文章核心观点 - 人工智能初创公司（如Anthropic）持续发布新的生产力工具，加剧了市场对AI将广泛颠覆传统行业商业模式的担忧，这种担忧在上周集中爆发并引发股市剧烈抛售，尤其是软件、金融及资产管理类股票 [1][2][4] - 尽管市场对AI颠覆的恐慌导致相关股票被大幅抛售且估值降至历史低位，但华尔街分析师对行业基本面的盈利预期却在改善，部分投资者认为当前抛售过度，已出现技术性超卖和“抄底”机会 [11][12][13] AI工具发布引发市场恐慌 - AI初创公司Anthropic发布了旨在自动化法律、数据服务及金融研究等多个行业工作任务的新工具，引发市场对无数企业将被颠覆的恐惧 [2] - 作为回应，投资者广泛抛售股票，波及公司包括Expedia Group Inc、Salesforce Inc以及London Stock Exchange Group Plc等 [2] - 另一家人工智能公司Alphabet Inc的谷歌发布了一款仅凭简单图像或文字提示即可创建沉浸式数字世界的工具，扰动了视频游戏类股票 [7] - Anthropic基于其Claude编码服务发布的工作助手，直接导致软件类股票下跌 [7] 受影响行业及公司的市场表现 - 上周，软件、金融服务和资产管理三大行业的164只股票市值合计蒸发6110亿美元 [5] - 个股方面：汤森路透集团在加拿大上市的股票当周暴跌20%，创历史最大单周跌幅；金融研究公司晨星经历了自2009年以来最糟糕的一周；软件制造商HubSpot Inc、Atlassian Corp和Zscaler Inc股价均下跌超过16% [4] - 追踪半导体相关股票的指数自2022年底以来上涨超过两倍，而iShares科技软件ETF（IGV）同期上涨61%，标普500指数上涨81%，显示此前市场资金集中于AI受益方（如芯片制造商） [6] - 软件板块成为今年以来净卖出最严重的行业，对冲基金对该板块的净敞口在2月3日降至低于3%的历史低点，远低于2023年18%的峰值 [10] 软件行业面临的特定压力 - 一系列令人失望的财报加剧了市场焦虑，例如微软因其云计算业务收入增长放缓引发对AI巨额支出的担忧，单日市值蒸发3570亿美元；ServiceNow Inc和SAP SE在财报后也分别下跌10%和15% [8] - 部分传统软件公司股价已从高点大幅回落：Salesforce较2024年12月的历史高点下跌48%；ServiceNow较2025年1月的峰值下跌57% [9] - 软件股估值持续走低：高盛追踪的一篮子软件股市盈率降至21倍的创纪录低点，远低于2021年末超过100倍的峰值；Salesforce目前基于未来12个月预期利润的市盈率为14倍，而过去十年平均为46倍 [13] 市场技术指标与分析师观点 - 广泛关注的iShares科技软件ETF（IGV）在上周前四个交易日下跌12%，尽管周五有所反弹 [3] - 该ETF的14日相对强弱指数在周四跌至15，为近15年最低水平，当前约24，低于30即被视为超卖 [12] - 华尔街分析师对行业盈利前景的看法趋于乐观：根据彭博行业研究数据，标普500指数中软件和服务公司2026年的盈利预计增长19%，高于几个月前预测的16% [11] - 有市场研究观点认为，尽管存在颠覆风险，但企业利润和利润率可能保持良好，当前抛售可能过度，为增长型投资者提供了逢低买入的机会 [12]

全球云服务市场增长核心驱动力 - 生成式AI是推动全球云基础设施服务市场增长的核心驱动力 [1] - 2025年全球企业在云基础设施服务方面的支出达到4190亿美元，创下三年来的最高增长率 [1] 市场竞争格局 - 亚马逊、微软与谷歌是全球三大云服务厂商，合计市场份额达63% [1] - 亚马逊市场份额为28%，微软为21%，谷歌为14% [1] 主要厂商资本支出计划 - 为提升竞争力，三大云厂商资本支出规模持续飙升，预计累计支出约5300亿美元 [3] - 亚马逊预计2026年资本支出约2000亿美元 [3][6] - 谷歌预计2026年资本支出达1750-1850亿美元，较2025年的914.5亿美元大幅提升近一倍 [7] - 微软单季资本开支高达375亿美元，以此估算全年支出约1500亿美元 [5] 微软业绩与市场表现 - 微软2026财年第二财季整体营收达813亿美元，同比增长17%；净利润为385亿美元，同比增长60% [4] - 该季度微软云收入为515亿美元，同比增长26% [4] - 智能云部门收入为329亿美元，同比增长29% [4] - Azure及其他云服务收入同比增长39%，AI是驱动云服务增长引擎 [4] - 财报发布当天股价大跌9.99%，市值蒸发3574亿美元 [4] - 市值跌破3万亿美元至2.98万亿美元，相比历史峰值4.15万亿美元减少1.17万亿美元 [5] - 云业务的商业剩余履约义务同比增长超过一倍，达到6250亿美元，其中近一半由OpenAI贡献 [5] 亚马逊业绩与市场表现 - 亚马逊2025年总营收高达7169亿美元，同比增长12%，净利润777亿美元 [6] - 亚马逊云服务（AWS）2025年营收1287亿美元，同比增长20%，营业利润456亿美元 [6] - AWS积压订单总额高达2440亿美元，同比增长40% [6] - 亚马逊市值约为2.25万亿美元 [6] 谷歌业绩与市场表现 - 谷歌2025年全年营收4028亿美元，同比增长15%，净利润为1321亿美元，同比增长32% [7] - 谷歌云2025年Q4营收176.6亿美元，同比大增48% [7] - 谷歌云2025年全年总收入超700亿美元 [7] - 谷歌云未完成订单金额高达2400亿美元，同比增长超一倍 [7] - 谷歌市值已突破4万亿美元大关，成为资本市场炙手可热的AI公司 [7] 各公司AI战略与竞争态势 - 微软与OpenAI深度捆绑，构建Azure AI基础设施，云服务市场份额提升至21% [9] - 谷歌凭借从Gemini到TPU芯片的全栈产品集成，驱动云业务高速增长 [8] - 在AI大模型时代，亚马逊的市场份额逐渐被微软及谷歌所吞噬 [9] - 谷歌云不仅是公司整体业绩的增长引擎，也是支撑其资本市场表现的核心因素，有望借AI浪潮与英伟达争夺全球市值冠军 [9]

AI基础设施投资规模 - 全球四大云服务提供商今年将追加投入**6600亿美元**用于AI基础设施建设，较去年投资规模增长近**2000亿美元**[1] - 四大云服务商今年总投资规模合计达**660亿美元**，较去年**400亿美元**的基数增长**65%**[3] 主要云服务提供商投资计划 - 亚马逊今年AI投资预算达**200亿美元**，较证券机构预测的**1446亿美元**大幅上调，同比去年总投资额增长**60%**[3] - Meta今年AI设备投资规模最高将达**135亿美元**，同比去年增长**74%**[3] - 谷歌公布**185亿美元**投资计划[3] - 微软公布**140亿美元**投资计划[3] 投资驱动因素与行业影响 - 亚马逊加码投资基于现有服务需求强劲及AI、半导体、机器人、低轨卫星等领域的重大机遇，长期看好投资回报率[3] - 尽管业内出现“AI泡沫”争议，但相关大型科技公司仍持续加码投资[1] - 云服务提供商正加速布局，将成为存储原厂业绩的催化剂[3] - 三星电子、SK海力士等存储原厂将成为主要受益方[1]

文章核心观点 - 全球AI算力竞争格局正经历从“训练为王”到“推理为王”的范式转变，成本效率成为核心竞争焦点 [1][2] - 以谷歌TPU为代表的专用架构（ASIC）芯片，凭借在推理场景下的极致能效和成本优势，正崛起为英伟达GPU的有力挑战者，重塑算力权力版图 [1][4][7] - 中国AI芯片企业，如奕行智能，通过“对标前沿、融入生态、自主创新”的策略，在全栈AI基础设施竞争中找到了突破口 [13][26][32] 行业趋势与格局演变 - **竞争范式转移**：AI算力逻辑从“训练为王”转向“推理为王”，规模化应用阶段的核心议题是降低每次推理的成本 [1][2] - **成本驱动重塑**：行业关注点从单纯算力规模转向“Token per dollar”（每美元产出的Token量），以降低服务成本，推动AI像电力一样普及 [4] - **专用架构崛起**：在“成本为王”背景下，以谷歌TPU为代表的ASIC芯片因极致效率成为头部AI公司在英伟达之外的第二选择，标志着算力竞争格局的转折点 [4][7] - **商业部署加速**：Anthropic与博通签订价值高达210亿美元的TPU订单，标志着ASIC芯片从技术探索进入大规模商业部署阶段 [7] - **生态博弈加剧**：OpenAI仅凭“威胁购买TPU”的筹码，就迫使英伟达生态链做出让步，使其计算集群总拥有成本下降约30% [7] 技术路径与竞争优势（以谷歌TPU为例） - **硬件架构创新**：TPU采取精简架构，专注于矩阵运算，并引入独特的脉动阵列设计，让数据如流水般在计算单元间连续流动，大幅减少对寄存器的频繁读写 [8] - **能效瓶颈突破**：配合大容量片上SRAM缓存与高效数据搬运引擎DMA，TPU显著降低了“数据搬运”这一主要能耗瓶颈 [8] - **成本优势显著**：从TPU v6到TPU v7，谷歌已将每百万token的推理成本降低了约70%，TPU v7的成本已降至与英伟达GB200 NVL72（每百万token成本约0.27美元）相当甚至更优的水平 [4] - **软件生态破局**：通过“硬件进化、软件开源”策略，谷歌的XLA编译技术及OpenXLA开源项目，打通了从多框架模型到不同硬件的统一编译路径，并与Meta合作推进TorchTPU项目，实现对PyTorch的原生支持，降低用户迁移成本 [10][12] 中国企业的对标与创新（以奕行智能为例） - **硬件架构对标**：公司采用类TPU架构，其矩阵、向量、标量的精简设计完全匹配大模型计算特点，降低了传统GPGPU架构中约10%-20%的额外调度与资源分配开销 [14] - **核心引擎优化**：大尺寸矩阵运算引擎采用类TPU的双脉动流水设计，数据复用率提升数倍，并显著减少数据前处理开销 [14] - **存储与数据搬运创新**：高性能4D DMA引擎通过一次操作即可完成4D数据的整体搬移与变换，大容量片上缓存使数据访问速度相比DDR方案提升1–2个数量级，近存计算设计使Flash Attention关键算子利用率相比竞品提升4.5倍 [15] - **指令集前瞻布局**：率先引入RISC-V+RVV（向量扩展）指令集，并支持RVV 1024 bit位宽，其架构中图灵完备的RISC-V保障通用计算，模块化设计支持扩展专用AI指令 [15][16] - **产品商业化进展**：基于类TPU架构+RISC-V底座推出的国内首款RISC-V AI算力芯片Epoch系列，于2025年启动量产，在头部系统厂商、互联网、数据中心及行业客户获得商业突破，实现大规模量产出货 [16] 关键技术演进方向 - **精度与能效平衡**：“低位宽、高精度”数据格式是突破能效瓶颈的关键路径，例如TPU Tensor Core在FP8模式下可提供2倍于BF16的算力密度，TPU v7 (Ironwood)的FP8峰值算力达到4.6 PetaFLOPS，而BF16仅为2.3 PetaFLOPS [18] - **中国企业技术跟进**：奕行智能的AI芯片在国内率先支持DeepSeek所需的基于分块量化的FP8计算精度，并在新一代产品支持NVFP4、MXFP4、MXFP8、MXINT8等前沿数据格式，以高效释放算力并降低存储开销 [19] - **组合技术红利**：“拓宽数据通道”（支持RVV 1024 bit位宽）与“压缩信息体积”（支持低位宽浮点精度）的双重组合，带来了算力吞吐增长与存储成本下降 [19] 软件与生态构建 - **软件栈兼容性**：奕行智能深度融合谷歌开源的StableHLO和XLA技术，全面支持PyTorch、TensorFlow、JAX、ONNX等主流框架，其智能编译器ACE已接入OpenXLA体系，可无缝迁移至TorchTPU方案 [20] - **编程模型创新**：推出原生适配Tile（分块）的动态调度架构，通过“虚拟指令+智能编译器+硬件调度器”的闭环，将复杂指令依赖与内存管理交由硬件自动完成，打破传统静态优化的性能上限 [23] - **开发生态建设**：独创VISA虚拟指令集技术，在硬件与上层软件间建立“标准翻译桥梁”，正与Triton社区推进合作，将Triton编译流引入RISC-V DSA后端，并计划开源虚拟指令集，共同打造面向RISC-V DSA的“CUDA式”开发生态 [23][26] 全栈竞争与系统级优化 - **竞争维度升级**：AI算力竞争已从单一芯片性能较量，升级为覆盖芯片、互联、软件与系统优化的全栈基础设施生态之争 [27] - **互联技术关键性**：高速互联技术是构建算力效率护城河的关键一环，例如英伟达的NVLink技术支撑了其GB200 NVL72系统的高效Scale Up互联架构 [27] - **自主互联方案**：奕行智能自研的互联技术方案ELink，支持超大带宽与超低延迟的Scale Up扩展，其任意点对点带宽可达传统互联方案的7倍，根据不同组网方案单节点聚合带宽可达14.2倍，有效支持大模型高速推理 [27][30] - **前沿功能支持**：ELink配合交换侧，已支持前沿的“在网计算”功能，可将部分计算卸载至网络交换节点，减轻带宽负担并降低通信延迟 [28] - **协议兼容与灵活性**：ELink全面支持RoCEv2、SUE、EthLink、C-Link等主流互联协议，能与支持上述协议的设备无缝高效互联，并支持800G/400G/200G可配置以太网标准协议 [28]

大型科技公司资本支出激增对现金流与股东回报的影响 - 2025年大型科技公司为扩大人工智能计算能力而计划的大幅资本支出，几乎将耗尽亚马逊、谷歌和Meta Platforms的自由现金流 [2] - 资本支出激增将迫使部分公司做出艰难抉择，例如停止股票回购或增加借款 [2] 各公司具体财务状况与应对策略 谷歌与Meta - 谷歌和Meta已开始缩减股票回购规模，但停止2024年新推出的股息支付可能较为棘手，因股息使其股票对投资者更具吸引力 [3] - 两家公司去年均发行债券以充实现金储备，且仍拥有充足的借贷空间 [7] - 以谷歌为例，标普指出该公司可将净债务提升至超过2000亿美元而不会导致其AA+信用评级被下调 [7] - 谷歌目前负债470亿美元，但被1270亿美元的现金储备完全覆盖，净债务为零 [7] - 分析师预计谷歌2026年将产生2180亿美元的EBITDA，理论上若接受较低评级，其可借贷金额可达预计EBITDA的两倍，即4000亿美元 [7] - Meta的财务状况尤为紧张，其自由现金流今年可能萎缩，很可能将不得不大幅削减回购规模 [6] - 上一财年Meta支付了50亿美元股息，并花费260亿美元进行股票回购 [6] 亚马逊 - 亚马逊自2022年以来未进行股票回购，也从未支付过股息，因此不面临同样的股东回报压力 [3] - 公司今年预计的2000亿美元资本支出，将超过分析师估计的1780亿美元运营现金流，意味着无论如何都会消耗现金 [3] - 亚马逊去年11月发行了150亿美元债券，截至12月31日手头现金达1230亿美元，提供了缓冲空间 [4] - 据报道，亚马逊正在洽谈向OpenAI投资数百亿美元，这将显著消耗其现金储备 [4] - 公司已提交文件，计划通过快速发行债券筹集更多资金 [4] 微软 - 微软的资本支出增长势头不及其它公司激进，其业务运营产生的现金流足以轻松覆盖资本支出 [4] - 在截至2026年6月的上半财年，其资本支出为490亿美元，而业务运营产生了800亿美元现金流 [4] - 分析师预计截至6月的全年资本支出将达1030亿美元，从而产生660亿美元自由现金流，仅较2025财年小幅下降 [6] - 微软面临更庞大的股息支付承诺制约，上一财年支付了240亿美元股息，且今年已将股息上调10% [6] - 微软曾表示2026财年资本支出增速将超过去年（去年增长45%至650亿美元），但未公布全年具体预测数据 [6] 甲骨文 - 甲骨文已为支付扩大AI计算能力的投资而拉紧了资产负债表，是已采取激进财务策略的公司 [9] - 截至11月30日，其净债务约为880亿美元，是其2026财年预计EBITDA 355亿美元的两倍多 [9] - 公司正在通过债务和股权融资450亿至500亿美元，以帮助为其数据中心建设提供资金 [9] - 尽管正在消耗现金，甲骨文今年仍有望支付57亿美元股息 [9] - 投资者反应消极，公司股价今年以来已下跌27% [9]

文章核心观点 - 科技巨头亚马逊和谷歌通过其自研人工智能芯片业务，正对英伟达在AI芯片市场的绝对主导地位构成虽小但意义重大的冲击，其芯片收入已达数十亿至数百亿美元级别，并可能推动市场格局的长期变化 [2][3][5] 市场格局与竞争动态 - 英伟达目前仍掌控着用于构建和部署AI技术的专用芯片市场92%的份额，预计其2025年AI芯片收入将接近2000亿美元 [3] - 亚马逊和谷歌是英伟达最大的两家客户，同时也是其最强劲的竞争对手，它们在自研芯片的同时仍大量采购英伟达产品 [2][3] - 亚马逊Trainium芯片收入预计到2025年将达到“数十亿美元”，而谷歌TPU的收入据透露将达到“数百亿美元” [3] - 其他竞争者包括AMD、Cerebras、微软和Meta，但亚马逊和谷歌的芯片业务被视为英伟达面临的最强劲对手 [2] 亚马逊的芯片业务进展 - 亚马逊已开始将数千个自研AI芯片装入其数据中心网络，并被AI公司Anthropic使用 [2] - 亚马逊向Anthropic投资了40亿美元，Anthropic同意使用亚马逊的芯片来构建其AI系统是赢得该投资的关键因素之一 [5] - 亚马逊与Anthropic合作，为其Trainium 2芯片的新版本量身定制，以适应现代AI数据中心的需求 [5] - 亚马逊芯片性能虽不及谷歌或英伟达，但通过在单个数据中心安装双倍数量的芯片，旨在用相同电力提供更强算力 [6] - 亚马逊云部门AWS的芯片收入每三个月（即一个季度）增长150%，增长受限于芯片推向市场的速度 [6] 谷歌的芯片业务进展 - 谷歌通过其云计算服务向其他公司出租TPU，但与Anthropic的合作采取了新模式：首次允许一家公司将谷歌芯片安装在不属于谷歌的数据中心内 [4] - 博通CEO透露，已向Anthropic出售了价值100亿美元的谷歌芯片，而Anthropic又下了价值110亿美元的第二笔订单 [4] - 谷歌为Anthropic与Fluidstack合作建设的数据中心提供了债务担保，这意味着如果Fluidstack无力偿还，谷歌将承担责任 [4] - 这笔交易使外界得以窥见谷歌芯片业务规模，其收入已攀升至数百亿美元 [5] Anthropic的战略角色与影响 - Anthropic严重依赖英伟达芯片，但因其对英伟达向中国出售芯片的做法不满，正努力降低对英伟达的依赖 [4] - Anthropic决心对其AI技术保持严格控制，通过运营自己的数据中心来保密原始软件代码，这促成了与谷歌的特殊芯片安排 [5] - Anthropic目前是亚马逊芯片收入的主要驱动力，其使用亚马逊或谷歌芯片的行为向市场表明英伟达芯片并非唯一选择 [6] - Anthropic和OpenAI拥有能修改软件以适配新型芯片的工程师，它们的采用将推动其他公司跟随，形成网络效应 [7] 行业趋势与未来展望 - 除亚马逊和谷歌外，其他芯片制造商如AMD和Cerebras也已同意向OpenAI提供AI芯片 [6] - 分析师预测，未来两年内，英伟达替代芯片的市场增长速度将超过英伟达芯片本身的市场增长速度 [6] - 为新型AI芯片开发的软件越多，使用这些芯片的人也会越多，这将进一步推动替代芯片的普及 [7]

AI算力行业范式转变：从训练为王到推理为王 - 行业核心逻辑正发生本质改变，从以模型训练为中心的“训练为王”旧秩序，转向以规模化应用为核心的“推理为王”新时代[1] - 大模型的商业价值实现依赖于规模化推理服务，模型每天需处理数十亿次用户请求，推理成本直接决定每次API调用的利润空间[4] - 行业关注焦点已从单纯追求算力规模，转向通过提升算力利用率与能效来降低Token成本，这是实现商业价值的关键路径[37] 成本驱动下的算力竞争格局重塑 - 大模型核心商业模式是按每百万Token计费，降低单个Token成本是AI技术像电力一样渗透各行业的关键，因此市场对“Token per dollar”（每美元产出的Token量）的关注度空前增长[8] - 以谷歌TPU为代表的专用架构（ASIC）正成为强有力的挑战者，其成本优势显著。数据显示，从TPU v6到TPU v7，谷歌已将每百万token的推理成本降低了约70%[8] - 英伟达GB 200 NVL72每百万token推理成本约为0.27美元，而谷歌TPU v7在同样任务负载下，成本已降至相当甚至更优水平，标志着算力竞争格局的转折点[8] - 成本优势已成为商业博弈筹码。OpenAI仅凭“威胁购买TPU”这一策略，就迫使英伟达生态链做出让步，使其计算集群总拥有成本下降了约30%[10] - 头部AI公司开始大规模商业部署ASIC芯片，例如Anthropic与博通签订了价值高达210亿美元的TPU订单，若通过TPU v7降低30–40%单位推理成本，在其月度千亿级别API调用规模下，可能带来每年数十亿美元的利润改善[10] 谷歌TPU崛起的技术与生态逻辑 - TPU采取极其精简的专用架构设计，砍掉与AI推理无关的图形处理单元，将晶体管资源集中于大模型最核心的矩阵运算[13] - TPU引入独特的脉动阵列架构，让数据如流水般在计算单元间连续流动，大幅减少对寄存器的频繁读写，配合大容量片上SRAM缓存与高效数据搬运引擎，显著降低了“数据搬运”这一主要能耗瓶颈[13] - 为打破英伟达CUDA生态的路径依赖，谷歌采取“硬件进化、软件开源”双重攻势。其XLA编译技术及OpenXLA开源项目，打通了从多框架模型到不同硬件的统一编译路径[15] - 谷歌近期与Meta合作推进TorchTPU项目，实现TPU对PyTorch的原生支持，使开发者可将PyTorch模型无缝迁移至TPU。PyTorch在全球机器学习开发应用中占比超过80%[15] 本土芯片厂商奕行智能的技术路径与突破 - 公司硬件采用类TPU架构，其矩阵、向量、标量的精简架构设计完全匹配大模型计算特点，显著降低了传统GPGPU架构中用于调度与资源分配的额外开销（通常占总开销的10%-20%），有效提高能效比与面积效率[20] - 其大尺寸矩阵运算引擎采用类TPU的双脉动流水设计，数据复用率提升数倍，且显著减少数据前处理开销，编程更为简单易用[20] - 面对AI计算中频繁出现的4D数据，其高性能4D DMA引擎仅通过一次操作即可完成整体搬移与数据变换，相比竞品需多次操作优势明显。通过配置大容量片上缓存，其访问速度相比存放在DDR的方案提升1–2个数量级[21] - 其近存计算设计，在实测中Flash Attention关键算子利用率相比竞品提升4.5倍[21] - 公司架构率先引入RISC-V+RVV（向量扩展）指令集，并支持RVV 1024 bit位宽，精准捕捉了RISC-V向AI计算拓展的机遇。谷歌也在TPU中集成了RISC-V处理器[21] - 基于类TPU架构+RISC-V底座，公司推出了国内业界首款RISC-V AI算力芯片Epoch，该系列产品及解决方案于2025年启动量产，已在头部客户中获得商业突破并大规模量产出货[22] 精度演进：低位宽与高精度的平衡 - “低位宽、高精度”数据格式支持是行业突破能效瓶颈的关键路径。例如，TPU Tensor Core在FP8模式下可提供2倍于BF16的算力密度[25] - 以Ironwood（TPU v7）为例，其FP8峰值算力达到4.6 PetaFLOPS，而BF16仅为2.3 PetaFLOPS，显存占用和通信数据量也同步减半[25] - 奕行智能的AI芯片在国内率先支持DeepSeek所需的基于分块量化的FP8计算精度，并在新一代产品支持NVFP4、MXFP4、MXFP8、MXINT8等前沿数据格式，可高效释放算力，大幅降低存储开销[26] - “拓宽数据通道”（支持RVV 1024 bit位宽）与“压缩信息体积”（支持低位宽浮点精度）的双重组合，带来了向量算力与矩阵算力吞吐的双重增长与存储成本下降[26] 软件与生态的协同构建 - 奕行智能在软件栈深度融合谷歌开源的StableHLO和XLA技术，全面支持PyTorch、TensorFlow、JAX、ONNX等主流框架。其智能编译器ACE已接入OpenXLA体系，可无缝迁移至TorchTPU方案，让PyTorch开发者能够近乎“零代码修改”地实现模型迁移[28] - 公司推出原生适配Tile（分块）的动态调度架构，通过“虚拟指令+智能编译器+硬件调度器”的闭环，将复杂指令依赖与内存管理交由硬件自动完成，打破传统静态优化的性能上限[32] - 其独创的VISA虚拟指令集技术，在复杂硬件和上层软件之间架起“标准翻译桥梁”，降低开发门槛[32] - 在生态构建上，公司正与Triton社区推进合作，将Triton编译流引入RISC-V DSA后端，并计划开源其虚拟指令集，共同打造面向RISC-V DSA的“CUDA式”开发生态[35] 全栈竞争：从芯片到互联与系统优化 - 行业竞争已升级为覆盖芯片、互联、软件与系统优化的全栈AI基础设施生态之争[37] - 英伟达的优势不仅在于GPU与CUDA，其高速互联技术NVLink同样关键，GB200 NVL72系统正是依托NVLink实现高效的Scale Up互联架构[37] - 奕行智能自研的互联技术方案ELink，支持超大带宽与超低延迟的Scale Up扩展，是其构建算力效率护城河的关键一环[37] - ELink支持前沿的在网计算技术，可将部分计算卸载至网络交换节点，从而减轻带宽负担，降低通信延迟[38] - ELink全面支持RoCEv2、SUE、EthLink、C-Link等主流互联协议，能与支持上述协议的交换设备及芯片无缝高效互联，并支持800G/400G/200G可配置以太网标准协议[38] - ELink互联方案的任意点对点带宽（P2P带宽）可达传统互联方案的7倍，根据不同组网方案单节点聚合带宽可达14.2倍，有效支持大模型高速推理[40]

报告投资评级 * 报告未在提供内容中明确给出对Alphabet（GOOGL）的具体投资评级（如“买入”、“持有”等）[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33] 报告核心观点 * Alphabet FY2025Q4业绩表现全面强劲，营收与利润均实现高速增长，人工智能（AI）成为核心增长引擎，特别是在谷歌云业务中表现突出[3][4][5] * 公司计划在2026年大幅增加资本开支至1750-1850亿美元，以投向AI计算、数据中心等基础设施，支撑未来增长，同时持续提升运营效率[5][12][23] * AI业务扩展顺利，谷歌云生成式AI收入同比激增近400%，Gemini模型生态发展迅速，已深度融入企业工作流程，并推动搜索等核心业务进化[4][5][10][18][30] 业绩情况总结 * **整体业绩概览**：FY2025Q4总营收1138亿美元，同比增长18%（固定汇率下增长17%），全年营收4028亿美元，同比增长15%[3][8] * **盈利能力**：FY2025Q4营业利润359亿美元，营业利润率31.6%，净利润345亿美元，同比增长30%，每股收益（EPS）2.82美元，同比增长31%[3][8] 业务板块情况总结 * **谷歌服务业务**：营收959亿美元，同比增长14%，占总营收超84%[4][9] * 搜索及其他广告收入631亿美元，同比增长17%[9] * YouTube广告收入114亿美元，同比增长9%，全年广告与订阅总收入超600亿美元[4][9][20] * YouTube Shorts日均观看量超2000亿次[4][9] * 该业务营业利润401亿美元，同比增长22%，利润率41.9%[9] * **谷歌云业务**：营收177亿美元，同比增长48%，年化营收超700亿美元[4][10] * 生成式AI模型收入同比增长近400%[4][10] * 客户覆盖超12万家企业，前20大SaaS公司中95%采用Gemini[4][10] * Gemini Enterprise售出超800万付费席位，合作伙伴AI解决方案收入同比增长近300%[4][10] * 积压订单环比增加55%至2400亿美元[10] * 该业务营业利润53亿美元，同比翻倍，利润率提升至30.1%[10] * **其他业务**：营收3.7亿美元，运营亏损36亿美元，主要包含Waymo的21亿美元股票期权补偿支出[4][11] * Waymo完成史上最大规模融资160亿美元，累计提供全自动驾驶出行服务超2000万次，每周服务超40万次[4][11] 战略重点与业绩指引总结 * **人工智能战略**：AI是核心增长引擎，基础设施整合NVIDIA GPU与自研第七代TPU，模型层面Gemini 3 Pro普及速度创纪录[5] * Antigravity平台周活跃用户超150万，第一方模型API每分钟处理超100亿tokens[5] * **资本开支指引**：管理层预计2026年全年资本支出为1750-1850亿美元，主要投向AI计算、数据中心、硬件及可再生能源[5][12] * 资本支出中约60%用于服务器等短期资产，40%用于数据中心等长期资产[26] * **运营与财务展望**：预计运营支出增速将低于营收增速，谷歌云利润率将持续提升，AI变现将持续贡献收入[5][12] 业绩说明会问答要点总结 * **AI发展与竞争**：公司通过多模态、代理功能、编码优化等多维度改进Gemini模型以巩固市场地位，Gemini原生应用累计用户达7.5亿，且未对传统搜索业务产生蚕食效应[18][27][32] * **业务增长与变现**：AI概览和AI模式推动了搜索使用量及商业查询增长，拓展了复杂搜索的变现能力，Gemini应用的变现当前聚焦免费版和订阅模式，广告是未来规模化的重要支撑[30][33] * **运营与投资管理**：公司通过自建高效数据中心、利用AI优化流程（如智能体编写50%代码）等方式持续提升运营效率，以支持增长投资，投资决策基于严谨的框架评估长期收益[17][23] * **挑战与担忧**：管理层最担忧计算能力相关的限制，包括电力、土地、供应链等，需要快速提升产能以满足激增的AI需求[24] * **具体业务进展**：2025年为智能代理生态奠定了基础，2026年消费者将能实际使用相关功能，YouTube正整合Genie等AI创作工具以赋能创作者[14][15] * 谷歌云的核心优势之一是提供包含TPU在内的多样化加速器，支撑业务强劲增长[19] * 公司与苹果就Siri的合作聚焦通过产品协同为用户创造价值[31]

谷歌的转型与业绩表现 - 2025年谷歌年营收历史性突破4000亿美元，2025年第四季度收入达1138亿美元，平均每分钟赚取几十万美元 [5] - 谷歌云业务增速达48%，年化收入超过700亿美元，即便剥离搜索业务，其本身也足以成为全球前列的独立科技巨头 [5] - 公司订单积压额高达2400亿美元，环比增长55%，表明全球企业正在排队抢购其算力和模型服务 [6] - 谷歌已完成从搜索入口向全球AI基础设施的转变，其Gemini应用月活用户突破7.5亿，每分钟处理的Tokens超过100亿 [6] 中国巨头的“谷歌梦”及其动因 - 中国互联网巨头普遍怀有“成为谷歌”的梦想，百度、阿里、腾讯均将AI和云业务置于战略核心 [7][9] - 传统消费互联网红利耗尽，资本市场不再相信单纯规模故事，技术叙事成为巨头寻求更高估值（10-20倍差距）的新标的 [12][13] - 巨头们担忧被颠覆，认为AI是下一场竞争的必备武器，缺乏AI可能导致直接掉队 [14][15] 中国巨头对标谷歌的路径与挑战 - **百度**：最像谷歌，靠搜索起家，广告变现，将AI视为救命符，全量投入自动驾驶、自研芯片和预训练模型，希望通过文心大模型将搜索引擎变为智能体。挑战在于缺乏谷歌Android和Chrome那样的全球化操作系统支撑，流量入口局限在百度App，难以实现全方位渗透 [17][18] - **阿里**：谷歌梦体现在阿里云与通义千问的结合，投入3800亿攻坚AI，希望中国企业级应用都基于通义大模型。挑战在于其基因贴近交易，电商主业受挤压，AI投入短期内难形成规模效应和正收益 [19][20] - **腾讯**：逻辑内敛，核心是社交与内容，护城河是人与人的连接。内部超900款应用接入AI，希望打造AI时代的操作系统。挑战在于其擅长C端体验，但在需要硬核底层的B端竞技场中打法可能吃力 [21][22][23] “中国谷歌”为何是伪命题 - **生态模式差异**：谷歌是外向型，控制互联网底层协议（如Android、Chrome、YouTube），可制定全球标准；中国巨头是内向型，生态建立在微信、淘宝、百度App等超级应用上，形成互不开放的闭环 [25] - **商业导向差异**：谷歌思考如何重塑人类获取信息的路径；国内大厂更关注短期商业指标（如季度转化率），这种反馈机制难以催生改变全球技术走向的原创突破 [26] - **市场范围差异**：谷歌营收来自全球200多个国家和地区，模型具备强大的泛化能力；国内大厂AI模型主战场是国内，受限于复杂的合规与定制需求，起点被限制在特定商业土壤 [27][28] - **企业文化差异**：谷歌是工程师驱动，容忍长期、无明确盈利目标的技术孵化（如Transformer架构）；国内巨头多为产品经理驱动，追求快速迭代和短期变现，缺乏对长周期基础研究的沉淀 [32][33][34] - 谷歌的全球底层协议生态是特定时代背景下的孤品，那个全球化红利爆发、互联网标准建立的窗口期已关闭 [35][36] 中国AI的独特优势与未来机会 - 中国拥有全球最完整、最复杂的产业场景（如小商品加工、即时配送网络），数字化程度高，产生海量具有实操价值的数据，在特定场景（如复杂调度、工业优化）可能比谷歌模型更有经验 [42] - AI普及最终拼成本，中国AI公司通过精细化工程调优，已将大模型价格降至极低水平 [42] - 中国科技公司正在定义AI的广度，例如通过春节红包大战等加速AI的全民级渗透 [43][44] - 中国互联网巨头需要跳出“成为谷歌”的影子，寻找属于自己的独特叙事，解决最实际、最复杂的产业问题 [40][41][48]

域名交易与品牌布局 - 加密货币交易网站Crypto.com创始人以7000万美元收购顶级域名"AI.com"，创下迄今披露的域名交易最高价格记录 [2] - 该域名计划在超级碗广告中正式推出，网站将提供个人"AI智能体"服务，支持用户发送消息、使用应用程序及进行股票交易 [2] 大模型创业与商业化动向 - 开源项目OpenClaw近期受到广泛关注，吸引大量投资人和创业者涌入 [2] - 美团元老王慧文发布英雄帖，招募团队进行OpenClaw相关领域的创业或组局，标志着该项目从个人开源走向商业化创业方向 [2] 科技巨头AI用户增长与资本开支 - 谷歌母公司Alphabet确认其AI应用Gemini的月活跃用户数(MAU)已突破7.5亿，较上季度增加1亿用户 [3] - 公司计划在2026年将资本支出目标上调至1850亿美元，较原计划翻倍，资金将专注于AI数据中心、网络和能源基础设施的扩建 [3] AI工具提升生产效率 - 英伟达在公司内部为多达3万名工程师全面部署了生成式人工智能编码工具，该工具是与Anysphere Inc.合作的定制版Cursor集成开发环境 [4] - 部署该AI工具后，英伟达工程师的代码产出量提升至此前开发流程的三倍 [4]