摘要

四大厂2026年合计capex超6300亿美元、占经营现金流比例从2023年的40%升至预计近90%，但周默的核心判断是焦虑正在缓解：模型公司“体量越大，增速越快”。 Anthropic四月底ARR接近450亿美元、连续数月月环比+50%，年底看到1000亿；传闻9000亿美元估值约合年底9倍ARR，“如果你假设它以后能够做到二十到三十的利润率，差不多也就是三十倍P”——对标微软常年35倍，“往远期来看没有那么贵”。
大科技自去年7月起跑输半导体，是因为市场开始计算2026年capex后发现“这些公司的现金流已经几乎没有了”，对收入加速的要求随之抬高。 叠加投资人把配置从mega cap转向半导体上下游，基本面与配置双杀；亚马逊最极端，过去十二个月自由现金流从380亿美元跌到12亿。
供不应求有硬指标：GPU长约价格在连续一年每月下降0.05-0.1美元后于去年12月反转，长约占比回升挤压短约——“短约就有点像酒店的价格”。 存储长协在3月中旬至4月下旬集中签订、锁定后几个季度乃至未来三年的底价，导致本季capex一次性上调；“绝大部分是来自于通胀，越往后需求影响就越大”。
权力结构正在反转：模型公司取代公有云成为分发入口，客户“不太关心这个API背后到底是跑在哪个云上”。 Anthropic云端API一季度80%-90%走AWS Bedrock，铺开到Vertex、Azure AI Foundry，“越分散它的bargaining power就越强”；自研芯片因此是云厂商必须做的事——Trainium本季从对外打折转为供不应求，Andy Jassy称其每年节省数百亿美元capex并带来数百基点利润率优势。
周默认为谷歌是hyperscaler中护城河最好的一家：同等FLOPS下TPU训练成本只有GPU的20%-30%、可训同代大2-3倍的模型，且做TPU毛利高于卖CPU，AI投入没有“油车打电动车”的内耗。 Gemini七成以上收入计入GCP、本季贡献4-5个点加速；瓶颈是CoWoS被英伟达锁住——TPU今年不到400万张、明年近1000万，内外需求冲突“今年都不太好解决”。
微软处境最不讨巧：Maia 200只能跑GPT-4o级小模型、跑不了5.2/5.3/5.4等coding模型，Copilot的原生、权限、合规三道防线正被Computer Use、harness和更强多模态拆掉，Responsible AI层甚至让产品“被降智”。出路在Copilot Studio的consumption模式——收入已达Office Copilot的1/5到1/4，部分客户月花1-2万美元，而非30美元的seat。
Meta财报后暴跌不是收入问题而是capex错配：真实产品加速仅3个点、刚达指引高端，新增100亿capex后置使Q4比原假设高10%-20%，投资人线性外推下调2027年利润。但Meta是“用AI提效最激进的公司”——PIP考核代码量，软广库存与Latte模型带来真实增量；自研模型Avocado几个月做到Gemini 3水平“已经非常好了”，定位自用而非挑战OpenAI和谷歌。
终局的账正在变好看：今年约7000亿云capex中，与GPU、AI直接相关的部分按周默口径可打60%-70%的折扣；年底模型公司合计约2000亿美元ARR、约覆盖相关capex的三分之二，明年若到4000亿则升至四分之三。 coding已实现“百分之九十的AGI的能力”，其他领域或在2028-29年——OPEX（约占企业收入30%，为IT支出的7倍）替代将加速，token税与转移支付会成为绕不开的议题。

精读

1. 去年7月是分界线：算清2026年capex后，大科技跑输半导体

曹卿云开场定调的数字：四大厂2026年capex超6300亿美元、占GDP比例接近二十世纪重大基建项目总和；capex/经营现金流从2023年40%到2025年65%、2026年预计近90%；亚马逊TTM自由现金流从380亿美元跌到12亿。
周默的复盘：去年7月前大科技与半导体走势一致，之后市场开始算2026年capex——“算上二六年的capex以后，就发现到了二六年，这些公司的现金流已经几乎没有了”，于是要求看到明显的收入加速，而微软、AWS去年下半年加速并不明显，AWS到今年一季度才明显加速。
第二重是配置：这轮alpha集中在半导体上下游，投资人原本给半导体的份额小，加半导体必减mega cap——“一方面是基本面的原因，一方面是配置的原因”。

2. 最稀缺在芯片、估值最高在模型公司：入口正在换人

曹卿云的产业经济学之问：英伟达毛利70%+、云经营利润率35%-45%、模型公司毛利三四十，稀缺在芯片层、估值却在模型层。周默的化解：用PE看都贵，用远期看不贵——Anthropic四月底ARR近450亿美元、年底约1000亿，9000亿估值≈9倍年底ARR，假设20%-30%利润率约30倍P，对标微软常年35倍。
更结构性的答案是bargaining power：SaaS时代公有云分发所有软件流量，把40多毛利的CPU租赁做成60多毛利的生意；现在客户通过模型公司买API，“不太关心这个API背后到底是跑在哪个云上”——云降级为模型公司的下游，“模型公司有点像之前的公有云的角色”。

3. capex叙事已换到多轮：体量越大、增速越快

周默不接“囚徒困境”的框架，改讲叙事迭代：24年底担心数据不够、模型不能泛化——“这在当时确实也是真的，所以就出现了一月份的DeepSeek moment”；随后RL、mid/post training和标注生态跑通，到了去年年底，模型公司可以把一半以上算力分给强化学习。
最近三个月的关键变化：Frontier Lab上量后不降速反加速——Anthropic每月ARR环比+50%，OpenAI和Gemini季度环比接近+50%且基数远大于去年，“变成了你的体量越大，你的增速越快”。

4. 供不应求的硬证据：GPU价格反转与存储长协

前置指标齐指短缺：GPU租赁lead time变长；长约价格过去一年每月降0.05-0.1美元，去年12月反转，现货与合约价齐涨。机制在池子结构：Frontier Lab因RL和coding锁更多长约，长约占比从80%回升、挤压最有弹性的短约——“短约就有点像酒店的价格”。
存储是本季capex跳升的直接推手：公有云3月中到4月下集中谈长协、锁后几个季度乃至未来三年的底价，这次涨价“就不是一次性的事情”，要一次性上调后几个季度capex——而且只锁了底价没锁涨势，后面还得提。拆分蛋糕：本季上涨“绝大部分是来自于通胀，越往后需求影响就越大”。

5. 自研芯片改写利润分配：Trainium拐点与Graviton模板

Trainium的拐点：客户主要是亚马逊自己和Anthropic，去年对外深度打折；今年一季度是hyperscaler一年来bargaining power最强的季度，Trainium 2也供不应求，“从原来一个不太产生利润的业务，到这个季度产生了很多的增量的利润”。Andy Jassy被引用的原话：每年节省数百亿美元capex、数百基点运营利润率优势。
Graviton 2是历史模板：30%性价比提升、传导20%给客户、自留10%差价——“公有云的商业模型其实是一个通缩的模型”，自研芯片让你降价的同时还保持比对手更高的margin，AWS当年就靠这个守份额。
但ASIC不易：软件、库、适配问题成堆，跑得最通的是TPU（与Gemini协作时已解决很多适配问题，Anthropic、Meta使用时遇到的问题相对少）——“Trainium和Anthropic之间的沟通肯定不如TPU和Gemini团队自己的沟通”。分蛋糕上，TPU产业链的OCS光学供应商拿到新份额。

6. “AI收入”是四个不同的东西

口径盘点：微软披露AI占其收入增长的多少个百分点，混入GPU租赁、帮OpenAI卖API、乃至Fabric和Databricks等第三方产品的AI增量；亚马逊主要指Bedrock（本季环比+170%，大头是Anthropic API分成）；谷歌不单独披露但最清晰——GPU/TPU租赁、TPU直销，加约七成计入GCP的Gemini收入，AI占比最高。
Meta从不披露，因为推荐算法的贡献无法界定——“你很难量化它到底有多少收入是AI所带来的”。共同事实：今年一季度起几家公有云的AI收入占比都开始加速。

7. 三条变现路径：云的天花板最高，Agent最难自证

排序前提：模型公司基本放弃1P数据中心——OpenAI发现自建“非常challenging”转向3P租赁，Anthropic的1P实为GCP把TPU、机柜和OCS整包放入其数据中心，真正自己做1P数据中心的可能只剩xAI——算力都沉淀在公有云和neocloud，云的收入天花板最高。
但云的隐忧是渠道分散化：Anthropic一季度80%-90%经云销售的API走Bedrock，去年四季度上Vertex、今年一季度上Azure AI Foundry——Foundry内相关API占比二季度可能从几个点跳到十几到二十个点，“它越分散它的bargaining power就越强”，接数据中心的条件也越来越苛刻。
卖Copilot/Agent的死穴一句话：“你很难证明你做Agent产品，你能做的比Frontier Lab要好。” Office四亿用户、全球最大软件产品，但Claude Cowork、Gemini Enterprise靠Computer Use就能调用Office，多模态PPT输出甚至更好；迭代节奏完全不对等——“创业公司一周就会做一个很大的迭代，但对大公司来说，三周可能PPT到汇报的流程都还没做完”。
推荐算法路径边际递减：low hanging fruit之后要把七八层金字塔扩成十几二十层圆筒，一两个点的ROI贡献越来越不显眼——市场偏好已从“AI对广告的贡献”切换为“AI对云收入增速的贡献”。

8. 370亿AI收入的真伪之辩：看增速；RPO质量与OpenAI依赖

对微软370亿美元AI年化收入“多少是换标签”的追问，周默不纠结口径：“最重要的就是看增速”，几家真实性都很高，差别在加速频率——GCP最讨巧（Gemini七成以上计入GCP、TPU量最大），微软最吃亏：Maia 200只能跑GPT-4o级小模型，“跟codex相关的、跟5.2、5.3、5.4相关的模型你都没有办法在Maia上面去跑”，且API本就不是OpenAI主要增长点。
云格局要看增速百分比与每季增量收入占比。RPO质量都高但口径有别：GCP backlog翻倍部分因TPU开始直销——一次性确认（净额扣博通成本），远大于租赁按五年摊1/5。
微软RPO 45%来自OpenAI是真实担忧：模型公司都在分散云供应商，OpenAI在微软和谷歌财报发布前两天刚更新协议，AWS一季度部分capacity可能是在等待OpenAI，留给OpenAI的容量可能无法确认收入。但“市场其实也很宽容，如果你的加速幅度很高，这个担心就没有那么大”——最怕增速平平、基数涨快、大客户占比又高。

9. 谷歌的护城河：TPU成本武器与不打架的激励

成本武器：同等FLOPS下TPU训练成本只有OpenAI用GPU的20%-30%，可训同代大2-3倍的模型——每代参数约3倍，等于“用下一代的参数规模和你这一代比”，故benchmark与pretrain场景极强；但coding需要RL与标注，谷歌去年投入不足，“coding可能还需要三到六个月时间去补上”，Gemini在GCP的爆发因此不如Anthropic猛。
财务映射：Gemini收入几乎全归自己、GCP基数又小，本季贡献4-5个点加速，叠加TPU租赁与直销；云利润率从17%出头跳到30%以上。
激励机制的比喻最见功力：油车厂做电动车“会和原来的油车业务前后打架”、投入不坚决——AWS在24年底摇摆过一次，导致25年拿data center的量不够；谷歌卖CPU毛利本来只有四十几、做TPU毛利更高，“你做这件事情的ROI回报就比你原来在CPU时代做的回报要高”。

10. TPU严重短缺：CoWoS被锁，内外冲突今年无解

劈柴被问TPU优先给搜索还是外部cloud客户，只给ROIC框架不给比例。周默的解释：TPU是当下最供不应求的芯片，瓶颈在CoWoS被英伟达锁住——今年不到400万张，明年新分配产能将近1000万张。
需求背书：三个SOTA模型里两个基于TPU训练——上一代Gemini 3与即将推出的Mistral预训练模型，都是基于TPU训练；只有OpenAI的5.5用GPU；今年谷歌要给Anthropic配九十多万张卡，大部分TPU v7，自家Gemini 3.5、Gemini 4训练同样需要v7，“内部的需求和外部的需求冲突就会越来越激烈……今年都不太好解决，明年会稍微好一点”。
部门利益并不一致：对TPU部门，越早进Frontier Lab适配流程、以后share越大——“每个公司它都有惯性，你越早进去，这个惯性就在你这里”。

11. 搜索广告第二曲线：60%-70%未变现query是金矿

反常识起点：谷歌60%-70%的搜索query没有变现——太长或太短，匹配不上广告主关键词。AI Overview加AI Max改变了这点：多轮对话中逐步判断购买意图，等用户“就是要挑他最想要的那个品牌”时推大banner，“这就是用户决策的最后一波”，CPM可以卖非常贵。
做增量不动存量：每次刷新可选三个传统广告、或再叠加AI广告的组合——去年洛杉矶山火期间防火保险query价值飙升，三个传统广告下再加一条AI Overview ads，既满足AI渗透率又不伤传统盘。
节奏判断：去年是北美和亚太广告主的AI第一年，欧洲惯性慢2-3个季度（合规审核更重），今年才是欧洲的第一年——加速仍有后劲。

12. 微软与OpenAI解绑是双赢；Copilot的三道防线正被拆

解绑对双方都是好事：Codex只在Azure卖“丧失了最大的开发者市场”——开发者市场在AWS，coding产品必须卖进开发者市场而不只是enterprise；微软也想卖最强模型的API。大势是模型公司话语权变强，“不和你绑定也是必然的趋势”。
Copilot当年的三个卖点——Office原生、复用身份权限系统（免去“十道授权手续”）、更懂场景——被逐一削弱：Gemini和Claude Cowork用Computer Use即可调用Office，只是没打通权限，质量甚至更高。
技术落差具体而扎心：Copilot多模态用的是上一代Co-Interpreter，PPT不好看；harness在2月至3月出现后，“根本没有给你很快的适应的周期，就已经要求你的老产品一整个harness化”——即便追上了，“如果过了几个月它不是harness，是下一代的技术呢？你是不是又要适应一遍？”。
微软自身的枷锁：enterprise合规下多了调度层和Responsible AI层，对涉价值观的query做合规化处理——“有些问题它其实可以更创造性的回答，但因为合规性的处理，它反而被降智了”。

13. Copilot Studio：从卖座位到卖token

渗透率天花板：Office四亿用户、Copilot约两千万，按seat卖渗透率仅5%且明年未必提得快——最大增长点是把Copilot改成按consumption卖token，即Copilot Studio：低代码企业内部Agent Builder，每季翻倍，收入已达Office Copilot的1/5到1/4，部分客户月花1-2万美元，而不是30美元一个座位。
卖得动靠老资产：权限、合规、身份网与销售网先接通，“跑得比别的Agent Builder要快”；但周默的类比是Palantir做AIP——从定制化case慢慢标准化，如今OpenAI、Anthropic、Gemini Enterprise全部涌向同一场景，“你现在是有先发优势，但是不一定以后这个先发优势能够保住”。

14. 亚马逊：从“放不出收入”到叙事反转，再加双重锁定

去年的永恒主题是买了电的quota却放不出收入：亚马逊是很像硬件公司的云公司，data center既要放GPU又要放Trainium，冷却、电力、资源分配要求极高导致连环delay；今年问题解决，且去年买了4GW电、比微软还多，“今年是不缺电的”。
本季验证链条：Bedrock环比+170%，与Anthropic收入环比160%-170%基本对齐；更关键是Trainium利用率上去、不必打折，稳住利润率——把市场眼中的low quality revenue证明为既加速又不伤margin的high quality revenue；运营利润率13.1%创历史新高。
瑕疵与解释：市场预期AWS增速30%、实际28%，周默判断一季度受到Blackwell放量影响，可能一部分来自容量问题，也可能与OpenAI合作有关（OpenAI早想上AWS，四月才解决与微软的约束），“下个季度这个问题大概率就被解决了”。
投资模型公司是双重锁定：累计投Anthropic超330亿美元、换5GW Trainium承诺，再投OpenAI 500亿——第一层“我给你钱，让你用我的芯片，帮我去跑通这些问题”，第二层把API与inference份额锁在自己云上；谷歌对Anthropic同理，TPU已完成一部分任务（Mistral模型可在TPU上做预训练），Trainium还只能跑experiment。

15. Meta广告拆解：展示量+19%与单价+12%并不矛盾

周默先把9个点同比加速拆干净：4个点汇率、2个点大选基数、3个点真实——一半推荐算法、一半产品。库存扩张来自产品形态：去年三季度起猛推Overlay Ads（今年改名Partnership Ads）软广，“很像当年二零、二一、二二年抖音在国内走过的路径”——主播讲五分钟突然推转转、瓜子二手车；美国creator和agency还没学会加软广，生态一搭起来Instagram库存放得飞快，且软广能卖不错的价格。
LATTE是少见的“真货”paper：大多数AI公司发的paper与真实算法迭代无关——“大家倾向于发的都是过时的或者没有significant contribution的paper”；Meta去年12月底上线LATTE后发布论文，对一季度贡献明显但量化仍是小个位数——foundation model之前，“一次大的算法迭代能够有两个点的转化率提高，在整个行业已经是非常震惊的事件了”。

16. Meta的变现纵深：替代人力的经济账与品类扩张

Advantage+与Advantage+ Creative联动做AIGC素材轮播、千人千面（第三方AIGC素材反而用不好）；更精彩的是Business Messenger的算术：销售线索广告的CPA里一半是广告成本，另外一半甚至更多是人工客服成本，过去只在人力便宜的东南亚跑得通；若agent把人力降80%、在“原来成本里50%是人工”的假设下总成本可降40%，省下的大头会重新scale进广告预算——原来只能卖1000美元的B2B线索，现在能卖100美元的商品、能接小商户，投放客户群整体变大。
长期是补品类：旅游占谷歌广告预算近10%、汽车也是大几个点，Meta因缺搜索线索做不进去；search chatbot接入自有模型后，用户开始在Meta里搜买什么车、去哪旅游——“这个事情不会很快，但是这个事情很重要”。Muse Spark和Avocado上线后，Meta也能使用自己的模型并拿到更多线索数据。

17. Meta暴跌的真因是capex错配；Avocado定位自用已属超预期

数学题：收入“刚刚达到指引高端”（以往通常超一个点以上），而capex新增100亿美元（+7%）且一季度低于预期，缺口全部压向后三个季度——Q4比原假设可能高10%-20%，线性外推下2027年折旧与利润被下修；今年靠裁员对冲折旧，“明年你还能裁这么大的裁员幅度吗？”这是市场反应剧烈的原因。
自研模型要放对坐标：商用必须挤进前三（第一梯队可能只剩两家，谷歌落后0.25-0.5个身位但算力大会很快catch up），否则“你既没有开源模型的价格，又没有一线模型公司的能力”；Meta团队从各处拼起、下一代可能脱离Llama体系，几个月做到Gemini 3水平“已经非常好了”——评判标准是适配推荐算法、在自家产品和广告里见到加速，“就能减少对于它capex的担心”。

18. Coding提效按月迭代，裁员才刚开始

Meta是最激进样本：PIP考核代码量、用coding agent有激励；标准逐月抬升——去年底AI写50%增量代码算优秀，1月底要求全部AI写，2月Claude 4.6普及后要求编排5-10个coding agent，3月出现远程coding、手机下命令，“睡前一定要挂一个任务，不然睡觉的那八个小时就浪费了”；激进者从5个做到100个、2000个，“我们公司就有一个产品经理一直跟我说他已经做了一万四千个了，所以我对到底有多少个能用一直都没有太搞明白”。
宏观已现痕迹：去年7月起美国就业数据大部分月份没有达标，“从去年七月开始，因为已经看到很明显了”。工程师有效工作时长从一天五六小时缩到一两小时，公司要么加快产品迭代（Meta的软广、DSP、Audience Network开发提速），要么继续裁员；对工程师的评价变成看coding API consumption的倍数——“其实是新的一种职业的工种了”，新工种出现必有前后交替。

19. 终局账：OPEX替代的7倍空间与capex/收入的收敛

曹卿云的挑战：AI变现多是效率提升，看不到全新市场。周默承认“确实现在没有看到这么多的场景需求”，但空间在OPEX：企业IT支出仅占收入3%-4%，OPEX占30%，“它是一个七倍的概念”；coding已实现“百分之九十的AGI的能力”，其他领域可能2028-29年，替代“从现在起其实应该会加速才对”——token税、AI裁员税、转移支付不得不解决，之后剩余时间与可支配收入才可能催生更大的消费级市场，“它可能要绕两个弯”。
收敛的算术：曹卿云口径是1000亿-1500亿AI收入对6300亿capex（约4-6倍）；周默的算法——今年约7000亿云capex，其中与GPU、AI直接相关的部分可按其口径打60%-70%的折扣，年底Anthropic约1000亿、OpenAI 600亿-700亿、Gemini约300亿-400亿，模型公司合计约2000亿ARR、约为相关capex的三分之二；capex是提前四年的投资，明年若模型公司到4000亿，比例升到四分之三，“你看起来数字就会舒服一点”——市场正在反映incremental成本与incremental收入之比的收敛。

市场概述2026年4月21日 Waymo 的 Dmitri Dolgov：2000万次乘车与通往完全自动驾驶之路