昨夜美股盘后，Alphabet、Microsoft、Meta、Amazon四家同时发了2026年一季度财报。营收全部超预期，利润全部超预期。
然后盘后走势劈叉了。
Alphabet涨7%，Amazon涨2.7%，Meta跌7%，Microsoft基本走平——过去半年已经累计跌了将近20%。
数字都漂亮，市场反应却完全不同。这个分歧比财报数字本身有意思得多。它背后藏着一个投资人刚刚开始形成共识的判断：AI确实在赚钱了，但钱停留在哪些公司手里，差异正在拉开。
一、四家答卷逐份拆解
Google:
Alphabet这季度的表现是四家里最突出的。Google Cloud单季收入200亿美元，同比增长63%，经营利润从去年同期的22亿跳到66亿——利润率从17.8%直接拉到32.9%。这个改善幅度，在云计算这种重资产业务里几乎是罕见的。已签约但还没确认收入的客户合同冲到4620亿美元，环比接近翻倍。
更关键的是一个战略动作：Pichai宣布Google要把自研的TPU芯片卖给外部客户，部署在客户自己的数据中心里。Google做了十年的TPU，过去一直是"内部武器"，降低对Nvidia的依赖、拉低自家云的成本。现在第一次把它变成商品对外卖。Anthropic已经和Google签了多GW级的TPU容量协议，这批订单构成了Cloud那个惊人积压订单的重要来源。
但Google的CFO给了一个关键的时间表：TPU外销虽然已经计入积压订单，"绝大部分收入要到2027年才能确认"。也就是说，Cloud利润率从17.8%跳到32.9%，还没吃到TPU外销的主力收入——这张牌还没打出来。
另一个容易被忽略的信号：上周的Google Cloud Next大会上，第8代TPU分裂成了两颗芯片——TPU 8t专做训练，支持百万级芯片集群线性扩展；TPU 8i专做推理，优化低延迟和单位成本。Google已经走到了"一颗芯片不够用"的阶段，训练和推理的硬件需求分化到必须用不同架构来应对。这和Nvidia用同一颗芯片同时做训练加推理的路线形成了鲜明对比。
Amazon:
Amazon的AWS增速28%，本身不算差，但投资人看到的另一面是：这个季度固定资产投入比去年同期多了593亿美元，绝大部分砸进AI基础设施。一个2.8万亿市值的公司，过去12个月的自由现金流只剩12亿美元——去年同期还是259亿，同比蒸发了95%。不是业务不赚钱，是赚的钱全被capex吃了。
但Jassy在电话会上说了一个容易被忽略的数字。Amazon自研芯片业务——Graviton、Trainium、Nitro加在一起——年化收入已经跑到200亿美元，同比三位数增长。Jassy的原话是：如果这是一家独立的芯片公司，按行业惯例对外销售，年收入大约是500亿美元。
这是一个藏在AWS体内的"半个Broadcom"。
Trainium2已经售罄，Trainium3刚出货就接近售罄，锁定在手的收入承诺达到2250亿美元。更值得注意的是客户结构：OpenAI签了约2GW、Anthropic签了约5GW的多年期Trainium容量协议——两家最大的模型公司同时在给Amazon交租金。自由现金流被压到12亿，但Amazon正在用短期利润换一个自主可控的AI芯片生态。这笔账不能只看当期现金流。
Meta：
Meta的情况更微妙。广告收入因为AI投放优化大幅超预期——这是实实在在的AI变现。但同一份财报里把2026年的资本开支指引从1150-1350亿上调到1250-1450亿，原因是组件涨价和数据中心成本上升。市场对前者视而不见，对后者反应激烈，盘后直接砸了7%。
Microsoft：
Microsoft的数字看上去全面超预期：营收829亿、净利润318亿、AI业务年化收入跑到370亿（同比增长123%）。但智能云板块的经营利润132亿，低于分析师预期的141亿。CFO Amy Hood在电话会上报出了2026年全年资本开支预期：1900亿美元，比上一年涨61%。其中250亿她专门拆出来说，是零部件涨价的影响。
Microsoft的处境和前两家不一样。它的算力底座以Nvidia GPU为主，自研的Maia芯片刚起步。更关键的是，就在这次财报前两天，Microsoft刚和OpenAI完成了协议重组。核心变化是：Microsoft放弃了对OpenAI模型的独家分销权，任何云服务商从此都可以提供OpenAI的API。作为交换，Microsoft保留了知识产权授权到2032年。
这次协议重组里还有一个被低估的细节：双方删除了原来的"AGI条款"。旧协议中，如果OpenAI宣布实现AGI，会触发一系列合同变更甚至权利终止——这个条款过去一直是悬在合作关系头上的不确定性来源。现在它被删了，所有财务和法律义务改按固定日历日期触发。这等于双方用合同语言承认了一件事：AGI是一个无法被精确定义的概念，不适合绑定商业条款。把"技术奇点"换成"截止日期"，本质上是把一个宗教问题变成了会计问题——对OpenAI未来的IPO估值框架，这个变化比排他性条款的调整更深远。
这笔交易是合理的。OpenAI同时承诺再向Azure采购2500亿美元的云服务。但市场更在意的是另一层意思：当Anthropic在Google Cloud上跑、xAI在自建集群上跑、Mistral到处都能跑的时候，Azure曾经最锐利的那个卖点——"OpenAI独家"——已经不那么独家了。
很多人把放弃OpenAI排他性解读为"被迫让步"。我倾向于认为这是纳德拉的主动选择。Microsoft自家的Copilot已经嵌进了Microsoft 365全家桶里，AI变现的主航道正在从"API分发"转向"订阅升级"——后者是Microsoft最擅长的赚钱方式，毛利率也更高。这次协议重组更像是Microsoft在告诉市场：我的AI不用靠OpenAI的排他性来定义了。
这个判断对不对，接下来两个季度的Copilot渗透率和Azure增速会给出答案。
二、市场在奖励什么、惩罚什么
四家公司的资本开支规模其实差不多大，投资人并不是单纯嫌谁花钱多。Alphabet这次也把资本开支指引从1750-1850亿调到了1800-1900亿，股价照涨。市场区别对待的逻辑很清楚：钱花下去之后，能不能在自己体系里从芯片到算力到模型到应用形成闭环。
Alphabet的Cloud利润率能从17.8%跳到32.9%，根本原因是它从底层芯片开始就是自己的。TPU自研、模型自研（Gemini）、云平台自营——整条链路上每一个环节的利润都留在自己手里。现在TPU还要对外卖，等于一份投入切两份利润。Amazon的逻辑类似，Trainium和Graviton自研芯片让AWS在跑同样工作负载时比纯Nvidia方案成本更低，这个差价就是它的结构性优势。
Gabelli Growth Fund的John Belton在盘后说了一句话，大意是：如果你是一家云公司，从芯片到模型到应用全链路都在自己手里，你的日子会好过得多；如果你只是建数据中心、跑别人的模型，那就没这么舒服。
三、对中国AI公司估值的参考
这句话换个角度理解，对我们判断中国AI公司的估值逻辑也有参考价值。阿里和华为走的是类似的全栈路线——阿里有含光NPU、通义模型、阿里云；华为从昇腾芯片到盘古模型到云业务一条打通。字节、腾讯、百度各自在某些环节有优势，但链路完整度不如前两家。美股这次的定价逻辑如果向港股和A股传导，"垂直整合度"很可能成为下一轮估值分化的核心变量。
四、6700亿资本开支的真实含金量
从更宏观的维度看，Morgan Stanley估算2025到2028年全球科技巨头会在AI基础设施上花掉2.9万亿美元。这个数字相当于2024年全世界军费总和。四家公司去年合计资本开支4100亿美元，今年预计会超过6700亿。但这个数字需要拆开看。RBC Capital Markets的分析显示，头部云厂商内存支出增长中大约四分之三是纯粹的涨价效应，不是因为多买了硬件。换句话说，6700亿的资本开支看起来吓人，但真正新增的物理算力可能没有数字暗示的那么多。上游的HBM高带宽内存价格一年翻倍，SK海力士和三星的产能已经被锁到2027年。光纤、电力、冷却用水、数据中心用地——每一样都在涨。
这种资本支出周期历史上出现过几次。19世纪末的美国铁路、2000年前后的光纤泡沫、2008年之后中国的高铁和特高压电网。前期都是天量资金砸下去看不到短期回报，但物理资产留在了那里。铁路留下了网络效应，暗光纤到2010年代才被真正用满，高铁今天看每一寸投入都不亏。
这一轮AI基础设施投入留下的是数据中心、电力网络和芯片产能。2030年代会被什么样的需求填满，今天说不清楚。但有一个判断我愿意下：今天花钱最多的公司，不一定是最后赚钱最多的公司。赚得最多的，是花出去的每一块钱都能留在自己体系里变成资产的那几家。
结尾
四家公司同一个晚上交卷，最清楚的一课是：AI的钱不是均匀分配的。全栈整合的人把利润留在自己手里，中间做转包的人利润被两头挤压，上游供给侧最稀缺的环节坐地起价。
下一份关键答卷是Nvidia五月底的季报。当所有"挖金人"都在抱怨铲子涨价的时候，卖铲子的人会交出什么数字，决定了这一轮叙事下半场的走向。
来源：WSJ "Big Tech Strikes Gold With AI, but at a Steep Cost"（2026.4.29），各公司2026年Q1财报及电话会议记录，RBC Capital Markets AI基建研报，CNBC、Yahoo Finance、MarketBeat同日报道。
推荐阅读
2.深度｜屏幕看到顶了，耳朵才刚开始：a16z为什么同时押注ElevenLabs和SUN
3.速递｜微软与 OpenAI 再次重谈协议，最大变化是给合作关系设定了期限
? 扫码进入 Leap 读者社群
