Google财报即将发布,为什么它的 CapEx 不会降,甚至还会继续上修.

本文数据截至 2026 年 7 月 23 日，Alphabet 最新可得季度业绩为 2026 年第一季度。

我对 Google 的判断很直接：它的 CapEx 大概率不会降，甚至还会继续上修。

2025 年，Alphabet 全年资本支出是 914 亿美元。到了 2026 年，公司给出的最新指引已经达到 1800—1900 亿美元，接近翻倍。这里需要说明，最新一次指引从 1750—1850 亿美元上调了 50 亿美元，直接原因是把 Intersect 收购相关投资纳入预算，不能把这次上调全部解释成 AI 需求。

比这 50 亿美元更重要的是，管理层同时表示，公司正面对“前所未有”的内部和外部 AI 算力需求，并预计 2027 年的 CapEx 还会比 2026 年显著增加。

看到这种支出速度，市场担心 Google 被卷进了一场越来越贵的 AI 军备竞赛，这很正常。但我认为，这笔钱背后有清楚的经营逻辑。

理由就四个：Cloud 合同承诺规模很大，近期算力不足又已经影响收入；Google 既要服务云客户，也要训练自己的模型；新一代硬件正在大幅提高单位电力能够产出的算力；算力变得更快、更便宜以后，还会打开一批今天尚未存在的需求。

先看已经发生的业务。

2026 年第一季度，Google Cloud 收入达到 200.28 亿美元，同比增长 63%。营业利润从上年同期的 21.77 亿美元增至 65.98 亿美元，营业利润率从 17.8% 提到32.9%。

收入在加速，利润率也在提高。这些数据说明 Google Cloud 当前的需求和变现都很强，但 Cloud 还包含 Workspace、核心 GCP 等业务，单靠这组数字不能证明某一批新增算力已经赚回了投资。

截至 3 月底，Alphabet 披露的 Cloud backlog 达到 4623 亿美元，略超一半预计在未来 24 个月确认收入。这里面既有长期 GCP 合同，也有 TPU 硬件协议，还包含本季度新纳入口径的部分短期合同。backlog 不等于当期收入，转化还取决于合同期限、Google 的交付能力和客户使用节奏。

更直接的证据来自管理层。Alphabet 在财报电话会上明确表示，Google Cloud 短期仍受到算力约束；如果能够满足全部需求，当季 Cloud 收入本来可以更高。

4623 亿美元 backlog 和近期算力约束不能做一比一对应，但两件事放在一起，含义仍然很清楚：Google 有很大的未来合同承诺，同时现有容量已经压低了本可以取得的 Cloud 收入。增加服务器、数据中心和网络投资，有现实的业务需求。

Cloud backlog 只代表 Google 算力需求的一部分。

对外，Google Cloud 要向企业客户提供训练、推理和 AI 基础设施。对内，Google DeepMind 要继续训练下一代模型，Search、YouTube、广告和 Gemini 也要增加推理能力。两边使用的是同一套电力、机房、网络和加速器，算力自然会被同时争抢。

Cloud 收入只能看到对外变现的部分。Google 自己使用的算力不会全部记进 Cloud 收入，但它可以通过搜索体验、广告转化、订阅和产品使用量变现。如果 Gemini 调用增加、AI 搜索更重、模型需要更长时间思考，内部算力需求一样会上升。

Google 自己拥有模型、产品和云平台。在客户需求和内部使用同时增长的时候，它没有太多理由主动放慢算力建设。

Google 买的也不只是某一代芯片。

2026 年第一季度，Alphabet 的 CapEx 为 356.74 亿美元，绝大多数流向技术基础设施。在这部分投资里，大约 60% 用于服务器，40% 用于数据中心和网络设备。

这是一整套交付系统：电力进来以后，要经过机房、制冷、网络、存储、加速器和软件调度，最后才能变成可以出售的 Token、可以训练的模型和可以运行的产品。

硬件效率还在快速提高。Google 自己披露，TPU 8t 和 TPU 8i 相比上一代 Ironwood，在特定条件下最高可以实现 2 倍的单位功耗性能；面向推理的 TPU 8i，在特定低延迟、大型混合专家模型负载下，每美元性能最高提高 80%。

GPU 路线也在发生同样的变化。Google Cloud 已经宣布 A5X 裸金属实例采用 NVIDIA Vera Rubin NVL72。在 NVIDIA 披露的 Kimi-K2-Thinking 测试中，面对一个 1 万亿参数的 MoE 模型、3.2 万 Token 输入和 8000 Token 输出，并保持相近的用户交互速度，Vera Rubin NVL72 相比 Blackwell GB200 NVL72，最高可以提供 10 倍的每兆瓦 Token 吞吐；NVIDIA 对同一测试还披露了最高 10 倍的单 Token 成本改善。

但它说明的方向非常重要：同样一兆瓦电力，可以产出更多 Token；同样一美元，有机会交付更多智能。如果这些平台指标能在 Google 的实际工作负载中兑现，单位成本、交付量和复杂模型运行能力都会改善。

说白了，Google 加这笔钱的核心还是赚钱。Cloud 收入、利润率和管理层对算力约束的表述，给这条经营逻辑提供了支持；新增容量最终能赚到多少，还要等实际投产和后续财报验证。

这也是我认为 CapEx 还可能继续上修的核心。

如果 Google 只是为了交付现有订单补一轮容量，那么订单交完以后，资本支出自然会慢下来。但 AI 对算力的需求并不是一个固定数字。

当一次模型调用的成本降低一半，企业未必会把预算也砍掉一半。它更可能增加调用次数，让模型思考更久，接入更多数据，再把 Agent 放进更多工作流。

编程工具可以从补几行代码，变成长时间完成整个工程任务；客服可以从回答常见问题，扩展到调用内部系统完成业务；科研模型可以阅读更多资料、尝试更多假设；个人用户也会把 AI 用到学习、搜索、创作和日常决策里。

OpenAI 和 Anthropic 的发展提供了一个旁证。OpenAI 今年披露，企业业务已经贡献公司超过 40% 的收入，API 每分钟处理超过 150 亿个 Token。Anthropic 披露的年化 run-rate revenue，则从 2025 年末约 90 亿美元升至超过 300 亿美元；公司还明确说，企业、开发者和消费者使用增长已经给基础设施可靠性带来压力。

今天很多需求没有出现，原因往往不是大家不需要，而是智能还太贵、太慢，经济账暂时算不过来。一旦成本和速度跨过门槛，原来只能演示的功能会进入生产环境，原来只能偶尔调用的模型会持续运行，新的业务也会跟着出现。

没有人会嫌智力不够用。

算力更快、更便宜以后，它能解锁的东西会超过我们的想象。B 端和 C 端的需求都会放大，而且这种变化无法用今天的业务量做线性推断。

这也是为什么效率提高不一定会让总算力需求下降。单位成本在降，但每个用户的使用量、使用场景和任务复杂度都可能上升。只要新增需求增长得比单位效率更快，Google 需要的总算力仍然会增加，CapEx 也就没有那么快见顶。

把这轮投资简单解释成 Google 被迫参加一场烧钱竞赛，解释不了巨大的合同承诺、近期算力约束和正在改善的 Cloud 盈利，也解释不了新硬件可能带来的单位经济性变化。

当然，CapEx 有经营逻辑，不等于股价一定上涨。2026 年第一季度，Alphabet 的经营现金流为 457.90 亿美元，扣掉 356.74 亿美元 CapEx 后，自由现金流只有 101.16 亿美元，折旧也在上升。如果未来 Cloud 收入、利润和新增容量利用率跟不上，判断就需要修正。

就目前的证据，我的结论没有变：Google 的 CapEx 大概率不会很快下降，后面甚至还可能继续上修。表象是资本支出继续增加，往深处看，是智能的生产能力还在快速扩张。Google 花出去的钱，正在购买更多可以交付的算力、更低的单位智能成本，以及今天还没有完全出现的新需求。

操作上，长期逻辑在加强，也不等于看到单日大涨就追。接下来还是要等 Google 和其他巨头的财报继续验证：新增算力能不能持续变成更多收入和利润。

主要来源

1. Alphabet 2026Q1 业绩稿

2. Alphabet 2026Q1 Form 10-Q

3. Alphabet 2026Q1 财报电话会文字稿

4. Alphabet 2025Q4 及全年业绩

5. Google Cloud Next ’26 AI 基础设施公告

6. Google TPU 8t/8i 技术说明

7. NVIDIA Vera Rubin 技术说明与测试口径

8. OpenAI 企业业务更新

9. Anthropic 需求与扩容更新