科技巨头 | 营收 | 营收同比 | 净利润 | 净利润同比 |
|---|---|---|---|---|
谷歌（Alphabet） | 1099亿美元 | +22% | 625亿美元 | +81% |
Meta | 330亿美元 | +33% | 268亿美元 | +61% |
亚马逊 | 1815亿美元 | +17% | 303亿美元 | +77% |
微软 | 829亿美元 | +18% | 318亿美元 | +23% |
科技巨头 | 2026 Q1每股收益（EPS） | 市场预期 | 是否超预期 |
|---|---|---|---|
谷歌（Alphabet） | 5.11美元 | 约2.62-2.68美元 | 是（大幅超预期，超预期幅度约90%） |
微软 | 4.27美元（调整后） | 4.06美元 | 是（小幅超预期） |
Meta | 10.44美元（摊薄后）；7.31美元（调整后） | 约6.70-6.79美元 | 是（大幅超预期） |
亚马逊 | 2.78美元（稀释后） | 1.64美元 | 是（大幅超预期） |
科技巨头 | 造芯相关投入（2026年） | 核心芯片类型及细节 |
|---|---|---|
谷歌（Alphabet） | 1800-1900亿美元总资本开支中，超50%用于机器学习计算基础设施，含TPU芯片研发与部署；向Anthropic承诺提供100万颗自研TPU芯片[5][9] | 1. 第八代TPU：分为TPU 8t（训练专用，可将大模型预训练周期从数月缩短至数周）和TPU 8i（推理专用，性价比是英伟达H100的4倍，能耗降低60%）；2. 已开始向部分精选客户交付TPU硬件设备，拓展变现模式[9] |
微软 | 约1900亿美元总资本开支中，2/3用于GPU采购，同时投入自研芯片研发，持续推进芯片部署与迭代[4][6] | 1. Maia系列AI芯片：Maia 100（5nm工艺，液冷设计，专为大模型训练设计，已在GPT 3.5 Turbo测试）、Maia 200（3nm工艺，推理加速器，性能超越谷歌第七代TPU）；2. Cobalt 100（基于Arm架构的通用计算CPU，优化云计算工作负载，性能较现有商用Arm服务器提升40%）[6] |
Meta | 1250-1450亿美元总资本开支中，部分用于自研MTIA系列芯片研发与部署，同时与英伟达、AMD、博通签署数百亿美元芯片采购协议，与博通合作部署超1吉瓦自研芯片算力[4][7] | 1. MTIA系列自研芯片：含MTIA 300（已量产，用于内容排序与推荐模型训练）、MTIA 400（即将部署，面向通用AI工作负载）、MTIA 450/500（预计2027年推出，聚焦生成式AI推理与复杂AI工作负载）；2. 外采英伟达、AMD GPU，用于通用AI模型训练与运行[7] |
亚马逊 | 2000亿美元总资本开支中，核心投向AWS算力与自研芯片研发，自研芯片业务年化收入超200亿美元，保持三位数增长；与Anthropic协议锁定大量Trainium芯片算力需求[8] | 1. Trainium系列AI芯片：Trainium 3为核心型号，用于AI模型训练，全球部署总量突破100万张；2. Graviton系列CPU（基于Arm架构，专为AI智能体工作负载设计，性价比高于传统x86处理器40%）；3. Nitro安全芯片，完善芯片产品矩阵[8] |
科技巨头 | 管理层核心观点 |
|---|---|
谷歌（Alphabet） | AI不是泡沫，是新一轮工业革命；云订单充足，全业务线被AI带动，短期投入长期受益。 |
微软 | 持续大手笔加码算力，算力紧缺将持续全年；AI商业化高速增长，市场需求远超供给。 |
Meta | 把AI定为最高战略，大幅上调资本开支；坚持质量优先，AI赋能广告，盈利回报周期拉长。 |
亚马逊 | AWS重回高增，AI业务爆发式成长；手握巨额储备订单，坚持长期布局AI基建筑牢壁垒。 |
