# 硅谷坐标 × FundaAI 周默：深度拆解科技巨头 Q3 财报｜AI 投资进入验证期

硅谷坐标 Silicon Valley Vector · 2026-11-16 · 91 min · https://www.xiaoyuzhoufm.com/episode/6afb614dfe62f8f52c4c3d30

## 逐字稿

曹卿云 Qingyun Cao
三季度财报季，美股科技股再次遭遇猛烈抛售，整个 AI 产业链都被卷入这场下跌。

周默
最近一周的暴跌，主要还是因为 Anthropic 和 OpenAI 的 ARR 带来了一些失望，所以更多的担心是从需求侧引发的。

曹卿云 Qingyun Cao
过去，华尔街的逻辑很简单：模型公司能赚多少钱，取决于它能拿到多少算力。但 Anthropic 的招股书显示，这个季度它分给付费客户的算力比例反而下降了，更多算力被留给了训练下一代模型。

周默
那么你就不能再说是推理算力限制了这家公司的增长。

曹卿云 Qingyun Cao
另一边，三朵云的业绩继续加速，但市场关心的是，AI 收入和资本支出之间的差距是否会缩小。

周默
这个绝对值差距，从我们第一次做播客开始就一直在拉大，到这个季度还在拉大。

曹卿云 Qingyun Cao
而在资本链条上，压力正传向最脆弱的环节。

周默
整个融资问题，不是前沿模型公司的融资问题，也不是这些 CSP 的融资问题，几乎都是这些新云厂商的融资问题。

曹卿云 Qingyun Cao
这一期的《硅谷坐标》，我们再次邀请枫丹 AI 的创始人周默，拆解三季度财报背后这一轮 AI 投资的博弈。欢迎莫总返场《硅谷坐标》。上次我们录二季度财报季的时候，是在夏天一轮大跌之后；这次又赶上了秋天的大跌。这次的下跌和夏天那一次有什么不同？

周默
上次录的时候也是大跌。这次的情况有几点不同。这一次，CSP 的业绩其实跟上个季度差不多，CapEx 也还可以，没有超出预期，但也符合预期。不过，上个季度的时候，这些模型公司的 ARR 还没有公开，没有那么透明，所以你会倾向于期待七八月份的 ARR 表现不错。记得暴跌的时候，有不少声音在说，七八月份的 ARR 不错，八月份的 ARR 有可能接近 800 亿美元。

但这一次最近一周的暴跌，主要还是因为 Anthropic 和 OpenAI 的 ARR 带来了一些失望。比如 Anthropic 9 月底的 ARR 大概只有 700 亿美元左右，也低于大家的预期。特别是回过头来校正之后，你会发现三季度 ARR 增长比较慢，所以更多的担心是从需求侧引发的。

而且，这次的数据相对上个季度透明一些，你不太容易在这个时间点对 ARR 抱有过多期待。你得接下来一个月一个月地跟踪它的 ARR 和收入情况。

曹卿云 Qingyun Cao
在聊谷歌、Meta、亚马逊和微软四家大厂的财报之前，我们想先盘点一下前沿模型公司的进展。枫丹 AI 前几天刚更新了一版大模型报告，里面提到，前沿模型的格局已经从 OpenAI 和 Anthropic 两强，变成了现在的“四加一”格局。谷歌追了上来，Meta 的闭源模型能力也有显著提升，而且 SpaceX 手上还握着大量算力。莫总能不能先给我们介绍一下，现在闭源和开源模型的最新格局？

周默
这是个很好的问题，也感谢你们看了我们的报告。现在模型公司的训练路径，基本上都非常聚焦于 RL，也就是强化学习。所以，如果你做 RL，大家就会特别关注手头每个领域的 benchmark，围绕 benchmark 找数据，再拿数据优化 benchmark，最后把这些效果整合起来。这很像一套流水线式的训练方式。

我觉得谷歌的情况是，它确实比上个季度有所提高。提高的原因主要是 Gemini 也经历了一些重组。重组之后，它可以把更多精力放到我们刚才说的这套训练流水线上。之前它可能有很多精力聚焦于科学研究上的突破，比如偏向诺贝尔奖方向的突破。

特别是谷歌在算力上有劣势。其他几家可能有 2 吉瓦的训练算力，谷歌可能只有一半，因为谷歌很多 TPU 资源要外租，大部分 TPU 资源给了 Anthropic，也给了苹果，所以谷歌的算力资源其实有限。另外，去年 Gemini 没有那么重视强化学习；今年从一季度开始，肯定已经更加重视了。重组、聚焦之后，它就比较容易追上来。

而且谷歌大部分训练流程都是自主设计的。如果模型端能达到 4.6、4.7 的水平，以后达到 5，其实是一条比较清晰的路径，不会有太多意外，更多是时间和算力的问题。Meta 的算力优势非常强，也非常注重强化学习数据的准备，所以它的追赶路径也相对清晰。SpaceX 的算力比谷歌还多，也有一些高质量的数据源，之前还做过一些很好的收购，所以在数据上也有一定优势。

再说开源和闭源的格局。从今年七八月份开始，让我们比较震惊的是，开源和闭源的差距从原来预期的 6 到 9 个月，缩短到了只有 3 个月。当时我们判断，开源的差距可能会重新变回 6 到 9 个月。过去一个季度，这个判断基本也快被证实了。你可以看到闭源模型的迭代在加快，但最近的开源模型可能没有当初六七月份那么惊艳。

这里有几个原因，最主要的是闭源模型对 API 做了更多限制，学习闭源模型的难度增加了。第一个难度是，过去学习闭源模型，很多时候会通过 signature API，把大模型的 signature 迁移到小模型；小模型可能没那么容易遵循原来设置的指令，所以相对比较容易学习。但这个 signature API 的迁移过程，从 9 月份开始就被禁掉了。

第二个难度是，现在的模型也都开始做 loop transformer。做了 loop transformer 之后，学习过程中你可能得猜测它的 loop 是怎么做的。猜测的过程会让你经历的步骤比闭源模型实际经历的步骤更多，所以推理效率可能比闭源模型差。这样一来，虽然模型能力很接近，最后你可能需要消耗更多 token。这些因素又重新拉大了一点开源与闭源的差距。所以从技术上看，相比二季度，格局确实发生了一些变化。

曹卿云 Qingyun Cao
模型能力咬得这么紧，而且价格还在下降，前沿模型公司最终靠什么竞争？开源和闭源，谁的商业模式更可持续？

周默
过去两三个月，前沿模型确实在降价。开源模型一直保持着比较好的性价比，但前沿模型在一些中小规模模型上的降价更加激进，所以前沿模型和开源模型之间的性价比差距可能在缩小。这也影响到了前沿模型和闭源模型的商业模式。

我们最近做了不少调研和观察，能看到很多企业使用模型的行为在变化。过去三个月，我们调研了接近 100 家全球企业的 token 使用情况。一个明显的变化是，现在的企业都在积极尝试 router：难的任务交给闭源模型，简单的任务交给开源模型和小规模模型。

上个季度做调研时，很多企业觉得可以把 5% 到 10% 的 token 预算分配给开源模型和更小规模的模型。现在因为大规模使用 router，不少企业已经预计要把 20% 到 25% 的 token 预算分配给开源模型和更小规模的模型。所以从最终用户的认知和预算需求来看，开源模型拿到的预算肯定开始增加。而 router 大规模应用也就是一两个季度的事，往后可能还会有更大规模的普及。

如果闭源模型要维持领先优势，就得迭代得更快。这个季度另一个明显的变化是，一些中小规模的闭源模型，性价比也很高，甚至已经能追上开源模型。竞争加剧对开源模型和闭源模型的商业模式都有负面影响，目前没有哪一方的格局明显变好。

闭源模型也在想办法应对。如果模型公开，被学习的风险就会加大，所以更多前沿模型可能只面向企业发布。企业客户比较容易做 KYC，模型数据被学习的难度也会比公开模型、消费级模型大得多。典型的领域包括安全、生物科技，很多模型已经不会再大范围公开发布，而是直接进入这些垂直行业的大客户。因为这些行业的大客户预算，可能占整个行业预算的绝大多数。以后我们也会看到更多行业的企业模型，与可以直接调用的消费级 API、企业 API，在能力上有所差异。这也是闭源模型维持垂直行业优势的重要策略。

曹卿云 Qingyun Cao
开源模型正在创造多少算力需求？我们是否低估了 AI 市场的真实规模？

周默
如果只看前沿模型，算出来的数字肯定比实际数字小。除了 OpenAI 和 Anthropic，你还有 Gemini、其他闭源模型，以及大量企业使用开源模型、自己部署的需求。但我觉得，以现在的情况看，这个数字不会被低估特别多。

我们现在做的很多企业调研里，使用情况比较极端的企业，通过 router 大概能把四分之一的预算分配给开源模型。但如果是一些 AI 原生创业公司，它们主要还是用最前沿的模型。对这些公司来说，你需要给客户交付体验最好的产品，拉开和竞争对手的使用体验差距，所以大部分工程工作都要放在最先进的模型上。如果用开源模型，可能会在使用体验上落后于竞争对手。

不过这个季度有一些变化，出现了越来越多成本敏感的 agent 创业领域，比如 personal agent。对 personal agent 来说，一个用户每月的推理成本，会非常影响商业化、团队规模和产品规模，因为它很像一个互联网产品。这类领域对成本会比其他企业应用更加敏感。

这个季度你能看到，无论是创业公司，还是 Meta 这样的公司，都在尝试使用成本更优化的模型。包括现在比较火的 Instinct，也大量使用开源模型。我觉得这是一个值得观察的转折点：当 AI 创业公司也开始尝试使用开源模型，虽然还是在成本敏感的领域，但如果开源模型进一步突破，更多场景也可能开始积极使用开源模型。

曹卿云 Qingyun Cao
我们知道 Anthropic 马上要上市了，市场正拿着放大镜看它的 ARR 和增速。它的算力只有三成用于付费推理，七成花在训练和研究下一代模型上。按照《华尔街日报》的报道，它 10 月底的 ARR 大概是 800 亿美元。你怎么看这个估值？

周默
估值主要有几个考虑因素：第一是增长的确定性，第二是商业模式该怎么 benchmark，第三是利润率提高的确定性。我觉得这个季度，无论是 Anthropic 的 ARR 情况，还是它放出来的 S-1，都让大家对增长的确定性有些困惑。

在 10 月份之前，大家预测这些实验室明年的收入，普遍用的逻辑是：基于现在算力非常紧缺、算力限制推理收入的假设，预测明年能拿到多少吉瓦的数据中心，其中多少用来推理、多少用来训练，再假设 1 吉瓦的数据中心能产生多少收入，由此预测明年的收入。现在大家对数据中心的投入非常激进，每吉瓦数据中心能产生的收入也没有太大变化，所以基于算力做预测，明年收入的确定性相对较高，大家也会觉得明年收入增长应该很快。

但 S-1 出来以后，确实改变了一些人的想法。如果真的是算力受限，那么推理的算力成本占总算力成本的比重应该增加，应该把更多算力分配给推理，这样才说明推理受限，所以需要挪更多算力去做推理。但看 Anthropic 三季度的财报，过去几个季度推理算力成本都在增加，这个季度推理算力成本占总算力成本的比重却第一次下降了。

如果再看它明年非常激进的算力承诺，假设明年 ARR 翻一倍，比如年底达到 1,500 亿或 1,600 亿美元，那么推理成本占总算力成本的比重还会更低。这样你就不能再说推理算力限制了公司的增长，用算力去预测明年 ARR 的逻辑也会弱一些。

那么该用什么样的 benchmark、什么样的商业模式来匹配 Anthropic？简单来说，大家第一反应可能是拿 Anthropic 和上市软件公司比较，比如 Palantir，或者五六年前上市的明星公司 Snowflake。Snowflake 上市时曾有 100 倍市销率，Palantir 现在也有 20 倍市销率，但 Anthropic 的财务情况又不太像这些 SaaS 公司。

如果像 SaaS 公司，大家会看明年的收入，也会看 RPO。但 Anthropic 的 RPO 大概只有 100 亿美元，相比 800 亿美元的 ARR，只占当前 ARR 的 10% 出头。Snowflake 未来 12 个月的 RPO 占收入的比例差不多是 50%，所以看到它的 RPO，会让你对明年收入有更多确定性。

如果和云公司比，比如亚马逊或微软，它们会披露 backlog。客户会签三年的承诺，也会签更长期的合同，把这些合同未来的数字算上，就能知道当前大概有多少排期中的 backlog。和这些 CSP 比，你也会发现 Anthropic 的 backlog 比例远远更小。

S-1 发布以后，大家就会质疑：没有明确的 RPO 告诉我明年的收入驱动因素是什么、哪些东西能支撑收入假设，我就只能按月跟踪。按月跟踪，能见度就没有那么高。但这件事也可以理解，因为 Anthropic 现在的销售方式还没有很积极地推动客户签多年合同，更多还是卖 API。如果像软件公司和 CSP 一样推动客户签多年合同，RPO 比例肯定会增加。

所以这两点稍微改变了大家对估值方式的看法。现在有不少争论：是不是不能按照之前讨论的方式，把 Anthropic 看成一家 AI 原生公司，至少给它和软件公司一样的上市前估值，或者认为它比软件公司更有未来，所以软件公司的市销率可以套用到它身上？原来的想法是，看看 Palantir、Snowflake 估值高，就用它们来论证 Anthropic 的估值。但现在有了这些担忧，大家会犹豫 20 倍市销率到底合不合适。它确实不太像这些公司，但故事又比它们好，还在解决人类一些关键的生存问题，所以最后会有很多权衡。

我倾向于大家可能会考虑更多长期问题，给它更多想象空间。但在明年收入还不太清晰的情况下，要有很强的想象力也比较难。

曹卿云 Qingyun Cao
Anthropic 未来的利润你怎么看？是不是也取决于收入的质量？

周默
对。Anthropic 已经给出了比较明确的算力承诺，长期算力承诺大概是 7,500 亿美元。我觉得按照这家公司相信 AGI 的程度，或者现在很多研究人员认为 2028 年会实现 AGI，这个承诺可能比较难改变。但收入变化会非常影响利润率：增长快，利润率就好；增长慢，利润率就差，前提是算力承诺没有特别大的变化。

从二季度和三季度来看，公司的毛利率相对稳定，但训练成本在增加。训练成本占收入的比例上升，意味着明年的利润率可能会比今年差一点。

曹卿云 Qingyun Cao
怎么思考这样一件事：它大部分收入都取决于最新一代模型。新模型出来以后，旧模型的有效期可能很快就大打折扣，所以每次都得保证新模型继续保持领先，对吧？

周默
对。现在 80% 的收入来自新模型，模型迭代速度又非常快。但过去几年一直都是这样，因为大部分客户还是科技公司和创业公司，迁移成本没那么高。如果客户组成变成很多企业，企业的迁移成本就会稍微高一点。这个现象过去是这样，未来肯定也会这样。

这件事的启示是，你需要投入很多边际成本，而且边际成本很难停下来，除非你能找到一种方式，明显加快训练节奏，并继续拉大和竞争对手的差距。所以从闭源模型的角度，大家都希望通过最近的 R3、RSI 加快模型迭代。过去一周也出了一个 METR 的报告，评测 Anthropic 模型迭代的速度。如果迭代速度能加快，边际成本就会稍微低一点。但能加快多少，这件事明年不一定会有清晰的变化。

曹卿云 Qingyun Cao
市场上大家都拿放大镜、显微镜看 Anthropic 的 ARR。你觉得两家前沿模型公司的 ARR，是衡量整体 AI 收入的好指标吗？

周默
肯定是衡量整体 AI 收入的好指标，只不过有些收入确实不在这两家闭源模型公司的 ARR 里。我们刚才提到的开源模型，其 ARR 也不在开源模型公司的财报里。开源模型的 ARR 很多来自新云厂商、CSP 的 GPU 租赁收入，以及帮你部署模型、部署 API 的创业公司，来源比较分散。

不过凭一些常识，你会感觉闭源和开源的收入比例可能是八二开。另外有些公司的客户画像，不是传统企业和科技客户，比较典型的是金融、生物科技和机器人。

金融行业的特点是，现在有些大型量化基金会自己锁定数据中心算力，甚至锁定内存和供应链，因为这个领域比较容易计算 ROI，而且今年大家赚了不少钱。所以金融领域的硬件 CapEx 涨得非常快，在编程以外的所有领域里都涨得很快。但你很难衡量这些硬件在今年对 ARR 的贡献，至少要到明年才能看到。

机器人和生物科技也类似。最近一个季度，机器人公司的采购预算增长得非常快。你会看到很多相关公司的讨论；我们一个多月前也发布了关于机器人采购预算的报告，里面提到机器人数据训练预算出现了非常明显的转折。现在也能看到一些机器人公司更积极地锁定新云厂商的算力。但问题是，锁了算力到 AI 产品产生 ARR，可能不是今年的事，甚至可能不是明年的事。

所以从 ARR 角度看，OpenAI 和 Anthropic 是比较好的指标，不会低估太多。但如果从算力需求角度看，这两家就不是特别好的指标。就算开源和闭源的收入比例是八二开，现在的收入比例可能还要更极端，可能是九一开。假设未来收入是八二开，但它们的成本比例可能是一比一，或者三比二，因为开源模型的毛利率比闭源模型低一些。像 Anthropic 现在的毛利率已经到 80% 以上，甚至 85% 以上。开源模型的毛利率范围比较大，从 20% 到 70% 都有。所以开源模型的 ARR 占比虽然没那么高，算力成本占比却可能更高。

刚才提到的那些领域也一样：算力已经投进去了，但 ARR 的变化可能不会在一年之内快速显现。

曹卿云 Qingyun Cao
大家都在找编程之后下一个能撑起千亿级收入的场景。从这一季度的财报里，你有没有看到哪些令人兴奋的信号？

周默
这个季度比较大的边际变化之一是 personal agent。你看 10 月份整个 AI 板块的表现还不错，特别是 personal agent 的叙事出来以后。在硅谷已经很久没有出现让人兴奋的消费级应用了。创业公司如果要创业，都是做企业应用；如果做消费应用，天生就会被鄙视。消费应用的土壤很难，你有很多竞争对手，又比较难做收入，也不是 VC 喜欢的投资项目。

突然出现了一个很好的领域，又有了 Instinct 这样好的公司，还有 Meta Muse 这样有创新性的产品，大家会想，是不是要重新面对一个很大的消费级 AI 应用叙事，或者一个新的大主题了。10 月份很多人在讨论，personal agent 应该是一个 10 亿 DAU 的产品，空间很大。如果是 10 亿 DAU 的产品，就会带来特别多需求，可能比现在很多企业需求大得多。大家会觉得，工程师大概有三四千万人，而 10 亿 DAU 是工程师人数的 30 倍，空间很大。

但这里面的问题是，空间虽然大，却会面临商业化节奏和需求定位的问题。最简单的一点是，现在一个 personal agent 用户每月的推理成本很贵。我觉得这个范围很大，一个 DAU 每月的推理成本在 30 到 60 美元之间。如果成本是 30 到 60 美元，天生就会限制用户规模。要让它成为一个大规模产品，可能得先花几年时间跑通商业化的 ROI，才能大范围推广。所以它不是一个能很快撑起千亿级收入的场景，可能需要很多年。

这个算术很好算。比如 Meta 在北美大概有 2 亿 DAU、2 亿多 MAU，一个用户每月给 Meta 带来的价值差不多是 50 美元，来自原来的各种广告产品。你可以算 personal agent 能给公司带来什么增量收入，比如收集更多广告线索、销售线索，也可以收订阅费。但订阅费要乘以付费比例，不可能所有人都交 20 美元。按照 ChatGPT 这样的产品，大概 20% 到 25% 的用户会付费。如果订阅费定价 20 美元，平均下来可能要打个二到二点五折，最后每个月贡献差不多 5 美元。如果广告收入有贡献，假设增加 30%，可能贡献十几到 20 美元。

在这种情况下，一个用户能产生的价值，很难马上达到几十美元。比较不利的情况下，假设每个用户能产生 15 到 20 美元，那就意味着成本需要大规模优化，同时还要保证质量提高，才能打开 personal agent 的市场，获得更多收入。所以商业化节奏、技术节奏和成本之间会互相限制，不容易想象它很快就成为千亿级产品。放到五年维度，它可能是一个很好的市场；但如果只看 2027 年，收入很可能会让你有一点失望。

除了 personal agent，Alphabet 过去一直讲七个大方向，这次在 I/O 前的投资人沟通里也重新讲了七个方向。其中重点讲的是 AIDD。AIDD 相关的股票也是过去两个月的热点。大家都知道，AIDD 的很多瓶颈在最后的临床阶段，而且进展不会特别快。很多药物真正进入药厂的临床流程，可能要到临床二期前后才开始，所以很难说它是一个明年就会大爆发、产生大量收入的产品。机器人也是这样。

这个季度要问有没有找到一个千亿规模的新产品，明确的答案是：看到了一些五年维度能够成为千亿规模产品的领域，会让你比较兴奋；但看不到一个一年之内就能让你有这种确信的领域。

曹卿云 Qingyun Cao
感谢莫总给我们这么详尽的市场更新。现在再回来讲一下四家科技巨头的财报。上次你说，市场希望看到 AI 收入的加速追上 CapEx。这一个季度的财报里，我们看到三朵云全部在加速：Azure 同比增长 48%，AWS 增长 39%，GCP 增长 103%。另一方面，上个季度大家都在上调 CapEx，这个季度好像感觉大家有点调不动了。现在市场开始有点担心，花钱是不是到顶了。你觉得这是该担心的信号，还是只是节奏问题？

周默
大概半年前，我们总结说，今年一季度有很大的变化，因为你发现 ARR 绝对值和 CapEx 绝对值的差距在缩小。但当时有一点不好的地方，就是这个差距开始变大。变大的原因是供应链每个环节都在涨价，导致 CapEx 加速增长，而 AI 收入可能不能像今年一季度那样一直加速增长。所以这个绝对值差距从我们第一次做播客开始就在拉大，到这个季度还在拉大。

比较明显的是，你看 Alphabet 的报表，训练成本占比在提高，这就是 ARR 和 CapEx 差距拉大的一个明显信号。因为实验室是所有 CapEx 的前置指标，实验室的想法会影响后面所有供应链环节，包括 CSP、半导体等。所以如果用 ROI 来论证，这个季度可能比上个季度更差。我觉得这个现象明年可能还会持续，因为越接近 AGI，就越难论证 ROI，就需要投入更多算力去训练，训练成本可能更高。如果用 ROI 的视角看这个问题，可能会觉得越来越难论证。但真正跨过 AGI 关口之后，所有假设可能都会重来。问题是，在接近 AGI 的过程中，这个方向可能会越来越难算。这在过去两个季度已经出现了比较大的变化。

另外，如果讨论 AI 的情况，我们最近做了很多调研，可能可以分成三块：第一是 AI 创业公司的预算，第二是科技公司的预算，第三是企业公司的预算。这三类参与者最后共同组成 token 消耗。创业公司的进展还不错，现在进展挺快。有些公司一两个季度前还很难商业化，现在商业化都在加速。

但科技公司和企业公司的情况不太一样。科技公司的用量在降速。从 Meta、苹果对员工预算的限制情况看，科技公司正在做一些预算限制。企业的情况是，今年上半年已经大规模推广了很多 AI 应用，接下来要面对 ROI 问题，所以需要更长的部署时间。分层来看，第一层还可以，但后两层的不确定性增加了；第一层又非常依赖整体融资氛围。对创业公司来说，融到多少钱就烧多少钱，烧的钱直接流到 token 消耗里，所以它的不确定性肯定也比之前大。

回过头来看，在 ROI 越来越难算的情况下，你会更加关注供应链变化，想知道这些变化有没有传导到供应链。过去一周听到很多讨论，大家都在问现在 CapEx 的预期到底是什么程度，还有没有人觉得 2028 年的 CapEx 会增长？按照现在价格隐含的预期，我觉得很多人已经在讨论 2028 年 CapEx 持平，也有人在讨论 2027 年下半年 CapEx 会不会比上半年下降。每个人都在找预期重新调整的时间点，想知道该用什么预期来量化这些公司的股价表现和基本面，所以大家会在供应链里找更多信号。

过去两周听到很多供应链砍单的传闻，让人去想 2027 年、2028 年的 CapEx 会不会明显变化。但我们能说的是，从 ODM、OEM 的角度，还没有看到服务器订单出现非常明显的变化。是不是要砍服务器数量？如果砍单了，你就得假设现在的 CapEx 边际上会出现比较大的变化，因为市场会担心一旦砍单就会接着砍。现在服务器层面还没有砍单，但在很多零部件层面，比如 CPU、光模块，会听到越来越多噪音，可能涉及拉货时间的变化，也可能是技术变化。这些噪音还没有落实到 ODM、OEM 层面的变化，但会增加不确定性。

我觉得现在市场高度关注这些噪音的边际变化，看它们最后会不会变成真实变化。

曹卿云 Qingyun Cao
你上个季度还讲过，模型正在取代云成为入口。这个季度入口之争有什么变化吗？利润是在往模型公司走，还是往云端走？

周默
上个季度我们提到，如果模型公司的毛利率还在提高，利润的议价能力肯定还是模型公司相对占优。这个季度也类似。通过 Alphabet 的投资人沟通，你能看到 Anthropic 重新和 AWS、GCP 谈租赁合同价格，特别是 TPU 和训练算力。因此 Anthropic 也提到，它三季度利润率比想象中好，是因为重新和 CSP 谈了价格，所以你能感觉到它相对 CSP 还是有很强议价能力的。

这些也影响到了三季度 AWS 和 GCP 的增速。两家公司情况可能不一样，但典型地看，AWS 和 GCP 的增速都比市场预期差一点，仅限于这个季度。而且这个季度一个非常明显的变化是，CSP，特别是 AWS 和 GCP，收入增速现在非常依赖 Anthropic。GCP 受 TPU 的影响最大，你卖多少 TPU，直接取决于这个季度的收入变化。多卖 10 万张 TPU，对 GCP 的收入影响可能超过 10 个点。你到底卖 20 万张还是 30 万张 TPU 给 Anthropic，收入影响差别太大了。原来的云业务上下波动最多也就两三个点，但 TPU 10 万张卡就可能影响十几个点。这在过去 GCP 的增长史上从来没见过：有一家公司能对收入弹性产生这么大的影响。AWS 也一样。

所以你能感觉到 Anthropic 对这两家公司的影响力有多大，它的议价能力还是很强，所以它才有能力和这两家公司重新谈算力合同。这件事在这个季度已经发生了。

但我觉得从入口角度看，和上个季度有些变化。更多 API 进入了传统企业销售。传统企业比较在意安全，希望从 CSP 买 API，而不是从模型公司买。他们希望 CSP 能在安全和 SLA 上提供更多承诺。这导致 CSP 在 LLM API 分销里的占比提高，甚至下个季度还会继续提高。

虽然这个季度 OpenAI 的 ARR 增长没那么快，但绝大部分增量 ARR 都来自亚马逊。亚马逊对 OpenAI 的 API 增量贡献，远远比披露的 CSP 占公司收入 48% 要大。你能感觉到这个季度入口有更多增量变化：你是科技公司还是传统企业，会从安全角度衡量到底该从哪个入口买。

曹卿云 Qingyun Cao
我们现在具体过一下这四家科技大厂。先看微软的财报。这一季度微软是唯一一家现金流为正的公司，总营收 923 亿美元，增长 19%；Azure 增长 48%，超过指引，并且下一季度指引是 49% 到 50%，还在继续加速。自由现金流是 186 亿美元，也是四家里唯一为正的。你怎么理解微软这份财报？

周默
微软这个业绩很干净、很好，其实没有什么需要争论的地方。所有大科技公司里，我们在季度前看，觉得最干净的就是微软。评价微软基本看两个业务：第一是 Office Copilot，它会更多影响你怎么看微软的护城河，以及怎么看它长期的价值；第二是 Azure。Azure 对短期收入的贡献远远比 Copilot 多。

Copilot 这个季度表现不错，因为上个季度是 Copilot 一个比较大的转折点。我们上个季度聊到，做微软季度前调研时发现一个很有意思的现象：一些大型跨国企业客户原来买几百、几千个 seat，从上个季度开始买几万个 seat。买几万个 seat 的意义是，如果你只买 5% 到 10% 的 seat，还是把产品当作试用阶段；如果买到 50% 以上，就说明你要大规模推广，把它当成必需品。这是上个季度最大的变化，这个季度也在延续，更多大客户跨过了试用阶段。

第二，过去一个季度微软找到了一些相对于实验室产品的竞争优势，会直接影响客户的选择。我们季度前和很多渠道、企业聊过，发现一个很明显的情况：买 Office Copilot 和买 OpenAI、其他实验室的企业级 agent 产品，交付周期可能是后者的一半，平均少三到四周。

少三到四周的原因是，你要对齐原来复杂的身份访问、安全访问和权限。如果用 Copilot，很多访问权限比较容易对齐；如果用 OpenAI 等产品，就需要微软的人员配合你对接 Office。但微软配合的人力也可能有限，配合度不一定那么快，毕竟你是在配合竞争对手。可能有技术原因，也可能有人力容量的原因，或者你也不知道是不是容量问题，但最后反映出来的结果就是，用 Copilot 的交付周期更快，能快三到四周。

特别是今年，很多企业比较焦虑，因为看到个人 agent 已经用了很多。比如开发部门的人一个月已经在花两三百美元，甚至上千美元，但其他部门连 20 美元的产品都还没用上，所以企业着急加快覆盖。在这种情况下，交付周期快慢影响很大。我觉得这是 Copilot 过去一个季度找到的一个很巧妙的生存点。

另外，GPT-5.6 出来以后，六七八月份 Copilot 和实验室产品的差距有所缩小。我们上个季度的播客提到过，让微软做很多调度层优化，这件事它未必很擅长。但如果模型有很大提高，这些优化对能力提升的占比就相对变小了，即使微软没那么擅长，差距也会缩小。GPT-5.6 出来以后，模型整体提高，微软和模型公司的产品差距也缩小了，用户体验更好。今年一季度，你可能会不满意 Copilot 做的 PPT 很丑，但九、十月份你已经觉得做得挺好看了。模型更新也缩小了产品差距。

Azure 的业绩也很好，很大原因是 OpenAI 对 Azure 增速的贡献非常大。这个季度 Azure 增速的 40 个点左右，差不多是 OpenAI 及相关产品贡献的。OpenAI 三季度 ARR 和收入增长很好，Codex 带来了很多份额提高。另外，这个季度第三方算力虽然有一些延期，但 GPU 涨价也很好。

微软这个季度稍微差一点的地方是融资。微软比较特别的是，上个季度给了 FY27 的现金流指引，说 FY27 现金流为正，所以大家对它融资的预期没那么高。但这个季度还是发现微软要融资，这可能是财报里唯一有争议的地方。

曹卿云 Qingyun Cao
微软这个季度的 backlog 在手合同达到 6,770 亿美元，同比增长 73%，但一年内能确认的部分只增长 29%。其中 OpenAI 你刚刚讲到也占了大概一成收入。你怎么看这笔合同的质量？

周默
这就是我们刚才说的，OpenAI 对微软的影响越来越大，就像英伟达对 AWS 和 GCP 的影响也越来越大。我自己大概估算一下，Azure 这次一个季度的增速，40% 左右是 OpenAI 贡献的。下个季度公司指引增长 50%，其中 25 个点是 OpenAI 贡献的，另外 25 个点是非 OpenAI 贡献的。所以未来一两个季度，OpenAI 的影响只会越来越大。

相对比较好的是，OpenAI 和微软签的是长期合同，它给的承诺比很多短租客户更强，所以我觉得合同质量没那么差。但会让你担心的是，它对微软的影响越来越大，Azure 的议价能力可能也会受到影响。未来不知道会不会有一天，微软也需要像 AWS 和 GCP 一样，重新和 OpenAI 谈合同。

曹卿云 Qingyun Cao
还有最后一个关于微软的问题。Copilot 现在只报使用量，不报付费席位，我们该怎么理解这样的变化？

周默
上个季度大家对 Copilot 很乐观。虽然收入没有加速很多，但公司说上个季度席位超过了 3,000 万，而上上个季度公司说的是 2,000 万。你一减，就会觉得上个季度增加了 1,000 万席位。但“超过”其实是一个很模糊的说法：2,300 万也是超过 2,000 万，3,050 万也是超过 3,000 万。所以同时报 2,000 万和超过 3,000 万，不代表净增就是 1,000 万。净增可能是 700 万到 800 万，但你很难假设每个季度都有 1,000 万的增量。

如果每个季度都有 1,000 万增量，这个季度从 3,000 万到 4,000 万，Copilot 的季度环比增长就要达到三分之一，这很难。而且这个季度不需要增加 1,000 万席位，也能实现收入加速。我们做渠道调研发现，很多 Copilot 使用量是在今年 6 月和 7 月卖进去的。这意味着二季度新增的 700 万到 800 万用量，可能有一半以上的增量贡献是在三季度，而不是二季度。所以三季度不需要增加那么多席位，也能推动更高的收入增长。

我觉得不报席位，第一个原因是席位肯定没有增长 1,000 万；第二个原因是不用报席位，就可以解释收入加速。上个季度是一个里程碑，3,000 万是一个里程碑，所以公司就提了 3,000 万。

Copilot 这个故事对微软影响很大。你会感觉到，微软最好的时间点就是 Copilot 刚出来的那半年。如果 Copilot 能做起来，微软就是全世界除了两家实验室以外最大的 AI 应用公司，比做全世界第二大的 GPU 云更性感。所以我觉得公司还是会不断讲 Copilot 的故事，Copilot 的进展对微软的影响应该越来越大。

曹卿云 Qingyun Cao
感谢莫总分析。接下来看一看谷歌。谷歌这季度的财报比较分化：总营收 1,276 亿美元，同比增长 25%；GCP 增长 103%，但搜索只增长 12%，广告增速是五个季度以来最慢的。自由现金流为负 91 亿美元，本季度停止回购，发股发债大概达到 410 亿美元。财报后股价单日下跌 12.6%。你怎么看这份财报？市场在担心什么？

周默
我们做季度前调研的时候，对谷歌的业绩最担心。当时我们发了一篇谷歌季度前调研报告，标题直接表达了担心，叫“第一个受到 ChatGPT 影响的季度”。因为 OpenAI 广告 ARR 增长最明显的加速阶段就是今年三季度。OpenAI 之前说广告 ARR 是 1 亿美元，现在说是 10 亿美元，而且这个变化是在三季度发生的，现在肯定还更高。广告收入只有 1 亿美元时，对这些公司影响不大，因为太小了；但从 1 亿到 10 亿美元，在整个广告盘子里就一定会产生影响，也一定会改变广告主和代理商的中期预期，因为 10 亿美元已经是一个很大的数字。

我们做季度调研时，问了很多代理商和广告主，这个季度给 OpenAI、谷歌和 Meta 的广告份额有什么变化。很有意思的是，所有广告主都说，他们把谷歌的份额挪了一些给 OpenAI，但没有动 Meta 的份额，因为他们觉得和 OpenAI 直接对比的，是谷歌的广告预算。影响还没有特别大，但大家开始长期思考预算该往哪里放。而且 OpenAI 是一个新渠道，广告主和代理商还没有特别在意它的 ROI。

这个季度我理解公司的解释是，AI Mode 影响了短期变现，我觉得这个解释也不错。谷歌做 AI 广告有两种方式：一种是 AI Overviews，另一种是 AI Mode。AI Overviews 的逻辑我们第一次做播客时就讲过，它可以增加广告展示量。但我们当时也讲过，AI Mode 还不能证明能增加广告展示量，所以需要更好的广告表现和 CPM，因为广告展示量可能没有增加。

这个季度出现的情况是，你开始把更多展示量分配给 AI Mode，而不是 AI Overviews，所以 AI Overviews 里容易拿到的增量已经拿完了，接下来要摘更难摘的果子。但退一步讲，ChatGPT 对广告的影响和 AI Mode 对广告的影响其实是一回事：传统广告业务如何适应新的 AI 搜索行为。无论是被外部公司改变，还是被自己的公司改变，这个季度都产生了影响，可能会影响公司的长期叙事。

谷歌必须解决的问题是，怎么在更积极地把展示量分配给 AI Mode 的同时，证明它的广告表现比 AI Overviews 和原来的展示量更好。这不一定能在一两个季度内证明。

第三件有意思的事是，我们这次做季度调研时发现，Meta 明显在抢谷歌的份额。过去一年我们都没见过这种情况。传统上做广告调研，结论基本都是 Meta 好、谷歌好，或者 Meta 差、谷歌差，一般是同向的，很少出现这么明显的方向差异，因为大家会假设技术进步比以前慢了。但这个季度有一些很有意思的地方：Meta 在一些原来比较弱势的领域，比如旅游、金融，明显变得更好，正在抢谷歌的份额。

再看 Meta 的财报，它披露了各地区的增速，北美广告增速增加了 10 个点，但其他地区没有增加 10 个点。你可以用中期选举解释其中 4 到 5 个点，但还有 5 到 6 个点解释不了。Meta 发布财报后，我们频繁讨论这个问题。这大概率对谷歌不是好事，不能证明整个谷歌广告行业都更好，结合之前的季度调研，更像是 Meta 在一些传统弱势行业抢了谷歌的广告份额。

所以谷歌这份财报最大的讨论点不在 AI，也不在 GCP 增速是多少、卖了多少 TPU，而是广告收入是不是要重新回到谷歌广告受 AI 影响的叙事里。我估计这件事可能是个灰犀牛，因为 AI Overviews 已经是一年前的事情了，之后 AI 搜索的份额无论如何都会变大，无论如何都会有一个季度重新讨论 AI 对广告收入的影响，恰好是在这个季度发生了。

至于 GCP，正如之前讨论的，它非常依赖 Anthropic，最大的驱动因素就是卖了多少 TPU。为什么这个事情影响很大？因为 TPU 租给客户，要租五年，租金收入要分摊到五年。当然，总租金肯定比直接卖更高。但如果卖 TPU，五年的收入可以在一个季度一次性确认，所以同样一万张 TPU，卖出去对短期收入的影响肯定比租出去大，长期收入可能不如租出去。这是期限的问题。

所以这个季度 TPU 对谷歌的收入影响非常大。我们当时做过测算，10 万张 TPU 大概能影响谷歌 GCP 12 个点的增速。卖 20 万张、30 万张，差别非常大。GCP 卖多少 TPU，实际上是影响业务的一个黑盒子。如果 Anthropic 重新谈条件，GCP 收入可能就会稍微弱一点。虽然这个季度 GCP 增长了 103%，但很多人可能觉得应该做到 108% 到 110% 才够。所以这个数字算是符合预期，或者略微低于预期。

曹卿云 Qingyun Cao
Gemini 有什么更新吗？

周默
我觉得这个季度 Gemini 谈不上有什么非常大的变化。三季度 Gemini 的体验相比 OpenAI 和 Anthropic 还没有明显改进，真正的改进要等 Gemini 最新模型出来。所以你可能会在四季度看到一些变化，但三季度我觉得对 GCP 基本没有明显贡献。

曹卿云 Qingyun Cao
谷歌一边出售 TPU，另一边又从 SpaceX 高价租算力。谷歌自己作为云服务商，为什么还需要外租算力？

周默
首先，谷歌的算力还是有比较明显的限制。一方面，TPU 的产量明年下调了，因为供应商良率的问题，原来可能能产 1,000 万张，现在可能只能产 850 万张，所以算力容量变少了。但客户对算力的需求，比半年前规划时明显提高了，Anthropic 对 TPU 的需求也明显提高，所以 Gemini 的算力一直不够。

原来大家觉得前三家里 Gemini 的算力最多。去年 Gemini 的算力比 OpenAI 和 Anthropic 都多，所以可以大力出奇迹。但今年 Gemini 的训练算力可能只有 OpenAI 和 Anthropic 的一半，没法大力出奇迹。Gemini 还是很缺算力。从 SpaceX 拿来的算力，一部分要给 Gemini，另一部分要支持 Gemini API、企业版 Gemini、搜索以及 Gemini 驱动的产品。所以我觉得有理由相信，Gemini 在三季度会有一些相对乐观的变化，之后也会有更多贡献。

曹卿云 Qingyun Cao
讲完谷歌，再看看亚马逊。亚马逊营收 2,019 亿美元，同比增长 12%；AWS 连续六个季度加速，backlog 在手合同够它做三年。但亚马逊过去一年的自由现金流也是负的，债务也翻了一倍多。我们怎么理解亚马逊这份财报？

周默
亚马逊几乎只看 AWS。这家公司基本上唯一重要的就是云，只要电商不要太差，大家其实都不看电商，只看云的情况。

亚马逊这个季度给云的指引是，AWS 本季度收入稍微差一点。市场对 AWS 收入的预期应该是 42% 到 43% 左右，公司交出来的数字比预期差一点。但它给了一个两年指引，说未来两年都能到 40%。这个季度是 39%，未来两年到 40%，所以最后反映出来就是今年收入差一点，但 2028 年的收入预期变好了。AWS 股价的反馈其实比较积极。业绩公布后，AWS 的股价在三家 CSP 里反而表现最好。它虽然没达到预期，但给了长期指引，而且到现在还没有融资。

刚发业绩第一天，大家都觉得它要融资了，因为给了 40% 的增长指引。但后来发现还没融资。当然，没融资不代表不会融资，但至少和 Meta、微软、谷歌相比，它是唯一一家还没融资的。从回收周期、回本周期和加速角度看，AWS 都不错，没有非常明显的回报递减问题。

暴露出来的问题是，这个季度它的训练算力有交接问题，Trainium 2 到 Trainium 3 之间有一个空档期，没有新的训练算力。另外，Anthropic 过来压价，导致这个季度 AWS 表现没那么好。但以后它的训练算力也会像 TPU 一样对外出售，Anthropic 的需求承诺也很强，所以它给了中期指引。我觉得这个季度的业绩不好不坏，只不过业绩公布之前，大家对融资和其他问题有比较多的担忧。

曹卿云 Qingyun Cao
刚刚也稍微讨论了一下，亚马逊准备从 2027 年底开始对外销售自己的自研芯片 Trainium。自研芯片会让 AWS 损失多少利润？该怎么理解它的商业战略？

周默
Trainium 主要是给 Anthropic 用，其他人不怎么用，主要还是亚马逊自己在后台使用。客户调用 Amazon Bedrock 的产品、调用 Bedrock API 时，其实不知道后台用的是什么卡，所以 Bedrock 可以把很多算力需求放到 Trainium 上，主要是满足 Anthropic 的需求。它和英伟达以及自己的客户还没有明显的正面冲突，也没有 TPU 那么多外部客户，客户群还是比较有限的。

对利润率的影响，我觉得参考 GCP 的情况，对 AWS 来说可能没有那么好。GCP 的利润率本来就差，营业利润率只有 30 多个点，但卖卡可能接近 50 个点的利润率，所以对 GCP 的利润率有帮助。AWS 本来毛利率就挺高，有 60% 多，营业利润率也比 GCP 好。Trainium 能不能卖到 40% 以上的利润率，不一定。所以我觉得它对 AWS 利润率可能没有正面贡献，但也可能没有负面贡献，最后可能没什么影响。

曹卿云 Qingyun Cao
最后再来看 Meta。Meta 这一季度营收达到 646 亿美元，同比增长 26%；CapEx 是 349 亿美元，第一次超过经营现金流，占收入的 54%，也是四家里面最高的。另外，它的个人助手 Muse 上线六周就突破了 1,000 万用户，但财报次日股价跌了 7%。你怎么理解这一季度 Meta 广告的增长？特别是和谷歌的广告业务相比，AI 给 Meta 广告赋能带来的价值是不是更多？

周默
首先，Meta 业绩挺好，广告业绩很好，给的指引也不错，没什么特别多可以挑剔的。唯一不好的地方就是融资比大家想的多。原来大家觉得每年可能融 200 亿到 300 亿美元，结果现在要融 400 亿到 500 亿美元。那以后是不是每年都要这样？如果每年都要融 400 亿到 500 亿美元，不光不回购，每年还要从投资者手里拿这么多钱。大公司都喜欢分红和回购，苹果就是典型例子。如果每年都要这样融资，长期投资者就会比较担心。我觉得这是这个季度业绩的主要问题。

收入角度没什么大问题，收入很好。我们刚刚也说到和谷歌的变化：广告主把 AI 预算分给 OpenAI，对谷歌也有影响；Meta 没有 AI Mode，广告主现在也不会把 Meta 的预算给 OpenAI。这是两个不同的预算池，所以没有负面影响。

正面影响是，这个季度 Meta 的软广 CPM 提高得很快。我们上半年就讲过，Meta 推软广有很大空间，软广的广告库存空间也很大。半年前 Meta 刚开始做，这个季度变现已经有明显变化，说明 Meta 的软广算法肯定有很明显的提高。我们所有渠道都反映，软广 CPM 比上个季度变化非常明显，这是 CPM 变化最明显的一个季度。所以我倾向于认为 Meta 在软广变现上有很好的变化，可以增加广告展示量。

第二，Meta 也在很积极地做原来的 Audience Network，也就是类似国内网盟平台的业务。以前不太重视，现在开始做了，也有很多提升，这个季度也有一些增量贡献。还有一个是我们之前说过的，相对于谷歌的一些弱势行业，Meta 在有针对性地提升。Meta 相对于谷歌的弱势行业很清楚，包括旅游、金融、汽车、B2B、本地生活服务。

这些领域有一个共同点：谷歌更容易收集销售线索。举个简单的例子，你买车时会先在谷歌比较买 Tesla Model X 还是 Model Y，不会在 Meta 里问。你在谷歌里搜了，谷歌就拿到你的销售线索，马上可以给你推 Tesla 的广告。你要去旅游，可能先在谷歌搜墨西哥有什么好玩的，之后才会在 Instagram 上看。

这些领域的广告预算，谷歌更容易拿到。Meta 虽然可以进入广告的不同环节，但最前面、最赚钱的环节，份额肯定给谷歌。不过最近半年，Meta 在这些弱势行业的算法有明显提高，我们在很多渠道都听到 Meta 正在追赶。所以 Meta 的广告表现好，说实话不一定和 AI 有关系，至少这个季度是这样。

曹卿云 Qingyun Cao
Meta 的 CapEx 占收入比例是四家里最高的，达到 54%。如果没有云客户帮它分摊投入，它的回报该怎么验证？

周默
Meta 做 AI 投入，有几个回报驱动因素。第一是把 GPU 租出去，但短期不太容易，因为要给 Muse 和自己的模型团队分配更多 GPU，所以没那么快。第二是看 Muse 和 personal agent 的想象空间。财报前 Meta 股价表现不错，是因为大家觉得如果这是一个 10 亿 DAU 的产品，帮助会很大。从长期叙事看，确实如此，但问题是这 10 亿 DAU 可能要经历很多曲折，不是线性就能达到，可能要很多年，中间肯定有很多波动。

我自己觉得 personal agent 对 Meta 的帮助很大。这个问题我们第一次做播客时就讨论过，为什么它对 Meta 的广告变现帮助很大。按照现在的 TAM，订阅费当然可以收，但要算出几百亿美元收入非常难。大家都想算订阅费的钱，也都觉得理论上订阅费空间最大。但从商业模式角度看，消费级产品收订阅费其实很难。过去半年我们交流时一直讲的主要观点是，在大型商业公司里，最容易成功的往往不是创造新模式，而是在旧有模式里做增量。

所以我们当时就讲过，如果 Meta 的 AI chatbot 能做起来，会很有助于收集广告销售线索，也有助于广告变现。这个季度我们能明显看到 Meta 的很多策略都在往这个方向靠拢。我们刚才说，在代理商和科技公司里，能听到 Meta 在一些传统弱势行业追赶；再看 Muse 的很多做法也是这样。

比如旅游，是 Meta 相比谷歌最弱势的行业。旅游广告可以占谷歌十几个点的预算，在 Meta 可能只有几个点，不到 5%。一来一回差了好几个点的广告预算，放到 Meta 的广告收入体里，接近 100 亿美元。收订阅费要收多久才能赚到 100 亿美元？这是个很简单的算术题。

再想想旅游行业里要做好什么。比如我爸爸妈妈要带孩子去墨西哥玩，他们第一个办法是马上去谷歌搜墨西哥有什么好玩的、墨西哥城有哪些景点和餐厅。搜完以后就开始在 Booking、Agoda 或者其他地方搜机票，再搜酒店，可能还要在谷歌里比较一下。谷歌不光知道你要出去玩，还知道你的反馈、喜欢什么、哪一天出发。它可以给你推旅游、本地生活、机票和酒店广告，还能匹配你的出行时间。这些行为会发生在 Meta 里面吗？你不会在 Meta 里搜。

Meta 只能等你在 Booking 搜完以后，由 Booking 拿到你的销售线索，再通过 CRM 和 Meta 共享，匹配用户后给你推广告。但这个过程已经比谷歌慢了。谷歌的行为发生在前面，很多时候你先在谷歌搜索，再点进 Booking、Tripadvisor。Meta 在这些领域天生就有很大劣势。

但有了 Muse 以后会发生什么？在旅游场景里，Muse 会不会比谷歌更懂你的旅游需求和具体行程？它甚至比谷歌更知道你的路线，因为 Muse 会帮你规划早上去哪儿、中午去哪儿、下午去哪儿。我们觉得 personal agent 对收集购买意向有很大帮助。

订阅费也有帮助，因为如果不收订阅费，你就没办法衡量成本。尤其现在很多用户对订阅的接受度提高了。经过这两年的教育，大家已经不觉得每月买一个 30 美元的东西很贵。只要用户量够大，想象空间还是挺好的，未来的回报主要要从这里看。

曹卿云 Qingyun Cao
你怎么看 personal agent 产品的未来？特别是还有 Instinct，以及和谷歌、OpenAI 的竞争。你觉得 Meta 最大的优势和风险是什么？

周默
Meta 最大的优势是人多、算力多。你能很明显看到，Muse 这个产品有点像 Minds，不太像 GPT。Minds 这种产品的典型特点是反应快、运营快、产品迭代快，有新的需求就立刻实现。这是一个强运营的产品，不是靠技术突破就能和别人明显不一样的产品。这是 Meta 的优势。

Meta 和用户互动的触点很多，有自己的社交网络，所以能很快知道用户反馈，也能做大规模调研。如果这件事跑通了，它可以做大规模推广，也有更多产品经验，对产品卖点和用户需求可能有更好的认知。真要说技术优势，我觉得可能都差不多，不会有特别明显的技术优势。最大的难点是，如果这周有一个新的用户需求，你能不能立刻抓住，并在这个需求上做得比竞争对手好。这是现在竞争中比较薄弱的环节。

从增长角度看，我觉得不能假设 Muse 很快就能增长。比如我认为，财报前 Muse 可能有 250 万到 260 万 DAU，现在可能接近 400 万 DAU。它不是一个你想推就能马上达到 1,000 万 DAU 的产品，还是要一步一步增长。

Meta 到现在也没有大规模推广，也没有推送给所有用户让大家下载。Muse 开放的国家也是一个一个开放，没有很明显的横幅告诉大家今天就去下载。甚至它一开始的推广力度，没有当年 Threads 刚出来时那么大。而且 Muse 和 Threads 不一样，下载 Threads 就知道怎么用，因为大家都用过 Twitter；下载 Muse 不一定知道怎么用，因为你要和它对话，还要想自己要做什么。Threads 不需要对话，下拉就知道怎么用了。所以使用门槛也不一样，门槛决定了它不能大规模推广。如果大规模推广后留存上不去、用户留不下来，不是白推了吗？反而会增加用户阻力。所以它需要先打磨留存。

agent 产品的留存，和传统互联网产品也不一样。传统互联网 APP 一上线，留存就比较正常，和以后差别可能不大。很多游戏产品第一周留存就是以后最高的，因为互联网产品上线时，核心功能和最大的卖点已经有了，后面更多是做探索。社交网络产品的留存为什么能提高？因为它有网络效应。工具类产品的核心功能一般第一周就有了，不然也不会上线。

但对 agent 产品来说，你不知道刚上线的核心功能是不是以后真正的核心功能。产品迭代很快，所以现在的留存不代表以后的留存，以后的留存可能很不一样。你需要不停地测试，找到自己满意的留存。拿 OpenAI 来比较，它刚上线时 14 天留存也就 10 个点，花了快两年时间才接近 20 个点。现在 14 天留存达到 25 个点，就可以把它看成长留，潜在用户乘以 25%，大概就是 DAU 的上限，可以这么看。

我自己认为 Muse 现在的 14 天留存可能是 15% 到 16%。在这种情况下做推广，其实是在浪费潜在用户。合理的做法应该是等留存超过 20% 再大规模推广。达到这个门槛之后，产品就会水到渠成，形成正循环。但跨过门槛之前，有很多不确定的优化工作。留存从 10% 提高到 15%、16%，你可能觉得很容易、信心很强；但之后可能卡在 17% 到 18%，不再增长。所以什么时候能跨过这个门槛不太确定，也不能简单地根据 Meta 有 20 亿 DAU，就推断 Muse 会有多少用户。

曹卿云 Qingyun Cao
我觉得莫总的分析相当精彩。几个大厂的财报过完之后，我们再回过头来看整个 AI 融资的情况。前段时间大家比较关心循环融资的问题，你觉得这种循环融资和表外融资需要担心吗？另外，美联储还在加息，10 年期美债一度突破 5%，这意味着周期进入了什么阶段？

周默
这个担心已经有两三年了，只不过这种担忧会时不时集中爆发。一般的爆发点是，你发现融资规模特别大，账算不过来了，和 ROI 有差距，就开始担心需求端和供给端出现错配。

另外一个担心是，利率提高很多以后，钱不够了，资金变紧。现在甚至开始有人担心反身性：这些新实验室跌了这么多，融资难度是不是更高了？是不是越跌融资越难，越难就越跌，形成负面循环？所以出现了很多这种担心。

比如 OpenAI 其实没有现金流压力，一共融了 1,400 多亿美元，账上还有 1,300 亿美元，也没花多少钱，总共也就花了 100 亿美元，而且现在现金流还是正的，以后花钱更少了。但 OpenAI 的问题是它没有扛 CapEx，本质上是一个零 CapEx 公司。以后要买算力肯定会有一些 CapEx，但现在它把融资压力和现金流压力传导给了新实验室、GCP 和 AWS。这些 AWS 不是它建的，是其他人建的。

所以融资的难点其实不在 CSP，主要在新云厂商。整个融资问题，不是前沿模型公司的融资问题，也不是 CSP 的融资问题，几乎都是新云厂商的融资问题。

大家担心什么？你发现英伟达开始下场支持这些新云厂商，以前觉得这是好事，市场下跌时就会觉得这是坏事：为什么要支持，是不是不行了才需要支持？你会发现这些担忧都是这样来的。很多关于股价和变化的解释，都是事后总结出来的，但也都有道理。

我觉得反身性这个问题有也没有。说它没有，是因为融资时，别人看你、决定给你多少贷款、多少预算，主要还是看净债务除以 EBITDA 这个指标。但分子分母都会变化，融资成本可能变化，利率提高，融资期限也可能变化。很多时候，可能是利率和资金市场环境在影响，不会因为股价跌了就直接发生明显变化。

但如果 GPU 价格变了，这个指标就会有明显变化。GPU 价格变了，EBITDA 会变小，净债务可能不变，融资压力就会更大。股价不一定是最关键因素，但如果 GPU 价格或客户需求发生变化，融资就会变难。

第二，虽然股价不会直接影响这个指标，但会影响相对变化。同样一笔钱，是给 CSP 还是给你？如果你的股价跌了很多，投资者会不会觉得这笔钱应该给 CSP？或者说，应该给 SpaceX，还是给相对差一点的新云？所以你的相对融资难度可能会变化，也会暴露整个融资链里谁比较弱、谁比较强。股价反应也围绕这个问题。

曹卿云 Qingyun Cao
接下来梳理一下半导体的财报。我们看到台积电年内第三次上调全年增速到 44%；ASML 的客户已经预订到 2029 年、2030 年的交付；存储利润率达到 80%，台积电接近 60%，而云厂商现金流转负。钱从下游流到上游，利润落在掌握瓶颈的环节。这种分配格局会持续多久？

周默
这基本上就是看 CapEx 处于上升周期还是下降周期。上升周期就会持续，下降周期就不会持续，相对程度会有变化。归根到底还是在讨论 CapEx 预期。

如果 CapEx 持平，像现在大家假设 CapEx 持平，瓶颈靠涨价的品种就不好涨价了；靠走量的品种可能会抢到更多份额，瓶颈也可能转移。所以大的趋势是大家的瓶颈同上同下，但在微观变化上，因为有的靠价格，有的靠销量，或者靠别的因素，相对瓶颈会有变化。

曹卿云 Qingyun Cao
接下来想聊聊最近中期选举对算力和数据中心建设的影响。民主党拿下了两院，而且几位新当选的州长也主张可能暂缓或暂停数据中心建设。你觉得这会怎么影响四大云厂商的扩张，又会怎么传导到半导体和硬件公司？

周默
首先，这件事影响 2028 年，不影响 2027 年。2027 年所有审批都会通过，这是新州长明确说的，所以影响的是 2028 年。

2028 年，美国大概规划和审批了 60 多吉瓦，德州差不多 18 吉瓦。如果全部通过，还剩 42 吉瓦。当然你会担心别的州会不会效仿，可能会更少；也会有人说德州可能有 18 吉瓦，不会全部通过。反正大概的市场判断是，这 60 多吉瓦可能变成 40 多吉瓦，可能有 15 吉瓦左右受到影响。这是大家关注的地方。

但如果这样去估算，原来大家预期明年就有 40 多吉瓦，后年还有 40 多吉瓦，那不是 CapEx 就持平了吗？不管需求怎么样，算力容量都持平了。这就是最近出现 CapEx 持平预期的原因。

我觉得这件事本身有很多不确定性。周五州长出来说，他们本质上不是反对所有数据中心，反对的是不考虑德州人民需求的数据中心。SpaceX 的项目什么情况可以谈、什么时候不可以谈，他也讲了。这件事能谈，不是完全不能谈。

本质上，很多数据中心建设需求是从县一级出发的，有的县想建，有的县不想建。你会发现 2028 年很多等待审批的数据中心需求在红县。以前主要是蓝县想建数据中心，现在很多红县也想要收入，也想建数据中心。所以最后是从下往上谈：数据中心在哪儿建，可能需要先和县谈，再由县和州谈。没有办法统一立法，最后还是经济需求的问题，哪些地方能谈妥，哪些地方谈不妥。

所以肯定不是一刀切，大概率不会影响那么多数据中心，影响范围可能比 18 吉瓦或 15 吉瓦更小。我觉得这取决于最后的变化。如果真是 18 吉瓦，那影响肯定很大；如果最后只影响 5 到 10 吉瓦，影响就没那么大。

曹卿云 Qingyun Cao
如果建设变缓，供需缺口继续变大，手里有现成产能的人反而更值钱。你觉得谁的模式更有韧性，谁受益最大？

周默
第一反应就是想谁会受益于存量。一看，存量主要在三大云手里；再往下看，德州新建的产能主要是谁的？主要是新云厂商和 SpaceX。于是你会想，新云厂商丢了份额，大云影响不大，大云还能涨价，所以大云受益。

再往下想，大云还有很多海外算力，现在都去马来西亚、东南亚、北欧建数据中心，大云是行动最早的。美国这边算力不够，可以把需求转移到海外，海外可以补充算力；新云厂商基本都只有美国境内的算力。这样一想，就会觉得 CSP 不错。

我们上周也发了不少报告，讨论德国的数据中心影响、太空算力的影响，还有自发电和 BTM Power 的影响。太空算力也有帮助。我们从供应链得到的结论是，大概到 2028 年能有 1 吉瓦的太空算力容量。有帮助，但没那么大，不足以填补 10 吉瓦的缺口。

第三件事是自发电的影响相对还好。比如我们做了一些渠道调研，如果这件事要和县里谈，县里有发言权，当地居民也有发言权，首先就要满足县里的要求。无非有几个方向：第一个是谈钱、谈补助、谈电费补贴；第二个是告诉他们新增电力是自己发的，能保证运行，不会影响当地。

如果使用自发电源，证明新增负荷不会推高电费，社区的反应还是相对积极的。100% 自发电是一个比较正面的信号。社区也不会特别区分电力技术，很多县就是看结果。所以我觉得 BTM Power 有好有坏，但如果真的能谈下来，就是好事。

曹卿云 Qingyun Cao
最后再过一下这个季度软件公司的财报。软件企业有哪些新动向？哪些公司受益，哪些公司被市场惩罚？

周默
软件这个季度的财报有不少雷，没有大家想象的那么好。原来大家觉得，直接落地有难度，也有很多安全访问问题，特别是最近出现了这么多安全问题，企业可能会更加相信传统软件公司的 AI 增强功能。但你会发现一个瓶颈：安装这些功能，对 FDE 的需求很大，服务交付周期比想象中长。

这些软件公司需要花更长时间交付，这对它们来说是好事，但这里有一个明显瓶颈，会影响短期收入。如果一家公司有 FDE 交付能力，那就很厉害。比如 Palantir 就挺好，因为它有很强的 FDE 交付能力。企业很多时候不知道该怎么做，需要有人手把手教。

第二，安全方面有比较明显的变化。现在每周都有一个大的安全事故。以前有多少黑客，现在有多少黑客；以前一年发现多少漏洞，现在一年发现多少漏洞。你会发现很多问题在最近一年、最近几个月被无限放大了。当然安全公司也各有不同。有些公司稍微传统一些，也有自己的周期性问题，比如 Fortinet；有些公司会更受益，比如 Cloudflare，之后也可能是 CrowdStrike。虽然公司之间有区别，但对好公司来说，受益还是比较明确的。

而且这个市场很大，因为你终于在软件里找到了一个有点像编程的领域，可以用数字去论证。如果现在黑客数量是以前的 10 倍，不就能说明这个领域的空间有多大吗？其他领域没有这么明确的指标。

还有一些面向消费者的软件成为新的热点。之前大家好久没看到 AppLovin 了。AppLovin 一年前还是软件龙头，和 Palantir 一样。但今年已经一年没人讲 AppLovin，大家觉得它被 Unity 抢了份额。上个季度可能比较负面，这个季度第一次看到比较看好的观点，因为 AppLovin 的表现很好。

从市场角度讲，大家肯定希望从 B2B 里切出一些钱，但又觉得很多行业会受影响，希望找到 AI 带来净增量、又不会受影响的领域。你再看一些行业，也说不清软件公司到底是受益还是受损，还担心会不会被淘汰。反过来看，这些和消费级软件、消费互联网广告相关的公司，明显不是受损标的，又好像解决了一些竞争问题，而且估值很便宜，之前已经受 B2B 和 AI 逻辑影响很久了，一下子就成了热点。所以现在消费级软件、消费互联网的关注度在增加。

曹卿云 Qingyun Cao
有没有看到哪些企业 AI 项目落地有比较大进展？还是说仍然处在试点阶段？有没有已经规模化的应用场景？

周默
这是个很好的话题，也是我一直疑惑的事情。从八九月份开始，我们就在做大规模的企业 AI 落地调研，到现在已经访谈了接近 100 家全球企业，也会不停地复访、跟踪季度趋势。我觉得这已经是一个很大的样本。

但最后发现一个有意思的问题：很多企业的方向感没有想象中那么强，CIO、CTO 对要做什么其实没有那么清楚。很多 use case 需要带一点咨询属性，教企业怎么做、帮他们测 ROI。

过去，你跟 CIO、CTO 说买 20 美元的 ChatGPT Plus，他们不需要动脑，别人都买，我也买，用量马上就上去了。但如果你跟他说要买 200 美元的产品，不光要买，还得重新改变 AI 工作流，他是不是就要多想一下？得想想这件事到底有什么 ROI、怎么做。买订阅不需要动脑，也不用承担风险，因为大家都这么做；但做后面这件事就要承担风险。到了这一步，你就会发现他们有些犹豫。真正方向明确、对 ROI 认知清晰的企业没有那么多，所以需要很多 FDE，需要很多服务公司帮忙测算。

这件事你可以想想几年前大企业做运营重组，是不是也是这样？麦肯锡有专门的业务线帮企业提升运营效率。本质上，你是指望麦肯锡的人过来帮你提效吗？请 10 个麦肯锡顾问就能把 1 万个人的毛利率提高一个点吗？不可能。典型的做法是，你希望他们把你想说的一些东西说出来，也希望他们承担一些风险。

所以 FDE 和很多服务场景越来越像一个明确的瓶颈，会让进度比想象中慢一点。你不能指望它像上半年那么快，可能需要一年甚至更长时间。企业使用 Copilot，试用阶段可能都花了一两年；你再让它们花更长时间重新调整工作流，指望一年完成也不现实。

曹卿云 Qingyun Cao
感谢莫总把整个三季度科技板块给我们做了全面梳理。今天最后一个问题：接下来你觉得我们最应该关注什么？

周默
最重要的肯定是 Anthropic 的 IPO。Anthropic 到底怎么讲它对收入的看法，怎么讲长期承诺？

从我自己的角度看，现在最关心的第一个问题是，我们刚才说很多需求风险在新云厂商，但新云厂商的风险很多来自新实验室。你去担心 Anthropic、OpenAI，我觉得有点早。Anthropic 现在还挺好。但你担心这些新实验室，这种担心是真正可能发生的。这些公司估值贵的已经有几百亿美元，但收入没几个点。你研究 Anthropic 时还在考虑 20 倍市销率合不合理；看这些新实验室，就要算 200 倍、2,000 倍市销率合不合理。

所以这些公司非常受融资环境影响，本质上也不一定比前沿公司更有效率。前沿公司已经处在一条非常有效率的路径上，而这些公司占了新云厂商很大一部分增量算力。我们自己简单估算，可能有 20% 的新云厂商增量算力来自新实验室。所以它们是整个融资链里最敏感的环节，也是最前瞻的指标。这是一个非常重要的问题，我们正在认真梳理。它也会影响这些融资，以及这些公司获得算力时有没有反身性，可能会成为一个风暴点。

第二，从我们的角度，最近听到很多产业端的噪音，这些噪音最后到底会不会落实到 ODM、OEM，也可能不会，可能只是技术变化。下跌的时候很多声音会被放大，口径也很多。你不能从 A 那里听到一个口径，再从 B 那里听到一个少了的口径，就说砍单了；A 和 B 的口径可能完全不一样，不是苹果对苹果比较。最近很多传闻就是没有用可比口径，而是在下跌以后用口径差异解释订单差异。出现这种情况时肯定要更谨慎，要看最后是不是真的有变化。这也是我们关注的核心问题。

第三，特别需要关注的是，两家实验室的 AI 变化，并不是开源模型造成的。开源模型的差距最近三个月其实拉大了，不能说 AI 变慢是开源模型造成的。说实话，本质上是最近几个月两家实验室之间出现了价格竞争。OpenAI 先降价，先发了很多免费额度；Opus 5.5 比 Opus 5 便宜了 20%，当然也可以说 Opus 5.5 的推理效率更高。你可以说现在模型迭代更快、推理效率提高，所以性价比更高了。但无论如何，价格体系产生了一些影响，而价格体系是短期 AI 冲击的最大因素。

所以两家实验室的 AI 增长有点跷跷板效应。一件事情有了跷跷板效应，就说明竞争对增长的影响更大了，特别是在这种情况下，市场上很多传统行业也是这样。未来价格竞争会不会变化，能不能稳定，也是非常重要的关注点。我觉得这比关注开源模型和闭源模型之间的差距、份额怎么样更重要。甚至你觉得开源模型份额变小，也可能是因为开源模型降价了，这也是很重要的一点。

最后，有一件很有意思的事，在美国需要特别关注。如果你天天刷抖音，会发现短剧发展得非常快，带来很多问题。有人会说横店找不到工作了、制作成本太便宜了、影视行业就业受影响了。但这些事情在美国还没发生。

在美国，过去很长时间里，短剧对互联网生态是积极的促进因素。为什么？之前投资的很多都是小平台，比如它们自己的 APP。美国有几十个短剧 APP，留存都不太行，需要不停买用户、做 UA、做变现，所以广告预算源源不断。因为它不是一个只进不出的产品，而是一个既要进也要出的产品，所以它给广告平台和消费行业带来了很多增量预算，是整个经济生态的利好。

但如果它变成一个只进不出的产品，时长越来越高、留存越来越高，形成了自己的生态，那就不是好事了。问题就会变成广告预算今年投在这里，明年就不一定投在别处，进而影响更多东西。这也可能影响明年整个互联网和消费生态。我觉得这件事难以避免，只是要衡量影响有多大。

曹卿云 Qingyun Cao
好的，非常感谢莫总今天精彩的分享，帮我们梳理了三季度的整体财报，也梳理了未来值得关注的重点。我相信所有观众都和我一样，今天受益良多。

周默
谢谢，谢谢，谢谢卿云老师，谢谢大家。
