Please ensure Javascript is enabled for purposes of website accessibility Mag 7 财报:超大规模云服务商进一步看好人工智能多年增长周期 - 骏利亨德森投资 - 中国投资者 (ZH)
中国核准合格境内机构投资者专用

Mag 7 财报:超大规模云服务商进一步看好人工智能多年增长周期

投资组合经理 Alison Porter 探讨了从亚马逊、Alphabet、微软和Meta最新季度财报中得出的关键启示。对人工智能基础设施的需求以及资本支出计划依然异常强劲,这表明市场对人工智能驱动的长期增长的信心依然坚定。

2026年8月12日
7 分钟阅读

焦点分析

  • 人工智能需求仍受制于供应瓶颈,超大规模云服务商表示,制约增长的主要因素是可用计算能力,而非客户需求。
  • 云平台正通过加速营收增长、推断工作负载增加以及客户承诺范围扩大,展现出日益显著的人工智能变现成效。
  • 创纪录的积压订单、对定制芯片投资的增加,以及资本支出持续增长的预期,共同支撑了人工智能基础设施受益企业积极向好的前景。

几家最大超大规模科技公司发布的最新财报,为人工智能基础设施支出的走向提供了明确信号。尽管资本支出创下历史新高,且短期自由现金流面临一定压力,但亚马逊、微软、Alphabet和Meta的管理层都强调了同一个观点:对人工智能计算能力的需求仍持续超过现有供应。

对投资者而言,重要的是,相关讨论已从基础设施建设转向了如何实现其商业化。云业务的加速增长、客户承诺的扩大、定制AI芯片使用量的增加以及AI赋能服务的日益普及,这些因素都表明未来营收前景日益明朗。

我们归纳了最新研究的关键主题,以及这些主题对人工智能基础设施投资下一阶段可能产生的影响:

 1. 人工智能需求仍受制于供应不足

尽管资本支出创下历史新高,但这四家超大规模云服务商的报告证实,人工智能基础设施的需求仍持续超过供应。需求增长正受到计算能力、芯片、电源以及电网基础设施的制约。

2. 人工智能领域的资本支出预计将持续增长至2027年 

尽管这并不被视为公司正式业绩指引,但关于四大超大规模云服务商业务前景及供应限制的讨论表明,,资本支出(capex)可能会持续增长到 2027 年。截至目前,微软、亚马逊、Alphabet和Meta对2026年的年度资本支出指引总额已达7300亿至7600亿美元,其中4300亿美元计划于下半年投入。1分析师预计,资本支出可能持续增长,到2028年将超过1万亿美元,2且资本支出增长的趋势预计将延续至未来两年。

 3. 人工智能的商业化进程正在加速

据报道,Alphabet、亚马逊和微软的云业务部门营收增速分别达到82%、37%和39%。

  • 快速增长领域:云平台

随着客户的人工智能工作负载从初期的试点和训练阶段转向大规模生产模型和推理任务,亚马逊网络服务(AWS)的增长速度加快至37%。同样,谷歌云在最新一个季度的营收增长了82%,这主要得益于其模型推理和Gemini API(应用程序接口)的使用量增长。

  • 人工智能正在加速广告和搜索的变现进程

通过改进工具、推荐系统和建模,间接AI实现了强劲的变现,从而推动了转化率和广告收益的提升。以Meta为例,该公司受益于人工智能,在客户定位、内容推荐和广告活动优化方面均有所提升,从而提高了转化率,并获得了更高的广告投资回报率。

值得注意的是,尽管Meta是资本支出最多的公司之一,但目前它并不向第三方出售其计算资源。Meta的整体营收增长率为28%,在四大超大规模云服务商中表现最为强劲,但由于尚未公布订单积压情况,这种增长水平的可持续性尚不明确;此外,其为销售计算服务而设立的云业务部门仍处于发展初期。

  • 增长缓慢的领域:商业订阅扩大

目前,商业订阅扩大(随着部署规模扩大而购买更多用户许可)仍落后于基础架构的实际使用情况。微软报告称,最新季度中,付费的 Microsoft 365 Copilot 商业订阅达到 3000 万个,尽管这一数字有所增长,但仍仅占其客户基数的很小一部分。我们认为这也表明,以人工智能为核心基础(而非事后附加人工智能功能)而设计的人工智能原生工作负载,目前仍处于起步阶段,但未来其采用率很可能会大幅提高。

4. 积压订单大幅增长:提高对基础设施增长可持续性的可预测性

三大云服务提供商——亚马逊、微软和Alphabet——报告称,其未交付收入(即已签约但尚未交付且尚未确认的收入)创下历史新高。这些积压订单总额超过1.6万亿美元,约为其年营收的5至10倍。虽然合同期限和确认收入的时间各不相同,但预计平均而言,约25%的未完成订单将在未来12个月内完成并确认为季度收入,这表明这些公司目前拥有较高的业务可预测性。

5. 定制芯片投资的增加及其商业化  

尽管Meta和微软仍在开发并逐步推进各自的芯片计划,但亚马逊和Alphabet自2012至2013年以来便一直在投资定制芯片。这使他们在开发用于人工智能训练和推理的专用芯片方面占据了先机,并据此优化了其人工智能基础设施,从而提高了效率并降低了成本。对于这些公司而言,定制芯片不仅是一种实现差异化的手段,还能为其自身及客户节省成本。

亚马逊指出,其专有芯片业务在最新一个季度的营收已突破250亿美元,较第一季度的200多亿美元有所增长。目前,亚马逊仅通过云即服务模式来实现其芯片的商业化,而Alphabet除了云服务销售外,还开始将自主研发的TPU(张量处理单元)系统硬件部署到客户的数据中心中,而不仅仅是通过Google Cloud远程提供该服务。

6. 云超大规模服务商正从混合了专有模型与开源/开放权重模型的多模型系统中获益

超大规模云服务商能够通过单一平台为客户提供广泛的人工智能模型,其中包括专有模型(例如 OpenAI 的 GPT 模型)和开源替代方案。这简化了部署、安全、治理和成本管理,使客户能够针对每项任务选择最合适的模式,同时让云服务提供商能够通过人工智能基础设施及相关服务创造更多价值。鉴于供应方面的限制,提供专有、开源及开放权重模型的组合,使超大规模云服务商能够销售利润率更高的服务。亚马逊指出,其Bedrock服务(一个完全托管的平台)在过去六个月内新增的客户数量,超过了该服务推出后的头两年总和。

7. 随着超大规模云服务商的演进,利润率结构呈现分化趋势

亚马逊和Alphabet凭借各自在芯片领域的专业优势以及内部效率的提升,扩大了云业务的盈利能力;而微软则因基础设施支出庞大及折旧成本较高,利润率仍面临一定压力。对亚马逊而言,云业务不仅是公司增长最快的业务板块,更是目前最赚钱的业务。对于Alphabet而言,其云业务部门的盈利能力虽不及核心的搜索和广告业务,但盈利能力已大幅提升(同比增长超过200%),并对总营收做出了显著贡献。总体而言,在这三家公司中,微软的利润率最高,但其云业务的毛利率有所下降。我们目前已看到迹象表明,这些超大规模云服务商正逐渐发展成为人工智能编排的主要平台,通过单一平台或工作流来协调多个人工智能模型、应用程序和数据源。在这个日益呈现多模式特征的世界中,这一流程使企业能够优化成本并提升安全性。

结论:人工智能基础设施的投资周期仍有发展空间

超大规模云服务商继续报告称,对人工智能基础设施的需求依然强劲,但增长受到人工智能供应能力的制约。这表明,人工智能的投资周期和基础设施建设仍处于初期阶段,这是一个将持续数年的过程,尚未达到顶峰。

人工智能的商业化正在不断演进,各家公司正通过多种渠道创造收入,包括定制芯片和多模型系统。与此同时,积压订单使人们能够更清晰地预判未来需求的可持续性。我们认为,这进一步印证了投资于那些推动人工智能基础设施建设的企业具有充分理由。

倘若英文版本与中文版出现歧异,概以英文版为准。

提述个别证券并不构成购买、出售或持有任何证券、投资策略或市场板块的建议,亦不应假设个别证券有利可图。骏利亨德森投资、其联属顾问或雇员可能持有前述证券。

恕不保证过往趋势将会延续,或者预测将会实现。

除非另有说明,所有公司信息均来自财报公告和电话会议记录。 亚马逊投资者关系部;2026年第二季度财报;2026年7月30日; 谷歌博客;2026年第二季度财报电话会议:首席执行官致辞;2026年7月22日; 微软投资者关系部;2026财年第四季度财报;2026年7月29日; Meta 2026年第二季度财报电话会议实录;2026年7月29日。

1公司报告,Statista 数据截至 2026 年 7 月 30 日。

2摩根士丹利、美国银行的预测,截至2026年7月底。

应用程序接口 API):API 使两个软件组件能够通过一组定义和协议相互通信,从而交换数据、特性及功能。

未完成订单(剩余履约义务,简称RPO):指公司因尚未提供服务而尚未确认的合同收入金额。不断增长的积压订单可以更好地反映未来收入情况。

资本支出(capex): 为购置或升级固定资产(如建筑物、机械、设备、车辆、技术等)而投入的资金 ,旨在维持或改善运营,并促进未来增长。

云计算:通过互联网而非本地计算机或服务器提供计算服务,包括数据存储、处理能力和软件。

专用集成电路:专为特定用途而非通用用途设计的计算机芯片。亚马逊和Alphabet等公司开发定制的人工智能芯片,以提升性能并降低成本。

企业席位扩展:指一种传统的软件增长模式,即随着各团队和部门对办公场所人工智能工具(如企业级助手或大型语言模型)的采用日益普及,组织通过购买更多用户许可(“席位”)来扩大部署规模。

自由现金流(FCF):公司在扣除日常运营费用和资本支出后所产生的现金。然后,该公司可以利用这笔现金进行收购、派发股息或偿还债务。

生成式人工智能:一种能够基于从海量数据集中学习到的模式,生成包括文本、图像、音频和软件代码在内的新内容的人工智能。

超大规模云服务商:指运营庞大数据中心网络,并在全球范围内提供计算基础设施的大型云计算公司。例如亚马逊网络服务(AWS)、微软Azure和谷歌云。

推理:利用经过训练的人工智能模型生成输出结果的过程,例如回答问题、生成图像或进行预测。

大型语言模型(LLM):一种基于海量文本数据训练的人工智能模型,能够理解并生成类似人类的语言。

变现:通过产品、服务或技术投资来创造收入的过程。

多模型环境:一种人工智能生态系统,其中组织会根据任务需求,同时使用多种人工智能模型,通常将专有模型与开源模型相结合。

开源:一种人工智能模型,其底层代码以及(在某些情况下)模型权重均向公众公开,供开发者使用、修改和分发。

开放权重模型:提供最终训练好的参数和模型架构,但通常由于法律、成本或隐私方面的限制,不会提供完整的训练数据集或完整的数据采集方法。

专有模型:由某家公司拥有和控制的人工智能模型,其访问和使用受商业条款约束,而非开源许可。

TPU(张量处理单元):谷歌专门为人工智能和机器学习工作负载开发的定制芯片。TPU的设计旨在比传统处理器更高效地执行人工智能计算。

任何对个别公司的参考,仅供说明用途,并不构成买入或卖出投资建议,法律或税务事项的忠告。