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
发布时间 来源
Episode 设置
中英文字稿 
2026年,亚马逊、谷歌、Meta和微软这四家科技巨头合计资本支出超过6300亿美元 这个数字占GDP的比例接近20世纪所有重大基础设施项目的总和 更直观的是另一组数字 这四家公司的资本开支占运营现金流的比例 从2023年的40%上升到2025年的65% 一直到2026年预计接近90% 亚马逊最极端 过去12个月的自由现金流已经从380亿跌到12亿 资本开支把自由现金流几乎全吃掉了 这笔钱到底怎么赚回来 如果您能够遇到这些需求 今天我们请到的嘉宾是Funda AI的创始人周末 一起聊聊如何思考科技大厂资本开支和AI收入 周末欢迎来到硅谷坐标 4月底几家硅谷科技大厂刚刚发布了新一季度的财报 那么几家大厂的资本开支和AI收入也仍然是所有人最关注的焦点 ⏱
那么今天在聊财报之前 我想先跟你聊一聊几个大厂过去的股价的表现 我们知道在过去两年可能英伟达都已经涨了几倍 但是大型的科技公司的表现就远远没有那么亮眼 同样都是在做AI市场的定价为什么这么不一样 对就是这是个很好的问题 其实从去年的七月份之前 这几个大的科技公司还是能够跟上半导体的涨幅的 或者你至少从趋势上看是很一致的 但是从七月份之后 其实是一个明显的分界线 就是大家要开始算二十六年的CAPEX 然后你算上二十六年的CAPEX以后就发现到了二十六年 这些公司的现金流已经几乎没有了 现金流没有其实很影响对于这些公司长期的现金流的估值 所以你对它的收入的要求就更高 你也需要看到明显的收入加速 但是如果你看典型的公有营的话 ⏱
你像微软还有AWS他们去年下半年的加速其实不是很明显 AWS到今年的一季度才是比较明显的加速 所以就跑不赢其他的半导体的公司 然后另外一点的话是因为这一部分的Alpha 其实主要都在各种各样的半导体的上下有的公司 但是整体以前投资人对半导体所分配的份额都还比较小 大部分的份额都分配给了这些大的科技公司 那半导体的比重提高了以后就要减少大科技公司的配置 所以两方面一方面是从基本面的原因 一方面是从这个配置的原因就造成大科技公司跑得比半导体不差 我们从产业经济学的角度来看 利润率最高的地方就是资源最稀缺的地方 我们看到英伟达的毛利率是达到70%多 然后云计算中心它的经营利润率大概是在35%到45%之间 ⏱
模型公司的毛利率也是从去年的三四十 然后可能今年会有一些上升 那我们看到最稀缺的是在芯片层 但估值最高的是在模型公司 这个矛盾我们去怎么理解比较好 对 如果你是用PE的角度去看这些模型公司的话 这些模型公司都很贵 但如果你从远期的角度来看的话 没有那么贵 比如说我们举个例子像 SRP可能到四月底它已经接近450亿美金的AR 到年底它就是一个1000亿美金的AR的公司了 对吧 那昨天刚传出来9000亿美金的估值 你也差不多到年底就是9倍的AR 如果你假设它以后能够做到20到30的利润率 差不多也就是30倍P 你像这些大科技公司在过去的很长时间 也差不多是这个P 软件你却对标微软对吧 微软常年一般都是在35倍估值左右 ⏱
所以你往远期来看 没有那么贵 然后另外一点的话是 什么样的公司它有这样的估值 也看它的bargaining power 它在整个产业里面的稀缺程度 你毫无疑问 从上云的SARS时代 对吧 你从15年到21年 公有云公司都享有很高的估值 而且大家都喜欢这种轻资产的运营模式 你可以讨着赚钱对吧 然后你像公有云公司有很高的估值的时候 它的特点是什么 就是它在分发所有的SARS流量 虽然我卖CPU租赁 对吧 它可能是一个40多毛利率的生意 但是我还卖软件 我还卖数据库 所以合起来我变成了一个60多毛利率的生意 对吧 而且所有的软件要通过我这去分发 所以我其实是整个软件行业里面的入口 但是你到现在这个入口的关系有点变了 ⏱
模型公司有点像之前的公有云的角色 如果你通过模型公司 你通过SRV去买API 如果你没有直接通过BIRL SAI Foundry 你直接通过SRV去买API的时候 你其实不太关心 这个API背后到底是跑在哪个云上 所以云从原来直接对接客户的 那个中端的那个 Barkney Power很强的那个角色 现在变成了模型公司的下游 那模型公司以后它有分配权 那它就变得更强的Barkney Power 它就变得更稀缺嘛 其实这个现象在今年越来越明显了 你是怎么理解这一轮资本开支 持续增加的这个逻辑 它是真实需求在拉动 还是说更接近没有人敢停下来 大家都是军备竞赛的这种囚徒碰境这种感觉 那其实资本支出这个故事 ⏱
从24年以到现在已经经过了好几轮的变化了 你像在24年底的时候 大家担心是数据不够 担心模型不能被犯化 which在当时确实也是真的 所以就出现了1月份的deep seek moment 然后到了去年2、3月份的时候 是看到了coding的量迅速的起来了 然后你就不太担心短期的商业化 然后再往后跑通了强化学习 跑通了me training 跑通了post training 也又跑通了前面的标注的体系 这一套的标注体系成为了一个完整的生态 所以你强化学习不缺数据了 所以到了去年年中的时候 它可以分配一半以上的算力到强化学习上 所以强化学习成了新的增长的算力的需求点 然后这个趋势就一直延续到现在 只不过这一轮它有一个比较大的变化 ⏱
如果我们以最近三个月为看的话 就是之前大家可能会担心 模型公司的体量上去了以后 它的AR会降速 但是过去三个月最大的差别是 当这些frontierlab的收入体量上去了以后 增速不光没有降速 增速反而在加速 我们以增长最快的antherapic为例 antherapic在过去几个月 它基本上是每个月 越环比50%的AR的增长 你可以说OPI和Germanite稍微慢一点 但OPI和Germanite 它们还有季度环比接近50%的增长 但它们的体量已经比去年大很多了 所以变成了你的体量越大 你的增速越快 在第一季度会有很明显的反应 对吧 那你的需求就越强 对吧 然后到了衡量供需关系的时候 就是我们要看就是这个keepax ⏱
或者反映到云的需求来看 到底是你是供过于求 还是你是这个供不应求 对 很明显 我们有很多的前置指标 可以去看这个问题 对吧 你可以去看签这个GPU租赁contract的 离定谈 对吧 这个离定谈是变长的 离定谈指的是 你去下这个合同 到你能够用上GPU 大概有多长时间 或者你可以去看GPU的单价 去反映它的供需的变化 GPU的单价它分成好几种 你分成长约短约和现货的条约 长约其实在这个季度之前 你过去的一年长约 大概你每月你都会降 差不多0.05到0.1美金吧 但这个趋势从去年的12月就出现了反转 其实今年的无论是现货价格 还是GPU的contract价格都在往上涨 那你价格往上涨很明显 就是需求很多嘛 ⏱
往上涨的原因其实也很简单 就是你可以想象GPU的租赁 它是一个大的池子 在之前的情况下 租长约的人可能占整个池子 最多的时候90% 在24年的时候 然后随着GPU的量越来越多了以后 长约的池就会慢慢下降 对吧 你从90可能慢慢就下降到80% 但是还是比你租CPU的时候好 你租CPU的时候 长约可能占6成 短约占4成 对吧 但这个趋势反转了以后 情况是什么 就是大的Fonture Lab 他们下了更多的订单 他们锁了更多的长约 他们因为强化学习 因为Coding的需求 他们下了更多的长约 下了更多长约了以后 这个长约的比重 就会从80%渐渐往上涨 那留给你短约的比重 就会变小了 短约它是很有弹性的 ⏱
短约是最反映短期的供需需求 就像你 比如说你五一节 你出去酒店 酒店的价格就会涨很多 对吧 短约就有点像酒店的价格 对吧 所以短约价格的反弹 就会非常的明显 所以就造成了 一季度整体的GPU的价格 就在往上涨 所以你的供不应求的现象 就特别的明显 然后你再加上存储的涨价 就存储的涨价 为什么会对这个季度 的KPEX影响非常明显 是因为这批公有云 他们普遍都是从 三月中旬到四月下旬 去和存储公司 去谈你的长鞋 长鞋就是long turn的contract 对吧 然后你谈扛鞋了以后 你就要去锁 后面三个季度 后面三年的底价 你锁了底价了以后 这次存储的上涨 它就不是一次 一过性的事情 它就会反映到 ⏱
你后面三个季度的变化 所以因为你存储的底价 也涨了以后 你就得一次性调整 你后面三个季度 对于存储 计入KPEX的影响 对吧 而这个事情 可能也没调完 对吧 因为你现在锁的是底价 你没有锁它的涨价的趋势 等到后面继续涨 它还得继续停 现在这个GPU 还有内存价格的上涨 占到整个KPEX上涨的 百分多少呢 未来这个趋势 还会越来越大吗 两边都有 这个季度最直接的是 存储的涨价 因为这个季度 是大家统一签长鞋 后面几个东西都要调整底价 但是往后 其实Fontier Lab的需求 现在也是供应求的 比如说你可以举个例子 你可以看现在 SRP的需求 对吧 你如果去直接去跑 SRP API 它特别慢 如果你通过AWS ⏱
去调SRP API 它可能速度快一点 但是可能会经常出现 各种各样的问题 对吧 你很明显能够看出来 现在SRP一个是 严重的supply constraint 然后你如果看 Fontier Lab明年 更激进的 Data Center的计划的话 明年的KPEX 肯定也要提 如果是把这个 KPEX的上涨中间 如果你分一下 这个蛋糕 你会怎么分 有多少是来自于 这个通胀 内存价格上涨 多少来自于需求扩张 我觉得如果你看 这个季度的话 绝大部分是来自于通胀 然后你越往后的话 你的需求影响就越大 现在我们知道 这四家公司 同时都在做 自己的自研芯片 包括亚马逊的Trainium 谷歌的TPU 微软的Maya ⏱
和Meta的这个MTIA 那他们的目标 都是一样的 想把这个推理的负载 从英伟达 迁移到自研的芯片 然后把原来 付给英伟达的钱 留在自己的利润里面 那亚马逊的 这个CEO Andy 这次在财报里 也说了一句话 我印象很深刻 就是说Trainium 每年是能为亚马逊 节省数百亿美元的 CapEx 然后同时 它也能够提供 数百个基点的 运营利润率的优势 那这对整个 AI产业链的利润 分配意味着什么 以后谁的蛋糕 会变小 谁的蛋糕 会变大 这是个很好的问题 但是亚马逊 在这个季度 它有一点点的 特殊性 因为Trainium 这张芯片 它去年 其实给很多客户 打的折扣 是比较深的 因为Trainium ⏱
最主要的客户 就是亚马逊 自己和Atherapy 但是今年一季度 是一个很特别的季度 今年一季度 所有的Hyperscalar 其实都是他们过去一年 Bargany Power 最强的季度 最供不应求的季度 所以Trainium 这个业务 它就从原来 可能对外部客户 需要打低价 现在到了Atherapy 那里也供不应求 AWS Spiral 下面都是部署的 Trainium 2 它也供不应求 所以Trainium 其实它就从原来 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 但如果你从整个的 云的体系来讲的话 你如果今年 想做一个很好的 云的业绩 你有Cloud API 我们说云的API ⏱
无论你是Cloud Code 还是你是OPI Codex 你有API 其实给你带来的是 收入的加速 但如果你有ASIC的话 会保证 你有更高的利润率 就同样的 如果你是以谷歌为例的话 它做TPU的毛利率 就比它做GPU的毛利率 要高 对吧 所以从企业角度上呢 有ASIC可以保证 它们的毛利率 可以保证它对 无论是对客户 还是对芯片的 保险你Power 对吧 然后你从另一个点来讲 其实现在好的云的公司 当年成为一个硬件公司 属性也很强 比如说你看 Andy他就特别喜欢讲Gravity Gravity其实在整个的云行业 是一个非常重要的 华时代的事件 也是不断强化AWS 在过去几年生态位的事件 如果我们把时间往前挑 ⏱
大概是在2021年 Gravity 2大幅开始推出的时候 你可能会记得当时的很多的SARS公司 纷纷调整他们的输入预期 和成本预期 就是因为他们在AWS 大幅使用Gravity 2 因为Gravity 2这个事情 对亚马逊的帮助非常大 因为如果你有30%的性价比提升的话 你传导20%给客户 那客户就会想用Gravity 2 而不是想用X86 对吧 那用了Gravity 2以后 如果客户享受了20%的性价比提升 那你中间你其实就能拿10%的差价 这10%的差价就变成你的margin 他可以选择 这10%里面有多少变成他的margin 有多少变成他的竞争优势 如果他变成他的竞争优势的时候 他就可以对Gravity 2进行降价 ⏱
对吧 因为你看郭友云的商业模型 它其实是一个通缩的模型 在过去的CPU时代 你每年都要对CPU降价 你都要对所有的产品降价 降价是因为有摩尔定律 对吧 但如果你有自研的芯片 你就可以在降价的同时 还保证比竞争对手更高的margin 所以对郭友云来说 做他们的自研芯片 在历史上这个事情都非常有价值 特别你像EWS过去就是靠这个起价 EWS过去就是靠单点最优 然后靠集中做硬件去保持 它在有市场竞争力的时候 还有market share 对吧 所以你到了这个时代 大家都想去做ISIC 但做ISIC肯定没有那么容易 对吧 你做ISIC你有软件的问题 对吧 你有CUDA的问题 你有非常多适配的问题 这里面其实跑得通的是TPU ⏱
对吧 TPU的很多的适配问题 已经和他们在 Germna一起协作的时候跑通了 所以你到anthropy 对吧 所以你到meta 在用TPU的时候 就没有遇到那么多的问题 对吧 那training和anthropy之间的沟通 肯定是不如 TPU和Germna团队自己的沟通的 但是对于所有的云厂商来说 这都是一个 Must to do 式的事情 对吧 当然你跑得最通的是TPU 对吧 所以你如果去看切蛋糕的问题的话 TPU产业链 其实很多都是跟光相关的 我记得曹老师 之前也做了一个光的访谈 对吧 如果你看光的访谈的话 其实大部分的 这个OCS的供应商 其实在TPU里面 都拿到了新的蛋糕 我们说完这个支出端 ⏱
现在我们也来说说 这个AI的收入端 那在聊具体数字之前 可不可以请你帮我们 先去理清 AI收入这个概念 因为AI收入这个词 每家公司说的 其实是完全不同的东西 也是一个比较 有争议的这个话题 对 每一家的AI的收入概念 非常不一样 我们以微软为例 微软它之前 会披露一个数值 就是AI 摘到它们 Azure增长的多少个点 那这里面包括了很多场景 它包括了 GPU租赁的收入 它包括了 帮OPI卖API的收入 它也包括了 与AI相关的各种各样的 产品的输入 比如说如果它定义 它的某一项数据雇产品 Fabric 对吧 或者甚至是 Databricks的第二方的产品 对吧 然后因为AI产生了新的增量 它也会把它定义到 ⏱
AI的revenue里面 对吧 而如果你去看亚马逊的话 亚马逊主要定义的就是 AWS的Bitrock的收入 你看这个季度 AWS的Bitrock 环比增长了170% 那这个Bitrock里面的收入 其实很多是 Anthorpe给它的收入分成 因为Anthorpe在 AWS去卖的这个 API的收入 大部分是跑在Bitrock上 那除了它的Bitrock里面 它还有一些芯片的AI的收入 以及还有一些 它其他的跟直接相关的AI的那些service的收入 对吧 然后你看谷歌的话呢 谷歌它没有特别给你去披露一个AI收入的口径 但是谷歌的体系其实也非常的清晰 它包括了GPU租赁的收入 TPU租赁的收入 TPU直接销售的收入 ⏱
然后还有Germani的时候 Germani的时候不是100%都在GCP体系里面 它大概有70%多是会记录到GCP的体系里面的 对吧 然后它还有其他的AI产品的时候 所以你肯定是谷歌里面的AI产品是最高的 也反映到收入加速里面是最高的 对Meta的话 Meta是从来没有披露过 AI占收入的口径 因为推荐算法对整个收入的贡献 其实你不太好去界定 对吧 它很多是算力提高 能够让推荐算法的模型复杂化 带来的收入的增量 也有的是Fontier Model给Decoding Encoding 带来的增量 也有可能是在解释端更多的增量 所以你很多时候只能说 可能今年你有几个点的影响 今年带来了几个点的增量 ⏱
但你很难量化 它到底有多少个事物是AI所带来的 而每公司确实有不小的差异 但是你能够看 今年有一个比较特点的是 今年从一季度开始几个公有云的 AI数的占比都开始加速了 你刚刚说到这三种 这个AI收入的路径 你觉得哪一种是最可持续天花板最高的 我理解这里面有几种的估计 一种就是比如说你直接卖算力 还有一种就是你在算力以外 你还卖一些AI的产品 比如说你的Office Copilog 你的Copilog Studio 你的Dynamics Copilog 对吧 然后或者就是你去卖这个 跟推荐算法有关的增量收入 就如果你去看收入天花板的话 毫无疑问 肯定是公有云的收入是最高的 因为你从模型公司角度来讲 ⏱
模型公司现在基本上已经不做什么EP的Data Center了 Opi之前有一个很大的EP的Data Center计划 但是发现做EP的Data Center其实是非常的challenging的 所以大部分的Data Center也转成3P的租赁的需求了 你像Anthropic虽然它有EP的Data Center 但是它EP的Data Center都是GCP把整个的TPU加贵加OCS 整包放到它的Data Center里面的 可能你唯一自己做EP的Data Center 现在只有XAI 所以大部分的Data Center的量都在公有云和NeoCop里面 那你如果看整个的生态的话 如果模型公司不跟你去去想这个Data Center的量的话 ⏱
那肯定公有云的收入是最高的 但公有云这里的问题是 模型公司以后的Barkening Power越来越强 你比如说你像Anthropic现在Barkening Power就非常的强 它可以租你的TPU 它也可以通过你去卖API 卖API这个事情就很典型 你像一季度 它可能80%到90%通过云卖的API 都是走AWS by Rock的 这是从去年四季度开始 它也通过GCP的Bertex AI去卖API 然后到了去年底 它和Azure也部署好了 从今年的一季度开始 它也通过Azure的AI防坠去卖 Cloud API 你想AI防坠一季度 它可能只有几个点 是跟SRP有关的API的时候 但它到二季度这个比重就可能迅速提高 ⏱
二季度就可能到十几到二十个点 所以你会发现 Frontier Lab其实也会想通过 不同的云的渠道 去卖API 对吧 那它越分散 它的Barketing Power就越强 然后保管SRP现在去接Data Center的条件 也越来越的苛可 就是你去和云去签 还是你去和New Cloud去签 因为SRP已经成了世界上 后可能是最大的赚利的需求方 所以你其实你到了后面的条件 也会越来越苛可 只不过你像今年的一季度 还有今年的二季度 因为供需需求特别的不平衡 所以对云的Barketing Power会非常强 但到了以后其实不是很确定 然后你到了MyCopilot MyAgent这里有一个问题是 你很难证明你做Agent产品 ⏱
你能做的比Frontier Lab要好 这个问题在微软身上会非常的明显 包括我们之前调的第一个问题就是 就为什么微软从去年的7月开始 就明显跑出半导体 明显跑出别的AI公司 甚至明显跑出别的MegaCap 里面有一个很大的原因就是 虽然Azure占了微软 接近四成的收入 但是微软大部分的利润 还是由软件贡献的 Office是全世界最大的软件产品 Office有四亿用户 无论是你从收入体量 还是在用户体量上面 都是全世界最大的软件产品 但是你看现在的趋势 有Clock of Work 有Germina Enterprise 大家通过Computer Use了以后也可以调用Office 甚至你在多模态很多PPT输出上面 ⏱
你还不如Germina Enterprise输出的效果要好 所以大家从去年下半年就开始 argue 微软除了一个云公司以外 它还是一个特别大的 它是全世界最大的软件公司 它是最软件的 MegaCap 所以其实也是在质疑包括agent 包括Copilot这套产品 你到底能不能去跑赢这些Frontier Lab 其实你去看大公司的工作方法和创业公司 在现在AI条件里面是完全不一样 我们可以数数从今年1月份到现在 已经发生了多少事情 原来你说的产品迭代 你可能两到三个月一次大的产品 你觉得OK 季度维度的迭代符合Office的开发思路 但是你到现在来看 去年的12月底Cloud 4.5出来了 然后Cloud 4.6出来了 ⏱
Cloud 4.6出来了 大家都开始multi coding agent工作 对吧 然后再往上 因为Cloud 4.6出来以后 它的top time design能力大大加速了编程的速度 对吧 然后再到三个月份 Honis出来的 对吧 以Copilot为例 Copilot其实之前在调读层用了很多的 Hardcore的ProM Engineering 对吧 你也保不过Honis的产品 对吧 所以就造成了大的软件公司 在agent开发上面 它本身就没有那么的内体 就很多时候 创业公司 一周就一开始 开始做一个很大的迭代了 但是对于一个大公司来说 三周可能PPT到汇报的流程都还没做完 所以其实你从市场上来讲 ⏱
大家没有那么去看好 Copilot或者agent这些产品 在MegaCap里面的 真正收入带来的贡献 微软那边的收入情况来看 Conscurus一直都是14 15 对吧 可能你偶尔有一个点的加速 但始终没有云有那么强的爆发力 作为云的对照的话 你典型来看的话 AWS的收入从上个季度24 这个季度变成了28 对吧 JCP从上个季度48 变到这个季度的63 对吧 所以你云的加速比重远远超过 Office的加速比重 甚至你还要担心Office 可能你会有seat的减少 所以第二条 其实对于这些公司 我觉得至少对于长期 对这些公司的竞争优势 没有怎么去记录 然后到了推荐算法端的话 推荐算法端 其实在24年和25年 ⏱
是大家最喜欢的国际 它对广告公司的增量 是全局的贡献 你贡献两到三个点 是对总收入的两到三个点的贡献 对吧 云里面贡献的几个点 是你对云的贡献 而且你的很多的贡献 是dilute你的利润率 但是对于这些 推荐算法公司来讲 它贡献的 其实对利润率 都是有帮助的 对吧 你去买GPU的时候 你其实就考虑到ROI了 买它买GPU的时候 就考虑到GPU和推荐算法 ROI的关系了 对吧 但是这里面的问题是 推荐算法的贡献 在整个收入里面 它的比重会越来越小 一开始会有low high influence 对吧 再往下的时候 你就要scale up 你的推荐算法的模型 你以前是七到八层 对吧 你以前是一个金字塔结构 ⏱
现在你要把它变成 十几二十层 你要把金字塔结构 变成一个远通型的结构 然后或者说 你在这个里面 这个你有更多的投入 但是你光一两个点的 RY的贡献 在整个系统里面 可能就不会那么明显 无论是反映到 margin端的变化 对吧 还有反映到 Lirium端的变化 就没以前看了 那么好看了 对吧 所以你现在三种模式 其实它的角色 也在互换 以前大家喜欢 AI对广告的贡献 对吧 从今年其实慢慢开始喜欢 AI对云的 收入增速的贡献 刚刚说到 这个微软的 AI的年化收入 有370亿 这也是这次财报季 最大的一个 AI收入数字之一 外界对这个数字 也是比较有争议 到底是 里面有多少是 因为AI 而新产生的收入 ⏱
有多少是 原来就会发生的收入 而只是换了一个 AI的标签 像你会怎么去判断 AI真实的货币化的进度 最重要的就是看增速吧 那backlog反映了你 长期的需求 如果你有足够的 supply的话 你就能够把收入给放出来 我觉得这几家公司的 AI的revenue的确定性都很高 他们的收入真实性都很高 每家云的公司 它加速的频率会不一样 比如说举个例子 你如果看JCP的话 它加速的频率 肯定是最高的 它有几个特点 它的 全部带的revenue 大部分 70%以上 都book在JCP revenue里面 你像Anthelp 一个通过AWS 去卖的API 首先你的API 只是Anthelp AR的一部分 ⏱
对吧 然后卖的API里面 你可能只能book 40%的revenue 到AWS的Business Model里面 然后第二个 你去看JCP的话 它的TPO的量是最大的 所以你能看到 JCP的加速就非常明显 如果你有API的AR 如果你有自己的 ASI的芯片 对你的收入的帮助 就会越大 对吧 那在微软里面 它就不是特别的好强 第一个点就是 微软没有跟TPU 没有跟Trainings比的ASI 它现在有Maya200 但Maya200现在只能跑GPT4O 就稍微小一点的GPT的模型 就跟Coding相关的 跟Codex相关的 跟5.2 5.3 5.4相关的模型 你都没有办法在Maya上来去 然后第二个事情就是 ⏱
OPI的API的增长 在之前也不是OPI主要的增长点 OPI主要是靠产品增长 它跟Atherapic 它跟Germani不一样 所以它的API的体重 在ASI里面的负献本来就 没有那么大 而且增速也没有那么坏 就没有Atherapic到AWS和Germani 到GCP一样那么强的爆发力 所以其实是跟你的Business Model 跟你的Maya API的角色 也跟你怎么去看待你的自研芯片 会跟你的增速会更相关一点 刚刚就聊到了云业务的持续加速 这个季度是谷歌的云的增速 达到了63% Azure 40%和AWS 28% 所以直观的感受是 谷歌云的加速是最快的 但是如果从绝对值来看的话 AWS的新增的绝对云收入 ⏱
实际上是比谷歌整个季度 还是要更多的 那我们也从财报里面 亚马逊也提到 AWS的增速上限 是数据中心建设的这个速度 而不是说客户需求的 比其他两家云会更慢 那Bedrock这一季度处理的 Token数也是超过了 2023年上限以来的历史总和的 我们是应该怎么去理解 现在这几家云的格局 应该更去看这个增速的百分比 还是看增量的绝对值 肯定是看增速的百分比会更重要 或者你是看在每个季度 新增收入量里面 incremental revenue里面 每一家的占比会更重要 所以这里面 明显是GCP和AWS的量 更大一点 AWS的量会更小一点 云的格局里面 还有一个领先的指标 叫做RPO 剩余旅约 这是已经签好的合同 ⏱
但是还没有交付 也没有算进收入 然后它是一个领先收入 6到12个月的一个指标 比当下的增速更能说明未来 而这次的财报 大家也是看到RPO的增速惊人 对于这三家的击押合同 你觉得如何看待它们的意义和质量 质量都很高 这不口径上面 大家互相有点差别 你比如说你去看 那个backload的增长 那GCP的backload增长 肯定是最快的 对吧 那GCP的backload增长里面 有一个很大的原因 是因为 它开始直销那个TPO了 直销TPO和你租赁TPO 有很大的差别 你如果租赁TPO的话 如果TPO生命周期是5年的话 相当于你每年确认的是 五分之一的收入 但如果你是直销TPO的话 那TPO就一下就卖出去了 ⏱
当然它可能是一个 NetRevenue的口径 它要扣掉博通的成本 对吧 但是无论如何 你都比租赁确认的 那个backload要大很多 所以GCP的backload里面 很多是有口径的原因 那其他两家公司 其实跟口径 不是特别大相关 其实反映的是长单 就是长的那个 合同的占比提高了 然后长的那个单子 越来越大了 那微软的里面 看那个RPO里面 也有45%来自OpenA 你觉得这会是 比较担心的话题吗 对 这一直都是一个 大家比较担心的话题 特别是在Azure和 AWS的语境里面 因为大家会觉得 这不算是一个 high quality run OPI和Servic以后 都会分散他们的 云的供应商 比如说你去看OPI ⏱
OPI在微软财报和谷歌财报的 前两天和Microsoft 更新了他们新的协议 对吧 其实你像AWS 一季度的一些 capacity的问题 我理解也是为了等OPI 因为你OPI其实很早 就希望能够上AWS 但是因为和微软 和收关系的问题 一直到了四月份 才解决这个问题 那你一季度很多 留给OPI的量 你可能一季度就 没办法确认到收入里面 所以大家会担心 这个 以赴这些模型公司的 份额会有变化 今年在你这 那明年会不会就在 别的地方呢 然后如果 因为你接了很多 大客户的量 导致你的毛利率下降了 其实大家会更担心一点 因为毛利率下降了 大家会担心 你在新的GPU场景里面 你的Barknet power ⏱
没有你在CPU墙了 那么因为你绝大部分的时候 又来自于单一客户 所以就会进一步担心 会带入你的margin 确实有很大的担心 但是整个市场 其实也很通融 就如果你的加速比重去高 这个担心就没有那么大 那最担心的就是 你的加速比重没有那么高 你每个季度你是平的 或者加速一个点 但你capice又涨很快 然后你的大客户的比重又很高 这是大家担心的 如果你加速很快 其实也还好 接下来我们来过一遍 这几家大公司 首先我们来看看谷歌 谷歌这次的业绩是很亮眼的 包括云的利润率 是从大概17%点几 以下跳到30%多 积压合同也是翻倍 第一方的模型 每分钟的处理的 Token数也是增长很多 对此的话你是怎么看 ⏱
谷歌的这个护称核 以及 Gemini对于谷歌互乘核的贡献 Gemini的模型呢 因为它的训练思路 可能和原来的 OPI和Acerapic 稍微有点区别 Google很多的优化 是围绕 Benchmark来做的 对吧 然后谷歌 它在TPU上面 有非常大的优势 它在 同等规模的 Flops情况 TPU的训练模型的成本 可能只有你 OPI用GPU训练成本的 20%到30% 所以谷歌做模型 它可以在同一代 比OPI Acerapic大2到3倍的模型 但其实现在 每一代的模型 参数大概就是3倍 对吧 所以谷歌其实 它是用下一代的参数规模 和你这一代的OPI Acerapic比 所以它在之前的 很多的Benchmark ⏱
还有通用的文本的场景 Briture的场景 都能做得非常的好 但是到Coluling 其实需要很多 强化学习 需要很多数据标准的 Google在去年 在强化学习上面 投入没有那么高 今年在非常大的 投入做强化学习 所以你Coding 可能还需要 3到6个月时间 去补上 所以你确实 到了Germ9AR上面 在GCP的爆发 没有SARPIC 那么猛 但是对于谷歌的好处 就是Germ9实物 全是它的实物 所以它放在GCP的 这个基数里面 它就非常的明显 GCP本来就比AWS 就比Acer小 然后Germ9 又能确认 几乎全部的收入 所以它的收入贡献 就会很大 在谷歌的增速里面 就会很明显 其实Germ9 ⏱
贡献了这个季度 4到5个点的收入加速 然后你还有TPU 租赁贡献的加速 对吧 你还有TPU直销 贡献的加速 对吧 我觉得谷歌的护城 和在Hepersky里面 肯定是比AWS 和Azure要好的 就首先 因为你有了Germ9 所以你保留了 API加速的爆发力 对吧 然后你可以保通 自己的商业模型的 商业化的那个壁画 对吧 另外一个就是 你有TPU 你有TPU了以后 你就可以有更强的 保护力 cover 对吧 你的大客户 可以用你的TPU 用你的TPU 你的margin就会比 你去租GPU的margin要高 所以你去做模型 你去向客户提供的时候 就是做云租赁这个事情 做新一代的AI租赁这个事情 它对你不是一个 ⏱
逮入你margin的业务 但其实对于另外两家云公司 它有可能会变成 逮入你margin的业务 就是你回过头来 你像当年 电动车打油车的时候 油车的问题就是 油车也想做自己的电动车 但它会和原来的油车业务 前后打架 对吧 所以造成了很多 在电动车的投入上面 它不够坚决 其实你现在看 公有云上面 也出现过类似的情况 还是在24年底 摇摆波罗斯 所以造成了 他们25年 拿Data Center的量 不够 那AWS呢 是他一直非常坚定 他的training的投入 但training可能 比TPU稍微落后一点 对吧 但谷歌是一直非常坚定 投入TPU 投入AI生态化 而且 他甚至他做DPU的margin 比他原来卖 ⏱
CPUSaaS的margin还要高 因为他本来就没有 多少SaaS的业务 你卖CPU的Growth Margin 其实也是40斤 你卖TPU的Growth Margin 做TPU的Growth Margin 比你做CPU更高 所以你在AI投入上面 是非常坚决的 你做这件事情的RY回报 就比你原来 在CPU时代 做的回报要高 所以其实对你的 对你的激励机制 也是完全不一样的 这次批财 他也是被问到 谷歌现在算力受限的情况下 他的这个TPU 优先是供给搜索 还是会供给Cloud 外部的客户 那他也有说 谷歌其实内部 是有一个RYC的一个框架 但是也没有给过一个比例 可以说就是 谷歌内部的需求 和外部的Cloud客户 ⏱
在竞争同一批TPU 这是谷歌Cloud增长的 一个天花板呢 还是说他可以用 更多的CAPEX 去解决这个问题 对 这是一个很好的问题 就是如果能够分给TPU 更多的COWERS 那谷歌就能满足他的需求 谷歌也希望能够有更多的COWERS 所以比如说 Google去谈这些CAPEX 的时候 他们其实都非常aggressive 希望要更多的COWERS 但是到了产能这里呢 很多的COWERS的问题 是因为被英伟达损住了 所以导致没有办法 给谷歌分这么多COWERS 但是谷歌其实是 想要很多的COWERS的 对吧 所以TPU其实是 现在最供不应求的芯片 但是问题是 没有足够多的产能 但是TPU 你如果去看 ⏱
他的产能 今年不到400万张 对吧 明年他的算下来 新飞飞的COVER的产能 其实已经要到 将近1000万了 所以你想明年 其实是今年的 不少倍啊 而且他的天花板也很高啊 他的天花板可以对照 英伟达 而且你甚至你再过来想 世界上的 三个SATA的模型 有两个模型 已经是基于TPU训练了 GEM9 之前的上一代的GEM9 III 对吧 然后 即将要推出的MISOS MISOS pre-trained 也是基于TPU训练的 只有OPI的5.5 是基于GPU训练 三个Frontier Lab 里面有两个Frontier Lab 都是用TPU训练的 对吧 所以其实对于 适配大厂来说 GEM9已经帮TPU ⏱
跑通了很多的 适配的问题 所以回过头来 就是TPU的需求 很强 但是又没有 足够的capacity 所以内部的需求 和外部的需求 它的冲突 就会越来越激烈 这个冲突在去年 还没有那么激烈 但到了今年 就会长激烈 因为你今年 你谷歌你要给 SRP给90多万张卡 对吧 大部分是TPUV7 还有一部分是TPUV5 对吧 大部分都是要 这个最新的TPU的芯片 对吧 那你想 你如果要训练 下一代的模型 对吧 那谷歌也需要TPUV7 你甚至现在的 3.5 甚至4 都不一定有足量的TPUV7 需要很多 用TPUV5来做训练 有充分 如果Ansherpik的TPUV7 也完全不够 如果Ansherpik的TPU ⏱
在一度很充分的话 也不会出现 你去直接调 Ansherpik的API 出现这么慢的情况 对吧 所以它这里面 肯定是有一些 冲突的矛盾的 但我觉得这里 对于谷歌问题来说 这是两个部门 一个是Germanite 一个是TPU部门 所以两边合作很紧密 但是不同的部门 从TPU的角度来说 它其实对外卖 更多的TPU来说 对它是好处 它现在卖越多的TPU 现在越早进 Frontier Lab的 适配的流程 你以后在整个市场 里面的shale 就会越大 你现在在Ansherpik 跑得越快 适配得越快 软件站的问题 解决得越快 你就能越早的 在SATA模型里面用上 每个公司 它都有惯性的 你越早进去 这个惯性就在你这里 ⏱
对吧 它就不在别的地方 对吧 所以从TPU的角度 它肯定是想在外面 卖了更多的 对吧 但是也影响到了 Germany的用量 我觉得这个问题 不太好解决 在今年都不太好解决 今年都会成为一个 很大的问题 TPU严重的供给不足 但是在明年 会稍微好一点 因为明年 因为明年TPU拿到了更多的 KoWars 然后你从分配KoWars那一端 也看到了TPU 更加持续的需求 除此之外 还有谷歌的搜索的业务 之前我们知道去年 这个搜索的业务 也遭到市场的 一个很大的质疑 那今年看到的是 搜索业务还加速了 似乎还有一个新的市场 开拓出来了 谷歌的这个广告收入的加速 你有什么评价 对 谷歌其实最近 AI对它的贡献 ⏱
确实比AI对Meta的贡献 要更加的明显 应该说 AI对它的广告收入贡献 是从去年二季度 开始有明显的变化 因为谷歌它有一个 很反常识的地方 就是它其实是有 60%到70%的 搜索 query是没有变现的 它有很多的quare 它很长 或者它又很短 很长或者很短的quare 它的变现价值都不高 对于广告主 它图关键词来讲 最直接的关键词 是最好的 比如说 我要买运动鞋 这个quare对于 Nike来说 是价值最高的 但如果你发了 一个大长串的quare 像跟AI对话一样 对吧 我有什么样的需求 我缴多少码 我喜欢旅游 我现在应该买什么样的鞋子 这不是广告主很喜欢的 因为它没有跟广告主的关键词 直接匹配出来 ⏱
所以很多问句的形式 长的quare在之前是推不出广告的 但是有了AIA1View 以及配套的投放的AMX产品以后 这发生了变化 因为你现在理解长quare的能力 比以前更强了 而且你可以在不同的步骤里面 去理解你该推广告的概率 比如说这个人 他一开始AMO的跟你互动 他买鞋的需求的时候 他可能有很多铺垫的问题 他一开始先跟你去讲 我的习惯 对吧 我大概喜欢什么样的价位 对吧 哪些品牌我很习惯 然后随着你做了两三轮对话了以后 你就发现 他现在就是要挑 他最想要的那个品牌了 他的购买意愿已经很强了 你这个时候给他推一个大的banner 给他推一个大的广告位 你不用去care到底占了你多少的 那个页面的占比 ⏱
他的CPN就应该卖非常贵 因为这就是你承担钱的最后一步 对吧 所以通过这个方式 你可以解决很多那种长的quare 过去不好变现的quare 所以他拿到了更多的增量 然后另外一方面 对于谷歌来说 谷歌其实很聪明 就比如说 你去做原来的广告 原来的广告都是在 Page Ranking那套System里面的 它经典的是一个页面里面 给你推三个 可以推四个广告 但是谷歌其实每次 给你推广告的时候 他都可以去判断 这一次的刷新后 到底是给你推三个 原来的传统的广告 还是给你推两个 加一个AI广告 还是我就应该在三个广告上面 给你加一个AI广告 到底在哪一种组合里面 我可以给你贡献增量的revenue 对吧 ⏱
比如说举个例子 去年的时候 洛杉矶有很大的山火 那出现山火的那个时候 跟家庭跟防火有关的保险 它的quare的价值就会特别高 它可以卖特别贵 然后你就发现那段时候 谷歌推广告quare的时候 三个传统的广告下面 还要再给你加一个 AI overview的s 所以它可以保证 在任何的page ranking的形式下 它都可以给你找到 增量的收入 同时它还可以满足 它推AI overview 推AMX的渗透率的要求 因为它还有大量的quare 没有做商业化变现 它在这些quare里面 推AI overview 它对AMX既可以满足渗透率的变化 又不用影响传统广告的渗透率 所以谷歌其实有很多方法 去做增量收的 ⏱
那这个事情在去年的二季度 三季度四季度 在北美就越来越明显 然后在今年欧洲广告主也开始做了 因为欧洲广告主一般都会比北美广告主 慢两到三个季度 有跟产品上限时间的影响 也有跟欧洲广告主本身 他们就有更高的合规需求 有更多的这个审核需求有关 所以今年其实是欧洲广告主刚刚开始做AI的第一年 去年是北美广告主和亚太广告主做AI的第一年 那接下来我们讲一讲微软 两年前OpenAI是微软的一个专属资产 是Azure的一个最核心的差异化 但现在微软和OpenAI的独家合作消失了 亚马逊也是宣布投资OpenAI500亿 然后OpenAI也是进驻了AWS的bedrock 你怎么看待这个格局的变化 以及未来Azure的核心竞争力 ⏱
无论是对于Azure还是对于OpenAI来说 可能都是不可避免的话 对双方来说其实都可能是一件好事情 对吧 从OpenAI的角度来讲 OpenAI之前Codex在Azure里面卖 其实丧失了最大的开发者市场 因为最大的开发者市场还是在AWS 你如果是卖一个Coding产品 你一定要卖到开发者市场里 不只是卖到Enterprise市场 因为开发者市场的爆发力是最强的 所以OpenAI一直就希望能够跟AWS有更深的合作 对于微软来说也是的 对吧 因为API这个事情本身在OpenAI的收入占比里面 它就不是一个很高的占比 它也希望能够卖更多的SRP的API 它也能够卖最强的模型的API 所以其实双方最后都会走到更加分散的场景 ⏱
然后另一个不可避免的趋势是 对于模型公司来说 模型公司的话语权变强也是不可避免的 SRP原来主要绑定的是AWS做销售 去年四季度开始GCPBertax 今年一季度开始SAFountry 它也开始分散化它的渠道 OPI也开始分散化它的渠道 模型公司的话语权越来越强 不和你绑定也是必然的趋势 你觉得Copilot应该如何去应对 像Cloud Cowork这样的新的竞争对手 现在的竞争的变化肯定是越来越激烈的 我们如果回顾当年Copilot出来的时候 Copilot主打的是几个点 第一个点就是Copilot 它是在Office体系里面 Native的 所以它可以和Office的各个产品 无缝衔接合作 ⏱
对吧 特别是Office本身是一个GUI的工序 各个产品的背后其实是一个Database 所以你在调用Database 它会说你更加的Native 特别是在之前的多模型API 用的没有那么好的时候 其实你有了这一套后面的原生性 对于很多多模型API的东西 你可能识别的更好 然后第二点的话 就是因为你和Office打通了 所以你可以用原来Office那套身份管理系统 就权限管理这套 其实在Enterprise里面是很复杂的 就是你现在个人如果做一个Copilot 然后去接你的企业用了电脑的话 你完成一个场景 你可能要做10道授权手续 你点点点点的很累的 但是因为你原来的这些已经走通了 Office的身份管理 ⏱
所以你不需要做额外的授权 所以对企业来说 它省了一笔全线管理的设置成本 然后对于你的用户 你再往 我们更懂Office的场 全线管理的系统 然后第二个点的话 它质量还比Office要高 有技术上的原因 也有微软自身的特点 如果你说技术上的原因的话 你可以说 Gemney Enterprise 它其实它的多模态能力就很强 Copilot用的很多的多模态能力 其实是用的上一代的 Co-Interpreter 它不是这一代的多模态能力 它是上一代的多模态能力 所以你在多模态做PVT上面 它就不是特别的好看 然后你再到了这种更加长的任务的处理 下来的话 Acervic它的Harness做得很好 Harness这个体系就是Acervic提出来的 ⏱
然后你到了Office的境界里面 哪怕是它一代的Copilot Co-Work 它现在的Harness都没做好 可能要等它正式发布 打磨了一段时间 以后它的Harness做好 但是你像 公式的变化太快了 就是Harness这个事情 根本没有给你很快的适应的周期 你就已经要求你的这个老产品 一整个产品 Harness晃了 所以你对Copilot 又很高的技术上的要求 其实也反映到了 一个AI Native的公司 它迭代速度就是比 适配的公司 它的速度要快很多 当你站在Copilot脚 它会说 Harness本身还是一个 Engineering的工程 对吧 我们以前可能是很卡扣的 ProEngineering ⏱
对吧 在很多场景 我们自己靠 ProEngineering来做 但是以后 因为Harness也是很多 工程化的工作 所以我们最终也能适应上 不是说很明显的算法的劣势 对吧 anyway 可能这也是对的 但是如果过了几个月 它不是Harness 它是下一代的技术 你是不是又要适应一遍 然后另外一点的话 是跟 微软自身的问题有关 因为Office Copilot 它是一个非常 Enterprise的产品 微软是一个非常注重合规的产品 所以它在用模型的时候 它是有一套调度层的 这个调度层 它会根据Corey的难易 去分配各种各样的模型 它之前的很大的问题是 它没有办法去分配给Cloud Code 没有办法去分配给4.6 ⏱
现在可能 现在跟Ansurvey合作已经深化了 然后另外一点的是 因为你人为多了一层分配 所以在降本和满足延迟的同时 你一定会牺牲掉你一部分的质量 这是第一个 第二个是 微软其实搭了一层叫 Responsible AI 你搭了那层Responsible AI了以后 它在很多涉及到价值观 涉及到合规的Corey里面 它就会人为的合规化的处理 所以就造成了 就是有些问题 它其实可以更创造性的回答 但是因为合规性的处理 它反而被降制了 就是你愿意在合规和价值观上面 和你的质量上面 它会有一个balance 所以就造成了微软的产品 没有那么零 那这个问题其实现在越来越大 越来越明显 但是好处就是为什么微软 ⏱
在这几个季度没有显现出来 是因为整个的大beta很大 微软其实有一个产品非常的好 叫Copilo Studio Copilo Studio其实是比较早的做 低代码的企业内部的agent builder 然后Copilo Studio可以让你去做客服 HR的场景 现在甚至可以让你去做面对终端客户的场景 而且为什么这个产品卖得非常好 就每个季度都是翻倍的增长 还有一个好处就是 因为你面向企业内部的agent 你的权限管理会越更严 你要打通自己的各种各样的数据产品 你要打通企业内部各种各样的SaaS的产品 他恰恰好 Face之前把这些合规给接完了 所以你能跑得比别的agent builder要快 你的销售网络也变得要越快 ⏱
所以对微软的挑战是 你已经用合规 你已经用全线管理 你已经用你的身份网 你的销售网络 打开了一个market share 但是你的产品能不能跟上 你这些agent native公司的质量 能保住你的这部分share 这是微软以后面临的更重要的问题了 Sata这次也是说 Copilot现在渗透率越来越高 从以前的卖座位到现在的卖使用量 那它对微软AI收入的收入意味着什么 其实你去看Office的增速 还是因为Copilot和Copilot Studio加速了 但是加速的不是特别明显 因为对于Copilot来讲 它整体的渗透率还没有那么高 就是Office是一个4亿用户量的产品 Copilot是一个2000万用户量的产品 ⏱
如果你按照Seat去卖 它的渗透率现在也就只有5% 而且明年也不一定会提高的很快 所以对于Office来讲 它最大的以后的增长点是 怎么能够把Copilot从一个按Seat卖的商品 去变成一个卖consumption的卖token的商品 所以这个就是Copilot Studio来做的 我们估算Copilot Studio的revenue 已经达到了Office Copilot的五分之一到四分之一 而且这个比重会越来越快 Copilot Studio它是比较 它就是一个很典型的按照consumption计算产品 因为你已经用Copilot Studio 搭成了各种各样的内部的agent 你已经build了各种各样的agent template ⏱
那你搭好了template以后 你的用户用得越多 你消耗的token就会越大 你的consumption就会越大 所以现在其实对于一些 Office Copilot Studio用户 它一个月的花费 确实也达到了1万到2万美金 而不是你原来卖一个Copilot的30美金 所以你现在就要提高它的量 但是与此同时 这个场景又是竞争最激烈的 你回过头来看 很像当年Palantir做AIP时候的场景 或者原来像它做它机器学习的场景 就是当年Palantir刚开始做这些场景的时候 就是非常多的定制化的case 对吧 然后非常多的use case 然后慢慢搭慢慢搭 变成了一套标准化的产品 然后Copilot Studio也是这个想法 ⏱
Palantir也是这个想法 Germin Enterprise也是这个想法 Operi和Anthropic商业化 都是这样的想法 所以以后大家都很重叠 都在往这个场景去做 所以以后的竞争也会非常激烈 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 接下来我们聊一聊亚马逊 亚马逊今年业绩最亮眼的是什么 因为去年觉得大家觉得亚马逊是在AI上落后了 然后今年AWS的增速又感觉回到了28% 也是15个季度最快的一个 包括这个运营利润率 13.1也是历史最高的 那亚马逊从不被买账到重新被市场喜欢 这个认知转变的核心是什么 亚马逊确实经历过了几轮的叙事的变化 就你会发现亚马逊其实在去年年中的时候 ⏱
是股价上一个高点 然后在去年底又跌下来 对吧 然后到了今年又涨回去 现在又重新到了新高 很明显它经历过了几轮的 narrity的变化 应该这么说 就亚马逊其实在24年下半年到25年上半年 是它上一个AWS的加速期 从1617的增速 然后一直到20出头的增速 对吧 这是因为它当年在卖GPU 它的GPU上量 然后到了去年 亚马逊又碰上到了很多的capacity问题 很多capacity问题也是因为亚马逊 它是一家很像硬件公司的云公司 它希望把很多问题在硬件层面解决好 所以它做Data Center的时候 它既希望能够放GPU 它又希望能够放Trainning 所以就导致了对它Data Center的建设要求非常高 ⏱
无论是在冷却还是在电 对吧 还是在很多的资源分配上面 要求的非常高 所以就造成里面的很多问题 总是Delay 就是亚马逊买了这么多电的Quota 但是放不出收入来 就是去年亚马逊永恒的主题就是 大家都觉得它又要加速了 但是最后发现加速不是很明显 然后一问公司 公司跟你说我有产能的瓶颈 所以很多产能瓶颈也是来自于 它希望能够把硬件环节做得最好 能够Leverage它自己的自研芯片的优势 实际上这个的难度是很高的 然后到了今年的情况是 这个问题解决了 这个Data Center的问题 它已经解决了 对吧 然后它又买了最多的电 亚马逊去年买了4G瓦的电 它买了电比微软要多 所以它今年是不缺电的 它今年就能放出来更多的 ⏱
用于租赁的capacity 所以你就会发现亚马逊有更多的容量 去做加速增长 然后另一方面来说 今年一季度的整个模型的alpha 肯定是在SRP SRP每个月都增长50%的AR 对吧 然后它大部分的API的量 是放在AWS的backrock上 所以就造成了AWSbackrock的增速 非常的快 所以公司说AWSbackrock 环比增长107% 环比增长的非常快 其实你去看 大概这个量就跟SRP AWSbackrock的收入环比增速 基本上是完全对齐的 你按照AWSbackrock的收入环比增速来算的话 它的环比增长差不多就是在160%到170% 就是AR的增速一定是比收入增速要快的 你回去你可以大概算数 ⏱
因为AR是个run rate的概念 收入是一个平均的概念 所以AR的增速在这个场景里面是要比收入增速环比增速要快的 对而且它在一个加速的过程里面 然后对于AWS来说 它这个季度确实有一个变化的点 是Athelpic revenue对于AWS是一个low quality revenue 因为Athelpic bargaining power很强 所以它会影响到你的margin 所以如果AWS能够证明它的margin没有影响 对于AWS的逻辑帮助会更大 那恰恰好 今年AWS的training的利用率上去 training供不应求了 training不需要在外面打折了 所以training帮助AWS可以稳住它的利润率 ⏱
所以AWS无论从加速还是从利润率来讲 它既能证明这是一个high quality revenue 也能证明这个对它的收入加速有贡献 那这个季度的亚马逊的业绩不是完美的 市场预期它AWS的增速能够到30% 但这个季度是28% 但你看公司的描述 公司很清楚讲了他们自研芯片 40%的quote on quote的增长 讲了BiRock 170%的增长 都是讲了SRB在这里的收入没问题 就是增长就是这么快 Grafton和training收入也没问题 涨了就是这么快对吧 所以我理解一季度 其实受到了Blackwell放量的影响 对吧 那Blackwell放量的影响 有可能是有一部分capacity问题 ⏱
也有可能是跟OPI合作的问题 对吧 但是你去看下个季度这个问题 大概率就被解决了 你刚刚讲到就是亚马逊 已经累计投资 Anthropic超过330亿 然后Anthropic也是承诺在 Trainium上面消耗5个G瓦的算力 那同时亚马逊也是投资了 OpenAI500亿 然后AWS既是Anthropic的投资人 同时也是它的算力供应商 那同时还在跟OpenAI合作 那这个多重的角色 它的占领逻辑是什么 对于AWS和GCP来看 你可以看到它们都投资了很多的模型公司 对吧 AWS希望之前主要的Anthropic投资人 现在也希望成为OPAI的投资人 其实从一个云的角度来讲 它是希望能够锁定 第一是它自研芯片的用量 ⏱
它需要有一个大的Frontier Model客户 作为它自研芯片的场景 才能跑通各种各样的软件站和 适配的问题 就是我给你钱 让你用我的芯片 帮我去跑通这些问题 所以这是第一层逻辑 那第二层的逻辑是 希望把你锁在我们的云上面 我除了自研芯片 也给你更多的GPU的用量 让你把你的API放在我这里 让我在你那里的API 占更大的份额 在你的Inference那里 占更大的份额 从AWS的逻辑是这样 你从谷歌的逻辑也是这样 谷歌也是Anthropic的投资人 谷歌最希望也是Anthropic 能够成为它的TPU的外部 最大的客户 能够把TPU的场景好起来 其实你从TPU角度来讲 它已经完成这个任务了 ⏱
Mesos模型 已经可以在TPU上面 pre-train 那到了training 还没有达到这个要求 现在你像模型 还没有办法在training上面 pre-train 但是很多experiment 也可以在training上面做了 那最后一个公司 讲到这个Beta的 这次广告数据里 其实也有一个 挺有意思的现象 就是一个广告展示量 增长了19% 同时这个广告单价 也涨了12% 我们知道在广告行业 这两件事情 通常是矛盾的 因为增加了广告库存 供给多了 单价应该是往下降的 但这次两者是同步的上涨 那怎么去理解这个增长呢 我其实觉得这个季度 Meta的增长 它是同比加速了9个点 里面有4个点 是因为汇率的影响 ⏱
两个点是因为 20年底有美国大选 所以基础上面 稍微低一点 还有3个点的影响 一半是推荐算法的风险 一半是产品维度的风险 其实对于Meta来说 它的很多的库存的变化 是来自于产品形态的变化 就Meta走的路 很像当年 20年 21年 22年 抖音在国内走过的路径 就是Meta从去年的三制度 开始猛推一个广告的产品 叫做overlay ads overlay ads就是软广 广告的视频形式里面 会加一个广告 我们在抖音看到很多 瓜子二手车 对吧 转转 一个主播讲了五分钟 突然开始推转转 突然开始推瓜子二手车了 对吧 在Meta里面 这个东西刚刚开始起步 而且美国的很多的QL和agency 他没有找到加软广的方法 ⏱
以前Meta对这里限制的很严 他会要求这个广告的形式 和你的视频的形式是匹配的 比如说 你是一个运动鞋的广告 那你尽量要把它放在一个运动博主里面 对吧 你不能在运动博主里面的视频里面 推一个二手车的广告 pero 但是这个形式在国内的抖音已经很常见了 所以这涉及到一个匹配机制 对吧 它是涉及到生态 涉及到普遍机制 涉及到QL要学会怎么去加这些软广 但是这个过程就是你一开始走了 你一开始去搭这个生态机制 它的库存就会放得非常快 所以其实最近两个季度 Instagram的广告库存放得非常的快 然后软广这个事情本身是一个很好的广告形式 它可以卖很不错的价格的 所以OVERLAY ADS包括从今年的一季度开始 ⏱
META把它改名叫做PARTNERSHIP ADS 其实对META来说是能够在不影响广告单价的情况下去拉动 impression的增长 然后到了广告单价的影响里面 这里面也有很多影响 广告本身正常就会有单价的提升 然后也有通胀的影响 也有各种各样情况的影响 对吧 以及你广告推荐效率的变化 也会有很多 但是我们想说的是 就是推荐算法的帮助 对于META这样的广告公司来讲 它每年不是一个五个点以上的贡献 它每年是一个五个点以内的贡献 在单个季度能够有一到两个点的贡献 已经很好了 就为什么现在的一季度的贡献能很好 是因为去年12月底 META上了一个模型叫LATTE L-L-A-T-T-E 这个模型在META的采报后去发了Paper ⏱
对大多数的 就是跟AI有关的公司发Paper 并且这个Paper 在公司里面被采用 其实是一个少见事件 就是我们可以很有意思的去说 就是Germani发了大部分的Paper 它跟Germani真正的算法迭代 都没有强相关性 Germani发了大多数的Paper 都是一年以前的技术 或者就不会用技术 对吧 OPI and Serapik也是 就是大家都不希望你的技术 被竞争对手学到 对所以大家倾向于发的Paper 都是过时的Paper 或者没有significant contribution的Paper 就大家会记得 大概一两个月前出现了一个 谷歌优化TV cache的一个乌龙 后来发现那个Paper在Germani里面 ⏱
根本就没用 因为那个Paper只能用在10别类以下的 但是在Meta这次不一样 就是Meta的这次Latee是真的是做得好 采发Paper 然后Latee其实我觉得对一季度 是有比较明显的贡献 但是这个贡献你就算衡量下来 也是一个小个位数的贡献 对于大多数情况下 对一个技术贡献可能都是不道理的 就是我们在推荐算法 在AI在Frontier Model时代 你会觉得每年有几个点的贡献是习以为常 但如果你在Frontier Model之前 就是在引入模型 引入GPU之前 其实当年一次大的算法迭代 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 所以推荐算法的改动 它不是一个大几个点的贡献 ⏱
它对每年更多是小几个点的贡献 更多还是Meta自己产品迭代的变化 但你可以说Meta产品迭代 确实在很多地方有变化 比如说虽然不一定是在大模型 这个语境里面 但是你像Meta过去几年 它无论是做Copy Conversation API 还是去做Advantage Plus 都是投放迈向自动化的过程 只是它不一定很大模型 Meta做AI除了对推荐算法有帮助之外 还有什么意义 其实它会有短期的帮助 它也会有长期的帮助 如果你从短期的帮助的话 大部分非推荐算法的变化 其实主要都集中在Meta的几个产品里面 比较典型的产品像Advantage Plus 它是一个自动化的投放系统 而且它可以说它有一个产品叫做Advantage Plus Creative ⏱
做AIGC素材这两个产品可以联动 可以轮播 可以轮播自动做素材的广告 所以你其实你大概你放一个广告的样式 你就可以让Advantage Plus调不同的背景 对吧 去涂深涂 去调不同的素材 所以你就可以千人千面 去提高你的精准度 对吧 所以你其实用很多第三方的AIGC的素材 在Meta里面是用不好的 有一部分是因为审核的原因 还有很大的原因就是你没有办法和它的 自动化系统做轮播的投放的联动 然后另一方面的话 你像Meta在很多场景里面 也开始做AIGC的体系 像Meta有一个很好的产品 那个Business Messenger 我们想象一下就有点像 你在微信朋友圈里面 碰到一个企业微信的广告 点进去了以后 ⏱
有一个企业微信的人去接触你 对吧 至于这个企业微信 它有可能是一个真人 它也可能是一个Agent 你可能不知道对吧 然后你像Business Messenger也是 你跳转了以后 它会在Messenger里面 它也可能会在WhatsApp里面 但是你像原来的这种销售线索类的产品 Meta其实主要推得好的是在东南亚 因为东南亚的人力成本便宜 但如果你要在美国做 就没那么划算 因为美国的人力成本它贵 就是你去投Business Messenger的广告 你滑下来 就是你按照单个销售线索转化 比如说我们说CPA的转化 它一半的成本是广告成本 另外一半的成本 其实是背后的那个人力客服的成本 甚至更高 那为什么能在东南亚呢 ⏱
不同是因为东南亚的人力客服的成本 它很低了 所以你可以去卖客单价比较低的产品 不至于一定要去卖客单价非常高的 比如说B2B的线索 或者一些轻车类的产品 或者那种比较偏向于教育类的产品 但是这在美国是一个很现实的问题 因为你的人力成本很高 所以你这些销售线索类的产品 你只能卖那些单价比较贵 ASE比较贵的项目 所以很多其实是卖B2B的线索 但你想象一下 现在趋势是 如果你把背后的人力成本为整化 你降掉80% 是不是你的总的广告的成本 就会下降40% 你50%上架了80% 你的总的成本就会下降40% 那你这40%里面除了有一部分 会变成投放公司的利润以外 大部分的量 它会重新scale到它的广告预算里面 ⏱
那你这个产品的单价 它就会往上涨 它的business model 没有我们去讲推荐算法那么简单 但你稍微照一下 你其实可以把这个经济的优异模型给算出来 然后你在这个模型里面 对于广告书的变化来讲 它就可以做更下沉的线索 我不光可以做B2B的线索 我可以做一些普通的商品 我原来我只能卖1000美金的东西 我现在也可以卖100美金了 那我量就会去找 我甚至我不光可以接那些大商户的 我也可以去接一些小商户的 我头发广告客户群也会增加 还有你包括说再往后 Meta现在在做一套新的产品 叫做business AI business AI里面有一个产品 是你通过给它一个URL 或者你给它一个你产品的摄像图 ⏱
它就帮你做素材 那你制作素材成本就能降的更低 你不是像原来的图身图 比如说我举个例子 你把你官网的URL给它 它就给你配好了素材 配好了转播语 对吧 然后你恰恰好你对素材要求 你又不是很高 对于很多个人看法者 小的软件公司 小的APP公司 或者一些比如举个例子 你是美容院的 你是做什么的 这个对你做素材 其实是很有帮助的 对吧 所以你有可能能扩散 扩大你更多的广 所以另一方面来说 AI是降低了你广告投放的门槛 无论是你做素材的门槛 还是你优化广告的门槛 还是你背后人力克服的门槛 还有很多维度我都能优化 只是比推荐算法稍微渐渐一点 从长期来看的话 它有很大的价值 就是你想 其实Meta里面的很多的广告比重 ⏱
是做不过谷歌的 比如说我举个例子 车 车 旅游 车和旅游都是谷歌很大的品 旅游在谷歌的广告的预算里面 差不多接近10% 车也是大几个点的平均 但他们在Meta里面的比重就比较低 你很容易去想 就是你如果要旅游 你如果要买车的话 你是不是先要去搜索 你如果要买车的话 最高价值是不是 你已经搜了特斯拉 然后他再给你出了一个特斯拉的广告 是不是你承担的价值可能性是最高的 所以那个关键词就应该卖你最高的价值 但是对于Meta来讲 你不会在Meta里面搜车吧 你没有在Meta里面搜 去哪里旅游吧 这就造成了Meta其实缺少这部分的线索 和用户数据 但是你去接了 那个 他现在有一个search的那个chatbox ⏱
那个search背后 接他自己的模型了以后 他就能去搜 用户就能在那个search里面去搜 我要买什么车 我想去哪里旅游 那我是不是就有他的线索了 我就有这个用户的能够匹配的数据了 那往长期来看 我就能提高我在旅游 我在车里面的广告的预算的占比 这个事情不会很快 但是这个事情很重要 你像以前Meta这个search里面 很多是用的Germi 但现在Muse Park Avocado上了以后 他就可以用自己的模型了 他就能拿到自己更多的线索的数据了 所以对长期来说 Meta其实可以破它的广告品类的 说到这个Muse Park 它是Meta第一个自建的frontier model 而且Meta没有cloud business ⏱
它是只能通过AI的投入 去把自己的产品去变现 那如果自研模型 让Meta能够建立起 这个35亿的日活用户的 这个数据飞轮 那对OpenAI和谷歌意味着什么呢 我觉得对OpenAI和谷歌 谷歌不会有什么特别大的影响 因为Meta的模型还是主要定位于自用 虽然它以后有可能会变成一个商业模型 但是如果你要变成一个商用模型 最重要的还是你能不能跟上Tier1的三家公司 甚至现在的Tier1可能是两家公司 谷歌有可能落后0.25或者0.5个升位 但是因为谷歌的算力很大 所以很快也会Ketchup 如果你不能到前三家 其实你很难在商业化上面有很大的优势 你既没有开源模型的价格 你有没有一线模型公司的能力 对吧 ⏱
所以其实对于Meta来说 它能够把自己的场景定位好 它能够在自己的场景里面有更高的性价比 它能够围绕它的场景 做更多更好的模型改动就很好了 对吧 所以你去看这个Meta其实除了X网以外 还有几位其实都在负责产品端的 对吧 还有包括说收购minus 也是为了能够让它自己的产品跑得更快一点 其实Avocado这个模型能够在这么快的情况下 做到这个水平已经很不错了 因为你想Meta和另外三家模型不一样 对吧 Meta的人都是从各个地方拉过来的 大家有不同的路径 有不同的想法 有不同的know how 你现在把它们揉一遍 还不能在原来的Lama体系里面 当然这一代可能还有很多Lama 下一代可能就跟Lama没关系了 ⏱
然后你要重新做一代 然后你在几个月时间之内 能够做到Gemini3的水平 已经非常好了 我觉得对Meta来说已经非常好了 就再往后我们对Meta的要求 可能不是说这个模型 对Y能赚多少的收入 它能够最适配它的推荐算法 能够帮它推荐算法能提升 能够在它所有的产品里面 能够用起来 然后能在Meta的广告里面 见到加速 其实就能减少对于它KPEX的担心了 Meta这个季度 其实暴跌的原因 还是源自于KPEX和收入加速的错配 这次收入虽然加速了9个点 但是刚刚达到Meta指引的收入的高端吧 而且我们之前也提到 它有6个点是基数的一下 4个点来自于汇率美元指数的技术 2个点来自于之前美国大选竞选时候广告的技术 ⏱
对吧 所以你真正的产品的收入加速是三个点 刚刚达到高端 其实Meta之前每个季度 它的收入一般会比它高端要多一个点 或者多一个点以上 这是收入端的变化 收入端的变化没有那么明显 然后另外一个是KPEX的变化 KPEXMeta加了100亿美金的KPEX 相当于加了7%的KPEX 但是这7%的KPEX 其实对下半年印象很大 因为它一季度KPEX是比预期要低很多的 它一季度KPEX很小的 所以你想你要把你一季度MIS的KPEX那部分的数 加到后面三个季度里面 你还要把你增加了那个10个Billion的KPEX 加到后面三个季度里面 那你后面三个季度KPEX就会越来越高 越来越高 越来越高 所以你最后一个季度KPEX就会比你原来的 ⏱
这个季度前 假设最后一个季度KPEX要高很多 肯定不是高7% 你是高百分之十几 看每个人调 有可能你要高20% 越往后KPEX影响越大 那你想 那这么一算 你27年的KPEX就比你之前拍的27年的KPEX要大很多了 那你27年对于它的利润的影响不就要更大了 所以26年因为公司没有去调整它的OPEX的变化 OPEX的变化分两种 好的部分就是公司在裁员 那差的部分就是KPEX在提 KPEX提了以后就会变成折旧成分 但如果你裁员了以后 你的研发你的销售你的GA的成本就会下降 就会互相抵消 所以今年就是这么一个抵消的过程 但是你的KPEX明年提了很多了以后 你明年还能裁这么大的参员幅度吗 对吧 如果你从一个投资人角度 ⏱
你会线性推倒 你就会把明年的利润给调低了 就是这个是Meta反映这么大的原因 我自己其实是感觉Meta是这一批用AI提效用的最激进的公司 我相信可能也有很多听众是Meta的工程师对吧 就是Meta的PIP考核已经考核这个代码量了对吧 然后你从员工角度来讲 就是用Multi Coding Agent的 用AI做代码的都会有激励对吧 然后也给了大家很大的这个Coding的Consumption 所以Meta其实是最AI Coding化的 但是最AI Coding化这个事情 一方面是让每一个工程师的有效工作时长缩短了很多 可能原来有效工作时长一天有五六个小时 现在如果你非常AI化的话 你可能只有一两个小时 ⏱
然后另外一个点的话是Meta其实也做了很多举措 帮助公司去征留一些工程师的SKU 对吧 所以这其实你的有效工作时间减少 你的效率提高了以后呢 要不然公司做更多的产品迭代 要不然公司就会往下一步的裁员去发展 我们确实看到Meta做了更多的产品迭代 你会很明显看到Meta在一些产品上面的开发进度 比以前快很多了 比如说我们之间提的overlay as软广 还有包括提到Meta其实大大增加了 他们做DSP广告 做Meta Audio Network的工程师的数量 对吧 都能看到Meta的产品力 就是生产力 因为Coding释放了有更多的市产力 在不参加人员的情况下 开发速度比以前快很多 但是同样也会看到裁员的幅度比以前大很多 ⏱
所以如果明年还能有相应的裁员的话 这个对KPAC担心也会缓解 就明年大家可能会看到 虽然KPAC加了很多 但是OPEX仍然没有明显增长 我觉得这也是有可能的 你觉得现在硅谷的裁员节奏大概是到哪一步 我们是刚刚开始还是怎样 我觉得其实第一步影响到生产力的变化 从去年的7月份就有影响了 去年7月份你看美国的数据 第一次就业没有完成目标 我记得当时我们写了一篇报告做讨论 提到以后可能每月都是这样的 从去年7月开始 因为已经看到很明显了 今年肯定是更明显了 过去几个月就业也一直 大部分的月数可能也没有达成目标 从大厂的角度来讲的话 Meta 英伟达是 coding渗透率最高的 代码量最高的 但是你从整个的生态来讲 ⏱
其实工程师都经历了几个过程 对吧 去年底的时候 我们可能还会讲 如果你是一个AI native的公司 你有50% incremental的 coding的代码量是由AI来做的 你就很好了 但到了今年1月底 对一个AI native的公司的要求是 你所有代码都得是AI写的 然后到了2月份 到了大家开始大规模用4.6了以后 有了更高的要求是 你不光要有一个coding agent 你还要把你的coding agent做编排 你要有多个coding agent 你甚至有5个10个 对吧 然后到了3月份 进一步明显了 对吧 甚至出现了很多远程coding的概念 你会发现 就很多工程师他会说 我这次出去玩 ⏱
我可以不带电脑 我在手机上面下命令就可以了 因为以前你都要带上电脑 随时on call 然后甚至你会发现 大家说我们睡前一定要挂一个任务 不然睡觉了那8个小时就浪费了 甚至原来你是做5个multi coding agent的 现在有的人激进可以做100个 甚至可以做2000个 我们公司就有一个产品经理 一直跟我说 他已经做了14000个了 所以我对到底有多少个能用 一直都没有太搞明白 对吧 所以你会发现 这个生产力提高的效率和方法 是按照月度来迭代的 每一个月的生产力衡量的标准 都是不一样的 那它的生产结构出现变化了以后 其实已经很能再调整回来了 对于一个工程师的要求 以后评价的标准就是 你是原来人力coding编程师的时候几倍 ⏱
这个倍数可以直接按照你的 coding API的consumption去看出来 其实你再往后 对于工程师的要求 就会更加的复合 就不光你要代码能力很强 你还要有多线程的能力 而且你要不停的去想需求 你的迭代速度也要快 你才能够去管理更多的agent 你才能够做到那么多的coding consumption 如果你还是原来的 单线程的工作方式 你其实是花不了这么多consumption的 所以以后对coding工程师的标准 跟以前也不一样 其实是新的一种职业的工种了 如果你出现了一种新的职业的工种 就一定会出现前后的交替 这可能是不可避免的 我们观察到大部分现在AI的变现 它本质上是效率的提升 那同样的事情做得更快更便宜 ⏱
但真正支持长期估值的是出现了根本 在AI出现之前根本不存在的一个市场 你有没有看到这种系统性的证据 表明AI正在创造一个增量的价值 而不只是是重新分配存量 今年确实很多的增长是来自于替代人力的成本 替代OPEX 然后另一部分是替代整个Enterprise SaaS的市场的规模 但OPEX其实是一个很大的数 因为你原来你在之前的云的行业里面一个企业的IT 因为它会占到它的Total Revenue的3%到4% 然后这一部分的预算就是给各种各样的SaaS公司 给各种各样的数据库的 所以能够有一个Billion的IT Spending的公司 很少很少很少 只有苹果或者这些特别大的公司才能做到 对吧 但是OPEX是个很大的概念 ⏱
OPEX占到一个公司的收入可能是30% 它是一个7倍的概念 所以如果你能够替代人 是有很大的收入的增量 但后面你遇到的问题就是 你替代了人了以后 那这部分人它是永久性的失业 还是因为你提高了AI的工作效率 你创造了更多的场景需求 确实现在没有看到这么多的场景需求 但是替代人力的变化 现在已经非常非常的明显了 其实你像现在到了Coding 已经实现90%的AGI的能力了 Misos可能就已经是第一代 部分实现Cellplay的Coding模型了 如果Coding能够实现90%的AGI能力 那基本上其他领域实现AGI 可能也就是28年或者到29年的事情了 28年29年就是下一代模型了 就是到了10个Training的模型 ⏱
可能就已经到了下一代AGI的范式了 所以如果你是从这个角度来想的话 替代OPEX的过程 从现在起其实应该会加速才对 所以到了明年或后年确实会有更多的社会问题是不得不去解决的 涉及到福利 涉及到转移支付 或者你是不是会有AI裁员税 你是不是会有Token税 这些都是必须得解决的 然后涉及到新增产品 因为AI本身就是一个提效的产品 你和短视频杀时间不一样 AI本身不是一个杀时间的产品 所以你从创造生态价值来讲 你可能不能指望靠AI去创造很多的需求 你可能需要想的是 如果AI大大提升了工作效率 你让所有的软件预算变得更高效 你解放了更多的OPEX的成本 当转移支付又能够跑通了以后 剩下的这批人 他不需要适应完全的工作以后 ⏱
他有更多的消费时间 如果又有转移支付 能够让他们又有更多的可支配收入 那其实在工作以外 会出现一个更大的消费级的市场 只不过在解决这个消费级市场之前 你可能要解决很多的再分配的问题 当你有了一个更大的消费级市场以后 那每个人就有了更多的时间 你有了更多的时间以后 你就会有更多的consumer产品 你可能是互联网产品 你也可能是AI的产品 你可能就有更多的需求起来了 我觉得它可能不是一个非常直接的关系 它可能要照两个弯 变成一个更间接的关系 那今天最后我们还是回到这个AI收入 放到CAPEX的背景下面来理解 那四家公司今天说过 2026年合计的CAPEX超过了6300亿 而目前现在可以追踪到的AI相关的收入 ⏱
包括云的AI服务 推理的API AI订阅 年化大约是在1000到1500亿美金之间 这是一个大概4到6倍的一个投入产出比 未来你认为这个收入端和资本支出端的中间的差距 未来会怎么样变化 肯定会随着时机缩小 现在肯定是一个不太好看的数字 但是今年的数字已经比去年数字好看很多了 你像今年整个云的CAPEX 你大概是7000亿吧 然后你大概跟GPU跟AI相关的你打个6到7折吧 对吧 然后你这几个模型公司的AR来看的话 SRP一个年底可能是一个100个Billion AR OPI可能是60到70个Billion Germni可能是一个300到400个Billion 所以你这么算合起来 其实是一个2000亿美金的AR ⏱
对吧 你差不多可能占到云跟AI相关的CAPEX的三分之二吧 但是CAPEX的概念是 它是提前做未来4年的投资 你的CAPEX如果你停了 也可能你的这些AI的AR 你还在增长 对吧 它是做提前的投资 所以如果你到了明年 这个差距就会进一步的缩小 对吧 如果明年这些模型公司到了明年年底 有个4000亿对吧 那你可能到了明年 这个数字就不是三分之二 不是一半三分之二 它可能就到四分之三了 对 你看起来数字就会舒服一点 为什么 其实你看现在的市场的反应也很明确 因为市场现在在反映的是 模型公司的AR在加速 在反映的是这个商业模式 越来越像是一个真的模式 而不是让去年 去年面临的很多问题是 KEEPAS的增速比AI的收入增速要大 ⏱
如果你去看incremental revenue的贡献 就是这些incremental的成本 是远远是这些incremental revenue的好几倍 但是现在incremental的成本 相比incremental revenue的比重是在 越来越接近的 对吧 所以其实今年是在反映 对这个的concern越来越减小 ⏱