云厂商财报背后:资本开支的明晰、担忧与困惑

2026 年寒冬，元宇宙、微软、字母表和亚马逊四家超大规模云厂商发布的财报清晰显示，企业资本开支正呈加速态势。四家公司今年的资本开支总额将超 6150 亿美元，较本已处于高位的 2025 年同比增长约 70%。

尽管人工智能和通用计算的基础需求强劲，但这一消息仍引发市场观察人士的高度担忧 —— 激进的投入背后，投资回报前景却模糊不清。叠加人类智能公司主导的软件即服务领域竞争冲击，本周多数时间里，英伟达等企业的股价均出现下跌。

令人费解的是，这笔巨额资本开支中，很大一部分都流向了英伟达 —— 人工智能相关资本开支的 60% 或许都将进入该公司，而这一点似乎被投资者忽视。值得注意的是，经历本周初的大跌后，市场在周五出现反弹。

在本次深度分析中，我们梳理了各企业管理层在本周财报电话会议中的表态，其中部分假设与我们对人工智能产业发展的预判存在冲突。尤其值得注意的是，尽管云厂商关注英伟达的高毛利率在所难免，但我们认为，市场观察人士低估了英伟达相对其他图形处理器厂商的成本优势，这些竞争对手既包括超威半导体、英特尔，也涵盖各大超大规模云厂商。

资本开支冲击与投资者的新心态

资本开支的大幅增长已是不争的事实。周四收盘后，亚马逊发布了 2000 亿美元的年度资本开支预期，叠加偏保守的业绩展望，其股价在周五大幅下挫。谷歌的年度资本开支也将突破 1750 亿美元，元宇宙此前也释放了类似的大额资本开支信号。微软同样增加了资本开支，但 Azure 云业务的环比增速下降 1 个百分点，且低于买方机构预期。这一现象直接引发市场抛售，因为投资者发现，资本开支增长与 Azure 业务增长出现背离，并立刻对投资回报的兑现时间提出质疑。

我们认为，市场正重新评估当前产业发展的规模，相关数字堪称惊人。头部企业合计约 6150 亿美元的年度资本开支，绝大部分精准投向云计算和人工智能领域。而 2025 年这些企业的资本开支已超 3000 亿美元，如此大幅的增长让观察人士忧心忡忡。

但我们将其视为资本开支驱动的产业建设周期，当前市场正试图同时解答两个问题：其一，这些基础设施从落地、投入使用，到转化为营收并最终形成运营杠杆，需要多长时间；其二，受供应能力、部署周期，以及人工智能与产品和企业工作流融合实操的限制，短期业务增长的天花板在哪里。

微软的案例恰能印证我们上周的观点：企业投入增加，但 Azure 业务增长并未提速。投资者原本预期二者同步增长，而背离的出现不仅让公司股价受挫，也让市场对其前景的判断转向负面。我们认为，亚马逊和谷歌如今也面临着同样的市场担忧。但实际情况是，亚马逊云科技和谷歌云的业务增速均实现提升。这一现象表明，市场的举证责任已从 “人工智能是未来” 转向 “拿出实际收益来”。

接下来我们解读企业管理层的表态。微软的情况上周已做深度分析，本次重点关注亚马逊首席执行官安迪・贾西对 AWS 的阐述，以及谷歌首席执行官桑达尔・皮查伊的相关表态 —— 他们的解释将说明，此次资本开支激增，究竟是超前布局需求、响应现有需求，还是单纯为了保持行业竞争力。我们的核心判断是：以上因素皆有，其中还包括争夺英伟达最新技术的优先采购权。

归根结底，市场正进入人工智能投资的新阶段，资本开支规模不再是单独的利好因素，投资者更希望看到基础设施投入、业务增长与投资回报之间的紧密关联。

亚马逊云科技本季度业绩超预期，年化营收达 1420 亿美元，同比增长 24%，高于我们模型中 21%-22% 的增长区间。这一业绩为投资者解读其 2000 亿美元资本开支预期奠定了基础：若亚马逊云科技在现有规模下仍能实现 25% 左右的增速，甚至进一步提速，说明市场需求依旧坚挺，争议的核心则在于投资回报的归属，以及谁能掌控单位经济效益。

亚马逊云科技财报核心要点

1. 年化营收 1420 亿美元，同比增长 24%，增量营收规模超竞争对手

2. Graviton 自研芯片及定制化芯片的性能与研发取得进展

3. 规模化运用人工智能，需将数据部署在云端

4. 行业对数据处理的时机选择存在争议

5. 图形处理器头部企业（即英伟达）缺乏提升性价比的动力

6. 亚马逊 2000 亿美元资本开支中，绝大部分投向亚马逊云科技，以满足市场高需求

安迪・贾西援引 “大基数效应” 辩称，在 1420 亿美元年化营收基础上实现 24% 的增长，与在规模小得多的基数上实现更高比例增长，二者不可同日而语。他明确表示，亚马逊云科技的年度增量营收规模超过竞争对手。这一说法适用于多数竞品，但并非绝对 —— 微软 Azure 如今已非小体量业务，贾西关于增量营收的表态并不适用于该平台。据我们测算，2025 日历年，微软 Azure 的增量营收比亚马逊云科技多出约 25 亿美元。

数据是核心关键

贾西的另外两处表态也值得关注，其背后折射出亚马逊云科技对人工智能产业的解读逻辑。

首先，贾西强调，人工智能的规模化落地，需要将数据和应用部署在云端。这一表述直接将人工智能发展周期与云迁移趋势绑定，核心传递的信息是：人工智能并非普通的业务负载，而是推动数据引力和应用部署向云端转移的关键驱动力。尽管云计算的增长速度仍远超传统本地部署投入，但客户仍对云成本表示不满，我们接触的所有头部企业均在试水本地人工智能架构，以平衡成本、数据主权与信任需求。

其次，他指出，企业对模型训练的方式正发生转变。此前的主流模式是，在模型生命周期后期，通过微调与后期训练融入企业数据。贾西表示，行业对此存在争议，而亚马逊云科技认为，企业希望更早地将自有数据融入模型训练，如有可能，甚至在预训练阶段就完成。我们认同贾西的观点，且此前在深度分析中也探讨过这一问题。

我们接触的头部企业管理者均未坐等数据条件完善后再行动。实践中反复出现的模式是：人工智能帮助企业从杂乱的数据中提取核心信息，为实现业务目标清洗所需数据，其推进效率远超 “先梳理好数据再行动” 的传统思路。摩根大通、沃尔玛、戴尔科技、IBM 以及亚马逊云科技自身，均是这一思路的践行者。

而本次财报电话会议中，最具看点的部分当属芯片业务。

芯片业务的机遇与挑战

贾西透露，亚马逊云科技的芯片业务年化营收达 100 亿美元，并提出两大核心观点。第一，亚马逊云科技正每日扩充核心计算算力，且新增算力绝大部分基于 Graviton 芯片运行。他表示，Graviton 芯片的性价比相较主流 x86 处理器最高提升 40%，且亚马逊云科技排名前 1000 的客户中，超 90% 都在使用该芯片。我们此前已对 Graviton 和 Nitro 芯片做过大量分析：在 x86 处理器性能增长陷入瓶颈的阶段，Graviton 芯片直接冲击了 x86 架构的成本优势，而安纳普尔纳实验室的早期技术优势，让亚马逊云科技有效抓住了这一市场窗口。

第二，我们的解读是，亚马逊云科技正将 Graviton 芯片的成功经验复制到人工智能加速器领域。贾西认为，要实现人工智能的规模化应用，必须降低推理成本，而人工智能芯片的高成本是主要障碍。他表示，客户迫切需要更高性价比的产品，但行业早期的头部企业却迟迟未采取行动，这也是亚马逊云科技研发 Trainium 芯片的原因。他称，亚马逊云科技已落地超 140 万颗 Trainium2 芯片，此次产品落地速度创历史新高，且 Trainium2 芯片的性价比相较同类图形处理器提升 30%-40%。

我们对这一说法半信半疑。

Trainium 芯片的走红，源于市场的供需失衡：英伟达无法满足所有市场需求，任何可行的替代产品都能消化市场缺口。这并非否定亚马逊云科技在芯片领域的努力，却能解释为何在买方算力受限的市场中，该芯片能快速落地。

但贾西关于 “英伟达缺乏提升性价比动力” 的说法并不成立。英伟达正以每年一次的节奏，大力提升产品性能、吞吐量，并降低每令牌成本。技术创新与成本优化的速度，正是英伟达的核心竞争力。市场在快速发展，而英伟达的步伐比所有对手都更快。尽管贾西披露芯片业务年化营收达 100 亿美元，但英伟达的业务规模仍是亚马逊云科技的 10 倍之多。这也是我们认为，行业低成本曲线和供应曲线仍与英伟达的技术路线高度绑定的原因。亚马逊云科技虽能凭借巨大的市场规模和供应缺口占据一定市场份额，但与 x86 架构的竞争，和与英伟达的竞争不可同日而语。

这一话题又回到资本开支上：亚马逊云科技的大规模投入迫使其做出艰难抉择，而芯片战略正是其掌控单位经济效益、降低对单一供应商依赖的尝试。投资者真正关心的是，这些资本开支能多快转化为可持续的盈利，以及定制化芯片战略能否长期提升企业利润率。

我们还需明确另一核心观点：英伟达将成为低成本供应商，无法获得英伟达最新技术采购权的云厂商，终将落后。无论 Trainium、张量处理器、专用集成电路，还是其他替代产品，在我们的模型中，英伟达都是最具经济性的选择，无法获取其技术将直接削弱企业的竞争力。

亚马逊云科技核心结论

亚马逊云科技业绩增速超预期，贾西在财报电话会议中，将人工智能需求与云端部署绑定，推动模型训练时机的行业讨论前移，并将定制化芯片作为掌控单位经济效益的重要抓手，持续加大投入。Graviton 芯片的成功已被验证，Trainium 芯片则是这一经验在加速器领域的复制 —— 而当前市场的特点是，英伟达主导技术节奏，供需失衡为替代产品留出了生存空间。但亚马逊 2000 亿美元资本开支中，很大一部分仍将流向英伟达，因为没有英伟达的技术，包括亚马逊云科技在内的所有云厂商都将落后。这一切都让企业的执行压力陡增，但亚马逊云科技的核心思路清晰：算力、芯片与云端部署，是其在人工智能基础设施竞争中掌握主动权的三大关键抓手。

谷歌管理层的表态与亚马逊云科技风格不同，更聚焦市场需求变化，及其对公司基础设施布局的影响。桑达尔・皮查伊针对 2026 年提出的两大观点引发我们关注：第一，谷歌正丰富计算架构选择，既包括自研张量处理器，也引入英伟达图形处理器 —— 在我们看来，谷歌对后者的需求极为迫切；张量处理器的市场逻辑与 Trainium 芯片相似，不同的是，谷歌在加速器领域的布局更早。第二，人工智能驱动的搜索体验，正改变用户的使用习惯，这将推高计算强度和单位成本。

谷歌财报核心要点

1. 丰富计算架构选择，包括与英伟达合作的产品

2. 人工智能模式下的查询时长，是传统搜索的 3 倍

3. 云业务营收增长 48%，谷歌云平台（GCP）增速更高

4. 云业务营业利润率达 30.1%

皮查伊已多次提及英伟达为核心合作伙伴，本次他表示：“这其中包括我们的合作伙伴英伟达的图形处理器 —— 英伟达在国际消费电子展上宣布，谷歌将成为首批推出最新 Vera Rubin 图形处理器平台的企业之一，同时我们也将推出自研的张量处理器，该产品已历经十年研发。” 这一表述说明，张量处理器虽重要，但超大规模云厂商仍需获得英伟达最新平台的使用权。再次强调，我们认为，即便是在推理领域，英伟达仍是前沿技术领域的低成本供应商，因为其每令牌成本的优化速度，是所有对手都无法企及的。行业内人士都清楚，无法获得英伟达的产品采购权，就会落后 —— 这也是各企业频频提及英伟达的原因。

谷歌的市场需求变化同样值得关注。皮查伊表示，用户一旦开始使用新的人工智能体验，使用频率就会提升：“在美国市场，自产品推出后，每位用户的日均人工智能查询量已翻倍，人工智能概览功能的表现也持续向好。” 他还透露了一个与成本结构密切相关的细节：“人工智能模式下的查询时长是传统搜索的 3 倍，会话形式更具交互性，且相当一部分人工智能查询会引发后续追问。同时，近六分之一的人工智能查询已非文本形式，而是采用语音或图像输入。”

但他并未提及人工智能查询的成本。我们认为，这些数据反映出一种全新的业务负载特征：传统搜索的单查询成本被优化至不到 1 美分，而人工智能模式的成本则高出数个数量级，或许是传统模式的 100 倍。更长的提示词、后续追问以及多模态输入，推高了每次会话的推理成本。这也是为何每令牌成本、每瓦每美元的令牌处理量，已成为全行业的核心考核指标。

这种业务模式的矛盾，隐藏在用户使用曲线中。谷歌股价近期表现强劲，社交媒体也纷纷反驳布拉德・格斯特纳等业内人士半年前的预测 —— 彼时他们认为，谷歌搜索业务将在 OpenAI 的冲击下衰落。但在我们看来，这场竞争远未结束，未来数年仍将持续。

这一趋势也体现在行业竞争中：围绕广告和消费者定位的公开营销战已打响（例如人类智能公司在超级碗投放广告，抨击 OpenAI）。核心战略问题在于，人工智能时代的广告该如何打造。人类智能公司的广告暗示，OpenAI 将为用户带来糟糕的广告体验；但如果 OpenAI 能重新定义广告 —— 不再是简单的 “蓝色链接”，而是真正的研究驱动型体验，结果又会如何？这需要企业与品牌方、用户建立全新的关系，而谷歌也不得不跟进。并非谷歌无法打造同等体验，而是格斯特纳如今备受诟病的观点确有道理：在这个新时代，谷歌的利润率和行业主导地位难以两全。

对 OpenAI 而言，核心问题是，在人工智能推动用户行为向高成本交互转变的背景下，其能否倒逼谷歌加快向新模式转型。如果谷歌为捍卫市场份额，不得不在重构搜索业务成本结构的同时投入大量资源，其利润率和再投资能力都将承压。而对 OpenAI 这一挑战者而言，风险则在于精力分散 —— 同时在消费端、企业端、芯片领域布局，并拓展多条分销渠道，执行难度极大。但在我们看来，OpenAI 首席执行官山姆・奥尔特曼在公司发出 “红色警报” 后，对广告业务的态度反转，正是为了打乱谷歌的转型节奏。

谷歌云业务全面提速

谷歌当前发展势头的最直观体现，在于云业务。本季度谷歌云业务营收增长 48%，达 177 亿美元，营业利润率从去年的 17.5% 大幅提升至 30.1%。管理层称本季度业绩 “表现卓越”（我们完全认同），并将其归因于企业级人工智能产品的强劲需求。他们还特别指出谷歌云平台的亮眼表现，其增速远高于谷歌云业务整体。谷歌虽未单独披露谷歌云平台的营收，但这一表述意味着，人工智能需求正推动基础设施需求增长，进而带动云业务提速，同时企业也开始实现运营杠杆效应。

我们认为，业务增速提升与盈利能力改善的双重利好，将增强谷歌人工智能产业布局的资金实力。而这一布局仍需同时依赖张量处理器和英伟达图形处理器：张量处理器有助于优化成本、填补供应缺口，英伟达则提供前沿的成本曲线和技术迭代节奏。在我们看来，二者并非相互排斥，而是在需求增速远超供应的市场中形成互补。但需明确的是，我们的判断是，在性能和成本方面，英伟达将持续拉开与张量处理器、专用集成电路等竞品的差距。

谷歌核心结论

谷歌云业务执行能力强劲，人工智能驱动的需求加速增长的信号明确，但人工智能搜索的成本结构正朝着单位用户会话计算强度提升的方向发展。皮查伊多次强调，谷歌将率先落地英伟达 Vera Rubin 平台，这也印证了我们的观点：即便各大超大规模云厂商在大力研发自研芯片，仍迫切需要获得英伟达的产品采购权，以保持成本优势。云业务的亮眼表现表明，谷歌发展势头良好且已实现运营杠杆效应，而接下来的核心问题是，其能否在应对核心搜索业务高成本转型的同时，快速将人工智能使用量的增长转化为可持续的盈利。

ETR视角：Azure 占据主导，谷歌云平台持续缩小客户渗透差距

以下这份企业技术研究（ETR）图表，是拨开市场迷雾的清晰视角之一 —— 其基于企业客户数据，且具有前瞻性。该数据来自 2026 年 1 月的调研，涵盖 1746 家企业客户。纵轴为企业技术研究的专有指标净得分，代表企业的投入增长动力；横轴为客户重叠度，反映企业在客户群体中的渗透程度。图表涉及微软 Azure、亚马逊云科技、谷歌云平台和阿里云，其中阿里云的有效样本量仅 34 家，并非本次分析的重点。

2026 年 1 月云厂商净得分与有效样本量

数据核心结论：谷歌云平台持续缩小与亚马逊云科技的差距

首先值得注意的是，云行业三巨头的净得分均超 40%，处于极高水平。微软 Azure 位于图表右上区域，数据表现亮眼 —— 净得分约 57%，有效样本量达 1016 家，完美诠释了 “全覆盖且仍在加速增长” 的行业地位。

亚马逊云科技的净得分也处于高位，约 46.5%，有效样本量 819 家。而谷歌的表现最具看点：谷歌云平台净得分约 41.2%，有效样本量 456 家，虽净得分高于高水位线，但客户渗透度仍落后于前两大厂商。而核心问题的答案是肯定的：谷歌云平台正持续缩小与竞品的客户渗透差距。

从图表中的相对渗透数据可直观看到：2024 年 1 月，谷歌云平台的客户重叠度约为亚马逊云科技的 48%；以当前有效样本量为参考，2025 年 1 月这一比例升至 56%（456/819），进步显著。其与 Azure 的渗透差距也在缩小，只是幅度相对较小。谷歌云平台正向高端市场进军，但 Azure 的市场根基极为深厚，仍牢牢占据主导地位。

人工智能驱动谷歌云平台需求：机器学习 / 人工智能领域，谷歌反超亚马逊云科技

我们认为，人工智能和机器学习是谷歌云平台增长的核心驱动力，后续图表也印证了这一点。企业技术研究的调研数据显示，在机器学习 / 人工智能领域，谷歌的客户重叠度从 2024 年 1 月落后亚马逊云科技，反转为 2026 年 1 月实现反超；二者的投入增长动力相近，均处于 50% 以上的高位，而微软则以 65% 左右的净得分领先。

2026 年 1 月机器学习 / 人工智能领域厂商净得分与有效样本量

这一现象表明，谷歌在人工智能和机器学习领域的技术优势，以及其数据平台的布局，不仅在该赛道形成增长动力，更带动了整体云业务的发展；而这份云行业调研数据也显示，这一动力正开始转化为更高的企业客户渗透度。

核心结论清晰：在企业技术研究的企业客户数据中，Azure 仍是最具主导地位的云平台，亚马逊云科技的表现仍处于高位，而谷歌云平台的客户渗透度正以肉眼可见的速度提升。谷歌在机器学习和人工智能领域的优势为其赋能，而这一人工智能驱动的增长动力，正成为其整体云业务发展的重要助力。

以下图表为我们更新的全球基础设施即服务（IaaS）+ 平台即服务（PaaS）云市场营收份额数据，上周我们曾发布初版，本次结合 2025 全年数据做更新。阿里云和甲骨文的财报尚未发布，相关数据将在其财报后进一步修正；微软采用财年核算，且未单独披露 Azure 营收，因此其数据为我们基于多方数据测算的日历年结果。

全球基础设施即服务 + 平台即服务云市场营收（单位：百万美元）

全球云市场的规模依旧惊人：2025 年，亚马逊云科技的基础设施即服务 + 平台即服务营收达 1288.19 亿美元，本季度增速 24%，依旧以较大优势占据行业第一的位置。

但核心问题在于，若抛开增长率，单看增量营收规模，贾西的说法便站不住脚。贾西在财报电话会议中辩称，在 1420 亿美元年化营收基础上实现 24% 的增长，与在小基数上实现更高比例增长不可同日而语，并进一步暗示，亚马逊云科技的增量营收规模领先，且行业主导地位持续巩固。这一说法适用于多数竞争对手，但对 Azure 并不成立。

从上述日历年数据可见，2025 年 Azure 的年度增量营收约 238.93 亿美元，而亚马逊云科技为 212.52 亿美元。换言之，Azure 的增量营收规模超过亚马逊云科技，这与贾西的表态直接矛盾。这一数据具有重要意义：2024 年之前，亚马逊云科技尚可宣称，在 “增量营收” 这一核心指标上占据领先，但如今这一说法已不再成立。

尽管如此，亚马逊云科技仍保持规模领先，而 Azure 正在大基数的基础上持续抢占市场份额。需说明的是，这些数据均为立方体研究的测算结果，因微软未单独披露 Azure 的精准营收。但我们的研究显示，Azure 的发展成效显著，这也让贾西的表态受到质疑。

谷歌的发展同样亮眼，增速领先所有竞争对手。我们测算，2025 年第四季度谷歌云平台的同比增速超 50%，远高于谷歌云业务整体。一个值得关注的历史趋势是：当前谷歌云平台的年化营收约 250 亿美元，这一规模与 2018 年的亚马逊云科技、2021 年的 Azure 相近；而彼时亚马逊云科技和 Azure 的增速约为 45% 以上，谷歌云平台的增速则达到 50% 左右。

这一现象印证了核心观点：云市场的基本面依旧强劲，仍保持高速增长。我们即将更新 2026 年市场预测，而初步数据显示，今年头部云厂商将为市场带来 750 亿 - 1000 亿美元的增量营收。此外，行业头部的竞争正日趋激烈，Azure 与亚马逊云科技在增速和增量营收上的差距已十分显著，企业无法再在财报电话会议中轻描淡写或刻意模糊这一事实。

核心结论

亚马逊云科技仍是全球最大的基础设施即服务 + 平台即服务云平台，但增量营收数据显示，Azure 已不再是 “规模小得多的竞争对手”。据我们测算，2025 年 Azure 的增量营收规模超过亚马逊云科技 —— 这一事实值得投资者重视，尤其是当企业厂商一味强调规模优势，却对增速领先的竞争对手避而不谈时。

本文最后，我们分享几点观察结论。首先来看上周思科人工智能峰会的几段对话内容：在与亚马逊云科技首席执行官马特・加曼的座谈中，思科总裁兼首席产品官吉图・帕特尔提出了一系列犀利问题，重点探讨了半导体的研发周期，例如芯片的流片时间。他并未直接使用 “流片” 一词，这一术语指的是将芯片设计交付给台积电等代工厂进行制造的全过程。

以下为两段连续的对话实录，其背后的信息值得深思。

第一段对话围绕自研芯片对企业利润率的影响展开，第二段则聚焦芯片从设计到流片的周期。我们认为，这两段对话极具参考价值，也让我们重新审视图形处理器替代产品的发展前景，即便是推理领域的替代产品。值得注意的是，我们对超大规模云厂商跟上英伟达步伐的能力，持更为谨慎的态度。

对话实录

吉图・帕特尔：你是否认为亚马逊云科技的成本结构将发生变化，进而推动利润率进一步提升？因为如果所有应用都涉及推理，且你们的技术架构中已搭建推理能力，这是否会长期提升企业利润率？

马特・加曼：这个问题问得很好，我无法给出确切答案，这需要投行分析师来预判。但可以明确的是，与单纯使用英伟达图形处理器相比，自研芯片绝对能提升我们的利润率。英伟达始终是我们的重要合作伙伴，但其高毛利率也占据了我们的一部分利润空间。我们认可英伟达的产品实力和执行能力，但当一家企业的毛利率达到 70%、80% 时，市场必然会出现性价比更高、且愿意让渡部分利润的替代产品，为客户提供更多选择。

因此，我们认为，亚马逊云科技能为客户提供更高的性价比和更多选择，同时打造独有的、其他平台无法复制的丰富功能。这也是我们十余年来持续投入芯片研发的原因 —— 芯片层的差异化性能，是我们核心竞争力的重要组成部分；而与合作伙伴携手，我们能为客户打造更丰富的技术能力，助力其业务发展。

Trainium 芯片对我们而言至关重要，无论其最终是提升企业利润率，还是在保持利润率的同时降低客户成本 —— 坦率地说，我更倾向于后者，因为这正是数据业务的运营逻辑。

吉图・帕特尔：这是行业的固有逻辑。

马特・加曼：因此，我们的核心思路是通过降低价格，实现更快的增长。因为我们发现，每次降价后，成本红利都会传递给客户，而客户则会将更多预算投入新业务负载的研发。对我们而言，这形成了一个良好的增长飞轮。

吉图・帕特尔：你们仍在持续推进芯片研发，当前芯片的平均迭代周期是多久？是否保持 18 个月推出新一代产品的节奏？

马特・加曼：18 到 24 个月，具体视情况而定。

吉图・帕特尔：且周期正不断缩短。

马特・加曼：整体来看，周期确实在缩短，但基本保持在 18 到 24 个月。同时，制程工艺的迭代进度，也会对芯片研发形成制约。

五 定制化芯片的现实考量：研发周期、规模效应，以及英伟达的持续领先

思科人工智能峰会的这两段对话，为定制化芯片的发展提供了真实的周期数据和时间框架。吉图・帕特尔试图引导马特・加曼认同 “芯片研发周期正持续缩短” 的观点，但加曼并未附和，始终坚持 18-24 个月的周期判断，并补充指出，制程工艺的迭代仍是核心制约因素。

这一数据引出了最关键的对比：英伟达的技术迭代节奏，远超所有竞争对手。这并非否定超大规模云厂商自研芯片的必要性，但在我们看来，其市场机会更多源于英伟达的供应缺口 —— 而非技术优势。此外，我们需提醒的是，将 Graviton 芯片对抗 x86 架构的成功经验，复制到与英伟达的竞争中，难度将大幅提升。

最终，基于以下原因及后续详细分析，我们认为，“竞争对手将削弱英伟达行业壁垒” 的说法毫无根据。

核心观点

英伟达的技术迭代周期为 12 个月：其 Vera Rubin 平台的性能较前代提升 5 倍，吞吐量提升 10 倍，而成本仅为前代的十分之一。一年时间实现如此跨越式的提升，反观超大规模云厂商 18-24 个月的芯片研发周期，二者的技术差距正持续扩大。亚马逊的 Trainium、谷歌的张量处理器、微软的 Maia 和 Cobalt 芯片，虽能在市场中占据一席之地，但只要加曼所说的研发周期不变，与英伟达的差距就会越来越大。

这也是为何将 Graviton 芯片的成功经验复制到图形处理器领域，是完全不同的挑战：Graviton 芯片对抗 x86 架构时，恰逢 x86 处理器性能增长陷入瓶颈，而亚马逊云科技通过系统设计和集成，形成了显著的技术优势。但与英伟达的竞争则不同 —— 英伟达并非停滞不前，而是以每年一次的节奏，大力优化成本曲线。这一趋势让 “替代芯片” 的市场逻辑，从 “替代原有产品” 转变为 “填补供应缺口”。

这就引出了第二个核心观点：“行业头部企业缺乏提升性价比动力” 的说法并不成立。客户迫切需要更高性价比的产品，而英伟达正持续兑现这一需求。每令牌成本的优化，是市场需求扩张的核心动力；我们预计，在杰文斯悖论的作用下，随着成本持续下降，新的业务负载不断涌现，市场需求将实现 15 倍的增长。颇具讽刺意味的是，推动市场扩张的同一逻辑，也加剧了供应缺口 —— 而这正是替代芯片能生存的核心原因。

我们并未忽视供应端的问题：从加曼的表述中能看出，制程工艺的迭代是核心制约因素，代工厂的产能十分紧张。而英伟达将采购权和规模放在首位 —— 规模决定一切。亚马逊披露其芯片业务年化营收约 100 亿美元，而英伟达的芯片业务年化营收约 2250 亿美元，规模优势达 20 倍。叠加更快的迭代节奏和更深厚的生态优势，英伟达的成本结构和学习曲线优势正持续放大。

对其他企业而言，利好消息是市场需求仍远超供应，所有芯片产品均供不应求：Trainium、张量处理器、Maia 芯片都能实现销售，企业也能找到适合这些芯片的业务负载。且由于市场规模庞大、计算需求持续增长，这一态势将长期持续。但行业竞争格局并未改变：只要英伟达保持规模领先，其就能占据成本优势，且拥有最强的持续降本能力。

边缘计算场景的机会？

最后来看边缘计算场景。市场普遍认为，推理和边缘计算负载将改变行业架构：传统的超大规模云区域往往距离客户较远，而我们预计，“云边节点” 和就近推理架构将加速落地，更贴近客户及其数据。部分观点认为，英伟达的产品成本过高，无法在边缘计算市场竞争 —— 但英伟达与格罗克的合作，让这一观点的说服力大幅下降。格罗克聚焦于推理和边缘部署场景，英伟达与该公司达成独家合作，具有重要的战略意义。我们的模型显示，英伟达在边缘计算市场的表现将十分亮眼，而这一合作恰好填补了其产品组合的潜在短板。

这并非意味着超大规模云厂商将放弃自研芯片 —— 他们大概率不会。其中，张量处理器的发展前景相对最好，因为谷歌在该领域布局已久，技术整合度高，且拥有明确的内部需求。亚马逊云科技的业务布局足够广泛，能将自研芯片应用于各类场景；而加曼曾表示，亚马逊云科技极少下架弹性计算云实例，这也意味着，公司将持续丰富芯片产品，让客户自主选择。

行业的战略风险，并非超大规模云厂商研发自研芯片，而是误将这些研发视为 “能实质性削弱英伟达行业壁垒” 的举措 —— 事实并非如此。在我们看来，英伟达的行业壁垒源于其更快的迭代节奏和规模优势；而如果超大规模云厂商未能认清这一现实，其自研芯片的结局，或将重演 IBM OS/2 系统对抗微软 Windows 系统的历史：即便技术上具备竞争力，但最终仍会因生态、迭代节奏和分销能力的差距，不敌行业主导平台。

核心要点总结

1. 加曼明确，定制化芯片的研发周期为 18-24 个月，且制程工艺迭代是核心制约因素。

2. 英伟达以每年一次的节奏优化每令牌成本，正持续拉开与竞争对手的差距。

3. 替代加速器能获得市场份额，核心原因是市场供需失衡，而非在成本曲线上超越英伟达。

4. 英伟达的规模优势，使其在学习曲线、成本结构和生态布局上的优势持续放大。

5. 边缘推理为新型部署模式提供空间，但英伟达与格罗克的合作，大幅增强了其在该领域的竞争力。

最终结论

英伟达是迭代节奏更快的低成本供应商，也是全行业的技术标杆。尽管市场供需失衡、需求激增，让超大规模云厂商的自研芯片能实现落地和销售，但这些产品无法削弱英伟达的行业壁垒。只要超大规模云厂商的芯片研发周期保持在 18-24 个月，而英伟达以 12 个月为周期迭代，且保持 20 倍的规模优势，二者的技术差距就会持续扩大。能获得英伟达产品采购权的云厂商，将保持成本优势；而无法获得采购权的企业，无论投入多少资源研发自研芯片，竞争力都会受到削弱。