文章核心观点 - 科技巨头在AI领域的巨额资本支出，正推动“算力主权”博弈，导致“英伟达是唯一供应商”的故事开始修正，其最大客户正成为其竞争对手 [5][6][15][33] “MAMA”四巨头2026年Q1业绩表现 - 四家总市值超10万亿美元的科技巨头（Alphabet、微软、亚马逊、Meta）在2026年4月29日盘后发布财报，营收和利润全面超预期 [6][7] - 具体业绩：Alphabet营收1099亿美元（同比+22%），净利润626亿美元（同比+81%）；微软营收828.9亿美元（同比+18%），净利润317.8亿美元（同比+23%），AI业务年化收入同比飙升123%；亚马逊营收1815亿美元（同比+17%），净利润303亿美元（同比+77%）；Meta营收563.1亿美元（同比+33%），净利润267.73亿美元（同比+61%）[7] - 尽管业绩超预期，但市场反应分化：Alphabet盘后一度涨超7%，Meta盘后暴跌逾6%，微软一度跌超3%后微幅转涨，亚马逊小幅上扬 [8] 巨头AI战略与资本支出 - 四巨头正以前所未有的规模投资AI基础设施：Alphabet资本支出357亿美元（同比翻倍）；亚马逊资本支出432亿美元（全年预算2000亿美元）；微软资本支出319亿美元（全年预测1900亿美元）；Meta上调全年资本支出指引至1250亿～1450亿美元 [9] - 巨额资本支出中相当一部分流向了英伟达，但各公司对英伟达的依赖程度和战略本质不同 [8][11] - 微软：对英伟达依赖极高但已开始自研，战略本质是进攻，抢占软件入口，资本支出约一半用于GPU和CPU以支持Azure AI推理需求 [8][18] - 谷歌：对英伟达依赖较低（有TPU），战略本质是防御，守住搜索领地 [8] - Meta：对英伟达依赖极高，战略本质是降维，靠开源垄断生态，资本支出大幅上调部分源于更高的零部件价格和额外数据中心成本 [8][23][24] - 亚马逊：对英伟达依赖中等（有自研芯片），战略本质是赋能，做AI时代的运营商 [8] 自研芯片进展：从客户到对手 - 亚马逊：自研芯片业务季环比增长近40%，年化收入已突破200亿美元（同比增速达三位数）；若作为独立公司向第三方销售，年化收入可达500亿美元；其定制芯片业务（Graviton, Trainium, Nitro）全线同比增速超100%，现已成为全球前三大数据中心芯片企业之一 [11][12] - 谷歌：宣布将开始向客户自己的数据中心交付TPU硬件，实现从“仅供内部使用”到“公开售卖”的战略转向；TPU硬件协议已反映在4620亿美元的订单积压中，预计2027年确认大部分收入，目前已锁定Anthropic和Meta等未来核心客户 [14][15] - 微软：已发布采用台积电3纳米制程的新一代AI推理芯片Maia 200，并投入实际应用，但Azure用户何时能使用基于Maia的服务器尚无时间表，当前资本支出仍以GPU/CPU采购为主导 [20][22] - Meta：与博通合作开发定制AI加速器（MTIA），并延长合作至2029年，初始部署超过1吉瓦（1GW），同时采购英伟达、AMD和博通芯片，但其自研芯片尚处于联合研发和初始部署阶段，与亚马逊、谷歌的成熟商用存在差距 [24][27] 英伟达的护城河与市场格局演变 - 财务壁垒：英伟达2026财年（截至2026年1月25日）全年营收2159亿美元（同比+65%），数据中心业务营收1937亿美元（占比超90%），第四季度单季数据中心营收623亿美元（同比+75%）；全年净利润1200亿美元，超过亚马逊、微软和Meta三家2026年Q1净利润总和（约887.73亿美元）[28] - 生态壁垒：CUDA生态构建近20年，通过性能依赖、设计依赖和结构依赖形成三重锁定，迁移成本高，是英伟达最深的护城河 [29] - 性价比对比：高盛研报指出，谷歌/博通TPU v7每百万Token成本与英伟达GB200 NVL72基本持平，当自研ASIC性价比仅为“打平”时，CUDA生态的惯性成为客户决策的重要筹码 [31] - 市场预测：ARK Invest报告预测，到2030年，全球数据中心系统年度投资额将从约5000亿美元激增至1.4万亿美元；随着AI工作负载转向专用模型推理，定制AI芯片（ASIC）将抢占更多市场份额，英伟达在数据中心加速计算市场的绝对市占率将被压缩 [32]