四大科技公司财报后的AI产业深度观察
一、 天价资本支出与当前AI收入：差距正在缩小
2026年，亚马逊、谷歌、Meta和微软四大科技巨头合计资本支出预计将超过 6300亿美元。与之相对的，是当前可追踪的AI年化收入大约在 1000-1500亿美元 之间，形成了约 4-6倍 的投入产出比。然而，这一差距并非不可逾越的鸿沟。随着AI收入端的加速增长，这一比率正在快速缩小。资本支出本质是对未来4年算力的提前投资，即便投资暂停，已形成的AI收入流仍在增长。例如，到今年底，头部模型公司的ARR（年化收入）总和有望接近2000亿美元，已能覆盖大部分与AI相关的资本开支。随着明年模型公司收入的进一步爆发，这一投入产出比预计将更加"好看"。
二、 产业利润分配：芯片层利润丰厚，模型公司估值逻辑转变
当前AI产业的利润分配呈现"高利润率在芯片层、高估值在模型公司"的格局。英伟达的毛利率高达 70%以上，体现了芯片作为核心稀缺资源的地位。而模型公司的估值则引发争议。以Srp为例，其估值已达 9000亿美元，对应约9倍的ARR。若从远期视角看，假设其未来利润率达20%-30%，则对应约30倍P/E，与微软常年的35倍估值相比并不算昂贵。其高估值的支撑逻辑在于：
模型公司正取代公有云成为新的行业入口，拥有更强的定价权和稀缺性。
在IaaS到SaaS时代，公有云是软件分发的入口，享有高估值。如今，通过模型公司的API调用算力，用户往往不关心底层云平台，模型公司掌握了流量分配权，其定价权和产业地位显著提升。
三、 资本开支持续增加：由真实需求驱动的演进
资本开支的持续飙升并非简单的"军备竞赛"，其背后是真实需求的驱动，并经历了清晰的演进路径：
从"数据不足"到"Coding量起"：2024年底曾担忧训练数据不足，但很快，编程（Coding）场景的用量迅速爆发，打消了短期商业化顾虑。 "强化学习成为新算力增长点"：随着强化学习（RL）和微调（post training）技术跑通，且数据标注体系成熟，算力分配中可划出超过一半用于强化学习，形成了强劲的新需求。 模型公司收入在体量增大后增速反而加速：近期最大的变化是，头部模型公司收入体量已达数百亿美元，但增速不降反升。例如，增长最快的公司月环比ARR增长高达 50%，OpenAI季度环比也接近 50%。这种"体量越大、增速越快"的现象，直接拉动了云厂商的收入和算力需求。
四、 四大公司股价表现分化：原因何在？
过去两年，英伟达等半导体公司涨幅巨大，而大型科技公司股价表现相对逊色。这一分水岭出现在2025年7月，主要原因如下表所示：
| 分化原因 | 具体解释 |
|---|---|
| 收入加速不明显 | 在开始计算2026年巨额资本支出后，市场要求更高的收入增长来证明投资回报。但除谷歌云外，AWS、Azure的云收入加速直到最近才显现。 |
| 现金流压力 | 2026年的资本支出规划极大地消耗了公司自由现金流，影响了长期估值模型。 |
| 资金配置转移 | 投资者原先将大部分份额分配给大科技公司，随着AI算力重要性提升，资金配置向半导体板块倾斜，导致大科技公司相对被减持。 |
五、 云厂商AI收入增速与格局差异
各云厂商的AI收入定义和增速存在显著差异：
谷歌云：增速最快（本季度达 63%）。得益于 Gemini收入 全额计入、TPU租赁和直销 的贡献，以及其基数相对较小，增长动能极为强劲。 AWS：绝对增量收入最大。其收入加速与头部模型公司（如Anthropic）API在AWS上的销量激增高度对齐，且自研芯片 Trainium 供不应求，帮助稳定了利润率。 Azure：增速相对受限（本季度 40%）。这受制于 OpenAI的商业模式（产品收入为主，API收入占比较低且增速不快）以及其自研芯片 Maia 的成熟度尚不足以承担核心模型训练。
六、 自研芯片：提升利润率与改变竞争格局的关键
自研芯片对云厂商至关重要。它能 提升利润率（如谷歌TPU毛利率高于GPU）、提供竞争优势 并 改变产业链利润分配。其逻辑类似当年AWS的Graviton处理器：通过自研芯片提供更高性价比，既能将部分收益让渡给客户以获取份额，又能保留更高的毛利率。
在自研芯片竞赛中，谷歌的TPU生态跑通较好。其训练成本仅为使用GPU的20%-30%，并已成功用于训练Gemini等顶级模型。这使其在AI投入上更加坚决，因为TPU业务不仅不拖累利润，反而提升了整体利润率。其他厂商如AWS的Trainium虽进步巨大，但在软件生态适配上仍面临挑战。
七、 AI对不同公司的核心意义
AI对各公司的核心意义截然不同，正在重塑其业务核心：
对广告公司（如Meta）：核心意义在于 提升推荐算法效率、创造新广告形态（如overlay软广）并 降低广告投放门槛。AI能通过自动化素材生成、智能客服等方式，显著降低广告主的人力成本，从而撬动更大的广告预算和更广泛的客户群体。 对软件公司（如微软）：AI既是机遇也是 挑战。其传统明星产品Office Copilot正面临来自 Claude、Gemini 等AI原生产品的质量挑战。微软的护城河在于其庞大的企业客户网络、身份管理系统和合规体系，其新机会点在于 Copilot Studio 这类按使用量计费的Agent构建平台，但这同样面临激烈竞争。 长期价值创造：AI目前主要通过 替代人力成本（opex） 创造增量价值。企业IT支出仅占收入的3%-4%，而人力运营成本（opex）占比可达30%，这是一个数量级更大的替代空间。长期来看，当AI大幅提升社会生产效率，并伴随可能出现的财富再分配机制，或将释放更多消费时间与可支配收入，为全新的消费市场奠定基础。
