夜雨聆风本文整理自约93分钟的完整视频访谈，无论是提问还是嘉宾的回答，都非常精彩。
📋 内容提要
2026年四大科技巨头（亚马逊、谷歌、Meta、微软）合计资本开支超6300亿美元，占运营现金流比例从2023年40%飙升至2025年65%、2026年接近90%——这笔钱到底怎么赚回来？ - 大科技公司跑输半导体
的两大原因：现金流被CapEx蚕食，市场要求收入加速；同时投资者把配置份额从大科技转向半导体。 产业链利润分配权正在向模型公司（Anthropic、OpenAI、Gemini）集中，云厂商从直接对客的入口变为模型公司的下游，Bargaining Power已明显削弱。 - GPU/内存价格上涨
推动本季度CapEx大幅提升：存储厂商Q1–Q2集中签3年锁价长约，导致CapEx一次性向上调整；GPU租赁短约价格因长约占比上升而大幅反弹。 各家云厂商自研芯片（Trainium、TPU、Maia、MTIA）的核心价值：锁定模型公司用量、提升Gross Margin、对抗英伟达定价权。TPU生态最成熟，Trainium本季度贡献明显利润增量。 - 谷歌云（GCP）
增速63%，护城河最深：Gemini带来4–5个点收入加速、TPU自研优势明显、Backlog增速领先。 - 亚马逊AWS
增速28%（15季度最高）：Trainium稳住Margin、Bedrock同比增长177%、Anthropic拉动BuyRaw高速增长。 - 微软Azure
OpenAI份额分散化削弱独家优势，Copilot产品质量难跑赢AI原生公司，但Copilot Studio（企业内部Agent Builder）已实现高速增长。 - Meta
AI对广告的真实贡献每年约小个位数提升，推荐算法+Overlay广告（软广）开创新库存，AI降低投放门槛；CapEx大幅上调冲击利润预期是本季度大跌核心原因。 谷歌广告加速原因 AI Mode使长尾Query实现商业化变现，AI Max产品提升复杂对话场景的广告精准度，欧洲广告主进入AI投放元年。 工程师AI化生产力变革 Coding渗透率按月迭代——从50%代码AI生成，到全量AI、多Agent编排、远程无电脑编程，对就业结构的冲击已在美国非农数据中初显。 AI收入与CapEx的剪刀差 2026年追踪到的AI相关AR约2000亿美元，约占云相关CapEx 28%——差距在收窄，市场正在定价"Incremental Revenue增速快于Incremental Cost"的拐点。
访谈全文
Part 1 · 大科技公司为何跑输半导体——估值逻辑与产业分配权
聚焦科技大厂CapEx与AI收入核心议题
主持人：
4月底几家美股科技大厂刚刚发布了新一季度财报。资本开支和AI收入仍然是所有人最关注的焦点。在聊财报之前，我想先跟你聊聊几个大厂过去的股价表现——我们知道在过去两年，半导体已经涨了几倍，但大型科技公司的表现远远没有那么亮眼。同样都是在做AI市场的定价，为什么差异这么大？
周默（FundaAI创始人）：
这是个很好的问题。其实从去年7月份之前，这几个大科技公司还是能够跟上半导体的涨幅，趋势上看基本吻合。但7月份之后出现了一个明显的分界线——大家开始算2026年的CapEx（资本开支），一算就发现，到了2026年这些公司的自由现金流几乎归零。
现金流不足，对这些公司长期DCF（现金流折现）估值的影响很大，市场就对收入加速提出了更高要求。但当时微软和AWS去年下半年的加速并不明显，AWS到今年一季度才有比较明显的加速——所以就跑输了半导体。
另一个原因是配置层面：过去投资人对半导体分配的份额很小，大部分都在大科技。半导体比重提高之后，就必须减少大科技的配置。一方面是基本面，一方面是配置调整，共同造成了大科技公司跑输半导体。
主持人：
从产业经济学角度来看，毛利率最高的地方就是资源最稀缺的地方。英伟达毛利率70%+，云计算经营利润率35%–45%，模型公司毛利率从去年40%有所上升——最稀缺的是算力层，但估值最高的是模型公司。这个矛盾怎么理解？
周默：
如果用当期PE（市盈率）的角度看这些模型公司，确实很贵。但如果从远期来看，其实没那么贵。举个例子，Anthropic（Claude）到4月底ARR（年化收入）已接近450亿美元，年底可能到1000亿美元；OpenAI估值刚传出9000亿美元，到年底也差不多是9倍PS。如果假设它们以后做到20–30%的净利润率，差不多是30倍PE——这其实和微软这类大科技公司历史上长期35倍PE差不多。
更重要的是看Bargaining Power（议价权）。过去从SaaS上云时代（2015–2021年），云公司因为分发所有SaaS流量、同时卖CPU+软件+数据库，毛利率从40%+提升到60%+，成为整个软件行业的入口。
但现在这个入口关系变了。模型公司有点像当年云的角色——用户通过Anthropic买API时，根本不在乎背后跑在哪朵云上。所以云从直接对客的"中台"变成了模型公司的下游，模型公司掌握了分配权，Bargaining Power越来越强、越来越稀缺。这个现象在今年越来越明显。
Part 2 · CapEx为何持续攀升——GPU涨价、存储锁价与需求加速
GPU租赁市场供需结构与存储长约锁价机制
主持人：
你怎么理解这一轮资本开支持续增加的逻辑？是真实需求在拉动，还是更接近"没有人敢停下来"的军备竞赛？
周默：
CapEx这个故事从2024年到现在已经经过了好几轮变化。2024年底大家担心数据不够、模型无法商业化，这在当时确实是真实风险，所以出现了1月份的"DeepSeek Moment"。到了去年2、3月，Coding的需求量快速起来，大家对短期商业化的担忧消散；再往后，强化学习（RL）、Post-Training、RLHF体系成熟，强化学习不再缺数据，到去年年中可以把一半以上的算力分配到强化学习上——成了新的算力需求增长点，这个趋势延续至今。
最近3个月最大的变化是：之前担心模型公司体量上来后ARR会降速，但过去三个月的数据显示，当这些顶级Lab的收入体量上去之后，增速不仅没降，反而再加速。Anthropic基本上每个月ARR环比增长50%；OpenAI和Gemini稍慢，但季度环比也接近50%，而且体量已经比去年大很多了——越大、越快，呈现了非常良好的供需结构。
判断供需关系，可以看几个前置指标：GPU租赁的Lead Time（从下单到用上GPU的等待时间）——目前在变长；GPU单价（分长约、短约、现货）——从去年12月开始出现反转，今年无论是现货价格还是Contract价格都在往上涨。
原因很清晰：大厂们因为强化学习、Coding的需求大幅下了更多长约，长约占比从80%往上涨，留给短约的池子变小；短约本身弹性很大，需求一旦旺盛，价格就会飙涨——这就造成了今年Q1 GPU价格整体上行，供不应求现象非常明显。
主持人：
GPU涨价以外，存储涨价对CapEx的影响有多大？
周默：
存储涨价对本季度CapEx的影响非常直接。原因是：各家公有云普遍在3月中旬到4月下旬与存储厂商谈长约底价锁定（Long-term Contract），一旦锁定，就要同步向上调整后续3年的存储成本——这不是一次性的，会持续体现在未来3个季度的CapEx里。
而且这件事可能还没调完，因为现在锁的是底价，没有锁住未来涨价的趋势，后续如果继续涨，还得继续体现。如果把CapEx的上涨来源切分，我认为本季度绝大部分来自存储/内存涨价，往后越来越多会来自需求扩张。
Part 3 · 自研芯片的价值——Trainium、TPU与云厂商的Margin保卫战
四大厂商自研芯片：Trainium、TPU、Maia的战略意义
主持人：
亚马逊CEO Andy Jassy在财报中说，Trainium每年能为亚马逊节省数百亿美元CapEx，同时能提供数百个基点的运营利润率优势。四大巨头同时都在做自研芯片，对整个AI产业链的利润分配意味着什么？
周默：
自研芯片的核心价值是两点：第一，锁定顶级Lab的用量，让他们用自家芯片跑通软件栈和适配问题；第二，通过自研保住Gross Margin，对抗英伟达的定价权。
以谷歌为例，TPU的Gross Margin高于卖CPU的Gross Margin——做TPU比做CPU更赚钱，所以谷歌在AI转型上非常坚定，激励机制完全对齐。这就像当年云厂商靠Graviton自研芯片建立竞争优势——Graviton2大规模推出时，大量SaaS公司因迁移到Graviton2而下调成本预期，AWS拿到了中间的性价比差价，变成了自己的Margin。
但做自研芯片难度不小。跑得最通的是TPU——因为Gemini研发团队和TPU团队深度联合开发，软件栈问题已经跑通，多个顶级Frontier Lab（包括训练Mistral的团队）已经在TPU上做预训练。Trainium本季度也受益于Anthropic大量使用，从原来需要给外部客户打折的业务，变成了供不应求、贡献明显增量利润的业务。
相比之下，微软的Maia 200目前只能跑GPT-4o这类较小模型，无法承载Claude 4、5等最新大模型的训练工作负载，自研芯片对Azure收入加速的正向贡献还比较有限。
Part 4 · 谷歌云（GCP）深度拆解——Gemini飞轮、TPU护城河与广告加速
GCP增速63%背后：Gemini贡献、TPU直销与广告新库存
主持人：
谷歌这次业绩非常亮眼——云利润率从17%跳升到30%+，家合同翻倍，GCP增速达到63%。你怎么看Gemini对谷歌护城河的贡献？
周默：
Gemini的训练思路有一个显著特点：谷歌围绕Benchmark做了大量优化，而且在TPU上的训练成本，可能只有用GPU训练OpenAI或Anthropic同规模模型成本的20%–30%。这意味着谷歌可以在同等预算下训练参数量大3倍的模型。
所以谷歌其实是在用"下一代参数规模"对标竞争对手的"当前代模型"，在通用文本推理、多模态等场景做得非常好。当然，在强化学习（RL）方向，谷歌去年投入相对不足，今年在大力补课，预计需要3–6个月追上。
但Gemini对GCP的最大贡献是：Gemini的API收入几乎100%计入GCP收入（而OpenAI的API有相当大比例走AWS BuyRaw，能确认进Azure收入的比例有限）。所以Gemini贡献了GCP本季度4–5个点的收入加速，加上TPU租赁收入加速和TPU直销收入，谷歌云的护城河在三大云中是最深的。
"谷歌有Gemini，所以保留了API加速的爆发力；谷歌有TPU，大客户用TPU的Margin就高于租GPU的Margin——对谷歌来说，做AI云租赁不是一个侵蚀Margin的业务，反而是提升Margin的业务。"
主持人：
谷歌内部需求和外部Cloud客户在竞争同一批TPU，这是增长的天花板吗？
周默：
这确实是今年谷歌最大的矛盾。谷歌本身要训练新版Gemini需要大量TPU V7，而Anthropic等外部客户也在大量需求TPU V7——供给严重不足，导致两边都在抢同一批产能。你现在调用Claude API时如果速度很慢，就是因为Anthropic的TPU供给严重不足。
好消息是，明年TPU产能会大幅提升——今年TPU产量不到400万张，明年新飞飞（TPU V7）的产能将接近1000万张，接近今年的2.5倍。届时内外部竞争压力会有所缓解。
从长期看，今年世界前三大顶级模型中，有两个已经是TPU训练的（Gemini 3、Claude Mistral的预训练基于TPU），只有GPT-5.5基于GPU训练。从Frontier Lab角度，TPU已经跑通了大量软件适配问题，生态越来越强。
主持人：
谷歌搜索广告本季度也加速了，这怎么理解？
周默：
谷歌对广告的AI贡献，其实是从去年Q2开始有明显变化的。核心逻辑在于：谷歌有60%–70%的搜索Query原来是难以变现的——很短的或很长的Query，广告主无法精准匹配关键词。
有了AI Mode和AI Max产品之后，这个格局改变了。AI现在能理解长对话式Query中的购买意图——比如用户和AI聊了几轮关于买鞋的偏好后，到了"明确挑选品牌"的那一步，AI知道该推哪类广告，这时候的CPM（千次展示成本）应该非常贵。
同时谷歌也很聪明地处理广告库存——每次页面刷新时，可以动态选择"三个传统广告"还是"两个传统广告+一个AI广告"，在任何Page Ranking形式下都能找到收入增量，同时满足AI Max的渗透率目标。
今年是欧洲广告主开始做AI广告投放的元年（比北美滞后2–3个季度），后续会进一步带来增量。
Part 5 · 亚马逊AWS深度拆解——Anthropic飞轮、Trainium护Margin与15季度最高增速
AWS本季度增速28%，Bedrock增速177%，Trainium从亏损走向增量利润
主持人：
亚马逊从"AI落后"到重新被市场喜欢，这个认知转变的核心是什么？
周默：
亚马逊在去年确实经历了很多Capacity问题——它是一家极具硬件基因的云公司，希望把很多问题在硬件层面一次性解决好，包括数据中心冷却、电力、Trainium与GPU的协同布局，结果导致数据中心建设进度反复延误：买了那么多电，放不出来Capacity。去年亚马逊永恒的主题就是"以为要加速了，但最后发现加速不明显"。
今年的转变是这个问题得到了解决——亚马逊去年大量采购了电力资产（买的电比微软还多），今年不缺电，能放出更多可租用Capacity；同时Anthropic一季度ARR高速增长（每个月环比约50%），其API大量走AWS BuyRaw，直接带动BuyRaw环比增速达到约17%——完全对齐Anthropic的收入增速。
另一个关键是Trainium：本季度Trainium供不应求（Anthropic大量使用），从原来需要给外部客户大折扣的业务，变成了产生大量增量利润的业务，帮助AWS证明了"Anthropic收入是高质量的、不侵蚀Margin的收入"——这对估值逻辑帮助非常大。
主持人：
AWS宣布投资Anthropic累计超过331亿，同时也投资了OpenAI 50亿，OpenAI也进入了AWS BuyRaw。AWS既是Anthropic的投资人，又是其算力供应商，还在跟OpenAI合作——这个多重角色的战略逻辑是什么？
周默：
从云厂商的角度，他们投资模型公司有两层逻辑：第一，锁定自研芯片用量——"我给你钱，你用我的芯片，帮我跑通软件栈和适配问题"；第二，锁定API分发渠道——"我把你的API放在我这里卖，让我在你的Inference流量里占更大的份额"。
谷歌的逻辑也一样——谷歌也是Anthropic的投资人，最希望Anthropic成为TPU最大的外部客户，跑通TPU的商用场景。实际上这个任务已经基本完成，Mistral模型已经可以在TPU上做预训练了。
Part 6 · 微软Azure——OpenAI独家优势消失、Copilot质量压力与Copilot Studio破局
微软面临双重挑战：Copilot产品质量跑不赢AI原生公司，OpenAI走向多云分散
主持人：
两年前OpenAI是微软的专属资产，是Azure最核心的差异化。现在微软与OpenAI的独家合作消失了，亚马逊也宣布投资OpenAI 50亿，OpenAI也进入了AWS BuyRaw。你怎么看格局变化以及Azure未来的核心竞争力？
周默：
对双方来说，这其实可能都是好事。从OpenAI角度：之前Codex在Azure独家销售，错过了最大的开发者市场——AWS，而开发者市场的爆发力最强。OpenAI一直希望和AWS有更深的合作，从去年Q4开始也在通过GCP的Vertex AI卖API，到年底又和S（Azure）重新谈好了——从今年Q1开始，Claude API通过Azure AI Foundry也开始分散销售。
从微软角度，Azure API的收入在OpenAI体量里占比本来就不高，微软也希望能卖更多高质量模型的API。双方最终都走向更分散的分发格局，这是模型公司Bargaining Power增强、走向多云分发的必然趋势。
主持人：
那Copilot应该如何应对Claude Code、Cursor这样的竞争对手？
周默：
Copilot当初的核心差异化有两点：一是与Office原生集成，可以调动后端数据库，在企业身份管理（全权管理）上省去大量授权流程；二是AI原生公司当时质量还不够强。
但现在竞争格局变了。从技术上看，Gemini Enterprise、Claude Artifacts等产品的多模态能力已经超过Copilot当前使用的上一代多模态能力；在Agentic（智能体）任务处理上，Copilot的Honesty层做得还不够好，而AI原生公司已经在按月迭代。
另一个深层问题是微软自身：Copilot是非常注重合规的企业级产品，有一套调度层和Responsible AI过滤层——这在提高合规性的同时，必然牺牲掉一部分输出质量。这个Tradeoff在大型企业场景可以接受，但在开发者市场就会被AI原生公司拉开差距。
微软真正的突破口是Copilot Studio——一个企业内部Agent Builder平台，已经将原有的全权管理系统、身份网络、消息路由都打通，实现翻倍增长。我们估算Copilot Studio的ARR已经达到Office Copilot的25%–33%，而且在快速向消费量（Token Consumption）计费模式转型，部分用户月费用已从30美元/席位升至1万–2万美元。
Part 7 · Meta深度拆解——软广新库存、AI降低投放门槛与CapEx上调的股价冲击
Meta广告量价齐升背后的真实驱动力与CapEx上调引发股价大跌的逻辑
主持人：
Meta这次广告展示量增长了19%，广告单价也涨了12%——在广告行业，库存增加了单价通常应该下降，量价同步上涨怎么理解？
周默：
Meta这季度同比加速了9个点，其中4个点来自汇率影响，2个点来自去年美国大选竞选广告的基数，所以真正的产品收入加速是3个点——刚好打到公司指引的高端。
量价齐升的核心驱动是Overlay Ads（软广）的快速渗透。Meta从去年Q3开始推的这个产品——在视频流中插入品牌广告，类似国内抖音的原生软广模式。这种广告形式可以在不影响原有广告库存的情况下，开辟全新的展示机会，而且品质好的软广CPM（千次展示成本）可以卖很高的价格。
同时，AI对Meta广告的真实贡献，在推荐算法层面每年大约是小个位数百分点——今年Q1有明显贡献的是去年12月上线的Lattice模型（Meta发了paper，这次是真的做好之后才发，而不是发滞后的研究）。
此外，Advantage+广告系统（自动化投放+AI生成素材）大幅降低了广告主的制作门槛，特别是"给官网URL，AI自动生成素材+文案"的功能，为大量中小广告主开辟了入场通道，进一步拉升了广告总库存。
主持人：
Meta这季度股价暴跌的核心原因是什么？
周默：
根本原因是CapEx上调与利润预期的错配。Meta这次上调了100亿美元CapEx（约+7%），而Q1的CapEx本来就低于全年均值，所以这100亿必须分摊到后3个季度——越往后CapEx越高，到Q4会比原来预期高出远不止7%，可能是10%–20%。
投资者线性推算到2027年：CapEx大幅增加→折旧成本增加→2027年利润被压低。虽然公司在运营费用上也通过AI裁员做了部分对冲（Opex下降），但市场担心的是：明年CapEx再提高的话，还能保持这么大的裁员幅度来对冲吗？如果不能，2027年利润就会低于预期。
实际上Meta是这批大厂中AI化程度最高的公司——工程师的Coding AI渗透率最高、生产力提升最明显，Overlay Ads等新产品的迭代速度也比以前快很多。DSP广告团队也在快速扩张。但从估值逻辑角度，现金流压力是市场卖出的主要驱动力。
Part 8 · AI编程革命与就业结构变化——按月迭代的生产力新标准
Coding AI化正在按月迭代：从50%代码AI生成，到多Agent编排，到远程编程无需电脑
主持人：
你们公司有很多工程师，你观察到Coding AI化的生产力变革是什么节奏？
周默：
这件事是在按月迭代的，每个月生产力衡量的标准都不一样：
去年底的标准是"AI内部公司有50% Incremental代码量由AI来做就很好了"；到今年1月底，变成了"所有代码都得是AI写的"；到2月大家开始大规模用Claude 3.6，标准提升为"不光要一个Coding Agent，还要把多个Coding Agent做编排，5个、10个同时跑"；到3月，进一步出现了远程编程的概念——"出去旅游不用带电脑，手机下命令就行了"；现在已经有人在挂"睡眠任务"——"睡觉的8个小时不挂任务就浪费了"，甚至有人从5个Multi-Coding Agent做到了100个、2000个。
"我们公司有一个产品经理一直跟我说，他已经做了14000个Coding Agent任务。到底有多少个真正在有效运行，我一直没搞明白。"
以后对Coding工程师的评价标准将完全变化：不再是代码能力，而是你能管理多少个Agent、你的迭代速度有多快、你每月消耗的Coding Token量。这是一个全新的职业形态——必然会有新老交替，这是不可避免的。
主持人：
就业影响已经显现了吗？
周默：
从去年7月份就已经影响了。去年7月第一次出现美国非农就业数据明显未达预期，我记得当时我们写了一篇报告专门讨论这个问题——以后每个月可能都会是这个趋势。今年就更明显了，过去几个月美国就业数据持续低于预期。
Coding已经实现了90%的AGI级能力，Mistral可能已经是第一代部分实现Self-play的Coding模型。如果Coding能实现90%的AGI能力，其他领域实现AGI可能也就是2028–2029年的事情了——届时AGI会影响到替代的OPex（人力运营成本）将进一步加速。
这涉及到很多必须解决的社会问题：福利、转移支付、是否需要AI裁员税、是否需要Token税。但从消费端看，如果AI大幅提升了工作效率，解放了OPex成本，转移支付跑通了之后，人们拥有更多可支配时间和收入，可能会催生一个更大的消费级市场——只是这个传导路径需要"走两个弯"。
Part 9 · AI收入与CapEx剪刀差——何时收窄？市场如何定价？
2026年AI收入约2000亿 vs CapEx 6300亿——差距正在收窄
主持人：
四大公司2026年合计CapEx超过6300亿，目前可追踪到的AI相关年化收入（云AI服务+Inference API+AI订阅）大约在1000–1500亿美元——这是一个4–6倍的投入产出比。未来这个差距会怎么变化？
周默：
肯定会随着时间缩小，今年的数字已经比去年好看很多了。
让我估算一下2026年全年：云CapEx约7000亿，其中与GPU/AI相关的打6–7折约4000–5000亿。从模型公司ARR来看：Anthropic年底约1000亿，OpenAI约600–700亿，Gemini约300–400亿。三家合计约2000亿ARR，占云相关CapEx约28–50%（取决于口径）。
需要注意的是，CapEx的概念是提前4年做的投资——即使今天停止CapEx，AI的ARR也还在增长。所以这不是一个"当期ROI"的概念。
如果明年这些模型公司的ARR做到4000亿，那么这个比值就从"3分之2"变成"3分之3"（即1比1），数字就会舒服很多。
市场现在反映的信号非常清晰：Incremental Revenue增速已经快于Incremental Cost增速——之前大家担心每新增1美元的CapEx，带来的Incremental Revenue还不到1美元；现在这个比值越来越接近，市场对这个担忧正在快速减小。这是本轮AI大科技股估值修复的核心逻辑。
"去年最大的问题是CapEx增速比AI收入增速要大，Incremental成本远远大于Incremental Revenue。但现在这个比重在越来越接近——今年反映的正是对这个担忧的消减。"
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
链接:https://www.youtube.com/watch?v=lqjkWtlML0Q&t=1225s
