文 | 字母 AI
谷歌母公司 Alphabet 发布了 2026 年第二季度财报，净利润部分直接把我看懵了。
一家 4 万亿美元市值的公司，净利润同比增长了 3 倍。
炸裂的还不止这些，这份财报，是谷歌首次公开 TPU 销售情况。并且，这季度是谷歌自 2004 年上市以来，首次出现负数自由现金流。
财报发布后股价盘后下跌约 3%。
所以这份财报到底为什么如此神奇？难道谷歌真开挂了？别急，咱们一起把它拆碎了看。
1121 亿净利润，水份有多大
具体来看财报，2026 年第二季度，Alphabet 总收入 1198 亿美元，同比增长 24%。这已经是连续第 12 个季度双位数增长。经营利润 408 亿美元，同比增长 30%，经营利润率从 32% 提升到 34%。
净利润为 1121 亿美元，同比增长 298%，每股收益 9.11 美元。
然而这些钱里面，有一大块和谷歌的主营业务没有直接关系。财报里有一行叫 "Other income ( expense ) "，指的是主业务之外的收入和损失，这个季度是 980 亿美元，而去年同期只有 27 亿美元。
这 980 亿美元几乎全部来自股权证券的未实现收益。简单来说，就是谷歌投资的其他公司的股票涨了。
扣掉税之后，剩下大约 771 亿美元。
谷歌表示，主要贡献者是 SpaceX，6 月上市后股价飙升，带飞了谷歌的账面资产。
把这部分拿掉，谷歌正常业务的季度净利润约 350 亿美元。去年同期为 282 亿美元，增长率就从 298% 变成了大约 24%，和收入增速基本匹配。
这才是一个反映谷歌实际经营状况的数字。
搞清楚净利润的水份之后，真正的增长引擎得以显现——谷歌云。
谷歌云业务收入 248 亿美元，同比增长 82%。此前，分析师预期是增长 64% 左右。
云业务经营利润 88 亿美元，而去年同期只有 28 亿美元，利润率从 20.7% 提升到 35.6%。这意味着谷歌云不仅收入在爆发，而且已经是一门赚钱的生意。
Cloud backlog 部分（云业务已经签约、但尚未交付和确认收入的订单）更是达到了 5140 亿美元。
皮查伊表示，谷歌云的增长归因于 "AI 组合 "，包括芯片、模型、数据、安全和 Agent 平台。在这个组合里，最底层、需求最硬的是算力基础设施。
财报里提到，谷歌现在开始把整套 TPU 硬件直接卖给部分客户，因此在确认销售收入的同时，也必须把制造这些 TPU 的成本计入当期 " 营收成本 "。
这是谷歌第一次在财报中确认 TPU 直接销售收入。CFO 阿纳特 · 阿什肯纳齐（Anat Ashkenazi）在电话会议上说，大部分 TPU 的收入，要到明年才会大规模体现。
除了卖芯片，谷歌云还提供算力租赁。企业可以用谷歌的 TPU 和英伟达 GPU 来训练自己的模型。
电话会议里提到，谷歌云的客户包括 Ineffable Intelligence、Kakao、Deutsche B rse Group、Pfizer、Roche、World Labs 等。
皮查伊在电话会议中被问到 TPU 分配问题时表示，第一优先级是确保 AGI 前沿开发所需的算力，也就是谷歌自己的 Gemini 训练；其次是核心产品，Search 和 YouTube；然后才是用于对外销售的云业务。
而在云业务内部，谷歌会优先把算力分配给模型服务（Vertex AI、Gemini Enterprise）和核心解决方案（数据分析、网络安全）。
对于大家最关心的 gemini 性能落后于 GPT 和 Claude，皮查伊是这么说的。
" 企业客户买的是一整套东西，比如算力基础设施、数据整合、安全合规、Agent 开发工具、企业级支持。模型是其中一个环节，但不是唯一环节。"
以谷歌云的安全业务为例，目前约 90% 的《财富》美国 100 强企业都在使用相关服务。这套系统可以发现网络威胁、判断哪些漏洞最危险、自动扫描代码并提出修复方案，还能持续监控风险。
Gemini 负责其中一部分分析工作，但客户最终购买的是 " 能否减少安全事故 "，而不是 Gemini 的 benchmark 成绩。
皮查伊表示，过去 12 个月中，接近 500 家谷歌云客户各自处理了超过 1 万亿个 Token，超过 2000 家企业分别处理了超过 1000 亿个 Token。谷歌的 Agent 开发工具下载量也接近 7000 万次。
还有一个容易被忽略的点，Search 广告这季度也涨了 17%，收入 633 亿美元。
谷歌把 Gemini 集成到了整个广告基础设施里。AI 让谷歌搜索变得更方便，搜索结果更准确。与此同时，谷歌利用 AI 提高了广告的匹配和投放效果。只要用户仍然习惯使用谷歌搜索，广告业务就能继续增长。
谷歌把钱花在刀刃上了吗？
电话会议里，谷歌的高管们表示，谷歌正在把过去由广告业务产生的巨额现金流，全部投入进 AI 基础设施。
Q2 单季度资本支出 449.2 亿美元。作为对比，去年同期的资本支出是 224 亿美元，整整翻了一倍。可当季经营现金流约 391 亿美元，因此，自由现金流约负 58 亿美元。
谷歌历史上第一次出现自由现金流为负的情况。
钱不够怎么办？融资。
本季度，谷歌发行了股票和强制可转换优先股，净融资 496 亿美元；又发行了高级无担保票据，净融资 203 亿美元。一家长期靠回购来回馈股东的公司，不仅这个季度没有回购，还开始通过资本市场找钱了。
然而，这还不是本季度的现象，整个 2026 年，谷歌都要使劲砸钱。
2026 全年的 CAPEX 指引，从之前的 1800 亿到 1900 亿美元，提高到了 1950 亿到 2050 亿美元。阿什肯纳齐在电话会议里还明确提到，2027 年的支出会 " 显著增加 "。
阿什肯纳齐的解释是：" 过去三年，我们已经大幅增加了产能，但需求仍然超过投资。" 她还提到，产能交付速度快于预期，也是上调指引的原因之一。
换句话说，谷歌不是在瞎花钱，它看到了足够的需求。Cloud backlog 达到 5140 亿美元，也是他们的底气所在。
但股东们并不买账，他们在电话会议里向谷歌提问，这些数据中心、服务器、TPU 和电力设施，未来是否能够产生足够的回报？
阿什肯纳齐的回答是，谷歌不会因为 AI 很热门就不计成本地建设数据中心。每投入一笔钱，公司都会计算未来能够赚回来多少，以及需要多长时间才能回本。
如果建设服务器、购买芯片和电力的成本继续上涨，谷歌也会把一部分成本反映到云业务的价格中，不会长期自己承担全部费用。
对于一些金额很大的云计算合同，谷歌在刚签约时可能并不赚钱。为了满足客户需求，谷歌需要提前购买 TPU 和 GPU、建设数据中心并准备足够的电力和网络。合同开始的前几个月，投入可能高于客户带来的收入。
但这类合同通常会持续很多年。前期建设完成后，设备可以长期运行，客户也会持续支付服务费用。因此，谷歌判断一份合同是否值得，是根据其完整周期的最终收益。
对于这个逻辑能不能成立，分析师提出了几个问题。
第一个问题是，如果企业对 AI 算力的需求在未来两三年内放缓，谷歌建的数据中心就会变成沉没成本。
皮查伊对此的看法是，企业 " 才刚刚触及 AI 的早期阶段 "，两三年内需求不会放缓。
第二个问题有点扎心，分析师问皮查伊，TPU 能不能在和英伟达 GPU 的竞争中守住阵地。
皮查伊说，TPU 的竞争力，目前主要体现在和谷歌自家软件栈（JAX、PyTorch、vLLM、SGLang）的深度集成上，以及谷歌新推出的 Virgo 网络。
Virgo 可以把分布在不同数据中心的 100 万个 AI 芯片连成一台超级计算机。
还有一个新变量，谷歌专门为 Agent 推出的 Axion CPU，号称比同类产品每美元性能高 30%。
谷歌的高管表示，这些加在一起，构成了谷歌区别于 " 英伟达 GPU+ 标准云服务 " 的差异化故事。
Gemini 3.5 Pro 去哪了
今年 5 月的谷歌 I/O 大会上，谷歌宣布 Gemini 3.5 Pro 将于 6 月推出。可是到了现在，在电话会议中谷歌的高层们表示，3.5 Pro 仍然处于 " 合作伙伴测试阶段 "。
谷歌在发布 3.6 Flash 和 3.5 Flash-Lite 的博客里，就曾提到，" 我们计划在 Gemini 3.5 Pro 完全准备好之后，尽快广泛发布。"
过去几个月里，Anthropic 和 OpenAI 都在持续推出面向企业的模型升级，中国开源模型也在快速迭代。
谷歌曾经在 Gemini 3 Pro 累积的领先优势，如今已经不存在了。
电话会议上，多位分析师向皮查伊询问关于模型竞争力的问题。
皮查伊承认了谷歌目前在 AI 编程和 Agent 上有所欠缺。
皮查伊是这样说的，" 在很多维度上我们仍处于前沿，但也有我们承认需要改进的领域，编程和 Agent 就是其中之一。
虽然 Gemini 3.5 Pro 迟迟不发布，但是谷歌已经启动了迄今最大规模的预训练，以用于开发 Gemini 4。皮查伊说团队正在把大量算力和精力投入这个方向，目标是确保在下一代模型上处于前沿。
那么问题来了，谷歌究竟是怎么做到不发布 3.5 Pro 就能开始训练 4 的？两个版本同时开发，背后的逻辑又是什么？
从技术角度看，大模型的开发周期分为几个阶段：预训练、后训练（包括指令微调、人类反馈强化学习等）、对齐和安全测试、内部评估、外部测试、正式发布。
如果按照谷歌的说法，那么 3.5 Pro 目前卡在外部测试阶段，说明它的预训练和后训练已经完成，正在做最后的调整和验证。
而 Gemini 4 处于预训练阶段，是最早期的工作。
3.5 Pro 和 Gemini 4 在开发周期上并不冲突，一个临近发布，一个刚刚起步。这两个阶段需要不同的资源和技能，确实是可以并行推进的。
但从资源分配的角度看，并行开发是有代价的。
预训练是整个流程中最吃算力的环节。如果 Gemini 4 的预训练占用了大量 TPU，那么必然会减少 3.5 Pro 的算力，最终就会减缓 3.5 Pro 的开发进度。
另一个可能的解释是战略选择。
皮查伊在电话会议里提到了一个概念："parade of Frontiers" ——前沿模型的队列。
他的意思是，谷歌要在不同价格点上提供最好的模型，比如 Flash Lite，就专门负责低成本高吞吐，Flash 负责主力场景，Pro 负责旗舰能力。
这个策略的逻辑是，不是所有客户都需要最强的模型，大多数企业需要的是 " 够用且便宜 " 的模型。
从这个角度看，3.5 Pro 的延迟可能不是纯粹的技术问题，而是资源优先级的权衡。如果 Flash 系列已经能覆盖大部分企业需求，还能给谷歌带来收入增长。
那么与其开发 3.5 Pro，倒不如把更多算力投入 Gemini 4 的预训练。因为从长远来看，一个新的模型，远比打磨 3.5 Pro 更有战略价值。
电话会议里还有一句话值得注意。皮查伊还说到，" 我们对在下一代处于前沿既非常投入也非常有信心。"
侧面印证了 3.5 Pro 没有达到谷歌预期的竞争力水平，谷歌把翻盘的希望寄托在 Gemini 4 上。
皮查伊还提到了模型发布速度的问题，他说谷歌会继续加快发布节奏。I/O 上发布 3.5 Flash，随后很快跟上 3.6 Flash，未来还会有更多迭代。
皮查伊说，谷歌意识到自己在模型迭代速度上落后了，正在试图通过更频繁的小版本更新来弥补。
但频繁发布小模型迭代，和发布 Pro 级别的旗舰模型，这是两个完全不同的问题。
Flash 做得再好，也不能替代旗舰模型在编程和 Agent 场景中的角色。
至于谷歌能不能解决，那就要看 Gemini 4 什么时候出来了，反正 3.5 Pro 是指望不上了。
