摘要

周默称过去一个月“可能是我们有股票以来，人类历史上回调最猛烈的一次”：七月半导体板块蒸发超一万亿美元市值，大部分半导体股一个月腰斩，而七巨头仍在创历史新高。下跌链条由仓位触发：五月此前平均约10%–15%的半导体配置被部分美国基金提到30%–35%，六月对冲基金开始加空头，散户仓位处于历史最高；七月底又叠加一家知名基金降杠杆、接近爆仓，其覆盖整个美股的高gross仓位可能影响数百亿美元半导体仓位，“那一周可能跌了30%到40%”，最终以流动性危机收尾。
ROI叙事在Q2出现二次反转：上半年AI ARR增速快于CapEx（Anthropic较去年底约8倍、单GW数据中心年收入从100亿美元升到300亿美元），但供应链通胀让CapEx增速重新超过ARR。单GW数据中心成本从去年底约350亿美元涨到明年底的550亿–600亿美元（约+50%），2027年30GW对应的CapEx从1万亿变成1.7万亿美元——需要的AI ARR也从3000亿–5000亿美元推高到6000亿–8000亿美元，仅计算当前闭源模型收入很难达到。
微软是本季逻辑反转最猛的一家，周默在财报前转变态度：这是他“过去一年唯一一次看到Copilot加速增长”的季度，一家美国大型金融客户从几千个seat试用直接采购10万个seat，付费席位从2000万升破3000万。 Azure增速43%超指引、下季指引45%，且微软是“这几家CSP和Meta里面唯一一个提到明年现金流为正的公司”；Satya首次以业绩会形式给出开源模型合作ROI约30%（三年回本），核心逻辑是“开源模型的定价本质上是CSP定价，不是开源模型定价”。
Meta被惩罚的不是本季数字（广告+27%、剔除一次性费用后利润率仍在增长），而是明年的问题：约2200亿美元CapEx相当于收入的70%、利润的两倍，问题已从“花光现金流”变成“能不能再造一个Meta”。 CapEx对明年毛利率拖累6–7个百分点、明年利润增速可能只有低个位数；而卖算力没那么快——Meta缺SLA级服务能力、想租H卡但不想租B卡，而买方希望两者都要，最早年底或明年初才可能有算力租赁收入，市场却希望本季度就看到AI收入路径。
AWS增速36.7%、连续第五个季度加速、单季环比新增46亿美元收入比历史最大增量高80%，最大driver是Anthropic：其API约七成经CSP、其中接近九成通过AWS后台，AWS在该模式中抽走40%，Anthropic二季度ARR环比又增约100%–120%。 Blackwell从出货到确认收入有约一个季度时滞，Q1、Q2的拉货都将确认到Q3，“到了三季度，我们觉得AWS的营收就有机会能够到41%到42%”。
谷歌GCP的82%增速“跟Gemini没有太大的关系”，主要是TPU直销（约十万张卡带来20亿美元），直销毛利率约50%（单卡2万美元、博通成本1万美元），从Q3起往后六个季度可做500亿–600亿美元。 Gemini二季度环比增速从超50%掉到20%–30%，两个瓶颈是合规导致买数据“比其他公司买数据慢半拍”，以及训练算力只有OpenAI和Anthropic的一半、约1GW；3.5 Pro不被认为能赶在9月或10月发布，Gemini 4大概率年底或明年初发布。
整个链条的关键变量是开源与前沿模型的差距：Kimi K3把美国投资人认知中的六个月差距缩到三到四个月，其冲击比年初DeepSeek V4和本周的V4 Flash/Pro更大；若维持3–4个月，毛利份额将从模型公司流向CSP，若拉回6–9个月则可能逆转。前沿参数从去年底约1万亿增至5月、6月约3万亿，下一代可能到8万亿–9万亿；月底英伟达财报对情绪的影响“没有那么大”，Anthropic上市和各实验室ARR进展更重要。英伟达对存储的加价/价格安排，原文同时出现“按1:3甚至1:4比例降价”的表述，存在歧义；周默认为这会加大GPU产业链的CapEx压力。

精读

1. 七月半导体崩盘：“比互联网泡沫有过之而不及”的仓位踩踏

周默的判断带有“可能”的限定：按回调幅度、速度和参与者体感，这次“就算回顾当年的互联网泡沫，也没有经历过这么剧烈的回调”——七巨头都在创历史新高，但大部分半导体股一个月跌了一半甚至更多。
为什么这么快？两个结构性变化：有了AI后，“一个小时就能完成对一家公司的基本研究”，理解利好和利空都更快；同时Twitter和Substack上的影响者影响力“正在越来越取代投行研究机构的影响力”，从传闻到讨论再到股价反应远快于以前。
仓位是引信：五月此前平均约10%–15%的半导体配置被几家有影响力、带有影响者属性的美国基金提到30%–35%，机构上仓位速度“可能是历史最快的一个月”；六月“token maxing”讨论中对冲基金开始加空头，机构净仓位已下降，但散户半导体仓位处于历史最高，七月部分领域杠杆很高，稍有下跌就会引发基本面讨论。

2. ROI叙事二次反转：供应链通胀让CapEx重新跑赢ARR

一到五月半导体大涨的两个支柱：其一，AI ARR增速快于CapEx——Anthropic较去年底约增长8倍，OpenAI增长一倍多，而CapEx没有同等幅度增长，二者绝对值差距缩小；其二，单GW数据中心年收入从去年底约100亿美元的市场认知涨到300亿美元，“同样的算力，它有了更高的价值”。
本季反转的机制正是上季提到的存储与上下游涨价，只是“涨得过多了”：单GW数据中心成本从去年底约350亿美元，到明年底、无论使用B300还是Vera Rubin，都要到550亿–600亿美元，涨幅约50%。从二季度起，CapEx增长又比ARR快，主要原因是供应链通胀。
微观上最受拷问的是Meta：涨价传导后明年CapEx约2200亿美元，相当于明年收入的70%、利润的两倍——讨论从“把所有现金流花光”升级为“这么大的CapEx投入以后能不能再造一个Meta”。

3. 下跌的完整链条：从Meta租算力传闻到Kimi K3再到基金流动性危机

时间线值得存档：7月1日Meta要对外出租GPU和算力的消息令半导体和Meta股价剧烈反应；叠加Satya过去两个月支持开源模型、强调开源对CSP和ROI的帮助，市场开始推演“承受不了的公司会不会削减CapEx”。
约一周后Kimi K3发布，周默认为其影响比年初的DeepSeek V4以及本周刚发布的DeepSeek V4 Flash和Pro“大很多”——多数美国投资人原以为前沿模型与开源模型差距约六个月，Kimi K3将其缩短到三到四个月，市场因而更担心开源模型冲击现有CapEx格局。
七月下半月出现存储在亚洲卖不上价格的传闻，包括手机厂商、BAT拒绝存储报价；尽管北美CSP已经接受存储报价且议价能力很好，舆论仍经Twitter迅速传遍美国。恰逢一家知名基金降杠杆、接近爆仓，其覆盖整个美股的高gross仓位可能影响数百亿美元半导体仓位，最终形成七月底最大一轮下跌。

4. 微软反转之一：Copilot两年来首次在大企业加速渗透

周默团队财报前报告的核心句是：“这个季度是我们过去一年唯一一次看到Copilot加速增长，并且在大型企业里面加速渗透的季度。”标志性证据是一家美国大型金融客户从几千个seat的trial直接按10万seat规模采购——“这个是过去两年从来没有见过的”；付费席位从一季度2000万升破3000万，净新增环比翻倍。
产品端的关键是把底层模型换成coding模型：支持更长推理链路、执行前更多检查、降低复杂任务出错率。Copilot开始独立做应用，PPT从几乎不可用变成能按指令产出可用成果，Excel出错率也开始明显下降；消费者Copilot与商业Copilot合并，产品向“Copilot超级应用”演进。
但周默保留了边界：论前沿创新和更原生的AI组织能力，Copilot“还是比不上Anthropic和OpenAI”；只是这个季度恰是Copilot迭代最快、最容易补差距的窗口，后两个季度能否延续仍不容易判断。
往后看什么指标：此前更重要的是激活率和活跃率，下一步要看大企业内付费席位渗透率——如果越来越多公司的渗透率从5%–10%变成30%–50%，Copilot就进入下一个阶段；叠加Copilot Studio能力集成后的消费量计费，AI原生企业单个付费席位价格可能超过30美元。

5. Azure加速43%：OpenAI三层贡献叠加GPU/CPU涨价

OpenAI对Azure的贡献分三层且Q2同时改善：原先OpenAI与微软最大的超级集群训练收入不计入Azure，随着OpenAI在Azure拥有更多其他集群，新的训练收入可以确认；OpenAI自身推理收入二季度加速，Codex反馈从五月开始变好；微软代售OpenAI API也同步受益。
供给与价格双升：威斯康星数据中心释放300–400MW产能，且基本都可以产生收入；二季度是算力最紧缺的季度，Anthropic租用CoreWeave数据中心时，差不多1GW就能带来300亿美元以上营收。新签客户GPU价格比之前约上涨10%，整体涨价幅度约为个位数后段到低两位数；存量合同通常要到续约时才涨价，CPU则通过收紧折扣、调整合同、推动更换新一代实例等方式隐性涨价。
另一个增量是模型销售：微软从一季度开始销售Anthropic模型，二季度开始销售更多开源模型；Anthropic模型在本季度微软API销售中的占比约10%–15%。

6. Satya的ROI三分法：开源模型的定价权在CSP手里

业绩会上Satya做了三个对比：自己训练模型的ROI、托管别人的模型再出售的ROI、自己拥有模型并出售的ROI。最引人瞩目的是与开源模型公司合作的ROI约30%，大约三年回本；这是他第一次以业绩会形式解释微软为何做开源模型。
逻辑内核是：“开源模型的定价本质上是CSP定价，不是开源模型定价。”微软若能分散token需求、托管更多开源模型，议价和定价能力就会增强。
对RPO披露（商业RPO增长84%至6000多亿美元、剔除OpenAI后增长25%、增量来自Frontier Labs以外客户）能否化解客户集中度质疑，周默直接否定：“没有解决，因为大部分的RPO还是来自OpenAI的”；但这一变化回答了毛利率和ROI问题。Azure OpenAI毛利率已到85%，高于OpenAI约50%或略高、也高于纯GPU租赁的40%多，托管开源模型可以把部分模型公司的利润留在CSP环节。
更结构性的一点：微软是“这几家CSP和Meta里面唯一一个提到明年现金流为正的公司，其他几家的CapEx都是负的”。现金流为正可以让微软在融资市场拥有更强的议价能力，甚至更多依靠自有资金投入CapEx。

7. Meta被惩罚的真问题：2200亿CapEx能不能“再造一个Meta”

先纠正曹卿云的前提：Meta的CapEx绝对值最少，但CSP有大量外租CapEx，还有网络、CPU等部分；Meta“跟云、跟GPU相关的、跟模型相关的CapEx，它的纯度、它的含量本身就是最高的”。
本季广告收入增长27%、曝光量增长14%、单价增长12%，剔除24亿美元诉讼计提和12亿美元裁员费用后利润率仍在增长；但市场不愿穿透，因为Meta要回答的已不是增量10%–20%的问题，而是“相当于你营收70%的CapEx，能不能再做70%到100%的Meta收入”，而本季度没有看到明显的AI收入。
测算上，CapEx对明年毛利率有6–7个百分点的负面影响，后年还会继续影响；明年利润增长可能只有低个位数。因此之后每个季度市场都会盯着Meta的AI收入如何产生、利润率如何变化。

8. Meta为什么不能马上卖算力：SLA能力与H卡/B卡的博弈

对“辟谣租算力”的解读不是简单的“不卖”：周默认为，Zuck是在说明除了卖算力之外，销售自己的token未来可能有更高毛利，从而解释其他CapEx投入的合理性；如果有合适的算力报价，Meta也可以卖。
第一个障碍是SLA：云服务要承诺“三个9”或“四个9”，出问题时按原价甚至超出原价赔偿。Meta之前没有做过这类服务，托管数据中心的能力“不光比CSP差，也比Neocloud差，甚至比CoreWeave差”，因此需要引入更多CSP专业人士，也从AWS挖了一些人。
第二个障碍是卡的错配：Meta算力大头用于训练，推理场景较少；其中推荐算法不特别吃算力，Meta Superintelligence Labs的内部token调用量也远小于训练。Meta希望把推理性价比高的老H卡租出去、把B卡留给训练，但买方如Anthropic希望H卡和B200都能租到，不会接受“只租100万张H卡、一张B卡都没有”。
因此谈判可能反复，甚至存在谈不成的风险。周默判断，Meta最早产生AI算力租赁收入可能要到今年年底或明年年初，不会是本季度；但市场希望本季度就看到AI收入路径。

9. Business Agent是下一个Advantage+：走向全自动投放

本季披露：部分AI模型带来Facebook广告点击约增长8%、转化率增长约15%，Advantage+全自动投放的年化收入超过750亿美元，约三分之一广告收入已经流入AI自动化系统。
周默认为更大的变化是Business AI重新定位为Business Agent：在Advantage+自动化投放基础上再进一步——接入广告主数据，做数据分析、留存分析、内容分析，甚至监控竞争对手投放；制作素材时以对话形式讨论如何优化。
它“不光是做优化师的那段”，还要做优化前的分析、决策和数据打通，目标是解决大部分中小企业的投放工作，而不只是优化师环节。
代理商反馈称，这让他们想起几年前看到Advantage+时的感受，并认为它可能一年后成为Meta强制使用的产品。路径可能与Advantage+类似：先推动中小客户，再推动大客户；如果做成，将是广告主迈向全自动广告投放的第一步。

10. Meta需要前沿模型吗：“足够好就够了”，但WhatsApp藏着更大的杠杆

对现有商业模式的回答是：“说实话，对于Meta的商业模式来说，做到足够好就够了。”内容、广告投放或基础搜索问题并不复杂到需要很强的Agent规划，超强模型对现有业务的帮助有限。
但强模型可以打开新增长：Meta拥有大量个人行为数据，最适合诞生Personal Agent的场景可能是WhatsApp和Facebook Messenger；它可以收订阅费，甚至按Personal Agent价格收取更高的消费费用。
若用户与Meta形成深层互动，行为、电商偏好和旅游偏好等信息也可以脱敏后形成群体数据，帮助Meta获得更多销售线索，发展线索导向或电商导向广告。
数据生态正在变得更丰富，越来越多公司可以提供强化学习数据，也包括预训练级别的数据。这可能帮助Tier 2、Tier 3和开源模型缩短与前沿模型公司的差距。对Meta而言，现在投入前沿模型的性价比比之前更高，但这也与CapEx和ROI压力形成矛盾，管理层很难放弃加大投入。

11. AWS重回36.7%：Anthropic与Blackwell滞后确认

上季AWS增速28%并被质疑掉队，本季增速36.7%、连续第五个季度加速、18个季度以来最快，环比新增收入超过46亿美元，比历史最大增量高80%。“最主要的加速还是来自Anthropic”：其API约70%通过CSP销售，其中接近90%通过AWS后台，AWS在这种模式中可以抽走40%；Anthropic六月底ARR比三月底增长约110%–120%，基数变大后直接带动AWS。
第二个driver是Blackwell：AWS从一季度开始加速拉货，但出货到确认收入通常有约三个月时滞，需要调试并放入数据中心；因此Q1拉货主要在Q2确认，Q2拉货将继续影响Q3。
周默上季预判Q2增速可达36%–37%，本季得到验证。由于Q2拉货量比Q1更大，Q3的Blackwell贡献会更明显；其对AWS收入的贡献与H200对AWS收入的贡献几乎一样。周默预计Q3、Q4 AWS增速有机会达到41%–42%，明年才逐步下降。

12. AI外溢传统云：Graviton涨价与三家AI收入占比的错觉

曹卿云将后训练、强化学习和Agent调用工具主要使用CPU的机制概括为“AI每花1美元，都会外溢成传统云消费”；周默认可这一观察，并指出Graviton本季度平均价格上涨约2%–3%，反映AI工作负载对CPU需求和价格的带动。
但CPU不是存储那样的强商品属性产品，涨价对云业务的贡献缓慢渐进，可能每季度贡献两三个百分点的价格或利用率变化，而不是一次性带来10个百分点以上的跃升；下季度CPU涨幅可能比Q2更高。
对AWS AI收入占比15%的口径，周默区分了芯片收入和AI收入：芯片收入包括Trainium、Graviton和Nitro，AI收入更偏软件，实际数字可能约20%。对比之下，谷歌约45%、Azure约30%。
这个比例主要受传统云业务基数以及电力、产能稀缺影响。AWS的20%未来可能到40%，谷歌的45%可能到60%；对AWS这么大的基数而言，带动10个百分点增速已经非常不容易。
AWS利润率接近39%主要反映供给紧缺，而非Trainium经济性已经永久兑现。Trainium利用率从40%–50%提升到70%–80%，相当于同样成本下拥有更多产能；但当前训练利用率已经很高，不能指望它继续带来额外利润率帮助。

13. Gemini掉队的两个瓶颈：数据合规与只有对手一半的算力

先拆掉表面矛盾：本季GCP加速“跟Gemini没有太大的关系”，更多与TPU、GPU销售有关；Gemini自身二季度环比增速从一季度可能超过50%降到20%–30%，季度增速大约相当于OpenAI、Anthropic的月度增速。
第一个原因是竞争位置受到挤压：谷歌原本是唯一的Tier 1.5公司，现在Tier 1.5更像收购Cursor后获得大量高质量数据的xAI。谷歌合规要求严格，购买数据“基本上比其他公司慢半拍”；从五月起数据生态发生很大变化，供应方不再只有Mercor和Surge AI，其他实验室可获取的高质量数据源多了很多倍，数据反而成了Gemini的瓶颈。
第二个原因是算力：谷歌Gemini二季度训练所使用的算力只有OpenAI和Anthropic的一半，约1GW。数据少、算力也少，造成Gemini二季度相对落后。
coding能力上，周默认为Gemini可能比不过Kimi K3、GLM-5.3和xAI 4.6；3.5 Pro的价值已不高，不认为能赶在9月或10月发布，Gemini 4大概率年底或明年初发布。模型训练已经很工业化，只要谷歌能获取更多数据、提高算力，Gemini 4追上可能只是早晚问题。
关于传出的Jeff Dean离开、Hassabis可能退居二线，周默认为，一部分以诺贝尔奖为目标的研究人员去创业，并不影响当前工作，因为目前主要由追求前沿模型训练的人主导。
对“企业客户更看重Flash的成本、延迟和稳定性”的假设，周默明确说不是：如果只按Flash性价比竞争，很难胜过xAI，也难以和开源模型竞争。Gemini要获得更多收入，仍需依靠前沿模型和coding能力，最好是能力只慢10%–20%但性价比高30%–50%；Flash对本次GCP加速应该没有贡献。

14. GCP的82%靠TPU直销：50%毛利、六个季度500亿–600亿美元

GCP增速82%、Backlog达到5000多亿美元，最大贡献是TPU直销：约十万张卡带来20亿美元收入，“你变得更像英伟达了，你不是变得更像CSP了”。
虽然TPU直销是一次性确认收入，明年TPU出货量是今年三倍、可售数量可能不止三倍，因此至少明年仍会贡献GCP加速；到2028年，TPU增速才可能慢于GCP其他业务并拉低整体增速。
直销毛利率约50%：单卡售价2万美元、博通成本1万美元，毛利约1万美元，甚至高于GCP整体以及CPU、GPU云业务的毛利率。从Q3起往后六个季度，TPU直销收入预计可达500亿–600亿美元，相当于Backlog的约10%；目前TPU直销收入约占GCP收入10%。TPU租赁、Vertex AI和Gemini则更接近Recurring Consumption。
GCP利润率从20%升至35%后，下季度要通过租用Neocloud产能缓解供给短缺。由于Neocloud主要提供GPU而非TPU，谷歌需要补充外部GPU产能。曹卿云指出这类租赁计入OpEx而非CapEx，可能意味着总投入和利润率压力更高；周默认可其影响，但认为如果不满足已锁定的需求，客户可能转向其他云。
CoreWeave的租赁价格很高，接近现货或按需价格；谷歌可以获得边际利润，但利润率会受到影响。

15. 谷歌广告：库存节奏决定本季，Conversational Discovery Ads决定明年

Search增速从19%降到17%、YouTube从11%升到13%的分化“跟模型没有太大的关系”：推荐算法单季贡献0.5个百分点已经很好，本季大概率不到；核心是谷歌没有释放更多广告库存，而Meta在Facebook Reels释放了许多类似TikTok、抖音的软广告库存，美元指数还平均拖累各家美元收入约1个百分点。
AI Mode月活已超过10亿，但谷歌尚未披露AI界面单次查询收入。传统广告的“低垂果实”已被挖掘：AI Overview可以在传统广告位之外增加广告并逐次查询优化分配；超过60%的搜索查询没有广告相关词、尚未商业化，其中长查询是AI Max和AI Overview更容易读懂并转化为广告的空间。
下一步是AI Mode的原生广告。Conversational Discovery Ads像一个漏斗：购物意愿弱时不推购物卡片，意愿变强后增加购物卡片和电商广告，接近决策时给出更完整的商品介绍和对比。
这种形式与现有广告完全不同，谷歌需要推动代理商和广告主理解新的AI Max推广方式，也需要用户适应。因此不能指望两三个季度内产生很大收入，明年有可能贡献3–5个百分点的营收。

16. 明年供需测算：1.7万亿CapEx需要6000亿–8000亿ARR，而开源收入没人统计得清

周默的框架是供给代表CapEx、需求代表AI ARR。理想情况下，明年底ARR达到明年CapEx的三分之一到二分之一，是较容易计算ROI的数值：1万亿美元CapEx需要3000亿–5000亿美元ARR；如果明年底几家实验室加上开源模型能到3000亿美元，具有较强说服力。
但供应链涨价把2027年CapEx推到1.7万亿美元，需要6000亿–8000亿美元ARR。闭源模型几家公司明年底合计可能只有2000亿–3000亿美元，因此必须加上开源模型收入和新场景，包括量化领域的CapEx。
难点是开源收入极度分散：存在于Neocloud、Fireworks等公司的收入中，也存在于企业本地化部署中，市场上没有人能把开源模型收入合并起来与闭源模型做基准比较。
这些收入全部加起来，明年可能达到6000亿美元，但需要几个月、更多人的统计以及更明确的数据集。由于门槛和追踪难度都提高，相关担忧与博弈会比以前更多。

17. 定价权的钟摆与英伟达的两难：开源差距3–4个月还是6–9个月

如果没有这么大的开源模型变化，长期看议价能力仍在模型公司手里，因为模型公司占据主要收入和毛利；毛利率本质上反映议价能力。周默提到，模型公司的毛利率可能从50%–60%升至85%–90%，体现出较强的议价能力。
单GW数据中心收入从原来的100亿美元升到200亿–300亿美元后，模型公司、CSP、存储公司都能赚钱，其中模型公司、存储公司和英伟达获得的份额提升最多。
但如果CSP拥有更多开源模型并把路由分配给它们，份额就可能流向CSP，因为“开源模型在美国的定价权是掌握在CSP手里面的”。模型公司毛利率会受到竞争压力，产业链利润可能从模型公司流向开源模型公司，再流向CSP。
钟摆的关键是开源模型与前沿模型的差距能否保持3–4个月，还是重新回到6–9个月：前者意味着趋势延续，后者可能带来逆向变化。前沿模型参数从去年底约1万亿增至5月、6月约3万亿，下一代可能再增加两到三倍至8万亿–9万亿；从下一代模型开始，开源模型和前沿模型的迭代都在加速。
对月底英伟达财报的期待值不宜过高：英伟达对本季度整体AI情绪的影响“没有那么大”，Anthropic上市和各实验室ARR进展更重要。存储和光模块涨价后，英伟达反而成为估值相对便宜的公司；但英伟达对存储的加价安排，原文同时出现“按1:3甚至1:4比例降价”的说法，表述存在歧义。周默认为，若未来能像TPU一样更多解耦GPU和存储，CapEx压力会缓解；但这究竟是让CapEx更可持续，还是为了多赚钱，是英伟达的两难选择。

152. 领读Kimi K3技术报告：从架构创新聊起，注意力美学、多教师蒸馏和开源MoE Dylan Patel——两家实验室很快将控制全球大部分劳动力