最近一周，谷歌、微软、亚马逊相继交出最新季度财报。相比前两个季度，本季度外界更加关注科技公司在 AI 算力基础设施方面的支出预期是否会放缓。此前，一季高过一季的巨额资本支出已经直接影响到自由现金流，同时由于短期内无法兑现的 ROI，又引发了市场对这场豪赌的恐慌。
从三家财报来看，我们注意到以下几点细节：
第一，算力供给仍是当前增长的瓶颈，三家云厂商都在传递 " 需求超过供给 " 或者 " 供需失衡短期无法缓解 " 的信号，并且资本开支基本都投向了 GPU 算力及数据中心等重资产中。谷歌和亚马逊的自由现金流都已转为负值，分别失血 59 亿美元和 76 亿美元，微软的自由现金流有基本持稳略有改善。
第二，自研芯片由成本中心开始转为利润中心。其中，谷歌云营业利润率达到 35.6%，亚马逊 AWS 营业利润率达到创纪录的 39%，核心驱动力都是自研芯片的 TCO 优势。对比之下，微软自研芯片尚未实现爆发期，在成本结构上存在一定劣势。
第三，基座模型竞争依然激烈，缺席将意味着出局， 市场依然期待 SOTA 模型。这一点上，谷歌 Gemini 最为焦虑，中端模型策略尽管能保住开发者生态，但保不住在高端市场的话语权。
第四，云厂商组织架构的调整仍在快速变动，战略收缩是核心。从过去的一些边缘业务到如今，开始更加强调一切对模型和 Agent 让路，一些短期内看不到业务结果或增长开始放缓的业务核心也开始裁撤，AI 核心人才的流动也更加频繁。
谷歌失血 59 亿美元、亚马逊失血 76 亿美元
先来看看钱都花在哪儿了。
目前谷歌公布了 2026 财年第二季度财报，亚马逊公布了 2026 财年第二季度财报，微软公布了 2026 财年第四季度及全年财报。
Alphabet：2026 财年 Q4 资本支出 449 亿美元，同比翻倍。全年资本支出指引从 1800 亿 -1900 亿美元上调至 1950 亿 -2050 亿美元，并明确 2027 年 " 仍将大幅增加 "。
但这一做法带来的代价巨大，由于资本支出超过经营现金流，导致 Alphabet 自由现金流历史上首次转负，达到了负 59 亿美元。为此，公司不仅增发融资 496 亿美元，还发行 203 亿美元高级无担保债券，并筹备 400 亿美元 ATM 股票发行计划。高管指出，Alphabet 仍处于算力供应受限的环境中，需求增长超过新增供给，只要回报保持吸引力就会继续投资，CEO 在电话会上表示，AI 投资正在重新定义整个业务。
微软：单季资本支出 410 亿美元，比去年同期增长 69.4%。2026 财年全年资本支出 1453 亿美元，与 2026 自然年预计 1900 亿美元的目标一致。
自由现金流为 196 亿美元，同比下降 23%（上一季度同比下降 22%），2027 财年持续维持自由现金流为正。
值得一提的是，微软通过将数据中心折旧使用年限从 15 年延长至 25 年，使 2027 财年全年资本支出指引降至约 1750 亿美元（此前 2026 自然年指引为 1900 亿美元），这本质上是会计处理而非真实投资节奏的放缓，但却改善了自由现金流和账面利润。
亚马逊：单季度资本支出达到 542 亿美元，去年同期为 321 亿美元。全年资本支出指引维持 2000 亿美元的目标不变。CEO 在电话会上指出，全年资本支出的热潮主要原因在于内存价格的上涨。
自由现金流首次出现负值，达到了 76 亿美元，财报指出是因为用于 AI 投资的购置物业和设备支出同比增长 661 亿美元。相比之下，去年同期的自由现金流为 182 亿美元。
自研芯片的三位数增速，谷歌和亚马逊先赚到了
自研芯片已经成为云厂商财报中越来越不容忽视的业务板块，几乎从上个季度开始，谷歌、亚马逊都开始高调宣布其自研芯片的商业收入，大客户主要还是 Anthropic、OpenAI。可以预见的是，自研 ASIC 芯片正在成为云厂商争夺的下一个主战场，至少为巨额资本开支找到可持续的利润点。
其中，谷歌 TPU 出货量最为显著。本季度，谷歌宣布其 TPU 系统销售已正式计入 Cloud 收入。
谷歌云本季度收入达到 248 亿美元，同比暴增 82%；营业利润 88 亿美元，利润率 35.6%；云积压合同达到 5140 亿美元。
财报会上 CFO 明确表示，谷歌已于第二季度开始向客户数据中心交付 TPU 系统，预计今年现有 TPU 系统销售协议中确认收入比例相对较小，将在 2026 年继续增加，绝大部分收入预计在 2027 年确认。
最近谷歌还考虑承诺提供 440 亿美元的第三方数据中心租赁担保，为约十个项目总计 2.4 吉瓦容量兜底。直白理解就是，谷歌承担数据中心租户的违约风险，目的是推动 TPU 售卖，同时 TPU 售卖收入需要超过担保产生的财务义务。
亚马逊也在加速售卖旗下自研 AI 芯片 Trainium 系列。本月初，亚马逊就已经上调了 Trainium 3 服务器 Q3 出货目标的 20%~30%，Trainium 3 几乎已被全数预订，部分客户已开始预订 Trainium 4。据 DIGITIMES Research 分析预测，ASIC 服务器出货量 2026 年预计增长 64.2%，远超 GPU 服务器的 43.8%。
尽管亚马逊还没有明确将 Trainium 作为独立产品线对外销售，但年化收入超 250 亿美元，同比三位数增长的增速，以及 2250 亿美元订单承诺的成绩，已经在说明亚马逊以算力换订单的模式跑通了。
AWS 本季度收入实现 422 亿美元，同比增长 36.7%，创下 18 个季度以来的最快增速；营业利润率达到 39%，贡献了公司近 61% 的营业利润；积压合同订单已达到 4960 亿美元。除此之外，AWS 的人工智能业务年化收入同样超过 250 亿美元，同比三位数增长。
微软在自研芯片方面的进展比想象中要快，不过更多还是将其视为内部降本的工具。
全年来看，微软云营收突破 2140 亿美元，同比增长 27%；Azure 营收突破 1000 亿美元，同比大涨 41%。云业务未交付订单在第四季度末达到 6780 亿美元，高于上季度的 6270 亿美元。
在芯片方面，Maia 200 芯片已实现规模化部署，Cobalt 200 ARM 架构虚拟机进入早期预览，预计本月底全球全球超 25 座数据中心完成 Cobalt 200 机架部署。不过，微软目前倾向于将自研芯片用于内部降本和 Azure 算力供给，在营收增长上尚不明显。
从模型到 Agent 的差距拉开，有的看似躺平了，有的还十分纠结
目前 Agent 已成为所有云厂商的共同话题，但怎么去实践各家的答案并不一致。
从技术层面，Agent 的架构机制其实在快速演进，从早期的 LangChain、Manus，到今年爆火的龙虾、爱马仕，Agent 已经由单轮问答模式，演变为多步骤、多任务协同，依靠长期记忆完成推理任务的模式。这不是简单靠打磨技术就能够解决，往往要回到核心本质去做创新。
谷歌其实更为焦虑。一方面在于，Gemini 3.5 Pro 已经三次跳票，直接原因是编程能力和复杂任务处理能力未达内部标准。但这个延期背后所暴露出的问题远比表面上看到的更复杂。
直接导火索是今年 4 月 Anthropic 发布的 Claude Opus 4.7，其在编程、大规模工具调用、Agent 操作等基准上全面超越 Gemini 3.1 Pro，这种差距就连谷歌也承认 " 并非微不足道，而是工程能力上的根本性差异 "。作为 Gemini 的最高级长官，也是谷歌联合创始人的谢尔盖 · 布林，在内部备忘录中写道，要求果断转向 Agent 技术，并弥补 Agent 在执行方面的差距。
谷歌已将Gemini 4 定位为 " 围绕 Agent 重构的下一代架构 "，并且明确表示将投入大量算力，确保分配所需 TPU 资源的最高优先级。
在 3.5 Pro 三度跳票的同期，谷歌密集推出了 3.6 Flash、3.5 Flash-Lite 和 Cyber 三款中端模型，同时实施降价策略。可以看到，谷歌在模型路线上的选择非常明确：不再追逐单一模型的能力峰值，而是通过降低 token 消耗和推理成本，把 AI 能力铺进所有高频场景。
另一方面， 谷歌对于怎么将 Gemini 从聊天机器人改造为 Agent 这件事情上格外谨慎。
外界对非常关注 AI 是否会蚕食谷歌自身搜索广告业务的基本盘。目前 Alphabet 大约 80% 的收入来自在线广告，而在线广告贡献最多的就是搜索业务。如果未来用户不是直接搜素网页，而是让 Agent 直接在后台完成任务，完全跳过这一提供给人的界面，那么谷歌过去二十年建立的商业根基将被彻底掏空。
在电话会上，谷歌回应认为 "Gemini 正在加强变现而非稀释它 "，并列举 AI 在广告质量、广告主工具和新型 AI 体验中的应用。
相比之下，微软基于自身庞大的办公软件生态系统，很自然地就过渡到了应用层的 Agent 阶段。
微软 CEO 纳德拉在电话会上说，" 你必须把控制层与模型本身分离 "，在 Agent 架构标准方面，微软将模型调度框架、上下文存储、记忆模块、动作执行空间与任意单一模型解耦，这一设计使企业可以在任意时点替换底层模型，而不丢失积累的业务数据和上下文。
在办公应用场景，Microsoft 365 Copilot 已拥有 3000 万付费席位，并形成大规模的 SaaS 订阅收入。同时，Microsoft 365 Copilot 已经将产品延伸至全自动自主运行的 Agent"Autopilot"，将对话类、代码类 Copilot 功能整合至统一超级应用。
在模型层面，微软与亚马逊的态度基本一致：让客户用最适合的模型，而自身提供运行环境。
微软推出了十多款新模型，首款推理专用大模型 MAI Thinking-1 也已推出，其自研模型主打低成本推理；微软云平台现已收录超 11000 款模型；年初至今，在智能体开发平台 Foundry 上，采用多家厂商模型开发的客户数量增长至原先 5 倍。
亚马逊同样强调让客户有选择权选择最优的模型策略，其提供的平台 Bedrock 已服务超过十万家客户。财报中也透露出 Bedrock 的采用增长迅猛，过去六个月新增客户数量超过产品发布头两年的总和，本季度客户支出也超过了之前所有季度总和。
多模型策略一直是亚马逊 AI 战略的核心标签，不过近期自研模型 Nova 多个旗舰版本（包括高端版本和视频生成模型 Reel 和图像生成模型 Canvas）进行降级，也透露出亚马逊对自研模型的态度正发生微妙的变化。
当云厂商开始做组织减法
战略层面是否清晰，最终都会反映频繁的组织和人事变动上。企业需要保持敏捷调整，这可以理解，但代价往往是核心人才的流失。本季度一个明显信号是，所有非核心、非 AI 的业务都在被快速剥离，人才正加速向头部模型团队和明星初创公司流动。
即便是提出 AlphaFold（AI 预测蛋白质结构） 的谷歌 DeepMind 团队也改以产品驱动研发任务了。DeepMind 研究副总裁公开承认其战略已经变了，不再围绕科学项目，而是将重点放在 Gemini 方面，并与 OpenAI 和 Anthropic 展开竞争。DeepMind 还组建了一支专门负责全面提升其 AI 编码能力的突击队。近期，谷歌宣布 DeepMind 将解散 AlphaFold 背后的作者团队，将研发重心全力放在 Gemini 上。
财报发布前夕，亚马逊 AWS 缩减了多个 AI 模型项目，将人才和计算资源集中押注前沿模型。从生成式 AI 到 AgenticAI，技术路线快速变迁的过程中，近些年 AWS 在进行不断重组。其中，主要负责模型研发和芯片开发的 AGI 部门也经历过数次变动，该部门由前 Alexa 负责人 Rohit Prasad 领导至 2025 年 12 月离职，期间设立的 AGI Lab 在今年 2 月 David Luan 离职后关闭，取而代之的是由 Pieter Abbeel 领导的 Frontier Model Research（FMR）团队，是部门 AGI 部门最核心的方向。
微软目前也在对非核心或增长缓慢的业务板块做减法，将资源向云和 AI 集中。今年 6 月的 Build 大会期间，微软提出了最新战略，不再试图构建最聪明的 AI 模型，而是为运行在模型之上的 Agent 构建操作系统。
现在，AI 基建这场豪赌，谁还能撑下去？
结合本季度财报传递的信号，海外科技公司的 AI 竞速已经到了要为利润算账的阶段，无论是努力卖芯片、卖 maas，还是砍掉组织一切为 AI 服务，亦或是通过财务手段做足利润，一切的投入扩张已经到了必须要用事实说话的阶段了。
（本文首发于钛媒体 APP，文 | Tech Horizon，作者 | 杨丽，编辑 | 杨林）
