AI投入进入验收期:为什么业绩后市场只奖励了Google?

过去两年，美股科技巨头的主线非常清晰：谁更敢投AI，谁更接近下一轮增长核心，谁就能获得更高估值。但到了2026年一季报，市场的定价逻辑开始发生变化。

这轮Big Tech业绩后的股价表现很有代表性。Alphabet财报后大涨，Meta则明显下跌；苹果因为资本开支克制、利润和股东回报稳定，业绩后也获得正反馈；微软、亚马逊虽然业绩并不差，但市场反应明显弱于Google。换句话说，市场不是不相信AI了，而是开始要求AI投入给出“收据”：收入有没有增长，利润率有没有提升，订单有没有兑现，自由现金流有没有被过度侵蚀。

AI资本开支已经改变了Big Tech的财报季规则。以前科技巨头只要收入beat、利润beat、指引beat，股价大概率就会得到正反馈。但现在，单纯beat已经不够。投资者真正关心的问题变成：你花出去的几千亿美元，什么时候、以什么形式、通过什么业务线变成利润？

今年Alphabet、Amazon、Microsoft、Meta四家公司AI数据中心相关资本开支预计合计接近7000亿美元。这个数字本身足够惊人，更重要的是它改变了这些公司的财务画像。过去除了亚马逊以外，这几家公司基本是典型的轻资产、高利润率、高自由现金流公司；但随着AI数据中心、GPU、网络设备、电力与服务器投入持续扩张，它们的资产负债表开始变得更像制造业公司。资本开支越大，折旧越高，自由现金流压力越明显，市场自然会追问投资回报率。

所以这轮业绩后的市场表现，本质不是简单的“谁业绩好，谁业绩差”，而是市场对四种AI商业模式分别投票。

第一种，是Google：AI投入已经开始变成可见的云收入和利润。

Google Cloud在最新季度收入达到200亿美元，同比增长63%，明显高于市场预期的180亿美元；更关键的是，云业务经营利润率从去年同期的18%提升到33%，并且已经贡献Alphabet约六分之一的经营利润。这组数据非常重要，因为它不仅证明Google Cloud在增长，也证明它在规模化过程中没有牺牲盈利能力。

过去很多年，Google Cloud在三大云里一直被视为“追赶者”。AWS是行业老大，Azure绑定微软企业客户和Office生态，Google Cloud则经常被市场认为规模偏小、客户集中、盈利能力弱。但过去两个季度，Google Cloud的表现已经明显改变了市场认知：它不再只是Alphabet的战略补充，而是一个足以影响集团整体增长和利润弹性的核心业务。

这就是市场愿意奖励Google的原因。Alphabet同样在加大资本开支，但投资者没有惩罚它，因为Google给出了更清晰的收入回报路径。Google不是单纯告诉市场“我们在投AI”，而是在告诉市场“AI投入已经进入订单、收入、利润三张表”。

这也是Google与Meta最大的区别。

Meta本季度业务表现并不差，甚至可以说相当强。广告业务仍然有韧性，用户规模巨大，旗下应用每天仍覆盖数十亿人。但Meta的问题在于，它没有云业务。Meta采购AI算力，主要用于内部研发、广告投放效率、推荐系统、后台成本优化，以及面向用户的AI产品体验。这些当然有价值，但回报路径更间接。

当Meta把2026年资本开支指引上调至最高1450亿美元时，市场自然会问：这些投入什么时候变成新增收入？是广告单价提升？是用户时长增长？是AI助手收费？是企业端服务？还是只是为了维持平台竞争力的必要成本？

这不是一个简单的问题。因为Meta的AI投入更像“防守型+效率型+长期期权型”投资，而不是Google Cloud这种可以直接对外销售算力、模型和云服务的商业模式。前者可能长期有价值，但短期在财务报表里不够直接；后者一旦订单和收入开始兑现，市场就更容易定价。

这也是为什么Meta即使业绩不错，股价仍然下跌。市场不是否认Meta的AI能力，而是不愿意在没有清晰ROI的情况下，无条件接受持续上调的资本开支。

微软处在中间位置。

微软的优势很明确：Azure仍然是AI云需求的最大受益者之一，OpenAI生态、企业客户基础、Copilot产品线都给微软提供了非常强的AI商业化入口。从业务质量看，微软没有明显问题。但市场担心的是，微软的AI投入强度同样非常高，2026年资本开支可能达到1900亿美元左右，而且下半年随着英伟达新一代服务器平台放量，投入可能进一步加速。

微软的自由现金流仍然很强，过去12个月自由现金流达到730亿美元，这个绝对值远高于多数公司。但市场现在关注的不是“有没有现金流”，而是“现金流质量会不会被AI capex持续稀释”。如果AI收入增长足够快，资本开支可以被理解为扩大产能；如果收入增长与投入节奏不匹配，资本开支就会被理解为估值压力。

亚马逊也是类似逻辑，但情况更复杂。

AWS仍然是全球最大、最成熟的云平台，AI需求也确实推动了AWS backlog快速增长。Barron’s提到，AWS backlog在4月底达到4640亿美元，而四个月前是2440亿美元，这说明云和AI需求确实在快速累积。但亚马逊的问题在于，它不只有AWS，还有庞大的零售、物流和履约体系，本身就是资本开支很重的公司。今年亚马逊整体资本开支可能达到约2000亿美元，自由现金流压力自然更容易被市场放大。

不过，亚马逊相比Meta有一个更容易被市场理解的AI回报锚点：Anthropic。虽然Anthropic不是亚马逊的独家资产，也不是完全绑定AWS，但它已经成为市场寻找亚马逊AI敞口时最接近的proxy之一。一方面，亚马逊通过投资Anthropic获得了参与头部大模型竞争的入口；另一方面，Anthropic对AWS、Trainium和云算力需求的使用，也给亚马逊提供了一个相对清晰的“AI资本开支—模型客户—云收入/芯片使用率”的解释框架。

这和Meta不一样。Meta的AI投入主要用于内部广告效率、推荐系统、AI助手和用户体验，回报路径更多体现在长期平台效率与产品形态变化上，很难像AWS订单、Anthropic算力需求这样被市场直接量化。所以亚马逊虽然同样面临自由现金流压力，但它至少能向市场讲出一个更接近Google/Microsoft的AI商业化故事：AWS承接外部AI需求，Trainium参与算力供给，Anthropic提供头部模型客户和生态验证。

这也是为什么亚马逊业绩后的股价表现虽然波动很大，但没有像Meta一样被市场明确否定。市场看到了资本开支和自由现金流压力，也看到了AWS订单与Anthropic相关需求带来的长期回报可能。对于亚马逊来说，市场给出的不是否定，而是“继续观察”。

苹果则从另一个方向说明了问题。

在几家CSP动辄千亿美元级别AI投入的背景下，苹果最新季度资本开支只有约60亿美元。苹果在AI产品层面的落后，市场并非不知道；但短期看，它没有进入同等强度的AI军备竞赛，也就没有被市场要求解释上千亿美元资本开支的回报率。相反，苹果仍然维持了较强的消费硬件基本盘、服务收入和股东回报。公司还提高分红，并授权最高1000亿美元股票回购，因此市场在业绩后给了相对正面的反馈。

英伟达虽然还没有披露本轮业绩，但这轮CSP财报之后，市场对它的定价逻辑也在发生微妙变化。

过去两年，英伟达几乎是AI资本开支扩张最直接、最确定的受益者。只要CSP继续加大AI投入，市场就默认英伟达是最大的赢家。因为训练和推理都需要GPU，AI集群需要完整的计算、网络、软件和系统能力，而英伟达在这个环节拥有接近垄断级别的市场地位。此前市场经常讨论的假设是，英伟达在AI加速芯片市场的份额超过80%甚至90%，这也是它能够长期享受高估值溢价的基础。

但这轮财报之后，市场也开始重新审视一个问题：如果Google Cloud表现这么强，TPU也持续扩张；如果亚马逊Trainium在Anthropic上的应用逐步成功；如果微软、亚马逊、谷歌这些CSP都在加大自研芯片投入，那么英伟达原来接近垄断的份额，会不会被切走一部分？

这个担心不是没有道理。对CSP来说，自研芯片不一定要完全替代英伟达，只要在部分训练、推理或内部工作负载上具备经济性，就可以降低对单一供应商的依赖，也可以改善长期capex效率。尤其是当AI资本开支已经大到影响自由现金流和估值体系时，CSP一定会更积极地寻找性价比更高、供应更可控的算力方案。

但这并不等于英伟达的增长逻辑被破坏。更准确地说，是蛋糕仍然在快速变大，但英伟达过去那种“高增长+高份额+高估值溢价”的组合，阶段性变得没有那么容易。市场可以接受英伟达继续高速增长，但未必愿意在竞争变量上升的时候继续给它极高估值溢价。也就是说，英伟达现在的问题不是需求不够，而是估值中需要反映“份额可能被部分切走”的风险。

从产业现实看，英伟达的产品力仍然明显领先市场。它不是单纯卖GPU，而是卖一整套系统：GPU、NVLink、InfiniBand/Ethernet网络、CUDA软件生态、整机柜方案、集群部署能力，以及从训练到推理的完整优化路径。自研芯片可以在特定场景形成补充，但要在通用性、生态成熟度、系统交付速度和开发者适配上全面追平英伟达，仍然很难。整体上，英伟达相比市场仍然有大约两年左右的领先优势。

真正要观察的是下一轮产品周期。Vera Rubin平台如果顺利推进，叠加更高带宽、更强互联、更完整的系统级方案，英伟达有机会重新拉开与竞争对手的差距。更重要的是，如果物理AI、机器人、自动驾驶、工业智能等新应用真正进入规模化阶段，AI算力需求的来源会从大模型训练和云端推理，进一步扩展到现实世界的感知、决策和控制系统。那时候，英伟达的优势可能不只是数据中心芯片，而是从云端AI延伸到物理世界AI的完整平台能力。

所以英伟达现在的低估值，本质上是市场对竞争风险和份额不确定性的折价；但如果从长期产业趋势看，20倍市盈率左右的英伟达，反而是一种“确定性的奖励”。它仍然是AI算力周期中产品最完整、生态最强、客户覆盖最广的公司，只是市场暂时不再愿意为过去那种近乎无风险的垄断叙事支付过高溢价。

这背后其实是同一个逻辑：市场现在不再简单奖励“AI投入大”，而是奖励“AI投入可验证”。

过去两年，AI交易更像第一阶段：市场买的是方向，买的是算力供给紧张，买的是GPU、网络、光模块、数据中心和云服务的总需求扩张。只要公司敢投AI，就可以被理解为抢占未来。

但现在进入第二阶段，市场开始区分三类公司：

第一类，是Google这样已经拿出收入、利润率和订单证明的公司。AI投入不是抽象叙事，而是进入Google Cloud收入表、利润表和订单积压。资本开支虽然巨大，但市场愿意相信它是在扩张一个高增长、高利润率、可对外销售的业务。

第二类，是微软和亚马逊这样有云业务支撑，但投入强度过高、现金流压力需要继续验证的公司。它们不是没有回报，而是市场希望看到更明确的投入产出节奏。

第三类，是Meta这样AI投入主要用于内部业务优化和长期产品形态的公司。它的AI投入未必错，但财务回报路径不够直接，市场会要求更高的证明标准。

英伟达则是第四类：它是整个AI资本开支周期最核心的上游供应商，需求仍然强，但市场开始重新定价“份额稳定性”和“估值溢价”。只要CSP资本开支持续扩张，英伟达仍然受益；但当Google TPU、Amazon Trainium、各家ASIC开始被市场认真讨论时，英伟达需要用下一代产品周期继续证明自己的领先优势。

因此，这轮业绩后美股真正定价的不是一季报本身，而是AI资本开支的“商业闭环”。谁能证明AI投入可以带来收入增长、利润率提升、订单积累和现金流质量，谁就能继续享受AI估值溢价；谁只能证明自己在加大投入，却无法清楚说明回报路径，谁就会面临估值压力。对于英伟达来说，市场要求的是另一种证明：它不仅要证明AI需求还在增长，还要证明自己能够在CSP自研芯片加速的背景下，继续维持技术领先、生态粘性和系统级定价权。

这对整个AI产业链也有很强的启示。

短期看，CSP资本开支仍然巨大，AI服务器、GPU、网络设备、交换机、光模块、存储、电力设备等环节的需求逻辑并没有结束。相反，只要Google、AWS、Azure这类云业务订单继续增长，上游硬件链条仍然有很强支撑。

但中期看，市场对AI产业链的定价也会越来越挑剔。以前只要跟AI capex相关，都能享受估值扩张；未来会逐步区分：谁绑定的是有真实订单、有收入兑现、有利润改善的客户，谁只是跟随资本开支叙事；谁的产品是瓶颈环节，谁只是周期性扩产；谁的利润率能维持，谁会在价格下行中被挤压。

这也是为什么Google这次财报意义很大。它不是单纯证明一家公司的业绩好，而是给整个AI投资链条提供了一个正面样本：AI投入不是永远停留在“未来可能有回报”，它可以进入当期收入、利润率和订单体系。一旦这个样本被持续验证，市场会继续相信AI资本开支周期；但如果越来越多公司只提高capex，却无法给出回报，市场就会迅速从“AI信仰”切换到“现金流审查”。

所以，这轮业绩之后，美股AI交易的重点应该从“谁花钱最多”切换到“谁最能证明花钱有效”。

Google这次是赢家，不是因为它AI投入少，而是因为它证明了AI投入正在变成业务结果。Meta被惩罚，也不是因为它没有AI能力，而是因为资本开支增长太快、回报路径太模糊。微软和亚马逊则处在验证阶段：云需求足够强，也有OpenAI、Anthropic这类更容易被市场追踪的AI proxy，但市场还需要看到更清晰的自由现金流修复和利润兑现。

英伟达则进入另一个阶段：它仍然是AI算力扩张最大的确定性受益者，但市场开始要求它证明，自己不仅能受益于AI蛋糕变大，也能在CSP自研芯片和定制ASIC持续推进的情况下，维持技术代差和平台优势。短期估值溢价被压缩，是竞争担忧的反映；但如果下一轮Vera Rubin继续拉开差距，物理AI又打开新的需求空间，那么当前低估值反而可能成为长期确定性的奖励。

AI周期还没有结束，但市场已经不再无条件相信所有AI故事。真正进入下半场后，资本市场看的不是故事本身，而是故事能不能落到收入、利润和现金流上；看的也不是单一公司的AI口号，而是它在整个AI资本开支链条里到底有没有可验证、可持续、可定价的竞争优势。Google这次给出了答案，其他巨头还需要继续交卷，英伟达也需要用下一轮产品周期继续证明自己。

欢迎大家关注微博：源深路炒家，更高频，更及时，也有粉丝群

关注并设置星标，每天可接受超过1条优质信息

备用号：