AI 账本摊开了:谁在赚钱,谁在烧钱

TODAY

导语

今天这组 AI 新闻，最值得看的不是又一个模型跑分，而是 AI 终于开始被放进账本里了。

微软披露 AI 业务年化收入超过 370 亿美元，Google Cloud 因企业 AI 和 AI 基础设施增长 63%，AWS 重新加速，Meta 把 2026 年资本开支预期上调到 1250 亿至 1450 亿美元。与此同时，三星用创纪录财报告诉市场：AI 数据中心的需求已经传到内存和存储。

这意味着，AI 竞争正在从“谁的模型更强”，进入一个更现实的阶段：谁能赚到钱，谁能供得上，谁能管得住。

SUMMARY

先看结论

•AI 已经进入财报验证期。

——云厂商开始拿出收入和订单，应用公司则要解释巨额资本开支为什么值得。

•上游供应链也被拉进来了。

——三星第一季度营收和营业利润创季度新高，背后是 AI 内存、存储和数据中心需求。

•企业选择模型时，云治理比以前更重要。

——OpenAI 接入 AWS Bedrock 后，模型选择会和日志、权限、加密、合规、采购承诺绑在一起。

•安全边界正在被政府追问。

——美国参议员要求多家 AI 公司说明模型权重、人员权限和中国相关防护，说明前沿模型已被当成关键资产。

•工具更新要回到工作流。

——Adobe、Claude 和飞书项目的方向都不是“多一个聊天框”，而是把 AI 接进创意和项目执行流程。

TOP STORIES

本期最重要的3件事

01大厂财报摊牌：AI 开始进入收入和成本的双重账本

同一天披露的财报显示，AI 已经同时变成云收入、芯片订单和资本开支压力。

如果只看发布会，AI 行业很容易显得像一场永远不会结束的能力竞赛。

财报会把问题问得更硬：它到底带来多少收入？需要投入多少资本？客户是不是持续付费？算力和芯片从哪里来？

几家科技巨头几乎同时给出了线索。

微软公布 2026 财年第三季度结果：营收 829 亿美元，Microsoft Cloud 收入 545 亿美元，Azure 和其他云服务收入增长 40%。Satya Nadella 还直接给出一个很关键的数字：微软 AI 业务年化收入超过 370 亿美元，同比增长 123%。

Alphabet 的第一季度财报同样把 AI 写进增长核心：公司营收 1099 亿美元，Google Cloud 收入增长 63% 至 200 亿美元，主要来自企业 AI 解决方案、AI 基础设施和核心云服务。Sundar Pichai 称 Google Cloud 积压订单环比接近翻倍，超过 4600 亿美元。

亚马逊这边，AWS 第一季度收入增长 28% 至 376 亿美元，是 15 个季度以来最快增速；亚马逊芯片业务年化收入超过 200 亿美元，过去 12 个月落地超过 210 万颗 AI 芯片，其中超过一半是 Trainium。

这些数字证明了一件事：至少在云和基础设施层，AI 已经不只是“未来可能很大”，而是开始进入可确认收入。

但另一面也很清楚。Meta 第一季度收入 563.1 亿美元，同比增长 33%，同时把 2026 年资本开支预期从 1150 亿至 1350 亿美元上调到 1250 亿至 1450 亿美元。也就是说，AI 的增长故事并不只写在收入端，也写在数据中心、芯片、训练和人才成本里。

今天最重要的判断是：AI 行业不是简单进入收获期，而是进入“收入和投入同时放大”的阶段。

对普通企业来说，做 AI 预算时可以先分三类账：能直接带来收入的 AI，能节省时间的 AI，以及仍然属于长期投入的 AI。把这三类混成一句“战略投入”，最后很容易变成谁都支持、但谁也说不清回报的黑箱。

02三星创纪录财报：AI 基建已经传到内存和存储

AI 基建需求会一路传导到内存、存储、网络和电力，最终影响企业使用 AI 的成本。

微软、Google、亚马逊证明的是需求。三星 4 月 30 日的财报，证明的是这股需求已经传到了上游供应链。

三星电子第一季度营收 133.9 万亿韩元、营业利润 57.2 万亿韩元，均创历史季度新高。半导体 DS 部门贡献了最主要利润，营收 81.7 万亿韩元、营业利润 53.7 万亿韩元。

三星给出的解释很直接：Memory Business 因高附加值 AI 需求、供给有限和行业平均售价上涨，创下季度销售和营业利润纪录。公司还提到，已开始行业首批 HBM4 和 SOCAMM2 量产销售，面向 NVIDIA Vera Rubin 平台；下半年会继续围绕 DDR5、SOCAMM2、PCIe Gen6 eSSD 和 KV cache 存储需求扩张。

这些词有点技术，但可以翻译成一句人话：AI 模型不是只需要显卡，也需要大量内存和高速存储。

训练、推理、长上下文、智能体多步执行，都会产生大量数据搬运和暂存需求。模型越大，任务越长，并发越高，内存、存储、网络、电力和散热的压力就越大。

这对企业也不是遥远的芯片新闻。未来 AI 调用价格、私有化部署成本、云服务折扣、交付周期，都可能受到上游供给影响。你以为自己是在买一个软件服务，背后其实是在租一整条基础设施链。

所以，今天判断 AI 落地不能只问“哪个模型最好”。更实际的问题是：能不能稳定调用？高峰期有没有额度？成本会不会突然变化？数据能不能放在现有云里？供应链能不能撑住业务增长？

03选择权和边界一起变重要：模型已经成了关键资产

昨天 AWS 与 OpenAI 扩大合作，OpenAI 最新模型、Codex 和由 OpenAI 驱动的 Amazon Bedrock Managed Agents，进入 Amazon Bedrock limited preview。

放到今天的财报背景里看，这条新闻的意义更清楚：企业不会只比较模型能力，也会比较模型能不能纳入现有云治理。AWS 强调的 IAM、PrivateLink、guardrails、加密和 CloudTrail 日志，本质上都在回答一个问题：模型进入真实业务后，权限、数据和审计怎么管。

模型进入企业云环境后，真正关键的是权限、日志、数据边界和人工确认。

选择权变得更具体，边界也变得更敏感。

Axios 4 月 29 日披露，美国参议员向 Amazon、Anthropic、OpenAI、Google、Meta、Microsoft、Safe Superintelligence、Thinking Machines Lab 和 xAI 等公司 CEO 发出信件，要求在 5 月 20 日前回答与中国相关的技术防护问题。

最值得注意的是，问题不只围绕黑客攻击，还包括人员审查、内部威胁检测、特权访问持续监控，以及有多少中国籍员工能直接或间接接触模型权重或相关资产。

这说明前沿模型已经被当作关键资产管理。所谓 AI 安全，也不只是“别泄露 API Key”。真正敏感的是模型权重、训练数据、评测集、系统提示、插件权限、审计日志和内部人员访问。

同一条线上还有两个信号：Google 与五角大楼的机密 AI 合同继续引发边界争议；OpenAI 和 Anthropic 则向美国众议院国土安全委员会工作人员闭门说明网络安全模型能力。国内也有对应案例，量子位报道 360 自研漏洞挖掘智能体已发现 Windows 内核提权漏洞和 Office 远程代码执行漏洞，并完成上报修复。

把这些放在一起，结论很直白：AI 的危险不只在会说错话，也在它开始能接触关键系统、发现系统弱点、进入政府和企业的高风险流程。

以后企业选 AI，不只是“能不能选更多模型”。能选之后，谁有权限、谁能审计、出了问题谁负责，才是真正的考验。

TOOL UPDATES

值得上手的工具更新

工具 1

Adobe 与 Claude：创意工具开始接入连续工作流

创意 AI 的价值正在从单个生成按钮，转向把设计、视频、3D 和音乐串成连续工作流。

更新了什么

一个方向在 Adobe 内部编排多步创意动作，另一个方向让 Claude 通过连接器理解专业软件和文档。它们共同指向一件事：创意 AI 正在从“生成一张图”，变成“把一组工具串起来完成任务”。

适合谁

内容运营、设计师、视频创作者、3D 和音乐创作者、小团队创始人。

最直接的用法

拿真实素材试一轮，比如把一张产品图变成公众号头图、销售提案配图和社媒封面；或让 Claude 帮你解释一个 Blender 场景结构、查找 Ableton 功能用法。

工作流影响

创意人员会更像导演，AI 负责减少重复动作。 但审美、版权、品牌语气和最终细节仍然要人工把关。

Adobe 4 月 27 日宣布 Firefly AI Assistant public beta 开始滚动开放；Anthropic 4 月 28 日发布 Claude for Creative Work，新增面向 Adobe、Blender、Autodesk Fusion、Ableton、Splice、Affinity、SketchUp、Resolume 等创意工具的连接器。

工具 2

飞书项目 AI Friendly：项目管理开始为 Agent 留接口

项目管理工具开始把 AI 当成受权限约束的协作者，而不是只会写总结的聊天框。

更新了什么

项目管理工具不再只是给人填表和看状态，也开始给 AI 留出受权限约束的协作接口。

适合谁

项目经理、PMO、运营团队、研发管理者、企业内部工具负责人。

最直接的用法

从项目周报、风险工作项提醒、图表生成和待办跟踪开始。不要一上来就让 Agent 自动改项目计划。

工作流影响

项目管理工具会从记录系统，慢慢变成可执行系统。 但权限、审批、日志和责任边界要先设计好。

飞书项目 4 月 23 日生态日强调开放平台面向 AI 升级，包括 MCP、飞书项目 CLI、AI 应用体系、AI 节点、AI 字段，以及面向智能体异步协作的 AAMP 开源协议。

HOW TO USE

可以怎么用

试用 AI 工具前，可以先判断它进入收入账、效率账还是风险账。

看财报时，把 AI 分成收入、效率和前置投入三类。 收入类看能不能直接带来订阅、广告、云消费或销售转化；效率类看能不能减少人力时间；前置投入类要单独评估周期、风险和退出条件。

选模型时，把“强不强”改成“能不能稳定纳入现有治理”。 重点看云入口、权限、日志、数据留存、采购承诺、模型切换成本和事故追溯，而不是只看榜单排名。

做安全时，先管访问，再谈自动化。 如果要用 AI 做漏洞发现、代码审计或修复建议，先确认沙箱、日志、人工审批和披露流程，不要让效率工具绕过原有安全边界。

试创意和项目工具时，从低风险重复任务开始。 例如素材改尺寸、批量命名、项目周报、风险提醒、会议纪要整理。这些任务价值清楚，也便于判断 AI 是否真的省时间。

选 AI 工具时，多问一句“它进的是哪本账”。 如果只能制造新鲜感，很快会被替换；如果能进入收入、效率或风险控制这三本账，才更可能留下来。收入账看它能不能带来更多线索、转化、订阅或复购；效率账看它能不能减少重复劳动、缩短交付周期；风险账看它有没有权限、日志、审批和回溯机制。

TAKEAWAY

实用总结

今天的 AI 新闻，真正的信号不是“谁又发了一个更强模型”，而是 AI 开始接受账本检验。

能赚钱的，会体现在云收入、广告转化、订阅和客户留存里；烧钱的，会体现在芯片、内存、数据中心和资本开支里；管不住的，会体现在政府审查、合同边界、权限风险和安全事故里。

对普通读者来说，接下来判断 AI 公司和 AI 工具，可以少问一句“它是不是最强”，多问三句：

它带来的回报在哪里？

它依赖的供给稳不稳？

它进入真实流程后，谁能管住边界？

这三句，比很多发布会口号更接近 AI 落地的真实样子。

参考来源：

1. Microsoft Q3 FY2026 results

2. Alphabet Q1 2026 results

3. Amazon Q1 2026 results

4. Meta Q1 2026 results

5. Samsung Electronics Q1 2026 results

6. AWS and OpenAI announce expanded partnership

7. Axios: Senators interrogate AI firms on China safeguards

8. Axios: Congress stalls on military AI as Google and the Pentagon strike deal

9. Axios: OpenAI, Anthropic meet with House committee over advanced cyber models

10. Adobe Firefly AI Assistant public beta

11. Anthropic Claude for Creative Work

12. 飞书项目生态日

13. 量子位：360 漏洞挖掘智能体