硅谷坐标 × 周默：深度拆解科技巨头 Q3 财报｜AI 投资进入验证期

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。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，所以更多担忧来自需求侧。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。那么，就不能再说是推理算力限制了这家公司的增长。

另一边，三朵云业绩继续加速，但市场关心的是 AI 收入和资本支出之间的差距能不能缩小。这个绝对值差距从我们第一次录播客开始就在拉大，到这个季度还在拉大。而在资本链条上，压力正传向最脆弱的环节。整体融资的问题，不是前沿模型融资的问题，也不是这些 CSP 的融资问题，几乎都是 Neocloud 的融资问题。

这一期《硅谷坐标》，我们再次邀请丰达 AI 创始人周默，拆解三季度财报背后这一轮 AI 投资的博弈。莫总，欢迎回到《硅谷坐标》。上次我们录二季度财报季的时候，正好是在夏天一轮大跌之后；这次又赶上秋天的大跌。这次下跌和夏天那次有什么不同？

上上次录的时候也是大跌。这次有几点不同。CSP 的业绩其实和上个季度差不多，KPI 也还可以，没有超出预期，但也不差。

不同的地方在于，上个季度模型公司的 ARR 还没有公开，信息没那么透明，所以你会倾向于相信七八月份的 ARR 可能不错。我记得暴跌的时候，有不少声音说七月份、八月份的 ARR 不错，八月份可能接近 800 亿，对吧？

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 九月底的 ARR 大概只有 700 亿左右，也低于大家的预期。特别是回过头来校正，你会发现三季度 ARR 增长比较慢，所以更多担忧来自需求侧。而且现在的数据比上个季度透明一些，不太容易在这个时间点对 ARR 抱有过高的期待。接下来得一个月一个月地跟踪它的 ARR 和收入情况。

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。丰达 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“4+1”格局。谷歌追了上来，Meta 的闭源模型能力也有了显著提升，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？

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在 RL，也就是强化学习上。大家特别关注各个领域的 benchmark，然后围绕 benchmark 找数据，再拿数据去优化 benchmark，最后把这些效果合并起来。所以它很像一套流水线式的训练方式。

我觉得谷歌确实比上个季度有提高，主要是因为 Gemini 也经历了一些重组。重组之后，谷歌可以把更多精力放到我们刚才说的这套训练流水线上。之前很多精力可能聚焦在科学研究上的突破，比如偏向诺贝尔奖的突破。特别是谷歌在算力上有劣势：其他几家可能有 2 吉瓦用于训练，谷歌可能只有一半。谷歌很多 TPU 资源要对外出售，大部分给了外部客户，包括苹果，所以谷歌的算力资源其实有限。

另外，去年 Gemini 没那么重视强化学习；从今年一季度开始，谷歌肯定已经更加重视强化学习。重组之后更聚焦了，也就比较容易追上来。而且谷歌大部分训练流程都是自主设计的。如果模型能力已经达到 4.6、4.7 的水平，之后达到 5 的路径就比较清晰，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，也非常注重准备强化学习数据，所以它的追赶路径相对清晰。SpaceX 的算力比谷歌还多，而且有一些高质量的数据源，之前也做过一些不错的收购，所以在数据上也有一定优势。

说到开源和闭源的格局，从今年七八月份开始，让我们比较震惊的是，开源和闭源之间的差距从原来预期的 6 到 9 个月，缩短到了 3 个月。所以我们当时判断，开源模型和闭源模型的差距可能会重新回到 6 到 9 个月。过去一个季度，这个判断基本上也快被证实了。你可以看到闭源模型的迭代在加快，但最近的开源模型没有当初六七月份那么惊艳。

这里面有几个原因，最主要的还是闭源模型对 API 做了更多限制，增加了学习难度。第一，过去学习闭源模型，很多时候是通过 Signature API。你把大模型的 Signature 迁移到小模型时，小模型可能不容易遵循原来设置的指令，所以相对容易学习。但这个 Signature API 的迁移过程从 9 月份开始被禁止了。

第二，现在的模型也开始采用 Loop Transformer。用了 Loop Transformer 之后，学习时可能得去猜它的循环路径怎么做。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。这就会造成一种情况：模型能力很接近，但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和闭源之间的差距。所以从技术上看，和二季度相比，格局确实有了一些变化。

模型能力咬得这么紧，价格也在下降，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？

过去两三个月，前沿模型也在降价。开源模型一直保持着比较好的性价比，但前沿模型对一些中小规模模型的降价更激进，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，看到很多企业使用模型的行为正在变化。过去 3 个月，我们调研了接近 100 家全球企业的 token 使用情况，能看到一个明显变化：现在的企业都在积极尝试用 Router 把困难任务交给闭源模型，把简单任务交给开源模型和小规模模型。

我们上个季度调研时，很多企业觉得可以把 5% 到 10% 的 token budget 分配给开源模型和更小规模的模型。现在随着 Router 大规模应用，不少企业已经预期要把 20% 到 25% 的 token budget 分配给开源模型和更小规模的模型。所以从最终用户的心智和预算份额来看，开源模型拿到的预算份额肯定在增加。Router 大规模应用也就一两个季度，未来可能还会有更大规模的采用。

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，一些不是最大的模型、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，从商业模式角度看，对开源模型和闭源模型都有负面影响。双方都不能说自己的格局明显变好了。

现在闭源模型也在想很多办法。如果模型公开了，被学习的风险就可能加大，所以更多前沿模型可能会只面向企业客户。企业场景比较容易做 KYC，数据被学习的难度比公开模型和消费级模型大得多。典型的例子是安全、生物领域的很多模型，已经不再大范围公开发布，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的绝大多数。

以后我们也会看到更多行业的企业模型，和你能直接调用的消费级 API、企业 API，在能力上有所差异。这也是闭源模型维持行业优势的重要策略。

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？

如果只看前沿模型，这个数字肯定比实际数字小。除了 OpenAI 出来的 ChatGPT 以外，你还有 Gemini、其他前沿模型，还有大量企业使用开源模型、自行部署的需求。但我觉得在目前的情况下，低估不会特别多。我们现在做很多企业调研，比较极端的企业用 Router，大概能把四分之一的预算分给开源模型。

但如果是 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，需要给客户交付体验最好的产品，拉开和竞争对手的差异，所以会把大部分工程工作放在最先进的模型上。如果用开源模型，产品体验可能会和领先对手有差距。

不过这个季度出现了一些变化，越来越多成本敏感的 agent 创业领域开始出现，比如 personal agent。一个用户每个月的推理成本会显著影响商业化、用户规模和产品规模。这个领域会比其他企业场景更加关注成本。

从这个季度可以看到，无论是创业公司还是 Meta 这样的公司，personal agent 都在尝试使用成本更优化的模型。现在比较火的 Manus，也有大量使用开源模型。这是一个很值得观察的转折点：当 AI 创业公司也开始尝试开源模型，虽然目前是在成本敏感的领域，但如果开源模型再突破更多瓶颈，可能会有更多场景开始更积极地使用开源模型。

我们知道 Anthropic 即将上市，市场拿着放大镜看它的 ARR 和增速。它的算力只有 3 成用于付费推理，7 成花在训练以及研究下一代模型上。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？

估值主要有几个考虑因素：第一是增长的确定性，第二是商业模式怎么做 benchmark，第三是利润率提高的确定性。我觉得这个季度无论从 Anthropic 的 ARR 情况，还是放出来的 S-1，都让大家对增长的确定性有了一些困惑。

10 月份之前，大家预测这些实验室明年收入的普遍做法，是基于当前算力非常紧缺、算力限制推理收入的假设，去预测明年能拿到多少吉瓦的数据中心。然后再假设数据中心里多少算力用于推理、多少用于训练，再推算一个吉瓦的数据中心能产生多少收入，预测明年的收入情况。现在大家对数据中心的假设非常激进，而每吉瓦数据中心的收入假设也没有太大变化，所以基于算力预测明年收入，相对来说比较有确定性，也会觉得明年收入增长应该挺快。

但出了这个 S-1 之后，我觉得确实改变了一些人的想法。如果有算力限制，那么推理的算力成本占总算力成本的比例应该增加，你应该把更多算力分配给推理，这样才能说明推理受限，所以你需要挪更多算力来做推理。但你看 Anthropic 三季度的财报，过去几个季度推理算力成本都在增加，但这个季度推理算力成本占总算力成本的比重第一次降低。

如果再看它明年非常激进的算力承诺，假设明年 ARR 简单翻一倍，比如年底达到 1,500 亿或 1,600 亿，那么推理成本占总算力成本的比重还会更低。你就不能再说是推理算力限制了公司的增长。所以用算力去预测明年 ARR 的逻辑，就相对弱了一些。

那应该用什么 benchmark、什么商业模式来匹配 Anthropic？简单来说，大家第一眼可能会拿 Anthropic 和上市软件公司比较，比如 Palantir，或者几年前上市的明星公司 Snowflake。Snowflake 上市时曾经有过 100 倍市销率，Palantir 现在也有 20 倍市销率。但 Anthropic 的财务模式又不太像这些 SaaS 公司。

如果要像 SaaS 公司一样估值，大家会看明年的收入，也会看 RPO。Anthropic 大概只有 100 亿美元的 RPU。相比它 800 亿美元的 ARR，RPO 只占现在 ARR 的 10% 出头。但如果拿明星公司来比较，Snowflake 未来 12 个月的 RPO 占收入的比重接近 50%，所以看它的 RPO 会让你对明年收入有更多确定性。

如果拿它和云公司比，比如亚马逊或微软，它们会披露 backlog。这些 backlog 是很多客户签下的三年或更长期合同，把未来合同金额加起来，就能知道有多少排期中的 backlog。但你和这些 CSP 比，也会发现你的 backlog 占比远小于 CSP。

S-1 发布后，大家就有了一些质疑：你没有明确的 RPO 告诉我明年的驱动因素是什么、哪些东西支撑明年的收入假设，所以我只能按月跟踪。按月跟踪能见度就没有那么高。但这个事情也可以理解，因为 Anthropic 现在的销售方式，还没有强推客户签多年合同，更多还是以卖 API 为主。如果推动客户像软件公司、CSP 一样签多年合同，RPO 比例肯定会上升。

这些因素稍微改变了大家对估值模式的看法。现在有不少人会质疑：是不是不能按照之前讨论的方式，把它当成一家 AI 原生公司，认为它至少可以享有和软件公司一样的估值溢价？原来的想法是，看看 Palantir 和 Snowflake 的估值高，就大概用它们来证明 Anthropic 的估值。但现在因为有了这些担忧，你会犹豫 20 倍市销率到底合不合适。它不太像这些公司，但故事又比它们更好，还在解决人类很多关键问题，所以最后会有很多估值上的权衡。

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

那你怎么看 Anthropic 未来的利润？是不是也取决于收入的质量？

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，以及现在很多研究认为 2028 年会出现 AGI 的情况，这个承诺可能很难改变。但收入的变化会非常影响利润率：增长快，利润率就会好；增长慢，利润率就会差。算力承诺没有太大变化，最后就取决于公司的增速。

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也在增加，所以明年的利润率可能会比今年差一点。

怎么理解这件事？它大部分收入都取决于最新一代模型。新模型出来之后，旧模型的有效期可能就会大打折扣，所以得保证每一次推出的新模型都能继续保持领先，对吧？

对。现在 80% 的收入来自新模型，模型迭代速度又非常快。但这个情况过去几年一直如此，因为大部分客户还是科技公司和创业公司，它们的迁移成本没有那么高。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。

你能从中得到的结论是，公司需要投入很多边际成本，而且边际成本很难停下来。除非能找到一种方式，让训练节奏明显加快，并继续拉大和竞争对手的差距。闭源模型都希望通过最近的 R3 加快模型迭代。过去一周也出了一个 METR 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，不一定明年就能看到清晰变化。

市场拿着放大镜、显微镜看 Anthropic 的 ARR。两大前沿模型公司的 ARR，是衡量整体 AI 收入的好指标吗？

肯定是衡量整体 AI 收入的好指标，只不过有一些收入确实不在这两家闭源模型公司的 ARR 里面。我们刚才提到的开源模型，它们的 ARR 不会出现在开源模型的财报里，很多是在 Neocloud 的收入、CSP 的 GPU 租赁收入，以及帮助模型部署和推理部署的创业公司收入里面，比较分散。

大概用常识判断，闭源和开源的收入比例可能是 8:2。但还有一些公司不是传统企业或科技公司的客户画像。比较典型的是金融、生物和机器人领域。

金融行业里有一些比较大的量化基金，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算投资回报，今年大家又赚了不少钱，所以金融领域的硬件资本支出涨得非常快，是编程以外所有行业里涨得最快的。但很难衡量它们今年对 ARR 的贡献，至少要到明年才看得到。

机器人和生物领域也类似。最近一个季度，机器人公司的采购预算增长非常快。我们一个多月前发布了一份关于机器人预算采购的报告，当时就提到，机器人数据训练预算出现了非常明显的转折点。现在也能看到机器人公司更积极地锁定 Neocloud 算力，但从锁定算力到 AI 产生 ARR，不会是今年的事，甚至可能也不是明年的事。

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。即使开源和闭源的收入比例是 8:2，现在可能还更极端，接近 9:1。但假设未来收入是 8:2，成本比例可能是 1:1 或者 3:2，因为开源模型的毛利率比闭源模型稍低一些。Sierra 现在的毛利率已经到 80% 以上，接近 85%；K 模型的范围比较大，从 20% 到 70% 都有。收入占比虽然没那么高，算力成本占比却可能更高。

包括我们刚才提到的那些领域也是这样：算力先投了，但 ARR 的变化可能不会在一年内快速显现。

大家都在找编程之后下一个能撑起千亿级收入的场景。这一季度财报里，你有没有看到令人兴奋的信号？

这个季度比较大的边际变化之一是 personal agent。10 月份整个 AI 板块表现还不错，特别是 personal agent 的叙事出来之后。硅谷已经很久没有出现一个让人兴奋的消费级应用了。创业公司如果搞创业，通常都是做企业应用；如果做消费级应用，天生会被鄙视，因为消费级应用竞争对手很多、收入难做，也不是 VC 喜欢的项目。

所以突然出现了一个很好的领域，又出现了 Instinct 这样的公司、Meta Muse 这样的创新产品，大家就会想，是不是要重新面对一个很大的消费级 AI 应用叙事，或者一个新的大时代。出来之后，很多人在讨论 personal agent 会不会是一个 10 亿 DAU 的产品。它的空间很大，如果是 10 亿 DAU 的产品，能带来特别多需求，可能比现在很多企业需求都大。工程师大概三四千万人，而一个 10 亿 DAU 的产品，用户规模可能是工程师的 30 倍。

但这里的问题是，空间很大，商业化和需求点的探索也会有很多问题。最简单的一点是，一个 personal agent 的 DAU 每月推理成本很贵，范围很大，大概每月 30 到 60 美元。如果每月成本是 30 到 60 美元，天生就会限制用户规模。要把它做成大规模产品，可能得先花几年跑通商业化的 ROI，才能大范围推广。

所以这不是一个能很快撑起千亿级收入的场景，可能需要很多年。这个账其实挺好算。比如 Meta 在北美大概有 2 亿多 MAU，一个用户每个月大概给 Meta 产生 50 美元价值，主要来自各种广告产品。你可以算 personal agent 能给公司带来什么增量收入：可以收集更多广告线索、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，大概有 20% 到 25% 的用户会付费。如果订阅费定价 20 美元，平均下来可能要打两折到两点五折，最后每个用户每月贡献差不多 5 美元。如果广告收入也有贡献，假设增加 30%，可能贡献十几到 20 美元。在这种情况下，很难假设一个用户马上能产生几十美元价值。比较合理的假设是 15 到 20 美元。这就意味着成本需要大幅优化，同时还要保证质量提高，才能打开 personal agent 市场、看到更大的收入。

商业节奏、技术节奏和成本之间都会相互制约。很难想象它很快就会成为一个千亿美元产品，但放到 5 年维度，这可能是一个很好的市场。如果只看 2027 年的收入，可能会有些失望。

除了 personal agent，Anthropic 过去一直提到七个大方向，这次在 IPO 前的投资人沟通里也重新讲了这七个方向，重点之一是 AI drug discovery。AI drug discovery 也是过去两个月比较热门的主题。大家都知道，它很多瓶颈在最后的临床阶段，真正到药厂落地，可能要到临床二期前后，所以很难说它明年会大爆发，明年就能产生很大收入。

机器人也是这样。这个季度能不能找到一个千亿规模的新产品？明确的答案是，你看到了一些在 5 年维度上可能成为千亿规模产品的领域，会让人比较兴奋；但看不到一个能在一年内给你这种信心的领域。

感谢莫总给我们这么详尽的市场更新。现在我们回过头来聊一下这四家科技巨头的财报。上次你说，市场希望看到 AI 收入加速追上资本支出。这个季度财报里，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资本支出，这个季度好像感觉大家有点调不动了。市场开始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？

当时应该是半年前。我们总结说，今年一季度有个很大的变化：你发现 ARR 绝对值和资本支出绝对值之间的差距在缩小。但当时也看到一个不太好的地方，就是这个差距开始拉大。原因是供应链每个环节都在涨价，涨价之后资本支出加速增长，但 AI 收入可能没法一直保持今年一季度那样快的加速增长。

这个绝对值差距从我们第一次录播客开始就在拉大，到这个季度还在拉大。比较明显的是，你去看 S-1 报表里训练成本的占比在提高，这其实是 ARR 和资本支出差距拉大的一个明显信号。实验室是所有资本支出的前置指标，实验室的想法会影响后面整个供应链，包括 CSP、半导体和各个环节。

所以如果用 ROI 来 justify，这个季度应该比上个季度更差一点。我觉得这个现象明年有可能还会持续，因为越接近 AGI，越难 justify ROI，需要投入更多算力成本做训练，训练成本可能会更高。用 ROI 视角看这个问题，可能会觉得 ROI 越来越难 justify。但真正卖出 AGI 卡以后，也许所有假设都得重来。问题是，在接近 AGI 的过程中，这个方向可能越来越难算。过去两个季度已经看到了比较大的变化。

另一个点是，如果讨论 ARR，我们最近做了很多调研，可以大致分成三块：AI 创业公司的预算、科技公司的预算和企业公司的预算。这三块是不同的参与者，最后组成了 token 消耗。

创业公司目前进展不错，商业化都挺快。纯看创业公司的话，很多一两个季度前觉得很难商业化的公司，现在商业化都在加速。但如果看科技公司和企业公司，情况就不太一样。科技公司的用量在降速，从 Meta、苹果对员工预算的限制可以看到，科技公司现在在做一些预算限制。企业公司今年上半年已经进行了很多 AI 采用，接下来要面对 ROI 问题，需要更长的部署时间。

所以第一层还可以，但后面两层的不确定性在增加；而第一层又非常依赖整体融资环境。对创业公司来说，融到多少钱就烧多少钱，烧掉的钱直接流到 token 里面，它的不确定性也在变化。

回过头来，在 ROI 越来越难算的情况下，大家会更加关注供应链变化，想知道这些变化是不是已经传导到供应链里。过去一周有很多人在讨论资本支出预期到底是什么程度。现在还有人觉得 2028 年资本支出会增长吗？按当前价格隐含的预期，我觉得很多人在讨论 2028 年资本支出会不会持平，甚至有人讨论 2027 年下半年的资本支出会不会比上半年下降。每个人都在找预期重置的时间点，想知道该用什么预期来衡量这些公司的股价表现和基本面。

所以大家倾向于在供应链里找更多信号。过去两周听到了很多各种各样的供应链砍单传闻，让人去想 2027 年和 2028 年资本支出是不是会有明显变化。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，就一定得假设现在资本支出预期会有比较明显的变化，因为你会觉得只要一砍单，后面就会连续砍。这是市场担心的事。

现在服务器层面还没有砍单，但在很多零部件维度，比如 CPU、光模块，能听到越来越多噪音。可能是拉货时间变化，也可能是技术变化。噪音还没有落实到 ODM、OEM 层面的变化，但会增加不确定性。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正的变化。

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？利润是在往模型公司走，还是往云厂走？

上个季度我们提到，模型公司的毛利率如果还在提高，利润肯定是模型公司的议价能力相对占优。这个季度也类似。通过 S-1 和投资人沟通，Anthropic 重新和 AWS、GCP 谈了租赁合同价格，特别是 TPU 和训练算力。

Anthropic 提到三季度利润率比想象中好，原因是重新和 CSP 谈了价格。所以能感觉到，Anthropic 相对于 CSP 还是有很强的议价能力。这也影响了三季度 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，仅针对这个季度而言。

而且这个季度有个非常明显的变化：CSP，特别是 AWS 和 GCP，它们的收入增速现在非常依赖 Anthropic。GCP 最大的影响是 TPU：你卖多少 TPU，直接决定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。你到底是卖 20 万张还是 30 万张 TPU 给 Anthropic，对收入影响差别很大。原来的弹性云收入，上下波动最多也就两三个点，但 TPU 10 万张卡就能影响十几个点。

这在过去 GCP 的增长历史上从来没有过：一家公司能对收入弹性产生这么大的影响。AWS 也是如此，所以能感觉到 Anthropic 对这两家公司的影响力有多大，议价能力还是很强的。它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。

但从入口角度看，和上个季度相比也有变化。更多 API 进入传统企业销售，而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 API 分销里的比重会提高，下个季度可能还会继续提高。

这个季度虽然 Anthropic 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 API 带来的增量，远大于披露的 CSP 占公司收入 48% 所暗示的规模。所以入口上确实有更多增量变化。你是科技公司还是传统企业，会用安全的角度来衡量应该从哪个入口买。

我们具体过一下四家科技大厂。先看微软。这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，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？

微软这份业绩很干净，很好，其实没什么需要争论的点。在这些大科技公司里，我们季度前看最干净的就是微软。

评价微软基本上看两个业务。第一个是 Office Copilot，它会更多影响你怎么判断微软的模式，以及怎么长期给它估值。另一个是 Azure，Azure 对短期收入的贡献远远比 Copilot 多。

Copilot 这个季度表现不错。上个季度是 Copilot 比较大的转折点，我们当时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、几千个席位，但从上个季度开始，他们开始买几万个席位。买几万个席位的意义在于，如果你只买 5% 到 10% 的席位，还是把产品当作试用阶段；如果买 50% 以上，就意味着要大规模推广，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，微软找到了相对于实验室产品的一些竞争优势，会直接影响客户的选择。我们在季度前聊了很多渠道和企业，发现一个很明显的情况：买 Office Copilot 和买 Anthropic、OpenAI 的企业级 agent 产品，交付周期不一样。微软平均比这些实验室产品少 3 到 4 周。

少 3 到 4 周的原因，是需要对齐客户原来非常复杂的身份访问、安全访问和权限访问。如果用 Copilot，很多访问权限比较容易对齐。如果用 OpenAI 或 Anthropic，就需要微软的团队配合，把 Office 的一些东西接起来。但微软自己也面临产能问题，在配合上可能没那么快，毕竟要配合竞争对手。这可能是技术原因、人力产能原因，也可能是别的原因。

最后反映出来的结果是，用 Copilot 的交付周期更快，快 3 到 4 周。今年很多企业比较焦虑，看到个人 agent 已经用了这么多，特别是开发部门一个月已经花两三百美元、甚至上千美元，但其他部门还没用上 20 美元的产品，于是着急加快覆盖。在这种情况下，交付周期快慢的影响很大。我觉得这是 Copilot 过去一个季度找到的一个很巧妙的生存点。

另一个影响是 GPT-5.6 出来之后，七八月份 Copilot 和其他产品的差距缩小了。我们上个季度播客里也提到过，让微软做很多调度层优化，不一定是它擅长的事。但如果模型有了很大提高，这些优化对能力的提升占比就变小了，那么即使微软没那么擅长，差距也会缩小。GPT-5.6 整体提高之后，Copilot 和模型公司的产品差距也在缩小，用户体验变好了。今年一季度，你可能会不满意 Copilot 做出来的 PPT 很丑；但到九、十月份，你已经觉得它做得挺好看了。模型更新也缩小了这些产品的差距。

Azure 的业绩也很好，很大原因是 OpenAI 对 Azure 增速的贡献很大。这个季度 Azure 增速的 40% 左右来自 OpenAI 和相关产品。微软直营的部分大概贡献 25 个点，OpenAI 贡献 20 个点，非 OpenAI 部分贡献 25 个点。未来一两个季度，OpenAI 的影响只会越来越大。

这个季度微软稍微差一点的地方是融资。微软比较特别，上个季度给了 FY27 的现金流指引，说 FY27 现金流为正。所以大家对微软融资的预期没那么高，但这个季度还是看到微软要融资。这可能是微软财报里唯一比较有争议的地方。

微软这个季度的 backlog，也就是在手合同，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 大概占一成收入。你怎么看这笔合同的质量？

这就是我们刚刚提到的，OpenAI 对微软的影响越来越大，就像 Anthropic 对 AWS 和 GCP 的影响也越来越大。

我自己大概框了一下，Azure 这个季度增速 40% 左右是 OpenAI 贡献的。下个季度公司指引 50%，其中 25 个点左右来自 OpenAI，另外 25 个点来自非 OpenAI。所以未来一两个季度，它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。OpenAI 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。但它会让人担心的是，OpenAI 对微软的影响越来越大，微软的议价能力也可能受到影响。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。

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，我们该怎么理解这个变化？

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；再上个季度，公司说的是 2,000 万。你一减就会说，上个季度增加了 1,000 万席位。

但“超过”这个说法很模糊。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 3,000 万，不代表增量就是 1,000 万，也可能是 700 万到 800 万。很难假设每个季度都有 1,000 万增量。如果每个季度增加 1,000 万，从 3,000 万到 4,000 万，席位环比就要增长三分之一，这很难。

这个季度也不需要增加 1,000 万席位就能实现加速。我们做渠道调研发现，很多 Copilot 用量是在今年 6 月和 7 月卖进去的。这意味着二季度可能不是 1,000 万，而是 700 万到 800 万；这部分用量的增速贡献可能有一半以上是在三季度体现，而不是二季度。所以三季度不需要增加那么多席位，也能推动收入增长加速。

我觉得不报席位，第一是因为席位肯定没有增长 1,000 万；第二是不报席位，公司就可以解释收入加速的原因。只不过上个季度是一个里程碑，3,000 万是个里程碑，所以公司就讲了 3,000 万。

Copilot 这个故事对微软影响很大。微软最好的时间点，可能是 Copilot 刚出来的那半年。如果 Copilot 做起来了，微软就是全球除了两家实验室以外最大的 AI 应用公司。这比成为全球第二大的 GPU 云更性感。我觉得微软还是会不断讲 Copilot 的故事，Copilot 的进展对微软的影响应该越来越大。

感谢莫总的分析。接下来看看谷歌。谷歌这季度财报比较分化：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 5 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？

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：这是第一个受到 ChatGPT 影响的季度。

OpenAI 的广告收入明显加速，主要发生在今年三季度。它之前说广告 ARR 是 1 亿美元，现在说是 10 亿美元，而且是在三季度发生的。收入不到 1 亿美元，对这些公司影响都不大，因为太小了；但从 1 亿美元到 10 亿美元，放在整个广告盘子里就一定会有影响，也会改变广告主和代理商的中期预期，因为 10 亿美元已经是一个相当大的数字。

做季度调研时，我们问了很多代理商和广告主，他们这个季度给 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给 OpenAI 了，但没有动 Meta 的份额。他们觉得直接对比的是谷歌广告预算和 OpenAI，影响没有那么大。但大家开始长期思考，预算应该往哪儿放。因为 OpenAI 是一个新渠道，这些广告主和代理商暂时还没有特别关注它的 ROI。

我理解公司解释说，AI Mode 影响了短期变现。我觉得这个解释也说得通。谷歌做 AI 广告有两种方式：一种是 AI Overview，一种是 AI Mode。我们第一次播客里就讲过，AI Overview 可能增加广告加载量；但 AI Mode 还不能证明能增加广告加载量，所以需要更好的每次搜索收入表现和 CPM，因为广告加载量可能没有增加。

这个季度出现的情况是，谷歌开始把更多展示分配给 AI Mode，而不是 AI Overview。AI Overview 里比较容易变现的部分已经做过了，现在要去做更难的部分。但退一步说，ChatGPT 对广告的影响和 AI Mode 对广告的影响，其实是一回事：传统广告业务要怎么适应新的 AI 搜索行为？是被外部公司推动适应，还是由自己的公司推动适应？这个季度都产生了影响，也会影响公司的长期叙事。

谷歌必须解决一个问题：怎么在更积极地把展示分配给 AI Mode 的同时，证明它的每次搜索收入高于 AI Overview 和原来的展示。这不一定能在一两个季度内证明。

第三件有意思的事，是我们这次季度调研发现 Meta 在明显拿谷歌的份额。过去一年我们都没见过这种情况。传统的广告调研，结论基本都是 Meta 好、谷歌好，或者 Meta 差、谷歌差，很少出现方向差异这么大的情况。这个季度有意思的是，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，也在拿谷歌的份额。

再看 Meta 财报，它披露各地区的增速，你会发现北美广告增速增加了 10 个点，其他地区没有增加这么多。你可以用中期选举解释其中的 4 到 5 个点，但还有 5 到 6 个点没有解释。Meta 发布季度财报后，我们频繁讨论这件事。它大概率对谷歌不是好事，也不能证明整个广告行业都变好了。结合之前的季度调研，感受更像是 Meta 在一些传统弱势行业里抢到了谷歌的广告份额。

所以谷歌这份财报最大的看点不在 AI，也不在 GCP 增速或卖了多少 TPU，而是广告业务走弱，会不会让大家重新回到“谷歌广告受 AI 影响”的叙事里。这个事情可能是个灰犀牛。AI Overview 是一年前的事，OpenAI 的份额无论如何都会变大，所以总有一个季度要重新讨论 AI 对谷歌广告收入的影响。只是恰好发生在这个季度。

GCP 也像我们之前讨论的那样，非常依赖 OpenAI，最大的驱动因素就是卖了多少 TPU。为什么影响这么大？如果把 TPU 租给客户，要租 5 年，收入得分摊到 5 年；总租金肯定比直接卖高很多，但如果卖 TPU，5 年的收入可以在一个季度确认完毕。直接卖的短期收入更大，长期收入可能不如租出去，但对短期收入影响非常大。这是确认收入的期限问题。

所以这个季度 TPU 对谷歌广告收入的影响很大。我们当时测算，10 万张 TPU 大概能影响谷歌 GCP 12 个点的增速。卖 20 万张还是 30 万张，差别非常大。GCP 卖多少 TPU，影响收入的这个“黑盒子”很重要。如果 Anthropic 重新和谷歌谈合同，GCP 的收入就可能稍微弱一点。

GCP 这个季度增长 103%，但至少有些人觉得它应该做到 108% 到 110% 才够。所以这个数字算是符合预期，或者略微低一点。

Gemini 有什么更新吗？

我觉得这个季度 Gemini 谈不上有什么非常大的变化。三季度的 Gemini 体验比起 OpenAI 和 Anthropic 还是没有明显改进。真正的改进要等 Gemini 最新模型发布才看得到。所以你有可能在四季度看到一些变化，但三季度对 GCP 基本没有明显贡献。

谷歌一边出售 TPU，另一边又从 SpaceX 高价租算力。谷歌自己是云服务商，为什么还要外租算力？

首先，谷歌的算力还是有比较明显的限制。一方面，TPU 明年的产量下调了，因为供应商良率有问题。原来可能能产 1,000 万张，现在可能只能产 850 万张，所以算力反而变少了。另一方面，客户对算力的需求比半年前规划时明显提高了，Anthropic 对 TPU 的需求也明显提高了。

这导致 Gemini 的算力一直不够。原来大家觉得 Gemini 的算力最多，去年 Gemini 的算力比 OpenAI 和 Anthropic 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，所以没法大力出奇迹。Gemini 其实还是很缺算力。

从 SpaceX 拿来的算力，一部分要用来支持 Gemini，另一部分要支持 Gemini API、企业版 Gemini、Vertex，以及由 Gemini 驱动的产品。所以我觉得有理由相信，Gemini 三季度会有一些相对乐观的变化，Gemini 的贡献应该会更多。

讲完谷歌，再看亚马逊。亚马逊营收 2,019 亿美元，同比增长 12%；AWS 连续 6 个季度加速，backlog 在手合同够它做 3 年。但同时，亚马逊过去一年的自由现金流为负，债务也翻了一倍多。我们怎么理解亚马逊这份财报？

亚马逊基本上只看 AWS。只要电商不要太差，大家都不太看电商，主要看云的情况。

这个季度 AWS 的结果是收入稍微差一点。市场预期应该在 42% 到 43%，公司实际交出来的数字差一点。但它又给了两年指引，说未来两年都到 40%。所以反映出来的情况是，今年差一点，但到 2028 年变好了。

AWS 股价在财报后的反应比较积极，在三个 CSP 里表现最好。它虽然没达到预期，但给了长期指引，而且到现在还没融资。财报第一天，大家都觉得它要融资了，因为给了 40% 的指引，马上就要融资；后来发现还没融资。不过没融资不代表不会融资。至少相对 Meta、微软和谷歌，它是唯一一个还没融资的。

从回收周期、加速和 ROI 角度看，AWS 还不错，没有很明显的回报争议。暴露出来的问题是，这个季度训练算力从 Trainium 2 转到 Trainium 3 有衔接问题，形成了一个空档期，没有什么新的训练算力。另外，我们刚才说的，Anthropic 过来压价了。

但以后它的训练算力也会像 TPU 一样对外出售，Anthropic 的算力承诺也很强，给了中期指引。我觉得这个季度的业绩不好不坏，只不过财报前对融资和其他问题的担忧比较多。

刚才也稍微讨论了一下，亚马逊准备从 2027 年底开始对外卖自研的 Trainium 芯片。Trainium 能为 AWS 带来多少利润？怎么理解它的商业战略？

Trainium 主要是给 Anthropic 用，其他人不怎么用，主要是自己在后台用。客户调用 Bedrock 产品和 API 时，不知道后台用的是什么卡，所以 Bedrock 可以把很多算力用在 Trainium 上。主要是满足 Anthropic 的需求。

所以和英伟达、自己的客户没有明显正面冲突。它还没有像 TPU 那样有很多外部客户，客户群还是比较有限。

对利润率的影响，可以参考 GCP，但对 AWS 来说影响未必那么好。GCP 的利润率本来就差，营业利润率只有 30 多个点，卖卡可能有接近 50 个点的利润率，所以对 GCP 利润率有帮助。但 AWS 的毛利率本来就挺高，有 60 多个点，营业利润率也比 GCP 好。Trainium 卡能不能卖到 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，最后大概就是没有影响。

最后看 Meta。Meta 这个季度营收达到 646 亿美元，同比增长 26%；资本支出 349 亿美元，第一次超过经营现金流，占收入的 54%，也是四家里最高的。另一边，它的个人助手 Muse 上线 6 周就突破 1,000 万用户，但财报后次日股价跌了 7%。你怎么理解这个季度 Meta 的广告增长？和谷歌的广告业务相比，AI 对 Meta 广告的赋能是不是更多？

首先 Meta 业绩挺好的，广告业绩很好，给的指引也不错，没什么特别多可以挑剔的。唯一不好的地方是 Meta 融资了，而且比大家想的多。原来大家觉得它每年可能融资 2 到 3，结果现在是 4 到 5。那以后是不是每年都这样？如果每年都要融资 400 亿到 500 亿美元，就不光是不回购了，还要每年向大家融资 400 亿到 500 亿美元。大公司都喜欢分红和回购，苹果就是典型例子。如果每年都要融资 400 亿到 500 亿美元，长期投资者就比较担心。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。我们刚才也讲了谷歌和 Meta 的变化：广告主把 AI 广告预算分给 OpenAI，对谷歌有影响；Meta 没有 AI Mode 的问题，广告主也不会把 Meta 的预算分给 OpenAI，因为这是两个不同的预算池。

正面来看，这个季度 Meta 的软广 CPM 提高很快。我们上半年就讲过，Meta 在软广上有很大空间，库存空间也很大。半年前 Meta 刚开始做，这个季度变现就出现了明显变化，算法肯定有了明显提高。我们所有渠道都反映，软广 CPM 比上个季度有明显变化，这是 CPM 变化最明显的一个季度。我倾向于认为，Meta 在软广商业化变现上有了很好的变化，可以增加广告加载量。

第二，Meta 也很积极地做原来的 Audience Network，也就是国内的网盟平台。以前不太重视，现在开始做了，也有很多提高，这个季度有一些增量贡献。

还有一点是，Meta 针对谷歌的弱势行业做了提高。旅游、金融、汽车、B2B、本地服务，这些领域有一个共同特点：谷歌更容易收集销售线索。比如你要买车，会先在谷歌比较买 Tesla Model X 还是 Model Y。你不会在 Meta 里问。你只要在谷歌里问了，谷歌就拿到你的销售线索，马上可以给你推 Tesla 广告。

要去旅游，你可能先在谷歌搜墨西哥有什么好玩的，然后才在 Instagram 上看。Meta 可以在广告流程的不同环节加入，但最赚钱的前端份额肯定是谷歌的。最近半年能看到 Meta 在这些弱势行业里算法明显提高，我们从很多渠道听到这些行业的 Meta 广告在变好。

所以 Meta 广告表现好，至少这个季度不一定和 AI 有关系。

Meta 的资本支出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，回报应该怎么验证？

Meta 做 AI 有几个驱动因素。第一，把 GPU 拿出去租，短期不太容易，因为它要把更多 GPU 分给 Muse 和自己的模型团队。第二，要看 Muse 和 personal agent 的想象力。财报前 Meta 股价表现不错，是因为如果这个产品能成为 10 亿 DAU 产品，帮助肯定很大。但这个 10 亿 DAU 的目标可能有很多曲折，不会线性地做到，可能需要很多年，所以中间一定会有很大的波动。

我自己看，personal agent 这个产品对 Meta 的帮助很大。这个事情在我们第一次播客时就讨论过。为什么对 Meta 的广告变现帮助很大？按现在的情况，订阅费可以收，但靠订阅费算出几百亿美元收入太难。所有人都想算订阅费，都觉得理论上订阅费空间最大。但从商业模式角度看，在消费级产品里收订阅费是很难的事，成功的公司有几家？

过去半年我们交流时一直讲，能在大公司里体现成功的，往往是不需要创造新模式，而是在旧模式里做增量提升的地方。那才是最容易赚到钱的地方。所以我们当时就说，Meta 的聊天机器人 AI 如果做起来，会有助于收集广告销售线索，也会帮助广告商业化。这个季度能明显看到 Meta 的很多策略都在往这个方向靠。

我们刚才说，在代理商调研里能听到 Meta 在传统弱势行业追赶；再看 Muse 的很多做法。比如旅游是 Meta 相比谷歌最弱势的行业。旅游能占谷歌十几个点的广告预算，在 Meta 那里只有几个点，可能不到 5%。这中间差几个点的广告预算，放到 Meta 接近 100 亿美元的广告收入里，就是几十亿美元。收订阅费要收多久才能赚到几十亿美元？这是个很简单的算术题。

你再想，旅游行业要做得好，需要什么？比如我爸妈带孩子，感恩节去墨西哥玩。第一步可能马上就在谷歌搜墨西哥有什么好玩的、墨西哥城有哪些景点、有哪些餐厅。搜完了之后，要去 Booking、Agoda 或者别的地方搜机票、搜酒店，也可能在谷歌里比较酒店。

谷歌不光知道你要出去玩，还知道你的反馈机制、你喜欢什么、具体哪一天出去玩。它推旅游、本地生活、机票、酒店广告时，可以直接匹配到那个时间段。这些行为会在 Meta 里发生吗？你不会在 Meta 里搜。Meta 只能等你在 Booking 搜完之后，由 Booking 拿到销售线索，再通过 CRM 和 Meta 分享、匹配用户、推送广告。这个过程比谷歌慢。很多旅游景点也是用户先在谷歌搜，然后点进 Booking 或 TripAdvisor。Meta 在这些领域先天就比谷歌弱。

有了 Muse 之后会怎么样？你在 Muse 里讲了 30 到 50 轮旅游相关的内容，它是不是会比谷歌更懂你的旅游需求和具体行程？它甚至更清楚你的路线，因为 Muse 会给你规划旅游路线，知道你早上、中午、下午去哪儿。所以我们觉得 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，就没办法衡量成本。现在很多用户对订阅的接受度也提高了。经过这两年教育，大家不再觉得每月 30 美元的东西很贵。只要用户量大，想象空间还是挺好的。未来的回报主要就得从这里看。

你怎么看个人助理这个产品的未来？特别是还有 Instinct，以及它和谷歌、OpenAI 的竞争。Meta 最大的优势和风险是什么？

Meta 最大的优势是人多、预算多。你能明显看到 Muse 有点像 Manus，不太像 GPT。Manus 这类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。Meta 在这方面有优势。

Meta 和用户互动的点位很多，有自己的社交网络，可以很快知道用户反馈，也可以大规模调研。如果这件事跑通了，它可以大规模推广；它也有更多产品经验，对产品卖点和用户需求可能有更好的认知。要说技术优势，我觉得大家可能都差不多，不会有特别大的技术差异。最大的难点是，如果这周出现一个新需求，你能不能立刻抓住，然后在这个需求上做得比竞争对手好。这是现在双方竞争的关键。

从增长角度看，我觉得 Muse 不太可能很快增长。财报前可能有 250 万到 260 万 DAU，现在可能接近 400 万。它不是一个你想推就能马上到 1,000 万 DAU 的产品，还是需要一步一步增长。

Meta 到现在也没有大规模推广，没有把所有用户都推一遍让他们下载。Muse 开放国家也是一个一个开放的，没有放一个特别明显的 banner 让所有人今天就下载。它一开始的推广力度，甚至没有当年 Threads 上线时那么大。

Muse 和 Threads 也不一样。你下载 Threads 就知道怎么用，因为你用过 Twitter；下载 Muse 不一定知道怎么用，因为你需要和它对话、需要想好要干什么。虽然不需要复杂对话，打开就能知道怎么用，但使用门槛还是不一样。这个门槛决定了没法大规模推广。如果留存上不去，用户没留下来，大规模推广就白做了，还会给用户增加阻力。所以一定需要一个打磨留存的阶段。

Agent 产品的留存也和传统互联网产品不一样。传统互联网 APP 上线时，留存通常已经比较正常，后面可能差别不大。很多游戏产品第一周的留存甚至就是最高的，因为上线时核心功能、最重要的卖点就已经有了。社交网络产品留存能提高，是因为有网络效应。工具类产品的核心功能，应该第一周就有，不然也不会上线。

但 agent 产品不一样。你不知道刚开始上线的核心功能是不是未来的核心功能。因为产品迭代很快，现在的留存不代表以后的留存，之后会非常不一样。所以需要不停地试，找到什么样的留存才算满意。

比如 OpenAI 刚上线的时候，14 天留存也就 10 个点，花了快两年才接近 20 个点。现在 14 天留存达到 25 个点，可以把它当成长留存来看。大概用潜在用户乘以 25%，就能估算长期 DAU。

我自己认为 Muse 现在的 14 天留存可能是 15% 到 16%。现在做推广，其实是在浪费潜在用户。合理情况下，应该等到留存超过 20%，再做大范围推广。到那个门槛之后，产品可能水到渠成，进入正循环。但跨过门槛之前，有很多不确定的优化工作。留存从 10% 提到 15%、16%，可能让人觉得很容易、有信心；但也可能卡在 17% 到 18% 上不去。

所以到底什么时候能跨过这个门槛，不太确定，也不能简单拿 20 亿 DAU 的假设来推断 Muse 应该有多少用户。

莫总这个分析很精彩。我们把几家大厂财报过完之后，回过头来看整个 AI 融资情况。前段时间大家比较关心循环融资和表外融资的问题。你觉得需要担心吗？另外，美联储还在加息，10 年期美债收益率一度突破 5%，这意味着周期进入了什么阶段？

这个问题从 2023 年就开始担心了，只不过担忧会时不时突然集中爆发。集中爆发一般是因为发现融资规模特别大，算不过来了。和 ROI 有差距的时候，就开始担心需求端和供给端会不会错配。

另一个原因是利率提高以后，会担心钱不够、资金变紧。现在还有人担心反身性：这些 New Labs 跌了这么多，是不是融资难度更高了？会不会越跌越难融，越难融越跌，出现负面循环？

比如 CoreWeave 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。但 CoreWeave 的问题是，它没有承担资本支出，本质上是零资本支出公司。等以后要买 AMD，肯定会有一些资本支出，但现在基本没有。它把融资压力、现金流压力都传导给了 New Labs，也传导给了 GCP、AWS 这些云公司。数据中心不是它建的，是这些公司建的。

所以融资的难点其实不在 CSP，主要在 New Cloud。整体融资问题不是前沿模型的问题，也不是 CSP 的问题，几乎都是 New Cloud 的问题。

大家在担心什么？比如看到英伟达开始下场支持这些 New Clouds，以前会觉得是好事，跌的时候就会觉得是坏事：为什么要支持它，是不是它不行了才需要支持？这些担忧就是这么来的。股价变化之后，大家会事后总结出一些合理的担忧。

我觉得反身性这个事情有也没有。说没有，是因为融资时，人们看你的净债务除以 EBITDA 等指标，主要看这些指标。分子和分母都会变化，融资成本、利率和融资期限也可能变化，很多时候是利率和资金市场环境影响的。不会因为股价跌，这些东西就明显改变。

但如果 GPU 价格变了，指标就会明显变化。GPU 价格变了，抵押品价值就会变小，净债务可能没变，公式就变了，融资压力就会更大。股价不一定是最关键的因素，但 GPU 价格和客户需求出现浮动，融资就会变难。

第二，虽然股价不直接影响这些指标，但会影响相对融资难度。同一笔钱，是给 CSP 还是给你？如果你的股价跌了很多，出资人会不会觉得这笔钱应该给 CSP？或者应该给 SpaceX，而不是差一点的 New Cloud？相对融资难度就可能变化，整个融资链条里谁弱势、谁强势也会显现出来。

接下来梳理半导体财报。台积电年内第三次上调全年增长预期至 44%；ASML 的客户已经预订 2029 年、2030 年的交付；存储利润率达到 80%，台积电接近 60%，而云厂商的现金流转负。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？

基本上就看资本支出是上升周期还是下降周期。上升周期，大家都会持续；下降周期，就都不会持续。相对程度上会有些变化。所以归根到底还是在讨论资本支出预期。

如果资本支出持平，这就是现在的变化。最近开始有人假设资本支出可能更早持平，之前可能假设 2028 年持平。如果持平，靠涨价的品种就不太好涨价，走量的品种可能会抢更多份额，瓶颈也会转移。

大的趋势是大家的瓶颈同上同下，但在微观变化里，不同瓶颈的相对情况会有变化，取决于你靠价格、靠销量，还是靠其他因素。

接下来聊聊最近的中期选举，以及它对算力和数据中心建设的影响。民主党拿下了两院，几位新当选的州长也主张暂缓或者暂停数据中心建设。你觉得这会怎么影响四大云厂扩张，又会怎么传导到半导体和硬件公司？

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

美国大概有 60 多吉瓦的数据中心处在规划和审批过程中，德州差不多有 18 吉瓦。如果全都通过，其他地方就还有 42 吉瓦。当然你会担心别的州会不会效仿，最终变得更少；也会有人说德州的 18 吉瓦不一定全部通过。但大概市场预期是，原来 60 多吉瓦可能会变成 40 多吉瓦，至少有 15 吉瓦会受影响。这是大家关注的点。

如果这样估算，原来大家预期明年有 40 吉瓦，后年还有 40 吉瓦，那资本支出就不会增加，不管需求怎样，算力都会持平。这就是最近出现资本支出持平预期的原因。

我觉得这件事本身有很多不确定性。周五州长就出来说，本质上不是反对所有数据中心，而是反对不考虑德州居民需求的数据中心。SpaceX 的情况可以谈，也可以不谈，这件事不是完全不能谈。

很多数据中心建设需求是从县一级开始的。这个县想建，那个县不想建。你会发现 2028 年很多在审批的数据中心需求是在红县。以前主要是在蓝县，比如达拉斯那些地方想建。现在很多红县也想要钱，也想建数据中心。

所以最后还是自下而上地谈，数据中心在哪里能建，可能要和县里谈，县再和州谈。因为你没法统一立法。这最后还是个经济需求问题，哪些地方谈得妥，哪些地方谈不妥。肯定不是一刀切，大概率不会影响那么多数据中心。实际受影响的范围可能比 18 吉瓦或 15 吉瓦小。

如果建设变缓，供需缺口继续扩大，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，受益最大的是谁？

一阶导的思维是想谁受益于存量。存量主要在三朵云手里。然后再往下找，看看德州新建产能是谁的，发现主要是 New Cloud 和 SpaceX 的。所以你会想，它们丢掉份额，大云影响不大，大云还能涨价，于是大云受益。

再想一下，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。大云行动最早，国内算力不够可以移到海外，海外能补算力；New Cloud 基本都在美国境内。所以一阶导会觉得 CSP 不错。

我们上周也发了几份报告，讨论德州的数据中心项目、太空算力和自发电，也就是 BTM power。太空算力有点帮助。我们从供应链得到的结论是，大概到 2028 年能有 1 吉瓦太空算力，有帮助，但没那么大，不足以填 10 吉瓦的缺口。

自发电的影响相对还好。我们做了一些渠道调研，如果这件事需要和县里谈，县里的居民也有发言权，首先要满足县里的需求。无非几个方向：谈钱、谈补助、谈电费补贴；或者告诉居民，这能给他们带来新增电力，自发电对能源有帮助，不会影响当地供电。

如果用自发电，能证明新增负荷不会推高电费，社区反应还是相对积极的。100% 自发电是个比较正面的信号，社区也不会特别区分电力技术，很多县主要看结果。所以我觉得对 BTM 有好有坏，但如果真能谈妥，就是好事。

最后过一下软件公司这个季度的财报。软件企业有哪些新动向？哪些公司在受益，哪些公司被市场惩罚？

软件这个季度的财报其实有不少雷，没有大家想的那么好。原来大家觉得 AI 直接落地有点难度，也有很多安全和访问权限问题，特别是最近出现了这么多安全问题，所以企业会更相信传统软件公司给产品增加 AI 功能。

但这里有个瓶颈：部署这些功能，对 FDE 的需求很大，服务交付周期比想象中长。所以软件公司得花更长时间交付，短期收入会受影响。如果一家公司有 FDE 产能，那就很厉害。

本质上，企业很多时候不知道这个东西该怎么做，需要有人手把手教。第二，安全有比较明显的变化。现在几乎每周都有一个大的安全事故。以前有多少黑客、每年发现多少漏洞，现在有多少黑客、发现多少漏洞，很多问题在最近一年、最近几个月无限放大了。

安全领域里公司也有差异。有些公司稍微放松一点，也有自己的周期问题；像 Cloudflare，未来也可能有 CrowdStrike。这些公司会有区分，但对好公司来说，趋势还是比较明确的。

这个市场也很大，因为你终于在软件领域找到一个有点像编程的领域，可以用一些数字来证明。如果现在黑客数量是以前的 10 倍，就可以证明这个市场空间有多大。别的领域没有这么明确的指标。

还有一点是，面向消费者的软件成了一些新热点。比如 AppLovin，大家已经好久没看到 AppLovin 了。一年前它还是软件龙头，和 Unity、Palantir 一起被提到。但今年已经很少有人讲它。大家觉得它被 Unity 抢了份额，上个季度可能比较悲观；但这个季度第一次看到比较看多的观点，AppLovin 的表现非常好。

从市场角度看，大家肯定想找三倍回报的公司，但又觉得很多行业要受影响。你也说不清一些软件公司到底是 AI 受益还是受损，甚至担心它们会不会被淘汰。反过来看，和消费者软件、广告相关的公司，明显不是受损标的；它们好像又解决了一些竞争问题，而且估值便宜，之前也受 AI 取代软件的逻辑影响了很久，一下子就成了热点。

所以现在市场对消费级软件、消费互联网的关注度在增加。

有没有看到哪些企业 AI 项目落地进展比较大？还是说大多还在试点？有没有已经规模化的应用场景？

这是个很好的话题，也是我一直疑惑的事。从 8 月、9 月开始，我们就在大规模做企业 AI 落地调研。到现在已经访谈了接近 100 家全球企业，而且会不停复访，跟踪季度趋势。我觉得这是一个很大的样本。

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。很多时候需要你带一点咨询属性，帮他们设计 use case、测 ROI。

你过去买 20 美元的 ChatGPT Pro，不需要动脑。别人都买，我也买，马上用量就上去了。但你要跟他说，得买 200 美元的产品，不光要买，还得重新改变 AI 工作流，他就会多想一下，得想这件事到底有什么 ROI、具体怎么做。

前面的事是买个订阅，不用动脑，也不怎么承担风险，因为大家都这么做。但后面的事需要承担风险。到了这一步，就会发现有些犹豫。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 和服务公司帮忙测算。

这和几年前大企业做运营重组类似。麦肯锡有专门的产品线帮企业提升运营效率。你并不是指望麦肯锡的人过来，10 个人就能把公司 1 万个人的毛利率提高一个点，这不可能。典型的情况是，你希望他们把你想说的话说出来，也希望他们替你承担一部分风险。

所以 FDE 和很多服务场景越来越像一个明确的瓶颈，进度会比想象中慢。不能指望它像上半年那么快，可能需要一年或者更长时间。企业采用 Copilot，光试用阶段可能都花了一两年。你再让他们投入更大预算、重新组织工作流，指望一年完成也不现实。

感谢莫总把整个第三季度科技板块做了这么全面的梳理。今天最后一个问题：接下来你觉得我们最应该关注什么？

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，最关心的问题之一，是我们刚才说的很多需求风险在 New Cloud，但 New Cloud 的风险很多来自 New Labs。现在担心 Anthropic、OpenAI，我觉得有点早。Anthropic 现在还挺好。但对这些 New Labs 的担忧是真正可能发生的：这些公司估值已经有几百亿美元了，却没几个点的收入。你研究 Anthropic 的 20 倍市销率合不合理，还得研究这些公司的 200 倍、2,000 倍市销率合不合理。

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。前沿公司已经走在一条非常有效率的路径上了，而 New Labs 占了 New Cloud 很大一部分增量算力。我们简单测下来，可能有 20% 的 New Cloud 增量算力来自 New Labs。所以它们是整个融资链条上最敏感的环节，也是最前瞻的指标。

这是一个重要问题，我们在很认真地梳理。它也会影响融资，影响这些公司拿算力时有没有反身性。这有可能是一个风暴点。

第二，从我们的角度，最近听到很多供应链噪音，这些噪音最后会不会落实到 ODM、OEM？可能不会影响订单，可能只是技术变化。因为市场下跌时会放大很多声音，口径也不一样。你不能从 A 那里听到一个口径，又从 B 那里听到另一个口径，发现 B 的口径比 A 少，就说砍单了。A 和 B 的口径可能完全不同，不能直接比较。

最近很多传闻都是在下跌之后，用口径差异解释订单差异。这种时候肯定要更小心，得看最后有没有真正的变化。这也是我们关注的核心问题。

第三个特别需要关注的是，两家实验室 ARR 的变化并不是开源模型造成的。开源模型和闭源模型的差距最近三个月其实有所拉大，不能说 ARR 变慢是开源模型造成的。

本质上，最近几个月两家实验室之间有价格竞争。OpenAI 先降价，发了很多免费额度；Opus 5.5 比 Opus 5 降价 20%。当然你也可以说 Opus 5.5 推理效率更高、模型迭代更快，所以性价比更高了。但无论如何，价格体系发生了变化，短期 ARR 受到的最大冲击就是价格体系。

两家实验室 ARR 增长有点跷跷板效应。一件事有跷跷板效应，就说明竞争对增长的影响变大了，传统市场里也常见。未来价格竞争会不会变化、能不能稳定下来，也是非常重要的关注点。比起关注开源模型和闭源模型的差距、份额，我觉得这更重要。甚至你看到开源模型份额变小，也可能是因为前沿模型降价。

还有一件有意思的事，在美国需要特别关注。现在如果天天刷抖音，会发现短剧进化速度非常快，出现了很多变化：横店的人找不到工作了，制作成本变便宜了，影视行业的就业也受影响。

这些事情在美国还没发生。在美国很长时间里，短剧对互联网生态是积极的。以前投资的很多都是小平台，在美国有几十个短剧 APP。这些 APP 留存不行，需要不停买用户、不停做用户获取和变现，所以它们有源源不断的广告预算。本质上它不是一个只进不出的产品，需要用户进来，也需要用户出去，给广告平台贡献了很多增量预算，也给消费行业增加了很多增量预算，是整个经济生态的顺风。

但如果短剧变成一个只进不出的东西，时长和留存都越来越高，也有了生态，那就不是好事了。广告预算今年投在你这里，明年就不一定还投在你这里，这会影响更多问题。所以这件事有可能影响明年整个互联网和消费生态。我觉得难以避免，只是要衡量影响程度有多大。

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。谢谢莫总。

谢谢，谢谢卿云老师，谢谢大家。