硅谷坐标 x FundaAI周默：四大科技公司财报后的AI产业深度观察

https://www.youtube.com/watch?v=lqjkWtlML0Q #p-8166135-ai-1硅谷四大科技巨頭財報後 AI 產業深度觀察簡報 #p-8166135-h-2執行摘要 本簡報基於對亞馬遜（Amazon）、谷歌（Google）、Meta 和微軟（Microsoft）最新財報後的深度產業分析。核心結論指出，AI 產業正處於從「軍備競賽」向「收入兌現」轉型的關鍵期。四大巨頭預計到 2026 年的合計資本支出將超過 6300 億美元，占其運營現金流的比例將從 2023 年的 40% 飆升至接近 90%。儘管市場對高額開支存在擔憂，但數據顯示 AI 收入（尤其是雲端 API 和推薦算法）正在加速增長。領先的模型公司（如 Anthropic）正展現出極強的議價能力，甚至開始重塑雲計算的產業鏈結構。同時，AI 對生產力的提升（特別是在編程領域）已達到 AGI 臨界點，預示著未來幾年將出現大規模的人力成本替代與產業結構重組。 #p-8166135-h-3一、 資本支出與市場定價邏輯 #p-8166135-h-1-capex-41. 創紀錄的資本支出 (CapEx) 支出規模： 到 2026 年，亞馬遜、谷歌、Meta 和微軟的合計資本支出預計超過 6300 億美元。這一數字在 GDP 中的占比接近 20 世紀所有重大基礎設施項目的總和。 現金流壓力： 四家公司的資本支出占運營現金流的比例持續攀升： 2023 年：40% 2025 年預計：65% 2026 年預計：接近 90% 極端案例： 亞馬遜過去 12 個月的自由現金流已從 380 億美元跌至 12 億美元，資本支出幾乎消耗了所有自由現金流。 #p-8166135-h-2-52. 股價表現的背後邏輯 分水嶺： 2023 年 7 月後，大型科技公司表現開始落後於半導體公司（如英偉達）。 原因分析： 基本面： 投資者開始計算 2026 年的 CapEx，擔憂現金流枯竭影響長期估值。 配置調整： 隨著半導體板塊在 AI 投資中的份額提高，投資者減少了對大型科技公司的配置。 收入要求： 市場要求看到明顯的收入加速以抵消開支，但早期加速並不穩定。 #p-8166135-h-6二、 產業結構與議價能力移轉 #p-8166135-h-1-71. 資源稀缺性與利潤率分布 產業層級 代表企業/類型 毛利率/經營利潤率 芯片層 英偉達 ~70% (最稀缺) 雲計算中心 AWS, GCP, Azure 35% - 45% 模型公司 OpenAI, Anthropic 估值對標 30 倍 P/E (長期預期) #p-8166135-h-2-82. 門戶地位的變遷 從雲到模型： 在 SaaS 時代，雲計算公司是流量入口和分發中心（議價能力強）。但在 AI 時代，模型公司正成為新的入口。 議價能力（Bargaining Power）： 用戶通過 API 購買服務時，不再關心底層運行的雲平台。模型公司開始掌握分發權，雲廠商逐漸轉變為模型公司的「下游」。 #p-8166135-ai-9三、 AI 收入的多維度剖析 不同巨頭對 AI 收入的定義與路徑各異： 微軟 (Microsoft)： 包含 GPU 租賃、OpenAI API 分成、及 AI 驅動的產品（如 Fabric 數據庫、Copilot）。 亞馬遜 (AWS)： 核心在於 Bedrock 平台，其增長與 Anthropic 的 API 收入高度對齊。 谷歌 (Google)： 包含 GPU/TPU 租賃、TPU 直銷及 Gemini 收入（Gemini 收入約 70% 歸入 GCP）。 Meta： 未披露具體口徑，主要通過 AI 提升推薦算法複雜度，進而增加廣告收入增量。 #p-8166135-h-10四、 核心公司深度觀察 #p-8166135-h-1-googletpu-111. 谷歌 (Google)：TPU 護城河與廣告加速 TPU 優勢： 谷歌在 TPU 上的訓練成本僅為使用英偉達 GPU 的 20%-30%，這使其能以更低成本訓練更大規模的模型。 廣告變現： AI 顯著提升了「長尾搜索詞」的理解與變現能力。AI Overviews (SGE) 可以在不干擾傳統廣告的情況下創造增量收入。 產能衝突： 谷歌內部的 Gemini 團隊與外部雲客戶正在激烈競爭有限的 TPU 產能。 #p-8166135-h-2-microsoft-122. 微軟 (Microsoft)：軟件龍頭的守位戰 Copilot vs. AI Native： 微軟的 Office Copilot 面臨 Anthropic 等 AI Native 公司的挑戰。傳統軟件迭代週期（季度級別）難以跟上 AI 創業公司（周級別）的速度。 Copilot Studio： 作為低代碼 Agent 構建工具，其收入增長極快，且採用按量計費（Consumption-based），客單價遠超 30 美元的固定坐席費。 #p-8166135-h-3-amazon-133. 亞馬遜 (Amazon)：基礎設施的堅韌 產能修復： 亞馬遜解決了數據中心建設的容量瓶頸，並儲備了大量電力（去年購買 4GW 電，超過微軟）。 Bedrock 爆發： Bedrock 一季度的處理次數超過歷史總和。Anthropic 每月 50% 的 ARR 增長直接拉動了 AWS 的業績。 #p-8166135-h-4-meta-144. Meta：生產力革命與廣告創新 代碼效率： Meta 是 AI 提效最激進的公司，通過 AI Coding Agent 大幅提升代碼產量，甚至以此作為工程師考核指標。 新廣告形態： 推出 Overlay Ad（覆蓋式廣告），模擬短視頻軟廣，在不降低單價的情況下提升了廣告曝光量。 #p-8166135-h-15五、 技術趨勢與供需指標 #p-8166135-h-1-161. 供給瓶頸與成本上升 領先指標： GPU 租賃的「交貨時間」（Leading Time）變長，反映需求旺盛。 價格反轉： GPU 長約與短約價格從去年 12 月起出現反彈，不再像 CPU 時代那樣遵循通縮模型。 存儲成本： 存儲芯片價格上漲正顯著推高整體的資本支出。 #p-8166135-h-2-asic-172. 自研芯片 (ASIC) 的戰略意義 降低成本： 亞馬遜 CEO 指出自研芯片 Trainium 每年可節省數百億美元 CapEx。 毛利保障： 使用自研芯片（如 TPU）的雲服務毛利高於租賃第三方 GPU 的毛利。 #p-8166135-h-18六、 結論與未來展望 生產力轉向 AGI： 編程領域已實現 90% 的 AGI 能力。預計到 2028-2029 年，隨著下一代「十萬億參數」模型的出現，AGI 將在更多領域實現。 人力成本替代： AI 正在從替代 IT 預算轉向替代更龐大的人力成本（OpEx）。這可能引發社會問題（如 AI 裁員稅的需求）。 投產比優化： 儘管目前 CapEx 是 AI 收入的 4-6 倍，但隨著模型公司收入加速（如 Anthropic 預計年底 ARR 達 1000 億美元），投入產出比將在 2025-2026 年顯著改善。

所以梭哪个

我的观点，盈亏自负 GOOG > AMZN > MSFT > META

有道理看财报后市场也这么觉得的

感觉这个大佬很强，各个公司信手拈来

嗯 我現在都叫AI不要跟我BS 直接說結果 這邊我也想問：所以要買哪個？