为模型是自己的，收入都在自己碗里。

第二，TPU带来的利润结构优势。谷歌自研的TPU，租赁毛利率高于GPU。这意味着谷歌在做AI算力生意的同时，不像其他云厂商那样面临"卖AI算力会稀释利润率"的两难困境。而且TPU因为长期和Gemini协同训练，在软件栈适配上已经走通了很多坑，Anthropic用TPU训练时遇到的问题，比其他云平台要少。

值得注意的是，谷歌也面临一个真实的内部矛盾：同一批TPU，Gemini团队需要，Anthropic需要，外部企业客户也需要。供给有限，三方竞争同一份算力。Anthropic的API响应时很慢、Bedrock上偶尔出各种问题，都是这个供给瓶颈最直接的体现。这个矛盾在今年难以完全解决，要到明年台积电CoWoS产能向TPU大幅倾斜之后，才会有实质缓解。

微软的困境是结构性的，而且不容易在短期内修复。

Azure增速约40%，表面上并不差。但微软最核心的利润来源是Office——全球4亿用户，无论从收入体量还是用户规模，都是全球最大的软件产品。Office的固定汇率增速长期维持在14%到15%区间，AI带来的加速迟迟没有出现。

问题在于，Copilot主打的"与Office原生集成、权限管理无缝衔接"这张牌，正在变得越来越不稀缺。Claude、Gemini都可以通过Computer Use直接调用Office；在多模态输出（比如制作PPT）上，Gemini Enterprise的效果甚至在某些维度优于Copilot。微软自己的调度层为了兼顾合规和成本，对模型的分配有一套"Responsible AI"过滤机制，这在某些场景下反而让产品的创造性表现不及竞品。

更根本的问题是迭代速度。从今年1月到现在，AI产品的迭代已经是按周计算的：Claude 4.5、Claude 4.6相继推出，Harness（多Agent编排）框架在2月出现，3月各类编程Agent产品开始爆发。一个AI原生的创业公司，一周就能完成一次大迭代；一个大公司，三周可能PPT到汇报流程都还没走完。这不是态度问题，是组织结构问题。

当然，微软也有自己的牌。Copilot Studio——一个面向企业内部的低代码Agent构建平台——每个季度翻倍增长，企业用它搭建内部客服、HR助手等场景，因为权限管理和Office体系已经打通，比第三方Agent工具少了很多部署摩擦。但这个先发优势能维持多久，是一个开放的问题：Anthropic、OpenAI、Gemini都在往同一个方向走。

过去一年，亚马逊经历了一段难熬的叙事低谷。买了最多的电（2025年采购约4GW，全球四家中最多），签了最激进的Capex计划，但Data Center建设问题总在Delay——冷却、电力、Trainium和GPU混合部署的复杂性，一再推迟产能的释放。市场每个季度都在期待加速，每个季度都有点失望。

今年一季度，这个故事变了。

AWS的季度增速从24%升至28%，AWS Bedrock的季度环比增速达到170%。这个数字几乎和Anthropic的ARR月增速完全对应——Anthropic在AWS上分发的API，带来了真实且迅猛的收入贡献。与此同时，Trainium进入供不应求状态，不再需要对外打折促销，开始真正贡献利润率。Graviton处理器的持续推进也在帮助AWS维持计算成本优势。

当然，市场对一点仍有担忧：以Anthropic为代表的大客户，议价能力强，可能在收入增长的同时压缩AWS的毛利率。这个担忧的破解之道只有一个——加速。如果收入增速足够快，对毛利率的担忧自然会退散。而公司在财报中已经给出了清晰的信号：Bedrock 170%、Trainium自研芯片收入增长40%、Graviton的持续扩张，共同指向一个重新加速的故事。

Meta这一季度有一个值得细想的现象：广告展示量增长19%，广告单价同时上涨12%。按照教科书逻辑，增加供给应该压低单价——为什么两者能同时上涨？

答案在于产品形态的变化，而不是AI算法的魔法。

Meta正在大力推广"软广"模式（即Overlay Ads，今年一季度起更名为Partnership Ads）——在视频内容中嵌入广告，类似国内抖音里KOL讲着讲着突然开始推销产品的形式。这种广告形式能在不压低单价的前提下显著增加广告库存，因为它扩展的是一个原本没有被充分货币化的内容形态。Instagram的广告库存因此在最近两个季度放量明显。

推荐算法的AI优化（LLaTTE模型）确实带来了边际贡献，但周默的判断很清醒：在Frontier Model时代，一次算法迭代对单季度的贡献，量级通常不超过1%。推荐算法不是Meta这个季度加速的主因，产品形态的变化才是。

Meta的长期AI布局，是一个更大的故事：通过自建搜索（接入自有模型后，用户开始在Meta内部搜索"我要买什么车""我想去哪旅游"），Meta正在尝试切入目前由谷歌主导的高价值意图型搜索广告——汽车、旅游这些品类，在谷歌广告收入中占比接近20%，但在Meta里几乎可以忽略不计。这个故事不会很快，但如果数据飞轮转起来，对谷歌广告的长期竞争格局是有意义的威胁。

另一个值得关注的是Meta的裁员逻辑。公司正在推动AI Coding的极致普及——工程师的绩效考核已经开始量化AI代码产出。有效工作时长缩短、效率大幅提升，这释放了大量人力。多出来的生产力，一部分用于加快产品迭代（软广生态的快速搭建就是例证），一部分转化为裁员。如果明年这个节奏能维持，即便Capex继续提升，Opex端的收缩也能部分抵消对利润的冲击。

整个对话最有分量的一个问题，留在了最后：AI到底是在创造一个此前不存在的新市场，还是只是让原来的事情做得更便宜、更快？

答案是清醒的：目前来看，大部分AI变现，是效率替代——替代人力Opex，替代企业SaaS支出。真正的"此前不存在的市场"，还没有大规模涌现。

但Opex是一个比IT支出大七倍的池子。一家企业的IT支出通常占总收入的3%到4%，而Opex（人力、运营）可能占到30%。如果AI能持续渗透人力替代，那么被替代掉的成本，一部分会变成企业利润，一部分会重新投入扩大规模，还有一部分——当社会转移支付机制逐渐建立之后——会转化为更大的消费市场。

这条路要"绕两个弯"：先是替代，然后是再分配，最后才是新消费市场的涌现。中间涉及很多棘手的社会议题：福利体系重构、可能出现的"AI裁员税"或"Token税"、对低技能劳动力的冲击。这些问题不会自动解决，但它们也不是AI发展会停下来的理由。

Coding领域已经率先到达了一个节点：自主编程能力接近90%的AGI水平，第一代能够自我博弈（Self-play）的Coding模型已经出现。如果这个趋势向其他领域延伸，2028年到2029年，可能会看到更广泛意义上的AGI临界点。