谷歌的优势和上涨，我们在上一期已经分析过了：
ASIC（TPU）+ XLA 全局编译 + 铜光混合互联（ICI + OCS） = 编译期确定性（静态规划向量存储 / IO / 生命周期与网络流量）+ 可重配高带宽网络 = 更高的系统利用率 → 更低的规模化成本。
财报指标：
https://mp.weixin.qq.com/s/Nh3gw2J1Kx3ugEQP419lyA
一.英伟达和微软盘后的下跌：
NVDA 的CUDA溢价正在推理侧被ASIC 稀释：NVDA 过去的溢价很大程度来自于 CUDA 的易用性和生态。但 Q1 的数据显示，头部的 Hyperscalers（尤其是谷歌和 Meta）已经有能力通过 XLA 或 PyTorch/XLA 绕过 CUDA 的垄断。当 AI 从算法探索期进入工程落地期，Token/$（单位成本能产生的 Token 数） 在推理侧变得非常重要。NVDA 的通用性溢价在面对谷歌这种针对特定算法（如 Transformer-based）优化的 ASIC 时，确实显得太贵了。
MSFT 的Capex 陷阱：微软目前主要还是 NVDA 的最大买家。由于它缺乏像 TPU 这样成熟的自研芯片规模（Maia 还在早期），它的推理成本目前是高于谷歌的。财报显示微软的 Capex 指引抬升惊人（突破 $40B/Q），市场在担心：如果微软必须持续购买昂贵的通用 GPU 来和谷歌的廉价 ASIC 竞争，它的利润率长线会被拖累。
逻辑链条：推理成本战争已经开始 → 自研 ASIC 的 Hyperscaler 长期占优 → NVDA 长尾需求仍在但头部溢价收窄 → 没有自研芯片的微软长期承压
谷歌的尾部风险：
算法范式的突变：如果未来 12 个月内，AI 架构从 Transformer 转向了某种强依赖动态控制流或稀疏计算的新架构（比如更复杂的 MoE 变体或全新的非注意力机制，我个人认为可能系不大），谷歌这套高度静态优化的基础设施可能会遭遇 搁浅资产（Stranded Assets） 风险。
生态的马太效应：PyTorch 虽然在接入 TPU，但开发者体验依然像是在用左手写字。如果最尖端的开源创新都发生在 CUDA 平台上，谷歌可能会在前沿模型能力上被拉开代差，即便它的推理成本再低，如果模型本身落后了，流量也会流失。
验证：
短期内（1-2个季度），我认为我押注的 成本优势逻辑 会继续在财报上得到验证（体现为 Google Cloud 利润率的持续暴力扩张）。但需要警惕的是：一旦 OpenAI 或 Anthropic 跑出了某种 TPU 跑不动的奇怪算法，逻辑就会发生剧烈反转（我既然敢押注就是认为这个可能性不大）。
二.甲骨文的脆弱
看了我前面的逻辑，我估计各位都能猜到它最近的走势了（肯定不行）。
甲骨文之前估值起飞，很大程度上是因为它把自己绑在了 OpenAI 的战车上（为其提供算力补充）。但这两天市场传出 OpenAI 增长不及预期 以及 OpenAI 正在加大与微软自研芯片（Maia）和甲骨文竞争对手（如谷歌云）的接触，这让甲骨文那惊人的 $455B-$550B 的 RPO（剩余履约义务） 显得有些脆弱。
甲骨文宣布 2026 财年的 Capex（资本支出）将达到 $35B 级别，这在宏观分析师眼里是极度危险的。
市场现在的胃口变了：去年你敢砸钱买卡，我就敢给你涨估值；今年你如果砸了钱却拿不出像谷歌那样能显著降低单位 Token 成本的方案，市场就会担心你的 FCF（自由现金流） 被这些硅片给吞噬。
甲骨文目前的 债务股本比（Debt-to-Equity）高达 3.66，在当前 3.5%-3.75% 的联邦基准利率下，利息支出对利润的侵蚀让量化模型很难给它高倍数。
三.亚马逊
我之前推荐过它，因为它的自研芯片（Trainium 和 Graviton），可惜没拿住不然现在也是新高。亚麻也和谷歌一样从财报大逃杀里冲了出来。
AWS Q1 营收增长 28%（达到 $37.6B），这是近 15 个季度以来的最快增速，远超分析师预期。
自研芯片的财务兑现：亚马逊 CEO Andy Jassy 在财报会上明确提到，自研芯片业务（Trainium 和 Graviton）的年营收运行率（Run rate）已经突破了 $200亿。
逻辑印证：和谷歌一样，亚马逊也开始享受自研芯片带来的 垂直整合红利。当微软还在苦哈哈地给 NVDA 打工（买昂贵的 H100/B200）时，亚马逊通过 Trainium3 向客户提供高性价比的算力。Meta 最近甚至签下大单，要在亚马逊上运行其 Agentic AI 的 CPU 密集型任务，这说明亚马逊的底层 Infra 已经形成了对通用算力的 成本替代。
风险：这套基于Trainium 的技术栈真的比谷歌靠谱?
亚麻的价值在于生态宽容度：如果你的模型是基于开源 PyTorch 稍微改改的（比如 Llama 系列），迁移到 Trainium 会比迁移到 TPU 容易得多（摩擦小）。
谷歌的价值在于极限性能确定性：只要你愿意按照谷歌的规矩写 JAX，它能给你提供市面上最廉价、最高效的确定性算力。
亚马逊目前的涨势更多是吃到了基建普及的红利——它让那些用不起 H100 的企业有了一个还算好使的替代品。但在顶尖的系统工程层面，它还在追赶谷歌的尾灯。
