硅谷坐标 x FundaAI周默：美股科技公司Q2财报深度拆解：资本开支增速重新超过AI收入

三个月前财报季刚结束的时候，莫总在这里留下了几个判断。今天我们看看，这个财报季结束之后，周总的观点有没有更新。

1. 半导体暴跌引发连锁反应

先聊聊最近一个月剧烈的行情。7月份，半导体板块蒸发了超过1万亿美元的市值，4家大厂年度资本开支的指引也继续上调。财报之后，市场的反应非常分裂：微软和亚马逊被大幅奖励，Meta下跌，谷歌则是先跌后修复。同样是花钱，待遇却是天差地别。

你觉得市场的叙事，特别是对整体AI资本开支和回报的叙事，有什么新的变化？

过去一个月，可能是我们有股票以来，人类历史上回调最猛烈的一次比较大的变化。当然，对于这些“七巨头”来说，其实没有什么回调了，现在它们都在创历史新高。但是对于大部分半导体股票来说，几乎都是在一个月时间里跌了一半，甚至跌了一半以上。

就算回顾当年的互联网泡沫，也没有经历过这么剧烈的回调。如果按照回调的幅度、速度，以及参与其中的人所感受到的情绪来看，我觉得可能比当年的互联网泡沫有过之而无不及。

这里面有几个比较大的原因。第1个原因是，现在有了AI以后，所有人的学习效应和学习速度都非常快。你理解利好很快，理解利空也非常快，1个小时就能完成对一家公司的基本研究。

第2个原因是，现在美股信息和言论的传播速度，其实也比1年前快了非常多。主要原因是，Twitter和Substack上各种各样的影响者，他们的影响力正在越来越取代投行研究机构的影响力。所以，一个传闻从出现，到大家讨论，再到股价反应，速度会远远比以前快。

如果我们复盘过去1个多月整体下跌的原因，到了5月份开始，美国机构开始建立很高的仓位。之前大家在半导体上的平均配置可能是15%、10%，但到了5月份，有几家非常有名、在美国有影响力的基金，可能也带有影响者属性，它们提到半导体仓位可以加到30%到35%。

所以，整个5月份，美国机构上仓位的速度可能是历史上最快的一个月。6月份已经有很多关于“token maxing”的讨论，从机构角度，特别是美国对冲基金的角度，6月份就已经开始加一些空头仓位。因此，6月份的时候，机构的净仓位已经开始下降了。

但是，散户的半导体仓位应该是在历史最高点。到了7月份，部分领域已经呈现出非常高杠杆的特征，所以稍微有一点下跌，仓位稍微下降一点，马上就会引来很多关于基本面的讨论。

2. AI资本开支回报反转

第1个讨论，就是我们上一次谈得比较多的CapEx和ROI问题。刚刚卿云老师也提到了，上次我们聊的时候有一个很有意思的点：今年1月到5月份，整个半导体仓位大幅上涨，是因为整体市场的AI ARR增长速度要比CapEx增长速度快，所以ARR和CapEx之间的差距在变小。

你回顾现在的几家模型公司，Anthropic相比去年年底已经差不多增长了8倍。OpenAI相比去年年底虽然增长稍微慢一点，但也差不多增长了1倍多。但是你想想CapEx的数字，相比去年年底可不是同等幅度的增长。所以，CapEx和ARR的绝对值差距在缩小。

绝对值缩小以后，就说明整体AI的ROI在今年上半年变好了，改善趋势越来越明显，有助于大家缓解对ROI的担忧。

另外一个点，是每GW数据中心的收入和ARR越来越高。去年年底，大家的认知是，1GW数据中心差不多每年能租出100亿美元的营收；到现在，已经到了300亿美元。同样的算力，它有了更高的价值。

同时，在ARR和CapEx两端，它们之间的差距也在变小，所以你会感觉到ROI会变得更好。

但是到了这个季度，恰好又出现了一次反转。这也是我们上个季度特别提到的：当时卿云老师问我，几家大型CSP的CapEx为什么这么强。当时提到的一个很大的原因，是存储以及整个半导体上下游都在涨价。

而现在的情况是，涨价幅度经过3个月以后已经涨得过多了。我们以1GW数据中心的成本来看，去年年底，1GW数据中心的成本差不多是350亿美元；到了明年底，考虑到要么用B300，要么用Vera Rubin，1GW数据中心的成本差不多要到550亿到600亿美元。

也就是说，单GW数据中心的成本要涨50%。所以从第2季度开始供应链涨价，再传导到下半年以后，特别是第2季度和第3季度涨价幅度比较猛。从第2季度这个时间点往后看，CapEx增长又比ARR增长快了。

CapEx比ARR增长快，很大的原因是供应链通胀。这就造成了很多微观公司出现了长期ROI担忧。典型的例子就是Meta。考虑到这一轮供应链涨价完成以后，Meta明年的CapEx差不多要到2,200亿美元。

2,200亿美元已经相当于Meta明年收入的70%，相当于Meta明年利润的2倍。原来大家对于Meta的讨论是，Meta花了这么多CapEx，会把现金流全部花光，要把所有利润都拿去投资CapEx。

但到了2027年，这个问题就不只是把所有利润拿去投资CapEx了，因为CapEx已经是利润的2倍，甚至接近收入了。对于Meta来说，它要回答的问题是：这么大规模的CapEx投入以后，到底能不能再造一个Meta，而不只是把所有现金流花光。

我记得到了7月1日，Meta发布消息说要对外出租GPU和算力。那一天，整个半导体和Meta股价的反馈都非常剧烈。

Satya Nadella在过去两个月一直是开源模型最大的支持者，讲了很多开源模型对于CSP和ROI的帮助。所以你也会想，这是不是意味着微软也可能要削减CapEx。

股价稍微下跌一点以后，因为之前已经有很多关于CapEx的担忧，所以就衍生出一个问题：是不是CapEx已经大到这个程度，反而会让一些承受不了的公司开始削减CapEx？

大约1周以后，又出现了Kimi K3。Kimi K3这次的影响，比今年年初的DeepSeek V4，以及这周刚发布的DeepSeek V4 Flash和Pro的影响都大很多。

对于大部分美国投资人来说，大家原本认为前沿模型和开源模型的差距还在6个月左右，但Kimi K3基本上把这个差距缩短到了3到4个月。再叠加此前关于CapEx的讨论，自然会更加担心开源模型是不是会冲击现在的CapEx格局。

再往后两周，又出现了非常明确的舆论影响。到了7月下半月，出现了很多关于存储在亚洲卖不上价格的传闻，包括手机厂商拒绝存储报价、BAT开始拒绝存储报价。尽管北美CSP已经接受了存储报价，而且议价能力很好，北美其他厂商对存储报价也没有什么问题，但这些亚洲舆论通过Twitter上的渠道迅速传遍了美国。

恰好那个时间点，美国一家知名基金正在降杠杆、接近爆仓。两个事情叠加在一起，特别是那家基金的仓位非常大，gross仓位很高，覆盖到整个美股，可能影响几百亿美元的半导体仓位。

所以，7月底经历了一轮最大的半导体下跌。那一周可能跌了30%到40%。

回过头来看，这一轮下跌首先是仓位触发的，然后是CapEx担忧，接着开始担心大厂的CapEx；然后出现存储涨价，又出现开源模型，最后出现流动性危机，并以流动性危机收尾。

3. 微软Copilot重获加速

接下来我们把4个科技大厂的财报过一遍。我们首先看看微软。上次你对微软是最谨慎的，因为我们看到Office没有加速，Copilot原生集成的优势被削弱，而且大公司的迭代速度又变慢。

但这次微软成为整个大盘股里面逻辑反转最猛烈的一家，主要是什么原因？

这次财报前，我们确实转变了对微软的态度。财报前我们写了一篇关于微软的报告，里面特别写到：这个季度是我们过去1年唯一一次看到Copilot加速增长，并且在大型企业里面加速渗透的季度。

其实对于Azure来说，一直都比较不利，但Azure在这个季度的变化也比较明显。

Copilot对微软的叙事影响比较大。回顾微软之前的股价，微软股价表现最好的时候，差不多是在2年多以前。那个时候，正好是微软Copilot最强的时候。

当时主要炒的两个股票，一个是英伟达代表的GPU，一个是微软代表的Copilot。Copilot当时是全世界最大的AI应用场景。

之后就经历了各种各样的Copilot问题，包括Copilot迭代慢，Claude和OpenAI有更加原生的模型，以及我们上次提到的，Copilot在合规和权限处理上影响了开发迭代速度。

但到了这个季度，我们看到了一些变化。财报前，第1个变化是，过去很多客户购买Copilot时，要先做试用，通常先建立10到20个席位的试用基础，再慢慢向其他员工扩展。

到了今年上半年，特别是从第2季度开始，我们看到非常强的正式采购意愿。我觉得这可能也比较合理，因为企业在今年上半年做预算，差不多到第2季度就能看到收入。

这次财报前，我们看到几个非常大的客户，包括一家非常大的美国金融机构，已经按照10万个席位的规模开始采购Copilot。之前还是几千个席位的试用，现在变成了10万个席位的采购。这是过去两年从来没有见过的。

Copilot团队也做了很多变化，包括合并消费者Copilot和商业Copilot。合并以后，管理变得更加容易。原来类似OpenClaw的产品，也开始变得更加协同，越来越往Copilot超级应用的方向演进。

我们上个季度也提到，Copilot开始做Harness。虽然它的能力仍然比不上Claude，但这个季度完成以后，相比Claude已经没有那么差了。

另外，Copilot开始把越来越多的底层模型换成coding模型。其实从去年年底开始，大部分AI Agent公司都已经开始把底层模型换成coding模型。

有了coding模型以后，就可以支持更长的推理链路，在执行前进行更多检查和推敲，降低复杂任务的出错率。从今年第2季度开始，Copilot开始独立做应用，不像以前那样难用，Excel的出错率也开始明显降低。

所以，如果从产品变化来讲，Copilot相比上个季度确实有比较明显的变化。但如果从前沿创新，以及更加原生的AI组织能力来讲，它还是比不上Anthropic和OpenAI。

不过，偏偏这个季度是Copilot迭代最快、最容易补上差距的季度。所以我们其实不容易判断，这个季度的变化能不能在后面两个季度继续延续。但是，这个季度和下个季度Copilot的变化确实比较明显。

因此，我们在财报前的预览里也提到，过去1年中，我们第1次觉得Copilot会在这个季度超过预期。

第2件事情是Azure的变化。原来OpenAI使用Azure进行训练时，有一个超级集群。按照之前的协议，这个超级集群不能算作Azure的收入。

但随着OpenAI在Azure上有了更多其他集群，这些新的集群用于训练时，就可以计入Azure收入。从今年年初开始，OpenAI有越来越多的训练收入被计入Azure的收入增长。

另一个点是，Azure在威斯康星州有一个数据中心，这个数据中心在第2季度释放了更多产能。同时，第2季度又是算力最紧缺、最夸张的一个季度。

比如Anthropic租用CoreWeave的数据中心，差不多1GW就能带来300亿美元以上的营收，远远超过Azure此前出租数据中心的价格。

所以从4月到6月，续约GPU的价格和新签GPU的价格都开始涨价，涨价幅度差不多达到个位数后段到低两位数。原来的存量合同客户，如果没有续约，可能不会涨价；但新的产能带来的客户，都要开始涨价。

除了GPU涨价以外，CPU也开始涨价。CPU涨价不一定是直接涨价，可能会收紧折扣、调整合同，推动客户更换新一代实例。

因此，CPU涨价、GPU涨价、更多产能，以及更多OpenAI在Azure上产生的训练收入同时出现。与此同时，OpenAI第2季度的收入也比第1季度加速。我们可以看到OpenAI发布的Codex图表，基本上Codex的增长都是从5月份开始的。

所以，OpenAI第2季度的推理收入也在加速，这就带来了Azure比较快的增长。

除了基本面变化，微软还有一些比较大的逻辑变化。那天正好是Meta和微软同时召开业绩会，先是Meta召开业绩会。Meta业绩会结束以后，整个半导体板块就开始下跌。

Meta遇到的问题是收入指引稍微低于预期，但CapEx投入虽然这个季度稍微低一点，后面两个季度却更高，明年的CapEx也更高。

4. 开放模型重塑微软回报

到了微软业绩会时，Satya讲了一个非常有意思的例子，做了3个对比：第1种是自己训练模型的ROI；第2种是托管别人的模型、再去出售的ROI；第3种是自己拥有模型并把模型出售出去的ROI。

微软既和OpenAI这样的公司合作，也和开源模型公司合作。最引人瞩目的是他讲到和开源模型公司的合作，提到这样的ROI差不多是30%，也就是大约3年回本。

这和Satya之前讲的非常相似：开源模型对于CSP来说有更好的ROI。这一次，他第1次公开以业绩会的形式告诉大家，微软为什么要做开源模型，以及微软做开源模型会带来什么样的ROI变化。

为什么它会比和OpenAI合作、和S2B合作有更好的ROI？这会让微软在下一个阶段看起来ROI比原来更好了。

原来对于微软ROI的担忧，是微软把大部分算力租给OpenAI，而OpenAI在这个行业里有巨大的议价能力。所以微软的利润率以后可能提不上去，ROI也上不去。

但如果微软可以分散模型的token需求，拥有更多开源模型，议价能力就会变强。开源模型的定价，本质上是CSP定价，不是开源模型定价。所以微软有了定价能力，这就是微软ROI逻辑上的变化。

特别重要的一点是，微软是这几家CSP和Meta里面唯一一个提到明年现金流为正的公司，其他几家的CapEx都是负的。

微软有一个比较有意思的特点：它可以在现金流为正的情况下不停提高CapEx，同时增加的CapEx还能够带来收入加速。

这其实非常重要。因为今年制约数据中心的另一个瓶颈是融资，融资端的供给会影响数据中心建设。但如果你的现金流是正的，那么在融资市场里面，你的议价能力就会强很多。你能够拿到更多资金，甚至不完全依赖融资，而是依靠自有资金进行CapEx投入。

所以，这个相对积极的关键指标，可以让微软在融资市场拿到更大的份额。

微软这次也给了一个比较罕见的透明披露：商业RPO增长84%，达到6,000多亿美元。剔除OpenAI那一部分以后，增长也有25%，而且这个增量全部来自Frontier Labs以外的客户。

这组披露是否能够解决大家对于客户集中度以及低质量收入的质疑？

没有解决。刚刚你也说了，大部分RPO还是来自OpenAI，所以RPO的增长主要还是模型公司带来的增长。

但从客户集中度来说，这个季度出现了一个好的趋势：微软开始寻求OpenAI以外更多的算力需求方，并且能够掌握算力的定价能力。这是之前很难做到的。

因为如果后续是开源模型，开源模型的定价由微软来做，这就是之前比较难拿到的能力。

相对来讲，我觉得对微软来说还有一个比较大的变化。这个季度，Azure OpenAI的毛利率已经到了85%。OpenAI的毛利率肯定也是50%或者略高于50%。

本来做GPU租赁生意，毛利率差不多在40%多。这是因为在整个环节里，模型公司赚的钱比CSP多。

但如果托管开源模型，微软就可以把原来由模型公司赚取的那部分利润拿到CSP环节。所以，无论是做token factory，还是托管开源模型，毛利率都肯定比原来和OpenAI合作更高。

因此，微软虽然没有完全回答客户多元化的问题，但回答了关于毛利率和ROI的问题。

刚才你也讲到，Copilot这次的付费席位从第1季度的2,000万升到现在超过3,000万，净新增环比也翻倍了。

但相对于整个Microsoft 365数亿的总用户，Copilot的渗透率其实仍然不高。你更看重什么样的指标？比如付费席位、实际活跃率，还是消费量？

我觉得对于整个Copilot体系来讲，之前最重要的指标应该是激活率和活跃率。大量企业买了Copilot以后，激活率和活跃率都不高，甚至很多企业在计算Copilot活跃率时，只能看周活和月活，没有办法看日活。

活跃率代表的是产品体验。还有一个指标叫NPS，也可以用NPS来看产品体验。

这个季度比较明显的变化是，原来用Copilot独立制作PPT，几乎处于不可用状态。大部分用户只能用Codex或者Claude Code来做PPT。

但现在PPT加入底层coding模型以后，已经可以按照指令制作出能够使用的PPT了。所以从体验端来看，第2季度确实有比较明显的变化，这些指标看起来也都有明显改善。

有了这些数字改善以后，下一步就是看大型企业能不能做扩张。原来我只给5%的用户买了席位，如果这5%的用户使用得很好，是不是可以给30%或者50%的用户购买席位？

这是这个季度比较大的变化。我们看到有几家公司一次性购买了超过10万个席位，而且是全年采购。过去从来没有见过这样的情况。

这是第1次看到一家大型跨国集团从几千个席位的试用基础，变成全部员工使用的大规模基础。

从现在开始往后看，更应该关注大型企业里面付费席位的渗透率。如果越来越多公司付费席位的渗透率从5%到10%变成30%到50%，那Copilot就进入下一个阶段了。

现在Copilot相对于整个Office 365的渗透率还只有5%，一方面是因为它还没有渗透到全部Office客户，另一方面，最大的客户付费席位渗透率也不高。

大型客户里面，那些愿意增加预算、愿意吃螃蟹的客户，如果他们的付费席位渗透率上升，这就是未来Copilot付费席位渗透率上升的前沿指标。

还有一个点也比较有意思：Copilot现在开始更多地采用消费量计费。Copilot有一个产品叫Copilot Studio，我们上个季度也花了很长时间讨论。

Copilot Studio的很多功能现在已经集成到Copilot里。特别是加入coding模型作为底座以后，现在可以做更多AI原生应用。

这些AI原生应用虽然仍然包含在Copilot价格里面，但触发的token可以按照消费量收费。你可以设定一个限额，超过限额以后按照消费量计费。

所以，对于那些AI原生企业来说，单个付费席位的Copilot价格可能超过30美元，因为多出来的部分采用了消费量定价。

这次财报，Azure同比增长43%，超过了自身指引，而且下个季度还指引增长45%，继续加速。

一个原因是CPU和GPU效率提升，新产能提前上线并且迅速变现。这个加速是需求进一步加速，还是此前被压抑的需求随着产能释放而得到确认？

Azure的加速有好几个驱动因素，最大的驱动因素还是来自OpenAI，以及OpenAI给Azure带来的贡献。

它有3个不同的部分。第1个是OpenAI在微软进行训练所产生的收入；第2个是OpenAI在微软进行推理所产生的收入；第3个是微软销售OpenAI API所带来的营收。

这3个部分在第2季度都有比较大的边际变化。

第1个部分，原来OpenAI在微软这里的训练收入在今年年初以前是不确认的，因为OpenAI和微软最大的那个超级集群，其收入不算微软云收入。

但随着OpenAI在微软拥有更多集群，更多不属于那个超级集群的收入就可以确认到Azure云收入里。所以，微软现在有了更多来自OpenAI的训练收入。

第2个部分，OpenAI本身第2季度的ARR也比第1季度加速。Codex的反馈从5月份开始变好，OpenAI CEO此前也提到，7月份ARR增速非常好，环比超过20%，净新增超过之前3个季度。

所以对于OpenAI来说，它第2季度的推理收入在边际上也变得更好。

第3个部分是微软销售OpenAI API，这和OpenAI的推理收入也非常相关。微软可以销售Codex相关的API，也可以销售OpenAI的其他API。

除了OpenAI以外，如果看微软的增长，无非就是价格乘以产能。影响云业务最大的变化，就是GPU价格乘以产能。

微软之前经常是产能释放不出来。有可能产能被OpenAI拿去训练，而之前那些超级集群的训练收入又不计入微软收入；也有可能产能被用来投入其他产品。

但这个季度，微软在威斯康星州有一个数据中心释放了大约300到400MW的产能，而且这些产能基本上都可以用来产生收入。

所以，一方面有更好的产能，另一方面是价格。真正大幅涨价是从今年2月、3月开始的。从那时开始，无论是GPU现货价格、按需价格，还是长期协议价格，都在上涨。

最紧缺的时间点大概是在今年6月、7月。Anthropic这样的公司去签CoreWeave的数据中心，甚至愿意按照接近现货价格的方式，签下300到500MW的大型数据中心。

回到微软的角度，微软GPU的价格在最近一个季度也在上涨。我们现在调研下来，新签客户的GPU价格比之前大约上涨10%。

存量客户在合同到期续约前，可能不能涨价；但到续约时，以及新签客户时，都要涨价。

而且微软每年在算力数据中心上的GW数基本翻倍，所以今年的涨价都能计算到新客户里面。相当于到了年底，大约一半客户的GPU价格都可以上涨。

与此同时，GPU产能释放出来了，价格也释放出来了，CPU现在也开始涨价。CPU涨价比较隐性，不会直接告诉你涨价，而是通过收紧折扣、续约时推动你签新的实例等方法来实现。

所以，这个季度微软来自OpenAI的收入变得更好，GPU收入也更好，CPU收入也更好。

同时，从第1季度开始，微软也开始销售Anthropic的模型；从第2季度开始，又开始销售更多开源模型。

Anthropic模型在这个季度微软API销售中的占比，应该也接近10%到15%。相比第1季度，光是销售S2B这个模型，就能贡献一定的营收增长。

5. Meta资本开支进入拷问

接下来我们再看Meta。Meta是这几家公司里面唯一下跌的大盘股。有意思的是，它CapEx的绝对额也是4家公司里面最少的，而且核心业务数据看起来还不错：广告收入增长27%，曝光量增长14%，单价增长12%。

花得最少，业务也不差，但反而下跌了。还有一个细节，本季度有24亿美元诉讼计提，以及12亿美元裁员费用。但剔除以后，经营利润率其实仍然在增长。

市场为什么没有进行穿透？这次究竟在惩罚什么，为什么不愿意穿透这些一次性费用？

这个问题特别好。首先纠正一点，Meta的CapEx并不是最少的。你看绝对值，它确实是最少的，但CSP本身有大量CapEx是外租的，还有网络、CPU等CapEx。

Meta里面和云、GPU、模型相关的CapEx，其纯度和含量本身是最高的。所以如果按照GPU以及AI相关CapEx来计算，它肯定不是最少的。

这次市场反应，首先就是我们之前提到的：到了2027年，Meta的CapEx太大了，相对于它的收入体量太大。

Meta的营收在这几家公司里是最少的，明年差不多是3,100亿到3,200亿美元。2,200亿美元CapEx差不多是收入的70%。

对于Meta来说，它不仅仅要用这些CapEx做10到20的营收增量，而是要回答一个更大的问题：相当于收入70%的CapEx，能不能再做出70%到100%的Meta收入？

但这个季度没有看到非常明显的AI收入。Meta的营收基本分成两部分：一部分是现在已有的广告收入，另一部分是未来有可能产生的AI收入。

这个季度，市场其实对Meta的AI收入有比较高的预期。你投入了这么多产能以后，Zuck需要讲清楚这些产能如何产生收入。无论是销售模型token，还是出租数据中心，都要讲出一条比较清晰的路径。

6. Meta算力出租难以落地

第2季度有一个很戏剧性的插曲。有新闻报道Meta准备外租算力，消息一出股价就暴涨，随后公司辟谣，股价又回落。

市场用涨跌投票，表示希望Meta去卖算力，但管理层拒绝了。财报会上，扎克伯格的官方说法是，Meta收到的算力购买报价显著高于自己的采购成本，但他判断卖智能的毛利会持续高于卖算力，所以不卖。

你怎么看这件事？Meta未来会外租算力吗？有哪些需要考虑的因素？

我觉得Meta在这次业绩会上不是在说它不卖算力，而是在解释除了卖算力以外，其他CapEx投入的合理性。

Zuck讲的故事是，随着Meta Superintelligence Labs以及Meta更多模型变好，Meta去销售自己的token以后，会有比销售算力更高的毛利率。所以现在的投入，未来会带来更多毛利。

如果现在有很好的算力报价，而且这些算力报价能够满足、能够卖出去，Meta也可以去卖。但我们在业绩会前做了不少调研，自己的感受是，这些算力没有那么容易卖，主要有两个原因。

第1个原因是，做云服务时有一个专业指标叫SLA。SLA不只是衡量出错的概率，通常还有“三个9”或者“四个9”的概念，也就是出问题的概率小于0.1%或者0.01%。

如果出了问题，云厂商要按照原价，甚至超出原价进行赔偿。这是云厂商给客户的保证：因为我给了你三个9、四个9，说明我对托管这套服务器非常有信心。这是CSP里最简单的指标。

但对于Meta来说，Meta之前没有做过这个事情，所以没有SLA级别的服务能力。它自己托管数据中心时，不光比CSP差，也比Neocloud差，甚至比CoreWeave差。

所以Meta需要找更多CSP领域的专业人士过来，也从AWS挖了一些人。

第2个问题是，Meta要衡量自己应该出租什么样的卡。Meta比较特别，它大部分算力都是用来训练的，推理场景没有那么多。

它有几个推理场景，其中一个是推荐算法迭代，但推荐算法本身不是特别吃算力。另一个场景是Meta Superintelligence Labs接入各种场景以后，会有很多内部token调用需求，但这个用量相比训练用量肯定小很多。

所以Meta本身没有那么多推理场景。老卡，比如H卡，做推理的性价比很高，和GB卡相比并没有差很多。但在训练场景里，肯定是用最好的卡，ROI最好，也愿意用最好的卡做更大的模型。

因此，从Meta角度，它希望把H卡租出去，但不想把B卡租出去。

但从算力购买方角度，比如Anthropic，它也想租B200卡，不想只租H200卡。你不能只租给我100万张H卡，一张B卡都不租给我。

如果我是买方，肯定会和你议价。不光要租100万张H卡，最好还能租给我30万到50万张B卡。这是Anthropic的要求。

所以谈判过程不会很顺利，中间可能有很多迂回，也可能存在谈不成的风险。而且Meta目前也不具备SLA能力。

我们觉得，Meta最早产生AI算力租赁收入，可能要到今年年底和明年年初，没有那么快。可能到了今年年底，合同签完以后，Meta会出来讲，这些算力报价将开始对明年收入产生明显贡献。

但不会是这个季度。市场希望Meta在这个季度就告诉大家，AI收入如何产生。

我们测算下来，这些CapEx对明年毛利率大约会产生6到7个百分点的负面影响，后年还会继续影响。

这就造成Meta今年增长还可以，但明年利润增长可能只有低个位数。低个位数增长，实际上就是CapEx对公司利润的影响。

所以，Meta后面每个季度都会受到高度关注：AI收入是怎么产生的，利润率未来会怎么变化。

7. Business Agent重做广告投放

上次你也讲到，Meta广告加速主要来自产品形态和广告库存，单次推荐算法升级对整体收入的贡献都不到1个百分点。

这次Meta财报披露，部分AI模型带来了Facebook广告点击大约8%的增长，转化率增长约15%。Advantage+全自动投放的年化收入超过750亿美元，相当于三分之一的广告收入已经流入AI自动化系统。

你有没有看到什么新的变化？

这是一个很好的问题。这个季度Meta比较明显的变化，是开始对原来一套叫Business AI的AI产品进行重新品牌定位，现在叫Business Agent，并且把大部分AI功能，包括新增的AI广告功能，都放到Business Agent里面。

我觉得这个产品未来的价值，有可能相当于当年Meta推动Advantage+时的变化。Advantage+支持了Meta在2023年、2024年最主要的增长。

Advantage+让中小企业，后来也让大企业具备自动化投放和自动化制作素材的能力。

Business Agent在Advantage+基础上更进了一步。一开始它也主要面向中小企业。你可以把所有数据接入Business Agent，它可以帮你做数据分析、留存分析和内容分析，甚至可以监控竞争对手的投放结果。

制作素材时，它还可以通过对话形式和你讨论如何优化素材。相当于从Advantage+的自动化投放，又往前走了一步。

它不只是做优化师那一段，还要帮你做优化前的分析、优化前的决策以及优化前的数据打通。

如果真正做到这一点，就能解决大部分中小企业的投放工作，而不只是单个优化师的工作。

这个功能肯定是渐进式变化。今年大部分时间，可能还是只能推动小客户和中型客户；到了明年，才能慢慢推动大客户。

但我们和一些Meta代理商沟通时，有些代理商反馈说，这个产品让他们想起几年前看到Advantage+时的感受，而且他们感觉，这个产品有可能在1年以后变成Meta强制使用的产品。

Advantage+最早可以主动开启，也可以不开；但到现在，基本上所有默认投放都是Advantage+。它先让中小客户强制使用，再慢慢推动大客户强制使用。

Business Agent很像当年的Advantage+。如果真能做成，我觉得这是广告主迈向全自动广告投放的第1步。

我们刚才讲到，Meta拥有巨大的分发和私有数据优势，但Meta Superintelligence Labs并不是公认最强的前沿模型。

对于推荐、广告和Business Agent这3个Meta的主战场来说，模型做到足够好是不是就够了？还是必须继续烧钱，保住它在前沿实验室中的地位？

说实话，对于Meta的商业模式来说，做到足够好就够了。因为如果你做内容、广告投放，或者回答基本的搜索问题，还没有复杂到需要非常强的Agent规划，而且数据对Meta来说也相对特定。

所以，做到一个非常强大的模型，对现有业务的帮助没有那么大。

但对于Meta来说，如果做成一个非常强的模型，又可能开拓新的增长点。比如Meta拥有这么多用户个人行为数据和行为习惯，最适合诞生OpenClaw或者Personal Agent的地方，应该是WhatsApp和Facebook Messenger。

这里是Meta天然的土壤，而且相比OpenAI和Anthropic，Meta可能更容易收集消费者端用户的行为。

如果Meta有一个和前沿模型一样好的模型，就有很大的营收杠杆。它可以收订阅费，甚至可以按照Personal Agent的价格，收取更高的消费费用，想象空间非常大。

另外一点，我们上次提到过，如果个人用户和Meta之间能够形成深层次互动，用户就会把更多行为、电商偏好和旅游偏好提供给Meta。

这些信息不一定以敏感数据的形式提供，也可以脱敏后，以群体数据的形式提供给Meta。这样，Meta就能拿到更多销售线索。

更多销售线索，可以让Meta尝试更多线索导向产品，或者电商导向广告产品。这些都是Meta过去相对不擅长的方向，但对广告收入有很大帮助。当然，面临的风险也会更大。

还有一个点，随着数据生态越来越丰富，越来越多公司可以提供强化学习数据，不只是IL级别的数据，也包括预训练级别的数据。

这些数据可以帮助Tier 2和Tier 3的开源模型，以及Meta这样的模型公司缩短和前沿模型公司的差距。拥有更多、更丰富的数据以后，Meta在训练上也可能加速迭代。

所以，现在这个时间点，对于Meta来说，前沿模型投入的性价比比之前更高。但放在整个公司来看，CapEx和ROI的讨论又最激烈，这也是Meta面临的矛盾。

从Meta管理层角度来说，很难放弃在前沿模型上的加大投入，因为现在已经是追赶前沿模型最好的时间点。

8. AWS由Anthropic和Blackwell驱动

接下来我们再看亚马逊的财报。这次AWS的业绩也非常亮眼。上个季度AWS增速只有28%，当时被质疑掉队；本季度增速达到了36.7%，连续第5个季度加速，是18个季度以来最快的。

单季环比新增收入超过46亿美元，比历史最大增量还高80%。你怎么看这次加速的原因？

最主要的加速还是来自Anthropic。我们上个季度讨论过，Anthropic的API营收中，绝大部分应该有70%是云API，也就是通过CSP销售的API。

云API里面，绝大部分是通过AWS后台销售的。AWS后台在这个收入模式里又可以拿走40%的营收，所以Anthropic的API营收可以直接贡献到AWS收入。

Anthropic第2季度增长比第1季度更快，6月底的ARR相比3月底又增长了100%出头，而且它在AWS里面的体量也变得更大，所以直接带动了AWS增长。

与此同时，AWS的GPU也释放了更多产能，所以AWS这个季度营收增长接近37%。

到了今年下半年和明年，AWS营收可能会更快。AWS的增长逻辑相对比较清晰，也是在延续上个季度的增长趋势。

在这几家CSP里面，AWS的增长逻辑相对简单，最主要就是两个驱动因素：第1个是Anthropic的增速。

Anthropic的API中差不多70%是通过CSP销售，CSP销售中接近90%通过AWS。当然，第2季度AWS的比例肯定有所降低，因为微软也通过Azure、谷歌也通过GCP销售token了，但AWS仍然可以在这个商业模式里抽走40%。

Anthropic 6月底的ARR相比3月底增长了大约110%到120%，基数也变得更大，所以Anthropic对第2季度AWS收入的帮助非常明显。

第2件事情是Blackwell对AWS的帮助也很明显。从今年第1季度开始，AWS加速拉货Blackwell，最大的出货量变化是在第1季度到第2季度。

但第1季度的Blackwell出货不会立刻在第1季度变成收入，通常要隔3个月，在第2季度确认收入。需要调试、放入数据中心，差不多有3个月时间差。

所以，Blackwell的加速要从第2季度开始。这也是为什么上个季度很多人观察到Blackwell出货增加，但没有反映到AWS营收里。

我们上个季度讨论时提到过，AWS第2季度增速可以达到36%到37%。这个季度增速达到37%，就是因为出货到确认收入大约有1个季度的时间差。

Blackwell的帮助会持续到下个季度，因为第2季度拉货量比第1季度更大。第1季度和第2季度的拉货，都会确认到第3季度收入里。

所以，第3季度Blackwell带来的收入增速会比第2季度更加明显。Blackwell对AWS营收的贡献，和H200对AWS营收的贡献几乎一样。

因此到了第3季度，我们觉得AWS营收有机会达到41%到42%，第4季度可能也是这个数字，到了明年，这个数字才会慢慢下降一点。

这次亚马逊财报会上，CEO安迪·贾西也讲了一个非常重要的机制，就是AI在拉动传统云。

我的理解是，后训练、强化学习以及Agent调用工具的计算，主要跑在CPU上，而不是GPU上。所以，AI每花1美元，都会外溢成传统云消费。

如果这个机制成立，应该怎么去看AWS的AI收入？是不是不能只看GPU和Bedrock，而应该看整个AWS的消费量？

是的，这个问题非常好。这个季度我们观察到，Graviton的价格差不多也涨了2%到3%，单个季度的平均价格已经反映出AI工作负载对CPU需求和价格的带动。

但CPU不是商品属性特别强的产品，不能把它和存储等涨价产品一样理解。它的涨价幅度对整个云业务的贡献，是缓慢而渐进的。

可能每个季度有两三个点的变化，但不能指望供需缺口一下子带来每个季度10个点甚至更多的变化。它可能还会有两三个点反映在利用率上。

所以，从这个季度开始，CPU已经给亚马逊带来变化，下个季度会更明显，因为下个季度CPU涨价幅度会比第2季度更高一点。

但它不是阶梯型的、一下子贡献很多的驱动因素，而是每个季度贡献一点。

AWS的AI收入占比只有15%，看起来低于Azure大约三分之一的水平。这个占比低，是不是恰恰说明它的拉动效应应该更强？

这3家CSP的收入结构不太一样。首先，AWS有两个口径：一个叫芯片收入，一个叫AI收入。

AI收入更偏软件，芯片收入更偏几张芯片，包括Trainium、Graviton和Nitro。实际数字应该会比15%高一点，我觉得可能在20%左右。

横向对比其他CSP，确实不一样。谷歌AI收入占总收入的比重，应该已经差不多到45%，接近一半；AI收入占微软Azure收入的比重，差不多已经到30%。

所以，如果按比重来看，大概是谷歌45%、微软30%、AWS 15%到20%。

最直接的原因，还是原来CSP云业务的大小。整个市场电力非常缺，产能也非常缺。在相对有限的产能情况下，主要反映的是原有传统云业务的规模。

往后看，也不能指望AWS现在20%的占比以后和谷歌一样高。但AWS的20%以后可能会到40%，谷歌45%的占比以后可能会到60%。

对于AWS这么大的基数来说，它能够带动10个百分点的增速加速，已经非常不容易了。

市场原本担心AWS的AI云收入会稀释利润率，但AWS这一季度利润率接近39%。这是Trainium和Graviton的经济性开始兑现了吗？

利润率还是反映了现在的市场紧缺程度。第2季度芯片无论是GPU还是Trainium，紧缺程度都比第1季度更高，所以定价空间更好，毛利率也会更高。

如果以后供给增加、没有那么紧缺，毛利率会下降一点。但至少第1季度、第2季度和第3季度，这个毛利率是能够保持的。

对于AWS来说，相对于其他公司，它的阿尔法在于今年第1季度以前，Trainium利用率特别低，需要给很深的折扣。

从第1季度开始，就不用给很深的折扣了，利用率也上来了。原来可能只有40%到50%的利用率，现在如果能做到70%到80%，就相当于在同样成本下拥有更多产能。

这个趋势在第2季度也会延续。但现在训练利用率已经很高了，所以不能指望Trainium继续给AWS带来进一步的利润率帮助。

9. 谷歌模型落后云业务狂奔

亚马逊说完，最后一家是谷歌。上个季度，Gemini 3.5仍然是追赶中的希望，但到了这个季度，谷歌推迟了Gemini 3.5 Pro的发布，管理层也罕见地承认coding和Agentic Coding需要提升，并把希望放在更大的Gemini 4基础模型上。

但同期API token处理量从每分钟大约160亿增长到220亿，云业务增速也达到了82%。模型落后和业务狂奔同时发生，这似乎是谷歌的核心矛盾。

从Gemini角度看，你认为这是一次正常的模型迭代落后，还是组织和Scaling路线出现了问题？

首先，这个季度GCP的加速增长和Gemini没有太大关系，更多还是和TPU、GPU销售有关。

这个季度GCP最大增长贡献，是谷歌直接向外销售TPU。差不多卖出10万张卡，就能带来20亿美元营收，量非常大。

Gemini第2季度的增速，应该比第1季度的环比增速明显变慢。第1季度Gemini环比增速可能超过50%，第2季度可能只有20%到30%。

也就是说，Gemini的季度增速，可能和OpenAI、Anthropic的月度增速差不多。

这里面有几个原因。第1个原因是，谷歌的竞争位置受到不少影响。原来谷歌一直是唯一一家Tier 1.5公司，Tier 1是OpenAI和Anthropic，Tier 1.5是谷歌，后面才是其他模型公司。

现在Tier 1.5的公司更像是xAI。xAI收购Cursor以后，获得了大量高质量数据补充，甚至比之前对Cursor的预期更好。

谷歌的问题在于，它是一家合规要求非常严格的公司，在筛选和购买数据供应商时，会比其他实验室，尤其是开源公司更加谨慎。

我们上个季度提到过，谷歌去年没有怎么购买用于后训练的数据，也没有怎么做后训练。今年1月份，谷歌开始购买数据、开始做后训练。

但从今年5月份开始，整个数据生态又发生了很大变化。不只是原来的Mercor和Surge AI在提供数据，越来越多的数据提供方开始提供质量更高的数据，而且不只是一两家。

它们能够获取的数据来源也非常丰富，比Mercor和Surge AI主要依靠人工标注的数据来源丰富很多。

这就造成了各种实验室能够获取的高质量数据源，比第1季度多了很多倍。但谷歌的采购路径严格，采购速度相对偏慢，基本上比其他公司购买数据慢半拍。

所以，其他公司有了丰富数据以后，数据反而成为Gemini最大的瓶颈。

第2个原因是算力也是瓶颈。谷歌一直按照前沿模型的方式做，但Gemini第2季度训练所使用的算力，只有OpenAI和Anthropic的一半，差不多只有1GW用于训练。

算力少，数据也少，就造成了Gemini第2季度相对落后。

从coding能力来讲，我觉得Gemini可能比不过Kimi K3、GLM-5.3和xAI 4.6。

如果看谷歌之后的变化，现在再关注Gemini 3.5 Pro的价值已经不是很高了。谷歌肯定需要新的数据源和更大的算力重新训练，下一代要看的肯定是Gemini 4。

我也不认为3.5 Pro能够赶在9月或10月发布。如果看Gemini 4，大概率要到年底或明年年初发布。

如果谷歌能够补上更多数据源，提高算力，其实这里没有特别多的Know-how差别。现在整个模型训练已经非常工业化了。

不同团队寻找不同数据，再把数据合并，已经变成不断进行数据实验，验证数据可信度和数据贡献，最后归入统一的模型训练流程。这和1年前的训练逻辑已经有不少变化。

所以，只要谷歌也有办法获取更多数据，我觉得Gemini 4追上只是早晚的事情，并没有特别严重的组织架构问题。

组织架构的问题可能是上周讨论比较多的内容，比如传出Jeff Dean离开，以及Hassabis可能退居二线。

Gemini团队确实有一批人以追求诺贝尔奖为目标，也有一批人以追求前沿模型训练为目标。现在大部分工作，都是以追求前沿模型训练为目标的人在主导。

所以，一部分追求诺贝尔奖的研究人员为了自己的目标去创业，我觉得并不影响谷歌现在的工作，因为现在的工作本身已经是由追求前沿模型的人在主导了。

刚才你讲到，Gemini在Benchmark上暂时落后，但它的API token和GCP仍然高速增长。可不可以理解为，对于企业客户来说，使用Flash时的成本、延迟和稳定性，比前沿能力更加重要？

我觉得不是。因为如果按照Flash的性价比来竞争，很难比xAI强，也很难和开源模型竞争。

对于谷歌来说，要获得更多Gemini收入，还是要靠前沿模型，靠coding收入。最好是模型能力比前沿模型慢10%到20%，但性价比有30%到50%的优势，这样产品的竞争力会非常强。

但如果归入和开源模型的竞争，就很难比开源模型拥有更强的竞争力。

回到这次GCP增长的贡献，主要还是TPU和GPU带来的贡献。Flash对这次GCP加速应该没有贡献。

顺着你刚才讲的，这次GCP增速是82%，其中包括Gemini、Vertex AI、TPU租赁等不同项目，云业务Backlog也达到了5,000多亿美元。

你估计82%里面，有多少是可持续的Recurring Consumption，有多少是硬件销售，或者是大客户合同的一次性确认？

在这个季度之前，有不少讨论是关于直接销售TPU是不是Recurring Revenue。因为GCP第1次直接销售芯片，它变得更像英伟达，而不是CSP，这是谷歌现在越来越大的变化。

但如果看TPU出货量，明年的TPU是今年的3倍。而且明年能够出售的TPU数量可能不止今年的3倍，所以TPU到了明年应该仍然会加速。

可能到了2028年，TPU无法像2026年、2027年那样提供这么大的变化，TPU增速可能会比GCP增速慢，把GCP增速拉下来。

但到了2027年，TPU增速肯定比GCP中除TPU以外的业务增速更快，所以会把TPU增速拉上去。

至少对于明年来说，TPU还能继续贡献GCP的加速增长，而且它的收入占比和收入贡献会比今年大很多。

其他收入，比如TPU租赁、Vertex AI和Gemini，都和传统CPU云非常相似，容易被定义为Recurring Consumption，这些都没有什么疑问。

最主要的问题就是直接销售TPU。虽然它是一次性确认收入，不能分4年确认，但因为明年TPU出货量仍然高速增长，所以至少到明年还会继续贡献增量。

GCP目前的Backlog里，有多少是TPU系统销售和少数AI客户，有多少是传统企业工作负载？这对未来增速和毛利率大概意味着什么？

TPU直接销售的毛利率很高，差不多是50%。单张卡售价2万美元，博通成本1万美元，所以最后还能拿到1万美元毛利。

这个毛利率比GCP毛利率还高，也比销售CPU和GPU云的毛利率高。

我们现在认为，从第3季度往后算6个季度，TPU直接销售收入应该能够做到500亿到600亿美元。第2季度TPU直接销售差不多做了20亿美元，但往后6个季度能够做到500亿到600亿美元。

相当于依靠Backlog的10%。现在TPU直接销售收入占GCP收入的比例也差不多是10%。

这次GCP利润率从原来的20%上升到35%，但下个季度为了缓解产能短缺，要采用更多第三方算力，利润率会承受压力。

这是否说明TPU全栈的成本优势，仍然不足以解决供给问题？

这里最大的原因还是没有足够的电和产能，数据中心不够用。所以谷歌要向外面租Neocloud的产能。

租Neocloud产能主要也是GPU产能，因为现在没有什么Neocloud能够提供TPU产能。大部分TPU还是要靠谷歌自己，或者靠Fluidstack这样的公司。

我觉得这里反映的是谷歌对外销售的算力不够用，所以需要通过Neocloud补充产能，和TPU成本没有直接关系。

但这个点也是谷歌本季度业绩下跌的主要原因吧？谷歌现在的产能已经给得很强了，当前季度少一点，后面季度更高；谷歌明年的产能也很高，超过3,000亿美元，已经是所有这些“七巨头”里面产能最高的公司。

但它还告诉你，3,000多亿美元的产能仍然不够用，还要去外面租Neocloud产能。租Neocloud不算在CapEx里，而是算在OpEx里，因为租的是别人的产能。

这不仅会影响毛利率，而且不算在CapEx里，实际上意味着总投入更高了。业绩之后谷歌下跌，是因为大家不确定GCP未来的利润率会发生什么变化，也觉得CapEx看起来更高了。

这个事情可以理解。但如果看现在租产能这件事，比如GCP去向CoreWeave租产能，租赁价格肯定很高。

但GCP去租CoreWeave，肯定已经锁定了用量，也锁定了需求。它知道这些需求可以满足，比如500MW的需求，虽然可能不会赚很多，但如果不满足这些用户需求，用户就会跑到别的云，进而影响市场份额。

所以，对GCP来说，边际上肯定是有利润的，只不过可能会影响整体云业务。

如果从CoreWeave租，CoreWeave现在定价非常贵，很多定价是按照现货价格和按需价格来定的。谷歌肯定没有办法按照自己长期合同的价格去赚取相应利润。

10. AI搜索重写广告变现

接下来谈谈谷歌广告收入。怎么看广告业务？

一方面，Search增速从第1季度的19%降到17%；另一方面，YouTube增速从11%加速到13%，感觉出现了分化。这是基数问题，还是在“大模型重写广告引擎”的竞争中掉队的信号？

和模型没有太大关系。我们理解，第2季度推荐算法对谷歌广告的贡献没有那么强。推荐算法本身也不是一个季度贡献几个点，一个季度能贡献0.5个百分点就非常好了，实际上0.5个百分点大概率也贡献不到。

我觉得谷歌这个季度广告收入主要还是没有释放更多库存。之前释放了不少库存，这个季度我们看了各种产品的库存情况，也和代理商沟通，财报前的报告里提到过，谷歌没有释放很多库存。

相比而言，Meta有不少库存可以释放。Meta广告这个季度其实还可以，下个季度因为汇率原因会稍微低一点。

Meta在Facebook Reels里这个季度释放了很多软广告库存，很像TikTok和抖音里的软广。但谷歌这个季度没有释放很多库存，因为节奏问题没有释放足够库存，所以本季度表现会稍微差一点。

另外也有美元指数的影响。美元指数基本上会让这些公司的美元收入在本季度平均降低1%左右。

还有一个问题想问AI Mode。这次财报披露，AI Mode月活已经超过10亿，但AI界面下单次查询能赚多少钱，谷歌至今没有披露，只给了方向性的安抚。

AI Overview的商业查询变现，财报用的是“令人鼓舞”；单次响应成本也降到了发布以来最低。但是，AI查询的单次收入长期能达到传统搜索的水平吗？

如果达不到，搜索的终局估值逻辑是不是会被重写？

我觉得AI对谷歌广告的影响，现在已经摘完了比较容易的“低垂果实”。

传统广告可以推3个广告位。如果这个查询判断AI Overview对广告收入有增量，就可以再加一个AI Overview广告位。每次搜索查询，都可以计算增加几个广告，以及如何在传统广告和AI Overview之间调配，让这个查询的商业化价值最大化。

同时，谷歌广告里面有很多长查询和很短的查询。没有出现广告相关词的查询，没有做商业化，这个比例应该占所有搜索查询的60%以上。

但AI Max和AI Overview的优势，恰恰是可以读懂这些长查询，在长查询里推导出原来传统广告推不出来的广告。这是过去几个季度AI Overview对谷歌广告带来的贡献。

这些其实已经在做了。再往后，就要看AI Mode对谷歌广告的贡献。

AI Mode的广告和传统广告不是并存关系，而是一种全新的原生广告形式。推AI Mode广告，一定会影响传统广告。如果AI Overview曝光变大，影响传统广告份额，就会影响传统广告占比。

但现在AI Mode很多还是增量份额，所以影响还不大。

再往后，需要更原生、更AI-native的广告形式。谷歌这个季度已经出现了一些比较好的苗头，开始推出一种新的广告形式，叫Conversational Discovery Ads。

这是对话式广告。你和AI Mode对话时，它会识别你的意图。它像一个漏斗：当购物意愿较弱时，不会推购物卡片；当明显感觉到购物意愿变强时，就会加速在对话中推购物卡片和电商广告。

当你接近最后决策、已经识别出你就是在购买和选择商品时，它会给出非常完整的广告商品介绍，以及非常完整的广告对比。

这是一种更智能的广告推荐形式，特别适合线索广告和电商广告。但这种形式和现在的广告完全不一样。

谷歌需要找代理商推广，也要找广告主推广。广告主还需要理解如何做AI Max推广，不只是原来直接购买关键词，还要包括用户适应。这些都是全新的广告形式。

所以，不能指望它在两三个季度内一下产生很大营收。它有可能在明年贡献3到5个百分点的营收，但大概率不可能今年就贡献这么快的营收。

11. AI产业链重新定价

展望明年，现在各家CSP的ROI都很高，算力也很紧缺，所以大家都在拼命投资。但到了明年，会有大量算力集中投入使用。你怎么推演供需变化？

关于供需变化，每年到年底，或者股票下跌以后，都会有很多讨论。只不过每一次讨论的难度都会变大。

供给代表CapEx，需求代表AI ARR，所以如果按照数字讨论，本质上就是在讨论CapEx和AI ARR。

这是从这个季度来看越来越难讨论的问题。原来1GW数据中心是350亿美元，30GW数据中心就是1万亿美元。

如果在去年年底、所有供应链还没有大幅涨价的时候，2027年30GW对应的就是1万亿美元CapEx。与此同时，我们又看到了今年前两个季度AI ARR增长5倍到10倍，这是非常明显的变化。

但到了现在，这1万亿美元CapEx变成了1.7万亿美元CapEx。所以，到底需要多少ARR，才能证明1.7万亿美元CapEx的合理性？

原来1万亿美元CapEx，因为CapEx要投入5年，如果每年投入都一样，就代表未来5年的成本都是1万亿美元。但ARR增速很快，我觉得至少可以给整个行业40%到50%的复合年增长率。

如果假设未来CapEx增长不是很快，那么3年后的ARR能够跑通今年的CapEx，就是一个比较理想的数值。

如果按照每年50%，或者未来两年每年60%甚至更高的增速来计算，那么最好在明年底，ARR能够达到明年CapEx的三分之一到二分之一。

考虑到投入周期，这是一个比较容易计算ROI的数值。如果是1万亿美元CapEx，就需要3,000亿到5,000亿美元ARR。这个数字比较容易实现。

现在讨论明年底这些实验室加上开源模型的ARR能不能达到3,000亿美元，我觉得说服力很强。

但如果CapEx是1.7万亿美元，就需要6,000亿到8,000亿美元AI ARR。只算现在闭源模型的收入，很难达到6,000亿到8,000亿美元。

所以，整个供应链大幅涨价推动了CapEx变化，最终造成ROI函数里对收入的要求越来越高。

现在如果看需求的合理性，不能只看闭源模型收入，还要考虑开源模型收入，以及各种具体场景。

比如简单做一个假设：OpenAI、Anthropic以及其他几家闭源模型公司，明年底合计可能有2,000亿到3,000亿美元ARR。

此外还有一些新场景。明年比较大的场景包括量化领域的CapEx，也包括开源模型收入。

但这里的难点是，很难量化开源模型收入。它存在于Neocloud里，存在于前两期访谈嘉宾Fireworks的收入里，也存在于企业自己部署的本地化场景里，分布非常分散。

市场上没有人能够把开源模型收入合并起来，和闭源模型做基准比较。

如果把闭源模型以外的收入全部算起来，明年可能可以达到6,000亿美元，但可能需要一段时间，可能需要几个月，也需要更多人的统计和更明确的数据集。

只有这样，才能理解明年把开源模型和各种场景都算上以后，到底能不能达到6,000亿美元营收。

因为门槛变高了，追踪门槛也变高了，所以计算供需的难度变得更高，中间的担忧和博弈也会比以前多很多。

你上次有一个判断是，模型正在取代云成为入口，感觉议价能力更加偏向模型。

但这个季度，我们看到微软反复强调模型可替换、模型和Harness分离，AWS和GCP也都在做多模型平台。

如果编排层、上下文、记忆以及企业数据都掌握在云厂商手里，那么议价能力是不是又能重新回到云和应用这一层？

如果没有这么大的开源模型变化，长期来看，议价能力肯定还是在模型公司手里。因为模型公司占据了主要收入和主要毛利。

特别是过去一个季度，你已经能明显看到Salesforce毛利率增长非常快。毛利率本质上反映一家企业的议价能力。

收入不一定能反映议价能力，但毛利率可以。毛利率的价值，就是你比上下游多赚钱。

比如第2季度，模型公司的毛利率可能从50%到60%，增长到现在的85%到90%，已经体现出它在行业里非常强的议价能力。

同时，因为算力涨价，数据中心收入从原来的100亿美元变成现在的200亿到300亿美元，所以这个环节上下游都能赚钱：模型公司能赚钱，CSP能赚钱，存储公司也能赚钱。

当然，赚得最多的是模型公司、存储公司以及英伟达。这3个环节在1GW数据中心里面的份额提升最多。

但往后看，如果CSP拥有更多开源模型，可以把路由分配给更多开源模型，整个份额就会发生较大变化。

本质上，开源模型在美国的定价权掌握在CSP手里，而不是开源模型公司手里。CSP是开源模型公司收入的主要驱动因素，所以CSP会有更好的ROI和毛利率，单GW数据中心的CapEx和ROI投入也会比原来和模型公司合作更好。

对于模型公司来说，毛利率肯定会受到影响。因为有竞争力更强的竞争对手，模型公司不得不降低毛利率。

对于半导体公司来说，不好说是好事还是坏事。整个产业链的毛利率份额会发生变化，确实会从模型公司流入开源模型公司，再流入CSP。

但这里的难点是，这个季度出现的最新变化，是开源模型公司和前沿实验室之间的差距重新缩短到了3到4个月。

如果这个时间能够一直保持，甚至继续缩短，刚才说的趋势就会持续。如果差距重新拉大，回到原来的6到9个月，可能又会出现逆向变化。

所以，讨论这个问题最大的关键，是开源模型和闭源模型的差距能保持3到4个月，还是回到6到9个月。

这里面有很多变量。你能看到，从前沿实验室角度看，参数规模的变化相比1年前加快了。

去年年底，前沿实验室的模型大约是1万亿参数；到了5月、6月，对应的Fable以及5.5、5.6版本，差不多已经到了3万亿参数。

到了下一代，GPT-6可能也很快发布，再增加2到3倍，就会是8万亿到9万亿参数的模型。不到1年时间，模型参数已经增长了10倍。

从下一代模型开始，每个月都会有新的开源模型迭代。前沿模型公司的迭代也在加速。

我们知道，下一个验证点是月底英伟达财报。你觉得它需要给出什么样的指引，才能和7,000多亿美元的CapEx自洽？

其实现在的CapEx肯定已经不止7,000亿美元了。刚刚提到，明年的CapEx数字已经非常大。

英伟达对整体AI情绪的季度影响，可能没有那么大。相比之下，Anthropic上市，以及这些实验室ARR的进展，影响会比英伟达更大。

从英伟达角度看，它现在的情况相对好一些。因为存储和光模块都涨价很多以后，英伟达反而变成估值相对便宜的公司。

而且在CapEx里面，英伟达占据了更大的比重。英伟达的EPS和估值都更容易计算。

存储公司的利润现在很高，但英伟达还要对存储进行加价，可能按照1比3，甚至1比4的比例降价。这就造成了对CapEx压力最大的，其实不是存储公司，而是对存储进行加价的英伟达和GPU产业链。

如果未来能够更多地把GPU和存储解耦，就像TPU那样，CapEx压力就会相对缓解，对ROI投入端的收入要求也不会那么高。

但这又是一个两难选择。从英伟达角度，它到底是让CapEx变得更可持续，还是为了多赚钱？这是英伟达非常难的选择题。

非常感谢莫总今天周末的分享，大家都收益良多。谢谢。

谢谢，谢谢。