图片来源@unsplash
本周，亚马逊、微软、谷歌相继发布新一季度财报。
与上一季度相比，市场反应出现明显分化：谷歌股价上涨4%至7%，微软则下跌2%。这与我们上一财年的预判基本一致——当科技巨头将资本支出与现金流的底牌亮出后，投资者开始为巨额AI投入的确定性回报投票。
但有一点也需要注意：当大部分计算需求如果仍然只是来自于OpenAI、Anthropic等少数头部大模型厂商，我们或许不应该那么乐观。
云厂商最近一个季度在忙什么？
从财报数据来看，三大云厂商在最近一个季度基本在做一件事：不计成本抢地建厂，并亲自下场兜售算力。
对于云厂商而言，建设GPU数据中心的投入成本其实在不断上升。
年初，我们注意到，亚马逊等五家头部科技巨头预计在2026年合计资本支出达到6000亿美元至7000亿美元。到这一季度，亚马逊第一季度资本支出高达442亿美元，并维持全年2000亿美元的预算高位。
截至一季度末，亚马逊自由现金流骤降95%至12亿美元，而去年同期为259亿美元，这是一个危险信号。亚马逊解释称是因为过去12个月，房地产和设备购置支出激增593亿美元，导致自由现金流减少。
谷歌和Meta则上调原本就已经相当高额的资本支出预期：谷歌预计在1800亿至1900亿美元，单季度支出高达356.7亿美元；Meta的预计高达1450亿美元。谷歌解释称这是因为收购了数据中心服务商Intersect，同时它还预计2027年资本支出将再次大幅增长。
相比之下，微软虽然在云业务上表现稳健，但其资本支出的回报成了投资者质疑的焦点。在与OpenAI的合作松绑之前，微软一直在大力投资建设和租赁新的GPU数据中心，以满足AI公司需求。
微软第一季度资本支出较上一季度减少了56亿美元。微软称，支出放缓是由于施工进度正常波动，而非需求下降。微软第一季度自由现金流为158亿美元，同比下降22%，公司将此归因于资本支出较去年同期增加。
大笔算力投入背后
整体来看，受益于生成式AI业务需求，同样是巨额投入，三大云厂商云业务增长却走出了不一样的路：以谷歌表现最为亮眼，反观亚马逊AWS和微软云，尽管增速依然客观，但在云积压订单上表现一般。
谷歌云：营收增长63%至200亿美元，远超上一季度的48%，AI产品和基础设施销售是主要动力。
积压订单几乎翻倍，飙升至4620亿美元，谷歌预计未来24个月内其中一半将转化为收入。这不仅是财务数字，更是未来收入的保证书。谷歌这一增长归功于TPU AI芯片的销售，谷歌不再仅自用，而是开始向其他公司出售。
AWS：第一季度营收增长28%至376亿美元，创近四年最快增速。积压订单为3640亿美元，环比增加1200亿美元。
CEO安迪·杰西指出，这些订单来自“相当广泛的”客户群体，且不包括Anthropic此前同意斥资1000亿美元购买AWS基础设施的交易。
微软：增速上升1个百分点至40%，略高于此前预测的37%-38%，但与谷歌和亚马逊相比显得逊色。
营收积压订单总额为6270亿美元，略高于上一季度的6250亿美元。其中25%（约1570亿美元）将在未来12个月内转化为收入。微软未披露OpenAI的具体贡献，而上一季度这一比例为45%。
不过，这些云厂商大部分激增的订单仍然来自于OpenAI、Anthropic等头部大模型厂商或拥有极强技术实力的科技巨头。虽然承接这些头部订单能迅速做大营收，但这对于云厂商也是一把双刃剑。
OpenAI与微软闹掰就是鲜明的案例。一方面，头部大模型厂商通常要求长期合同以锁定算力，但云厂商却因此要背负长期且沉重的数据中心建设成本。另外，为留住大客户，云厂商也因此要持续满足其越来越苛刻的算力规模和价格要求，这也进一步导致其资本支出居高不下，自由现金流持续恶化。
卷算力，从全栈AI下手
事实上，如今美国算力市场也进入短缺时代。正如谷歌CEO皮查伊在财报电话会上坦言：“我们在短期内算力受限”，并透露若产能充足，云业务收入本可更高。这种短缺甚至传导至下游，导致AI初创企业面临GPU配额收紧和成本飙升。
为应对短缺，各大云厂商除采购英伟达GPU外，正不约而同加大自研芯片部署力度。例如，亚马逊的用于AI训练的Trainium AI芯片，谷歌云早先推出的AI张量处理单元TPU，微软的AI加速计算的Maia 100芯片等，试图通过定制化硬件降低对单一供应商的依赖并优化成本。
云厂商提供AI专用芯片或许能够在GPU紧缺时满足客户一定诉求，如何满足当前市场对AI算力高涨的需求，对所有云厂商而言，都是一道必答题。
值得一提的是，谷歌计划向金融机构、前沿实验室等客户交付自研TPU，用于其自有数据中心，预计今年晚些将获得一小部分收入，2027年进一步放量。4月初，亚马逊的股东信里也明确表示将芯片自研做到“行业真正的领导者”，眼下之意则是不再为英伟达打工。
当然，云厂商很早就开启了芯片自研，但或许从来没有像今天这么重视过。谷歌打了翻身仗的成功之处，就在于将自研芯片TPU v7和自研模型Gemini 3实现了全栈式的能力打通。
而AWS过去的策略是：对于模型需要快速上线，希望选择英伟达的客户，会为其尽可能提供全面选择，对于有长期发展策略的AI企业，则为其提供SDK使用其自研芯片。
今天则变了，亚马逊与OpenAI、Anthropic达成合作，不仅仅是出租服务器，更是为了将Bedrock等AI平台植入客户开发流程。
云厂商或许也需要证明，自己的价值在于提供高效的模型微调工具、数据服务和API，从而锁定更广泛的客户，而不是仅仅把GPU显卡卖给Anthropic或OpenAI。
（本文作者 | 杨丽，编辑 | 杨林）
晟红网提示：文章来自网络，不代表本站观点。
