核心观点 - 公司2026财年第二季度营收和每股收益超预期，但创纪录的资本支出引发市场对AI投资回报率的担忧，导致股价盘后下跌超6% [5][6] - 管理层核心论点是当前增长上限是供给而非需求，巨额资本支出用于平衡Azure外部需求、内部AI产品及研发创新，旨在构建最优的长期客户终身价值组合 [6][10][13] - 公司通过披露一系列强劲的AI商业化数据（如Copilot付费席位激增160%）和成本控制举措（如自研芯片降本30%），力证AI变现能力与长期成本控制力 [16][21][25] 财务表现与市场反应 - 第二季度营收813亿美元，同比增长17%（按固定汇率计算增长15%），每股收益4.14美元，同比增长24%，双双超出华尔街预期 [5][54] - 本季度资本支出同比激增约66%，达到创纪录的375亿美元，其中约三分之二用于GPU/CPU等短期资产 [6][56] - 尽管财务数据亮眼，但市场担忧资本支出增速快于Azure收入增长，对投资回报率存疑，导致盘后股价一度下挫超6% [5][6][72] Azure云业务与资本分配逻辑 - Azure云业务营收同比增长39%（按固定汇率计算为38%），需求持续超过供应能力 [6][60] - 首席财务官回应称，若将本财年第一、二季度新上线的GPU全部专供Azure，其增速本可超过40%，当前增速是资源分配的结果 [7][10] - 新增算力需优先满足内部AI产品（如Microsoft 365 Copilot、GitHub Copilot）的需求以及长期的研发创新，剩余部分才用于服务Azure的客户需求 [10][73] AI商业化进展与产品势头 - Microsoft 365 Copilot：付费席位同比增长超过160%，目前拥有1500万付费用户，日活跃用户同比增长10倍 [16][45] - GitHub Copilot：付费订阅用户达到470万，同比增长75% [18][46] - Microsoft Fabric：统一数据平台年收入运行率超过20亿美元，收入同比增长60%，拥有超过31,000家客户 [23][39] - Copilot系列扩展：包括Dragon Copilot（医疗）、安全Copilot等，均展现出增长势头 [13][48][49] 自研芯片与成本控制 - 公司正式上线自研Maya 200加速器，在FP4精度下提供超过10 Petaops算力，与最新一代硬件相比，总拥有成本降低30%以上 [21][37] - 自研芯片战略旨在控制AI基础设施成本、提升毛利率，公司将从推理和合成数据生成开始大规模部署 [21] - 公司拥有包括NVIDIA、AMD及自研芯片在内的多元化硬件组合，以追求任何时间点的最佳总拥有成本 [37][97] 剩余履约义务与投资风险匹配 - 商业剩余履约义务增至6250亿美元，同比增长110%，加权平均期限约为2.5年 [57] - 针对服务器折旧周期（6年）与RPO平均期限的错配担忧，管理层回应称，大部分GPU在其整个使用寿命内已被合同锁定，尤其是Azure相关合同，不存在“卖不出去”的风险 [14][80] - 商业RPO余额中约45%来自OpenAI，其余55%（约3500亿美元）来自广泛且多样化的客户组合，该部分同比增长28% [57][87] AI驱动的基础设施需求扩展 - AI工作负载不仅需要GPU加速器，还需要大量“紧邻计算的存储”，这重构了数据基础设施需求 [23] - 云迁移仍在继续，新版SQL Server的IaaS采用率是前一版本的2倍以上，表明客户为部署AI工作负载需要全面的基础设施 [49][110] - Agent（智能体）模式的兴起要求配置计算和存储资源，进一步推动对云基础设施的全面需求 [23][110] 管理层长期战略与信心 - 首席执行官强调，公司战略是追求长期的客户终身价值组合，而非单一业务的短期极致增长 [13][75] - 公司认为已建立的AI业务规模，比耗时数十年建立的一些最大特许经营权业务还要大，对AI的长期需求表现出极强信心 [25][35] - 这是一场关于算力的“军备竞赛”，公司致力于通过高效部署和全栈能力抓住AI扩散周期的红利 [24][51]