公司融资举措 - Alphabet计划首次发行日元计价债券，为其人工智能基础设施的扩张寻求额外资金 [1] 行业与公司战略背景 - 科技巨头Alphabet正在快速扩张其人工智能基础设施 [1]

公司动态：Alphabet (Google母公司) - 公司计划首次发行日元计价债券 以筹集资金用于人工智能基础设施部署 具体规模未披露但预计将达到数千亿日元[1] - 公司已任命瑞穗银行 美国银行和摩根士丹利负责此次交易[2] - 根据LSEG数据 这将是公司首次发行日元债券 此前一周公司刚通过两次债券发行筹集近170亿美元 包括90亿欧元(约106亿美元)和85亿加元(约62亿美元)债券[5] - 公司在4月下旬将年度资本支出预测上调50亿美元至1800亿至1900亿美元区间 并计划在2027年再次大幅增加资本支出[5] 行业趋势：科技巨头融资与资本开支 - 全球最大的科技公司正转向债务市场 为其成本高昂的人工智能雄心提供资金 这改变了硅谷传统上依赖现金进行投资的模式[3] - 今年大型科技公司在人工智能基础设施上的支出预计将超过7000亿美元 较2025年的4100亿美元大幅增加[3] - 亚马逊也准备首次发行瑞士法郎债券 该交易将分为六个部分 期限从3年到25年不等 已任命包括法国巴黎银行 德意志银行和摩根大通在内的银行负责[3][4] 公司动态：亚马逊 - 据报道 公司正筹备首次发行瑞士法郎债券[3] - 该债券发行将分为六个部分 期限从3年到25年不等 已任命法国巴黎银行 德意志银行和摩根大通等银行负责[4]

投资入门与策略 - 小额资金可通过购买零股或寻找股价适中的股票开始投资[1] - 科技股在过去20年是获取超额回报的最佳领域 预计未来十年仍将如此[2] 科技行业与人工智能趋势 - 人工智能被认为是最具影响力的技术 有望催生全球首个万亿富翁[3] - 科技行业是过去20年获取超额回报的最佳领域 预计未来趋势将持续[2] 公司分析：Alphabet (GOOG/GOOGL) - 公司在几乎所有关键未来技术趋势中均处于领导地位[3] - 作为人工智能先驱 公司在当前AI复兴中处于有利地位 并通过多种方式受益于AI的普及[4] - 谷歌云是三大云服务提供商中增长最快的 Gemini是最强大的AI模型之一[5] - 生成式AI已整合至谷歌搜索和Workspace等全线产品 提升了收入和盈利能力[5] - 公司自研的TPU芯片因AI应用需求旺盛 已首次开始向外部客户销售[5] - 公司在自动驾驶和量子计算两个有望爆发性增长的领域处于前沿[6] - Waymo运营全球首个自动驾驶网约车服务 累计已完成超过2000万次载客[6] - Google Quantum AI已实现两项重大量子计算里程碑 正致力于构建大规模通用量子计算机[6] 公司分析：Nvidia (NVDA) - 公司的GPU是训练和部署AI模型的金标准[7] - 尽管竞争加剧 公司的领先地位依然稳固[7]

文章核心观点 - 文章认为，以Anthropic在2025年底年化收入（ARR）超越OpenAI为标志性事件，AI大模型行业已从以OpenAI为代表的“大模型1.0”阶段，进入由Anthropic引领的“大模型2.0”阶段 [5][6] - “大模型2.0”阶段的核心特征是以编程为核心能力，通过聚焦预训练、获取高质量行为数据飞轮、发展智能体（Agent），并服务顶尖用户（Top Users），从而构建了可持续的商业模式和财务模型 [12][16][23] - 判断该阶段赢家的关键北极星指标是token的定价权和溢价权，即AI提供思考的价值，而不仅仅是用户规模或token消耗量 [36] Anthropic的崛起路径与核心策略 - **收入实现跨越式增长**：Anthropic的年化收入（ARR）在2025年底为90亿美元，4个月后（2026年5月1日）达到440亿美元，增速史无前例 [5] - **选择差异化技术路径**：在2024年中行业普遍认为“预训练撞墙”时，Anthropic做出两个关键押注：押注编程（Coding）和押注预训练，认为这是通向AGI的路径 [15][16] - **构建数据飞轮与智能体**：通过Claude Cowork等产品，在协同知识工作的同时收集用户行为轨迹数据，由模型自行清洗后作为高质量预训练语料，形成了“数据-预训练-编程-自主学习”的进阶飞轮，并最终催生了Claude Code等本地智能体 [16] - **采取聚焦战略**：由于资源有限且无ChatGPT级C端应用，公司被迫聚焦于开发者与ToB市场，并在此过程中坚持预训练和编程，放弃了后训练、多模态和C端应用等分散精力的方向 [16][19] - **证明Transformer潜力**：Anthropic的成功证明以Transformer为基础的预训练远未走到尽头，高质量的行为数据仍有巨大挖掘潜力，公司CEO Dario Amodei称从GPT-3到Claude 3.5/Opus的进步可能只是后续加速的前奏 [15] 大模型2.0阶段的商业特征 - **用户策略转变：从追求活跃用户到服务顶尖用户**：Anthropic不追求互联网时代的活跃用户数，而是聚焦于最有创意和行动力的顶尖用户（Top Users）[23]。截至2026年3月底，Anthropic仅覆盖0.5%的美国成年用户，而ChatGPT覆盖12.3%，两者用户数相差25倍，但Anthropic的年化收入更高 [23] - **增长逻辑变化：从简化流程到增加用户投入**：对于顶尖用户，增长策略不再是缩短注册路径，而是通过增加用户投入（如让AI深度了解用户背景）来筛选用户并提升长期价值，因为AI提供的是思考服务，深度协同是关键 [24][27] - **价值创造：从工具市场到劳动力市场**：大模型2.0阶段的智能体（Agent）能直接替代高薪劳动力（如百万年薪的中层、工程师），实现了从订阅工具到劳动力的价值转换，ToB业务不再是“苦生意” [26]。过去两个月，Anthropic支出超100万美元的大客户数量翻倍，从500家扩大到1000家 [26] - **商业模式与财务可行性改善**： - **收入端**：拥有定价权，对企业客户改为按使用量计费；在C端可收取高达100-200美元/月的订阅费 [30] - **成本端**：算力储备计划（10年，10GW，1000亿美元）比OpenAI更温和，且算力来源分散 [30]。过去四个月，其推理毛利率从38%上升至70%以上，有望在2028年实现整体盈亏平衡 [30] - **对比1.0阶段**：以OpenAI的ChatGPT模式为例，即使达到Netflix约3亿付费用户的水平，年收入约720亿美元，也远低于其未来五年年均约1200亿美元的算力投入承诺，财务模型难以打正 [28] - **组织效率革命性提升**：融入AI后产品迭代速度极快，Anthropic在52天内对其旗舰产品Claude发布了74项更新，涉及四支团队并行工作，这在以人为核心的传统组织中难以实现 [33] 大模型2.0阶段的竞争格局与关键指标 - **核心竞争指标：Token的定价权与溢价权**：在大模型2.0阶段，北极星指标从用户数、时长，转向了token的定价权和溢价权，即AI提供的“思考”值多少钱 [36] - **行业两大并存趋势**： 1. **非领先模型成本指数下降（杰文斯悖论）**：例如，OpenRouter的token价格从0.9美元/百万token降至0.5美元/百万token，但处理量从6万亿上涨到12万亿 [37][38] 2. **领先模型享有高溢价**：性能领先的模型能收取远高于同行的价格。例如，Anthropic的Opus系列定价一直是同期模型的至少3-10倍，优化后仍保持2倍以上溢价且供不应求 [41]。OpenAI的GPT-4.5在2025年2月发布时可收取90美元/百万token的高价，而同期谷歌Gemini Pro仅5.62美元/百万token [40] - **“智能体规模定律”**：黄仁勋提出的新定律指出，高智商智能体会被大量使用并产生高质量数据，这些数据反馈给预训练模型，形成增强闭环，跑通此流程的模型将获得token溢价和规模效应竞争力 [41] - **对美国竞争格局的推演**： - 竞争要素将围绕**大模型本身（算力与侧重点）**、**高质量数据**、**场景能力（智能体等）** 三者的闭环展开 [53] - 通用大模型的胜出者可能集中在Anthropic、OpenAI和谷歌三家 [53] - OpenAI正借助ChatGPT的用户基数快速追赶编程数据飞轮，将Codex融入ChatGPT，下个季度可能带来惊喜 [53] - Meta和xAI（Grok）可能凭借与特定高质量数据或独特场景的结合，形成产业大模型的差异化优势 [53] - **对中国竞争格局的启示**：中国大模型玩家过去以低成本取胜，但未来同样需要接受“思考密度”的考验，即token价格能否持续上涨，证明其模型能处理复杂任务并让客户为高质量劳动力买单 [43]

文章核心观点 - 科技公司与社会的边界正在彻底消失 这一现象从哲学家进入科技公司实验室开始变得显著 [5] - 谷歌DeepMind设立全职哲学家岗位 在全球引发广泛讨论 其相关推文浏览量超过160万次 点赞逾1.6万次 [6] - 头部AI实验室引入哲学家并非孤例 另一家人工智能巨头Anthropic也有类似的岗位角色 [6] 行业动态与趋势 - 全球头部AI实验室正积极引入哲学家人力资源 谷歌DeepMind的“哲学家”是直接写在录用通知书上的正式头衔 [6] - 人工智能行业与人文社会学科的交叉融合进入新阶段 科技公司开始从组织架构上正式纳入哲学思考 [6]

文章核心观点 - 日本企业正通过直接交涉与联合行动，向Meta、谷歌、字节跳动等全球社交平台运营商施压，要求其加强针对诈骗广告的审查与处置措施[2][4] - 平台运营商在压力下开始与企业建立对话渠道，讲解审查流程，但双方在责任归属与信息透明度上存在分歧，企业方认为平台应承担更多主动监管责任[6][7] - 全球监管环境趋严，欧盟和台湾已出台严格法规，而日本政府目前态度谨慎，国内现行法律约束力有限，业界呼吁完善新法律以应对由生成式AI助长的诈骗广告威胁[9][11][12][14] 日本企业面临的挑战与行动 - 多家知名日本企业，包括华歌尔控股、高得运、西铁城钟表、精工爱普生，其知识产权在Facebook和YouTube等平台遭受诈骗广告侵害，例如冒牌血糖测量智能手表和高端腕表打折销售广告[2][4] - 企业发现诈骗广告后，需主动向平台运营商申请删除，这些广告大量使用生成式AI或自动生成工具制作的图片和视频，识别和处置难度大[4][5] - 企业处于弱势地位，缺乏调查侵权广告数量的工具，因平台存在“信息黑箱化”问题，很少提供广告搜索工具[6] 平台运营商的回应与现状 - Meta、字节跳动、谷歌在2025年11月和2026年1月为企业创造了讲解诈骗广告审查流程及删除申请方法的机会，标志着从无接触发展为可对话的关系[2][6] - 平台运营商方面表示，在接到企业要求前，自身已阻止了相当多的恶意广告，并认为已采取妥当的审查措施[6] - 根据国际知识产权保护论坛与日本贸易振兴机构的统计，约69%的会员企业对平台运营商的诈骗广告应对措施感到不满或较为不满[7] 政府监管与立法动态 - 日本总务省自2025年度起，对谷歌、Meta、X、TikTok、LINE等平台运营商启动每年一次的定期检查，要求其公开审核、删除诈骗广告的机制信息[9] - 日本政府目前对全面承担“监管者”角色持谨慎态度，总务省表示不宜就具体广告删除下达指令，部分原因是行政机关与国会之间存在监管主导权的博弈[10] - 日本现行法律仅有2025年施行的《信息流通平台应对法》，该法仅要求平台在收到侵权内容删除申请时迅速处理，约束力有限[14] 国际监管案例与行业呼吁 - 台湾规定对发布冒用名人身份的诈骗广告及虚假信息的平台企业追究连带赔偿责任，相关受害情况因此大幅减少[11] - 欧盟出台了《数字服务法》，强制要求平台企业处置违法内容，违规将处以罚款[12] - 日本国内有声音指出有必要完善新的相关法律，专家主张应对平台企业施加一定的注意义务，通过定期检查收集数据并评估，以启动新法的讨论[14]

行业投资评级 - 行业评级：推荐 [5] 核心观点 - **AI驱动光模块需求剧增与技术迭代加速**：AI应用显著加速光模块技术迭代并缩短升级周期，光模块速率翻倍所需时间从2023年之前的约4年缩短至两年，从400G到800G再到1.6T的代际升级有望在两年内完成 [1][15][23] - **行业增长前景广阔**：据测算，2024年全球光模块市场规模约为178亿美元（约合人民币1246亿元），2025年预计为235亿美元（约合人民币1645亿元），预计到2029年将达到415亿美元（约合人民币2905亿元），2024-2029年CAGR约为18% [1][15][22] - **上游核心物料供应成为主要瓶颈**：光模块行业当前的核心约束在于上游高端芯片（光芯片、电芯片）及关键辅材（如法拉第旋片）的供给，这些环节高度依赖海外供应商，产能紧张，是量产交付的主要制约 [2][16][30] - **产业链竞争格局重塑，巨头深度绑定供应链**：英伟达等算力巨头通过股权投资、长期采购协议等方式深度绑定上游光器件供应商（如Lumentum、Coherent、康宁），旨在锁定关键产能，增强对产业链的主导能力，这反映了对底层光学供应链产能瓶颈的紧迫考量 [3][17][35][39][42][56] 根据相关目录分别总结 1. 光链接需求剧增，物料加速紧缺 - **全球光模块市场高速增长**：2024年全球光模块市场约178亿美元，2025年预计235亿美元，2029年预计达415亿美元，2024-2029年CAGR约18% [1][15] - **技术迭代周期显著缩短**：AI驱动下，光模块从400G到800G再到1.6T的代际升级周期有望缩短至两年，而此前速率翻倍需约4年 [1][15][23] - **高速率产品主导市场**：2026年800G和1.6T光模块合计市场规模有望达到146亿美元，占整体市场约64%，未来三年内将占据市场主导地位 [19][24] 2. 全球光模块需求急剧增加 - **需求增长动力强劲**：以太网光模块市场在2024年增长93%，2025年预计再增长82%，2026年预测增长率为65% [19] - **算力需求引爆市场**：大模型训练与推理需求指数级增长，带动算力中心内部互联带宽需求急剧提升，引爆高速光模块需求 [22] - **ASIC芯片部署增加新需求**：云厂商大规模部署ASIC芯片并重构网络架构，对光模块的数量和传输速率提出了更高要求，带动配套光模块需求增长 [22] 2.1. 光模块行业上游产业链供不应求 - **核心约束在于高端芯片**：光芯片（如200G+ EML激光器）和电芯片（高速DSP）成本占比高，且200G及以上速率产品仍高度依赖海外供应，是量产交付的主要制约 [2][16][30] - **EML芯片成为1.6T时代刚需**：从800G向1.6T跨越，EML因能提供卓越的信号质量和传输距离成为刚需，但其具有高工艺难度、高代际差异、低良率的特点，产能弹性差，可能限制全球交付速度 [31] - **CW激光器要求苛刻**：硅光方案在3.2T时代对CW激光器提出高功率（如100mW基准门槛）、窄线宽（如100kHz以内）、高可靠性的严苛要求，目前市场高度集中 [34][35] - **法拉第旋片供应极度紧缺**：进入1.6T时代，法拉第旋片从边缘辅材变为决定模块能否成片的“一票否决权”物料，其扩产周期长、技术壁垒高，全球产能高度集中（如Coherent占50-60%），月产能仅数千万片，与2026年预计4亿颗需求差距巨大 [2][16][37][38] 2.2. 英伟达锁定康宁产能，光互联爆发 - **英伟达与康宁深度合作**：英伟达联手康宁新建工厂，旨在提升康宁美国本土光连接产能10倍、光纤产能50%，专供AI数据中心，并斥资5亿美元锁定核心原材料供货权 [39][40] - **OCS技术适配AI算力需求**：光路开关（OCS）技术凭借高带宽、低延迟、低功耗特性，完美适配AI算力集群中Scale-up、Scale-out和Scale-across对高效互联的核心需求 [41] 3. 国内供应量缺口仍在，光模块产业链持续膨胀 - **磷化铟（InP）衬底产能持续紧张**：基于InP衬底的高速激光芯片（EML、CW激光器）全球产能极度紧张，缺口预计持续至2027年；2025年全球光通信InP衬底需求约210万片，2026年因1.6T光模块大规模量产，需求预计飙升至300万片 [3][17][42] - **硅光时代带来产业链重构与国产机遇**：硅光方案使产业链结构解耦，CW光源作为独立标准化组件，降低了国产芯片导入门槛，为国内厂商（如长光华芯）提供了约两年的窗口期，有望在3.2T时代占据生态位 [45] - **云厂商资本开支强劲支撑需求**：2025年第四季度，微软、亚马逊、Meta、谷歌四家北美云厂商合计资本开支1186亿美元，同比增长64%；市场预期2026年合计资本开支将增至5708亿美元；国内阿里巴巴宣布未来三年投入超3800亿元用于云和AI基建 [46] 3.1 国内光模块产业链供给紧张，海外巨头业绩爆发 - **海外龙头业绩验证高景气度**： - **Lumentum**：第三财季营收8.084亿美元，同比增长90.1%；非GAAP每股盈利2.37美元；预计第四财季营收9.6亿-10.1亿美元；订单已排至2028年 [48][49][52] - **Coherent**：2026财年第三季度营收创纪录，其中通信部门收入13.61亿美元，同比增长40.5%；数据中心业务收入环比增长13%，同比增长37%；积压订单创历史新高，需求排期延伸至2028年，部分协议覆盖至2030年末 [53] - **海外龙头加速扩产与技术进步**：Coherent加速从3英寸向6英寸磷化铟晶圆产线转型，6英寸产线可显著提升产量并降低成本，计划到2027年底实现InP产能翻两番 [54] - **CPO被视为重要增长机会**：Coherent将共封装光学（CPO）视为最重要的长期增长机会，未来市场规模可能超过150亿美元；其Scale-out CPO收入预计2026年下半年开始爬坡，Scale-up CPO收入计划2027年下半年启动 [55] 3.2 投资建议 - **报告列出受益标的**： - **光模块**：中际旭创、新易盛、东山精密、华工科技、光迅科技、剑桥科技、联特科技 [7][18][59] - **光芯片**：永鼎股份、源杰科技、东山精密、仕佳光子、长光华芯 [7][18][59] - **法拉第旋片**：福晶科技 [7][18][59] - **OCS**：凌云光、德科立、光库科技、腾景科技 [7][18][59] 4.本周行情回顾 (计算机行业) - **行业表现强势**：本周（报告期）申万计算机行业周涨幅5.81%，高于沪深300指数4.46个百分点，在申万一级31个行业中排名第4位 [60] - **个股涨多跌少**：板块内321只个股中，273只上涨，占比85.05%；24只下跌，占比7.48% [68] - **核心推荐标的普涨**：报告跟踪的8只核心推荐标的全部上涨，涨幅介于3.25%至8.94%之间 [75][76] - **行业估值高于历史中枢**：申万计算机行业PE（TTM）为82.09倍，高于2010-2026年历史均值62.04倍 [77][79]

文章核心观点 - 文章对两家领先的AI超大规模公司微软和Alphabet进行了比较分析 旨在评估哪家是更优的投资选择 核心关注点在于其云计算业务的表现及AI需求带来的增长 [1][4][5] 公司业务概况 - 微软和Alphabet均为业务多元化的科技巨头 产品线丰富且存在部分重叠 [4] - 微软以商业生产力工具闻名 同时还拥有LinkedIn和Xbox生态系统等平台 [5] - Alphabet旗下拥有Google、YouTube等多个平台 [5] - 两家公司最大的业务重叠领域在于云计算 这也是AI需求最集中的领域 [5] 云计算业务分析 - 云计算的核心是构建过剩的计算资源 并将其额外容量出租给客户 相比本地硬件更为便捷和灵活 [6] - 无数AI初创公司利用微软Azure和Google Cloud来构建、训练和运行AI模型 [6] - 若仅从增长率判断 Google Cloud表现更优 第一季度收入同比增长63% 而Azure增长40% [7] - 但Alphabet的Google Cloud部门业绩中包含了其张量处理单元芯片的销售额 这为增长率带来了Azure所没有的额外提振 使得核心云计算业务的成功难以直接比较 [7] - 尽管如此 TPU销售是Alphabet相对于微软的一个优势 [7] 财务表现对比 - 两家公司近期均公布了相对强劲的季度业绩 [8] - Alphabet整体收入增长22% 运营收入增长30% [8] - 微软季度表现略弱 收入增长18% 运营收入增长20% [8]

能源转型资本支出浪潮 - 全球正经历有史以来最大的资本周期，即能源转型，其资本支出规模将远超AI超大规模企业的投资[2] - 能源资本支出热潮由三大驱动力推动：能源安全、电力需求快速增长以及持续的去碳化努力[2] - 到本年代末，这些因素将共同释放近5万亿美元的支出，且这一趋势预计将持续数十年[3] 电力需求增长驱动因素 - 美国电力需求在停滞近二十年后再次增长，主要驱动力是国内制造业复兴、经济电气化以及最近的AI热潮[3] - 电力需求的结构性增长为能源基础设施和相关设备领域的资本支出提供了长期支撑[3] 传统工业公司受益于资本支出浪潮 - 卡特彼勒作为典型案例，其主营业务（工程机械、采矿设备和发电设备）有望乘上资本支出的浪潮[4] - GE Vernova是另一例证，其燃气轮机需求在多年增长滞后后出现飙升，目前订单已排至2030年[4] - 全球仅有三家公司生产大型燃气轮机，这使得供应商在谈判中拥有强大的定价权[5] AI超大规模企业资本支出 - AI超大规模企业（如Alphabet、亚马逊、Meta和微软）每年投入数千亿美元于AI领域[1] - 美国银行分析师估计，仅今年超大规模企业的资本支出就将超过8000亿美元，较2025年增长67%[5] - 预计明年的总支出可能达到1万亿美元，这得益于今年收入和现金流的持续改善[6] AI资本支出的结构与流向 - AI资本支出与能源转型支出有所重叠，但正全速独立推进[5] - 巨额支出中的相当一部分是由于芯片价格上涨所致[6] - 大部分资金将流向为数据中心提供算力的芯片制造商，预计AI半导体供应商的定价能力和利润率将总体保持，因为主要计算/网络供应商可将成本上涨转嫁给客户[6]

电话会议纪要关键要点总结 一、 涉及的行业与公司 * 行业：云服务与人工智能算力行业 * 公司：主要云服务提供商，包括微软、Meta、谷歌、亚马逊[1] 二、 核心观点与论据 1. 资本支出指引大幅上修，投入意愿强劲 * 2026年资本支出指引大幅上修：微软调至1,900亿美元，Meta调增100亿美元至400亿美元，谷歌调增50亿美元至350亿美元[1][2] * 上修主因：为锁定存储等硬件涨价成本，各CSP在2026年三、四月份与存储厂商签订新的长期协议，锁定了更高的采购价格[2] * 硬件价格上涨并未抑制CSP的投入意愿，公司选择增加预算以确保算力建设计划完成[1][2] * 微软上修部分原因是为弥补2024年底至2025年初投入意愿下降导致的算力供给瓶颈[4] 2. 估值与评估指标发生根本性转变 * 估值逻辑由自由现金流折现转向关注云业务增速[1] * 因巨额资本支出投入，自由现金流在未来两到三年内将维持低位或负值，评估效力下降[1][4][5] * 市场将云业务增速作为衡量AI投资回报的核心指标，其表现极大影响财报后股价[4][5] * 谷歌云超预期增长带动股价优异，微软、亚马逊符合预期则股价平稳，缺少云业务的Meta表现相对较弱[4] 3. 谷歌云业绩超预期，企业AI与自研芯片是核心驱动力 * 2026年第一季度谷歌云营收达200亿美元，同比增长63%，超市场预期[1][5] * 核心驱动因素一：企业级AI解决方案同比增长接近800%，首次成为最大增长来源[1][5][6] * 核心驱动因素二：自研TPU芯片在供给侧与模型适配度上具备领先优势，第一梯队的三大模型中，OpenAI和谷歌的模型基于TPU训练，Anthropic的所有模型均在TPU上训练[1][6] * 通过API处理的公司自研模型的token量达到每分钟160亿，较上一季度增长60%[6] 4. 微软Azure增长受产能制约，未来增速有望提升并探索新变现模式 * 2026年第一季度Azure增长40%（固定汇率下39%），小幅超预期[1][7] * 当前增长主要受限于算力产能紧张，而非需求不足[1][7] * 公司预计2026年下半年Azure增速有望从目前的39%-40%提升至40%以上[1][7][8] * Copilot收费模式从基于席位转向开始基于使用量收费，代表AI变现的进一步探索[1][8] 5. 亚马逊AWS增长加速但面临利润率担忧，以自研芯片应对 * 2026年第一季度AWS同比增长28%，创15个季度以来新高，较上一季度提速近五个百分点[1][8] * 增长主要得益于Bedrock平台上Anthropic API的强劲需求，平台客户支出环比增长170%[1][8] * 市场担忧其AI业务（主要服务模型厂商且分销第三方模型需分成）的利润率可能低于传统CPU云服务[8] * 应对策略：推广自研芯片，Trainium 3芯片已被完全预订，Trainium 4也基本被预订完毕，使用自研芯片每年可节省数百亿美元资本开支，并获得相比采购第三方模型高出数百个基点的运营利润率优势[1][8] 6. 需求结构发生位移，在手订单反映强劲未来潜力 * 云需求动力从模型厂商训练需求转向企业端推理需求爆发[3][10] * 在手订单高增，反映AI投入已切实转化为收入回报[3] * 谷歌Backlog环比翻倍，达4,600亿美元，增长来自直接销售TPU及强劲的企业客户需求[3][9] * 亚马逊AWS计入与Anthropic新签的1,000亿美元订单后，Backlog总额超过4,600亿美元，其中超过2000亿美元订单基于其自研的Trainium芯片[1][9] * 微软包含OpenAI的剩余履约价值达6,270亿美元，同比增长99%；剔除OpenAI后同比增长26%[9] 7. 资本支出逻辑转变，由真实需求驱动 * 本轮资本支出投入的根本逻辑已从“军备竞赛”转变为由真实需求驱动[2] * 谷歌明确其资本支出基于真实需求和投资回报率制定；亚马逊表示AWS大部分资本支出已有大量客户承诺覆盖[2] * 投资建立在已有明确订单、快速增长的剩余履约义务或积压订单基础之上，而非单纯应对竞争的投机性投入[2] 三、 其他重要内容 1. 对算力硬件行业的启示 * 资本支出上修主要利好具有涨价逻辑或结构性增量的硬件方向，而非普遍性利好[2] * 积极财报表现打消了市场对前期巨额资本支出投入回报的疑虑，实际应用需求正在支撑算力投资[10] * 云业务的利润率并未因AI业务占比提升而大幅下降，谷歌云甚至因规模效应释放实现了利润率快速提升[10] 2. 各公司战略与市场动态差异 * 微软当季度Commercial Booking（包含OpenAI）同比下降4%，剔除OpenAI后同比增长7%，市场担忧OpenAI需求可能开始向AWS等其他平台转移[9] * 亚马逊AWS强调其订单来源高度多元化，覆盖政府、市场部门及各类企业，以消除市场对其过度依赖少数模型厂商的担忧[9] * AI对谷歌、Meta等公司的主营广告业务有一定拉动（例如Meta某季度约有不到2%的广告增长源于AI提效），但其影响不如云业务增长直观和显著[5]