随着微软、谷歌以及亚马逊相继发布2025年最后一个季度的财报,许多人关注的焦点都在利润表现上,但真正的关键信息其实隐藏在这些超大规模云服务商的云收入和资本支出数据中。
分析师表示,随着对AI处理器需求的激增,市场正悄然从弹性充足转向管控稀缺,这些财务数据能够更好地预示平台韧性和企业可行性。
资本支出的战略意义
Greyhound Research首席分析师Sanchit Vir Gogia表示,资本支出能够帮助准确定位超大规模云服务商预期的瓶颈所在,这对企业制定跨地域云战略具有重要参考价值。
"当一家超大规模云服务商在电力基础设施上投入数十亿美元时,这表明未来需求将与当前电网限制产生冲突。当另一家公司在边缘城市购买土地或承诺扩展主权云时,这预示着监管摩擦即将到来。"Gogia解释道。
Gogia补充说,每家超大规模云服务商在电力、芯片、数据中心建设以及AI基础设施地理布局方面的支出选择,都揭示了资源紧张的领域、需求激增时可能优先考虑的客户群体,以及随着AI采用加速,企业将保留多少谈判筹码。
所有这些因素都能帮助企业规划自己的执行时间表。
三大云服务商投资策略对比
亚马逊网络服务、谷歌云和微软Azure在最新财报和电话会议中都承诺了明显不同水平的资本投入。
亚马逊CEO安迪·贾西表示,将在2026年在AI、芯片以及可能的低轨卫星数据中心上投入2000亿美元。谷歌CFO阿纳特·阿什肯纳齐在财报电话会议中表示,公司将投入约1800亿美元用于更换老化服务器和建设新数据中心。
微软采用7月至次年6月的财政年度,尚未正式披露到2026年6月30日的总资本支出计划。该公司报告第一财季资本支出为349亿美元,第二财季为375亿美元。其CFO艾米·胡德表示,预计未来几个季度资本支出将有所缓解,行业分析师因此将微软全年资本支出预估调整至约1000亿美元。
这些数字反映了各家超大规模云服务商的不同优先级,特别是他们如何为下一阶段AI驱动的需求准备云平台。
Gogia表示,AWS正在利用资本支出来锁定将影响未来云容量的物理限制因素,包括电力、芯片、土地和水资源。这表明其战略已超越增量扩张,转向公用事业级基础设施,旨在将AI需求制度化,而不仅仅是被动响应。
然而,微软和谷歌采取了更有针对性的方法。
Gogia说,微软重点关注AI基础设施,并将Azure与其软件组合紧密结合,推动整个企业技术栈的嵌入式云消费。
相比之下,谷歌云将大部分计划资本支出投向高效AI基础设施、主权云区域和可再生能源数据中心,将自己定位为面向性能敏感和受监管AI工作负载的专业平台,而非大众市场云规模提供商。
收入趋势的指示意义
Avasant研究总监Gaurav Dewan表示,企业还应关注超大规模云服务商的收入数据,它能提供重要的先行指标。
收入趋势可以指出计划或升级的数据中心容量被货币化的激进程度,以及买家可能面临议价能力下降的领域。
Dewan说,对企业而言,这意味着云收入增长可能越来越多地反映锁定使用量而非弹性消费,使得重新谈判定价、确保基础设施优先访问权或在电力、芯片和区域容量开始紧张时快速调整工作负载变得更加困难。
Pareekh Consulting首席分析师Pareekh Jain建议,激进的货币化策略也可能意味着云定价大幅下降的机会较少。
相反,预计会出现更激烈的追加销售,销售团队会推动捆绑AI智能体、数据平台和Copilot风格许可证,将资本支出转化为收入。
在10月至12月期间,AWS报告云收入356亿美元,微软329亿美元,谷歌177亿美元。
Gogia表示,AWS最近的收入增长动力来自向AI容量预付款的转变,Trainium2和Bedrock等服务使公司能够通过预留和基于合同的使用来实现未来建设计划的货币化。
相比之下,微软将云消费嵌入其软件组合中,GitHub、Microsoft 365和Dynamics的AI功能悄然推动Azure使用量,同时降低了底层基础设施依赖性的可见度。
"与此同时,谷歌云的收入与AI密集型工作负载联系最为紧密,包括用于训练和高级分析的长期TPU集群承诺,将该平台定位为高性能和企业级AI用例的专业提供商。"他补充道。
Q&A
Q1:为什么超大规模云服务商的资本支出对企业很重要?
A:资本支出能够帮助预测云服务商预期的瓶颈位置,为企业制定云战略提供参考。当云服务商大量投资电力基础设施时,表明未来需求将超过电网限制;投资边缘城市土地或主权云扩展时,预示着监管挑战。这些信息帮助企业规划执行时间表和多云策略。
Q2:亚马逊、微软、谷歌三家云服务商的投资策略有什么不同?
A:亚马逊计划2026年投入2000亿美元,重点锁定电力、芯片、土地等物理资源,构建公用事业级基础设施。微软预计投入约1000亿美元,专注AI基础设施并与软件组合紧密结合。谷歌投入1800亿美元,主要用于高效AI基础设施、主权云和可再生能源数据中心。
Q3:云收入增长对企业用户意味着什么?
A:云收入增长越来越多反映锁定使用量而非弹性消费,这使企业在重新谈判定价、获得基础设施优先访问权或快速调整工作负载方面变得更加困难。同时,云定价大幅下降的可能性减少,云服务商会更积极地推动AI智能体、数据平台等捆绑服务的追加销售。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。