这说明企业未来未必会被某一个模型长期锁定，某个模型效果不好或者价格太高，客户可以换成另外一个。
因此，三家最新财报已经证明，这轮AI投资并不是建立在空中楼阁上，当前需求真实存在，已投产资产也正在产生收入和利润。
但三家目前正在进行的巨量资本开支，未来完整周期内能取得多高的资本回报率，仍然需要持续观察。
本文完。
看完谷歌、微软和亚马逊最新财报,我重新理解了云厂商的生意1 过去我一直觉得，云厂商提供的算力、存储和网络比较标准化，客户也很容易比较价格，因此云计算可能是一门差异化不高、容易陷入价格战的生意 但最近看完AWS过去十年的业绩，再把亚马逊、微软和谷歌最新一季的财报与电话会放在一起研究，我的认识发生了一些变化。 AWS早期收入增速一度超过50%，2023年客户集中优化云支出时，全年增速降到13%左右，最近又随着AI需求增长重新加速到36.7%。 但在这个过程中，AWS的经营利润率并没有随着竞争加剧而持续下降。 2016年至2023年，它大部分时间维持在25%至30%附近，2024年以后进一步提高，最新季度达到39.4%。 如果云计算是一门典型的低差异化商品生意，我原本预期看到的应该是：竞争者不断投入，单位价格持续下降，最终把整个行业的利润率压低。 AWS过去十年的经营结果，让我开始重新思考大型云厂商这门生意。 2 先看三家最新一季的数据。 2026年二季度，AWS收入422亿美元，同比增长36.7%；经营利润166亿美元，经营利润率达到39.4%。 微软没有单独披露Azure的收入和利润，只披露Azure及其他云服务收入同比增长43%。整个2026财年，Azure收入首次超过1000亿美元，同比增长41%。 Google Cloud收入248亿美元，同比增长82%；经营利润88亿美元，经营利润率为35.6%。 不过，Google Cloud同时包括GCP、Google Workspace和本季度开始确认的TPU系统销售，部分共享AI研发费用也留在Alphabet层面，不能直接与AWS进行对等比较。 三家披露口径不同，不能简单拿增速和利润率排座次。但它们共同反映出几个事实：云需求正在重新加速，AI是重要推动力，三家目前仍然受到算力供给约束。 与此同时，云业务并没有因为竞争加剧而出现利润率集体恶化，这说明我过去把云计算简单理解成“出租服务器”，可能忽略了这门生意真正有价值的部分。 3 云计算的底层资源，确实具有商品属性。 客户可以直接比较一小时CPU或GPU多少钱、一GB存储多少钱，以及同样的预算可以买到多少算力。 这一层的价格竞争会一直存在，单位算力价格也会随着芯片迭代和效率提升不断下降。 但企业真正购买的，并不只是一台服务器。 一家企业使用云平台以后，会逐渐把数据库、数据架构、身份权限、安全规则、监控系统、开发工具和业务流程建立在上面。 员工需要学习这套系统，应用程序要调用平台提供的接口，企业还要围绕它建立合规、审计和故障处理机制，使用时间越长，沉淀下来的东西越多。 到了这个阶段，客户如果要更换云厂商，需要迁移的就不只是一批数据，而是整套企业系统。 这也是我现在对云业务最重要的新认识：云计算的底层资源具有商品属性，但大型云平台整体并不是一门低差异化的商品生意。 4 尽管云厂商也会降价，但降价和价格战不是一回事，这里主要差别在于价格和成本谁下降得更快。 云厂商通过扩大规模、提高数据中心利用率、改进软件和自研芯片，可以不断降低单位算力成本。 亚马逊称，Graviton可以比可比实例提供高30%至40%的价格性能，目前AWS最大的1000家EC2客户中，已经有98%使用Graviton。 微软表示，Maia 200相比其现有最新一代硬件，每美元性能提高30%；Google也称，新的Axion CPU每美元性能比同类产品高30%。 假设一项服务原来卖100元，成本是70元，随着芯片和基础设施效率提高，成本降到50元，即使云厂商把价格降到80元，客户的使用成本下降了，云厂商的绝对利润却没有减少，利润率反而提高了。 所以，云业务里可以同时出现单位价格下降、客户使用量增加和云厂商利润率提高。 这与企业为了保住份额，被迫牺牲合理回报的价格战，有本质区别。 当然，不能把云厂商每一次降价都解释成主动进攻，部分降价也可能来自竞争压力、产品换代、客户议价或产能利用率变化。 但AWS过去十年的业绩至少证明，持续提高价格性能，并不必然导致利润率不断下降。 5 大型云平台的护城河，不是某一项单独的技术，而是多种因素共同形成的。 第一，转换成本是其中最重要的一层。 客户一旦把核心系统建立在某个平台上，就不会因为几个百分点的价格差异轻易迁移。 第二，规模经济构成了很高的进入门槛。 数据中心、全球网络、芯片、电力、研发和安全合规，都需要非常大的固定投入，规模越大，固定成本越容易被分摊，基础设施利用率也更容易提高，后来者想要建立一套完整的全球云平台也越困难。 第三，自研芯片提供的则是成本优势。 它不一定让云厂商获得直接提价权，但可以让云厂商在行业不断提高价格性能时，仍能保留较好的利润。 第四，服务广度也很重要。 客户最初可能只使用计算和存储，后来逐渐使用数据库、安全、数据分析、模型平台和Agent服务。使用的服务越多，单个客户贡献的收入越高，平台与客户的关系也越深。 所以，大型云平台的护城河不是静止的，而是会随着客户使用不断加深。 不过要说明的是，这道护城河对存量业务和新增业务的作用并不一样。 一家企业已经运行多年的核心系统很难轻易迁移，但它新增加的AI训练、推理和Agent项目，仍然可以在不同平台之间重新选择。 因此，云业务的竞争更像是：存量业务相对稳定，新增工作负载竞争激烈。 6 AI出现以后，云平台的锁定位置又发生了新的变化，三家都在强调模型选择： AWS的Bedrock不断接入不同厂商的模型；微软称，今年以来同时使用多家模型供应商的客户数量增长了5倍；Google也在自己的AI平台中提供自研、开源和第三方模型。 真正越来越难替换的，是模型周围的数据、权限、记忆、工具连接和工作流。企业需要决定Agent可以读取什么数据、调用哪些工具、执行什么动作，以及遵守怎样的审核和治理规则。 一个模型可以换掉，但围绕模型建立起来的整套企业AI运行体系，很难一起搬走。 所以，AI可能会削弱模型本身的锁定，却进一步提高云平台在数据、治理和工作流上的价值。 7 AWS、微软和Google走的是三条不同的路。 AWS的优势，是云服务的广度、长期积累的客户系统，以及已经得到较长时间验证的基础设施经济模型。 它从基础设施开始向上扩展，通过数据库、Bedrock和Agent服务，让更多业务继续运行在AWS上。 微软的优势，是原本就处在企业内部，Azure可以和Microsoft 365、GitHub、Entra身份权限、Dynamics及Copilot结合。同一份基础设施，既可以对外提供Azure服务，也可以支撑微软自己的办公、安全、开发和企业软件产品。 微软真正强的地方，可能不只是Azure算力，而是它可以把算力继续转化成企业员工和工作流程里的软件收入。 Google的优势，是TPU、Gemini、数据分析和安全能力的一体化。 它原来在企业云市场中的存量基础较弱，但AI带来了大量新增工作负载。Google可以依靠模型和芯片能力切入，再把客户带入数据、安全和Workspace体系。 因此，三家虽然都在卖云，真正提供给客户的价值并不完全相同。 AWS强在云平台本身，微软强在企业入口和工作流，Google强在芯片、模型和数据技术栈的一体化。 8 这也解释了为什么云市场没有走向一家独大。 云业务有很强的规模经济，但网络效应没有强到赢家通吃。不同企业、不同地区和不同工作负载，对芯片、模型、数据库、安全和合规的需求也不一样。 同时，大型企业通常不愿意把所有未来业务都押在一家供应商身上。它们会保留多家云厂商，一方面降低单一供应商风险，另一方面维持议价能力。 根据Synergy Research的数据，2026年二季度，AWS、微软和Google在全球云基础设施市场的份额分别约为28%、20%和15%，三家合计占据63%的市场。 因此，云市场更像一个高度集中、但仍然存在差异化竞争的寡头市场。 行业竞争很激烈，但完整的全球云平台需要持续投入数据中心、网络、芯片、软件、安全、合规和销售体系，能够长期参与竞争的公司非常有限。 CoreWeave等专注AI算力的“新型云厂商”（Neocloud），可以在AI算力层分走部分需求，却很难在短期内复制一整套企业云平台。 9 研究到这里，我觉得大型云厂商当前最大的风险，已经不是会不会轻易陷入价格战，而是三家正在进行的超大规模资本投入，未来能不能获得足够好的资本回报。 不过，根据三家最新披露的数据，至少可以确认，当前的AI需求是真实存在的，并不是三家在没有客户的情况下，仅仅按照远期预测提前建设大量产能。 AWS最新季度收入同比增长36.7%，是过去18个季度最快的增速；微软Azure收入增长43%，新增CPU和GPU容量投入使用后，很快就被客户消化。 Google Cloud收入增长82%，由于自身容量仍然不足，Google甚至需要购买成本更高的第三方算力，临时承接客户需求。 三家现在共同面对的问题，仍然是供给跟不上需求，而不是数据中心建成以后没有客户。 已经投入使用的基础设施，也在带来收入和利润。AWS本季度收入达到422亿美元，经营利润达到166亿美元；Google Cloud收入达到248亿美元，经营利润达到88亿美元。 微软虽然不披露Azure单独利润，但在Azure增长43%的同时，Intelligent Cloud经营利润同比增长31%，经营利润率仍然维持在较高水平。 这说明当前新增的AI需求，并不只是带来低利润的算力收入，至少从已经投产的部分看，云收入和经营利润正在同步增长。 与此同时，需求也在从少数模型公司逐渐扩散到更广泛的企业客户。 微软全年超过2140亿美元的Microsoft Cloud收入中，接近90%来自前沿模型公司之外；最新季度商业订单积压的环比增长，也全部来自前沿模型公司之外。 Google表示，其Cloud积压订单中的大部分，来自广泛客户签署的普通GCP合同。 AWS的AI业务年化收入已经超过250亿美元，Bedrock已经拥有数十万客户，企业使用正在快速增加。 10 微软本季度资本开支达到410亿美元，其中约三分之二用于CPU和GPU等寿命相对较短的资产，公司预计下一财年的资本开支还会继续增长。 Alphabet本季度资本开支达到449亿美元，并把2026年全年资本开支指引提高到1950亿至2050亿美元，同时预计2027年还会显著增加。 亚马逊过去12个月购买固定资产达到1730亿美元，自由现金流降至负76亿美元，主要原因也是与AI相关的固定资产投入大幅增加。 这些投入中，相当一部分还处于建设阶段，或者刚刚投入使用，尚未完整贡献收入。 因此，当前云业务的高速增长和较高经营利润率，只能证明已经投产资产的经济性，不能直接代表今天和未来投入的所有资本都会获得同样的回报。 11 未来要观察的是： 首先，当新建的数据中心和算力陆续上线、供需关系逐渐恢复正常以后，资产利用率能否继续保持在较高水平。 其次，单位算力价格持续下降时，自研芯片、规模经济和基础设施效率带来的成本下降，能否继续抵消价格压力。 此外，AI芯片的真实经济寿命也是一个重要变量。一台芯片可能在会计上折旧五六年，但如果技术迭代过快，它几年后虽然还能运行，却已经无法以有竞争力的成本服务客户，真实资本回报就会低于账面利润所反映的水平。 最后，资本开支增速什么时候能够低于云业务收入增速，自由现金流和资产周转率什么时候开始改善，以及普通企业的推理、Agent和生产性AI需求，能否逐渐降低三家对少数前沿模型公司的依赖。 12 研究完三家最新财报以后，我对大型云厂商这门生意的认识，大致可以总结成一句话： 它不是一门低差异化的算力租赁生意，也不是轻资产的纯软件生意，而是一门重资产基础设施与高转换成本软件平台结合的生意。 AWS过去十年的业绩已经证明，大型云平台不容易陷入长期失血式的商品竞争；三家最新财报也证明，当前AI需求真实存在，已经投产的基础设施正在转化为收入和利润。 下一步真正需要验证的，是这轮规模空前的资本投入，在供需恢复正常以后，最终能够形成多高的自由现金流和资本回报率。 所以，我目前对这门生意的判断是：商业模式优质，护城河真实，行业呈现高度集中但差异化竞争的寡头格局。 这是一个专注搞懂生意的号，关注我，做同道中人。 注：本文仅供交流讨论，所涉及的公司信息均为公开客观资料，不存在主观夸大和引人误解的内容，且绝不构成任何投资建议和收益承诺，市场有风险，投资须谨慎。
