Alphabet 第二季度 AI 投资推动营收增长 24%，Gemini 用户达到 9.5 亿

Alphabet 第二季度的 AI 投资带来了迄今最明确的商业回报，营收增长 24%，Gemini 应用的月活跃用户达到 9.5 亿。Google Cloud 营收增长 82%，模型 API 每分钟处理约 220 亿个 token。这些数据表明，Google 的 AI 战略已超越模型演示阶段，开始进入公司的财务引擎。

这一季度也改变了围绕 Google 的竞争格局。OpenAI 开创了消费级聊天机器人市场，而 Microsoft 则借助这一势头强化了 Azure 和办公软件。Alphabet 如今展现出另一种威胁：一个将模型、自研芯片、云基础设施、Search、YouTube、Android、Workspace 与数十亿现有用户连接起来的集成系统。

然而，这种集成的成本十分高昂。Alphabet 本季度在物业和设备方面支出近 449 亿美元，导致自由现金流降至零以下。核心问题已不再是 Google 能否吸引 AI 需求，而是这种需求能否证明一项扩张速度超过当前现金创造能力的基础设施计划具有合理性。

Alphabet 第二季度 AI 投资反映在营收中

Alphabet 第二季度业绩将 AI 的采用与广告、云计算和消费产品领域可衡量的增长联系起来。

Alphabet 报告称，截至 6 月 30 日的季度营收为 1,198 亿美元，高于一年前的 964 亿美元。其财报将这一增长归因于 Google Services 和 Google Cloud 的全面强劲表现。

Google Services 创造了 945 亿美元营收，同比增长 15%。Search 及其他广告收入增长 17%，达到 633 亿美元。YouTube 广告收入增长 13%，达到 111 亿美元；订阅、平台和设备收入增长 15%，达到 129 亿美元。

这些数据之所以重要，是因为生成式 AI 一度被视为对 Google 最赚钱产品的威胁。聊天机器人无需引导用户浏览传统的搜索结果列表，便可直接回答问题。这种行为显然会给依附于搜索查询和网站访问的广告业务带来风险。

至少在本季度，Alphabet 公布的业绩指向了相反的方向。在 Google 扩展 AI Overviews 和对话式搜索界面 AI Mode 的同时，Search 营收实现加速增长。管理层表示，这些功能正在增加查询总量，而非取代原有活动。

公司尚未公布足够的独立数据来彻底解决这一问题。Search 营收可能因查询量增长、广告定价、定向投放改善、重大事件或广告主需求变化而上升。一个强劲的季度并不能单独确定生成式 AI 的贡献。

世界杯也推动了广告活动，尤其是在 YouTube 和 Search 上。这种暂时性提振使得我们更难将 Search 17% 的增长率视为衡量 AI 商业化成效的纯粹指标。

尽管如此，这一趋势仍然意义重大。Google 在引入生成式回答后，并未出现一些批评者所预期的搜索广告收入立即崩溃。该公司报告称，使用量和 Search 营收同时上升，为管理层提供了 AI 能够扩展其核心产品的证据。

运营表现也有所增强。Alphabet 的营业利润达到 408 亿美元，增长 30%；营业利润率则从 32% 扩大至 34%。这些数据排除了大额投资收益对报告净利润产生的混淆影响。

Alphabet 录得约 980 亿美元的其他收入，主要来自股权证券的未实现收益。这笔收益将普通股股东可获得的净利润推高至 1,121 亿美元。它不应被误认为是 Gemini、Search 或 Cloud 业务产生的利润。

更有参考价值的指标是营业利润、分部业绩和现金流。按这些指标衡量，即便研发支出增至 182 亿美元，Alphabet 的基础业务增长速度仍然快于营收。

因此，本季度提供的不只是一系列采用率统计数据。Alphabet 第二季度的 AI 投资与公司两大业务分部更强劲的运营增长同时发生。剩下的问题是，如果没有巨额基础设施支出，这种表现还能持续到何种程度。

Google Cloud 成为财务层面的有力证明

Google Cloud 提供了最有力的证据，表明企业 AI 需求正在转化为营收，而非继续停留在实验性预算阶段。

Cloud 营收达到 248 亿美元，较一年前的 136 亿美元增长 82%。该分部营业利润从 28 亿美元增至 88 亿美元，表明这一增长并不需要以牺牲报告分部盈利能力为代价。

Alphabet 将此归功于企业 AI 基础设施、AI 应用和核心 Google Cloud Platform 服务。其产品涵盖张量处理单元、Nvidia 加速器、Gemini 模型、数据库、网络安全产品、Workspace，以及用于构建软件智能体的工具。

这种全栈模式是 Google 的主要竞争武器。客户可以租用计算能力、通过 API 使用 Gemini、将模型与企业数据连接，并在同一个云环境中部署智能体。Google 还可以针对其自主设计的基础设施优化模型。

该公司表示，其 Cloud 积压订单达到 5,140 亿美元。积压订单代表已签约但尚未确认的收入，因此可以提供前瞻性的需求信号。然而，合同可能横跨数年，积压订单并不能揭示营收或利润将在何时实现。

Cloud 客户也在使用更多 AI 服务。Google 表示，在过去一年中，近 500 家客户各自处理了超过一万亿个 token。据称，在此期间有超过 2,000 家企业使用了超过 1,000 亿个 token。

token 是模型处理的一小段文本或代码单位。token 数量并不等同于营收，因为不同模型和合同具有不同的经济效益。但它确实反映了客户使用 Google 系统的强度。

Gemini Enterprise 提供了另一条分发渠道。Alphabet 表示，目前近 90% 的《财富》100 强企业都在使用该平台。对于这一措辞需要谨慎看待，因为“使用”可能涵盖有限评估、个别部门应用或广泛的生产环境部署。

该公司将 PepsiCo、Intel、HSBC、Bell Canada、Macy’s 和 SIGNAL IDUNA 列为客户。报告中的应用包括数据分析、财富管理、客户互动、商业、内部流程和知识管理。

这些案例使企业采用变得更加具体。零售商可以将智能体连接至产品和客户数据。银行可以在财富管理工作流程中使用受治理的模型。大型企业可以在执行访问规则的同时搜索内部文档。

最后一种使用场景对企业 AI 尤其重要。当通用模型能够检索获授权的企业信息并保留其上下文时，就会变得更有价值。然而，数据质量、权限和分散的存储库往往决定着这类部署能否成功。

面临相同挑战的组织可以了解如何构建可搜索的知识库。这一更广泛的经验同样适用于 Google 之外的企业：仅靠模型质量无法创建可靠的企业系统。

Google Cloud 还能受益于那些不要求客户只选择 Gemini 的需求。企业通常会使用多个模型、云平台和数据平台。即使客户的应用包含其他供应商的技术，Google 也能获得基础设施收入。

这一地位给 Microsoft Azure 和 Amazon Web Services 带来了压力。两家竞争对手都拥有庞大的企业客户关系和广泛的计算基础设施。Google 82% 的增长率提高了让其成为 AI 原生工作负载首选环境的代价。

这种比较仍需谨慎。各家云服务提供商对营收的分类方式不同，年度增长率也取决于每个业务分部的起始规模。Alphabet 也没有单独披露 Gemini 营收，因此无法与竞争对手的模型业务进行直接比较。

尽管如此，其财务机制已经清晰可见。更多的模型使用需要更多计算资源。更多计算需求会推动云服务消费。Google 可以在多个环节获取支出，从芯片和基础设施，到模型、安全、数据和办公应用。

这种分层模式正是 Cloud 业绩比醒目的用户数量更重要的原因。消费者覆盖面能够培养熟悉度，而企业消费则可以将这种熟悉度转化为持续性的基础设施和软件需求。

Gemini 的 9.5 亿用户改变了与 OpenAI 的竞争格局

Gemini 正接近一种消费级规模，使 Google 成为 OpenAI 在分发领域的竞争对手，而不仅仅是模型领域的竞争对手。

据 Alphabet 称，Gemini 应用目前拥有 9.5 亿月活跃用户。日活跃用户在过去一年中增长了两倍。与 Google 报告的 2025 年第二季度 4.5 亿月活跃用户相比，这一数字增长了一倍以上。

这一增长缩小了外界认知中 Gemini 与 ChatGPT 在消费市场上的差距。公开用户数据仍然难以比较，因为各家公司采用不同的定义、产品、报告周期和活跃度门槛。月活跃用户也很少能反映使用深度、留存率或付费转化情况。

尽管如此，9.5 亿月活跃用户形成了一个鲜有公司能够复制的分发循环。Google 可以通过 Android、Search、Chrome、Workspace 和其他成熟产品引入 Gemini。每个触点都可以将用户引回独立应用，或让他们接触相同的底层模型。

Sundar Pichai 在其财报讲话中表示，Gemini 的日活跃用户在一年内增长了两倍。他还强调了能够提供个性化简报并完成多步骤任务的智能体功能。

战略上的逆转十分明显。ChatGPT 曾迫使 Google 保卫 Search，并加快其 AI 产品进度。Google 如今正在利用 Search 及更广泛产品组合的覆盖面，将这种防御性应对转化为分发优势。

OpenAI 仍然是一个强大的竞争对手。它塑造了消费者对对话式 AI 的预期，并拥有强大的开发者社区。其产品还受益于无法通过原始流量数据衡量的文化认知度。

Microsoft 通过其与 OpenAI 的合作关系、Azure 基础设施、GitHub 和办公应用增添了另一个竞争层面。这使得这场竞争不再像是两个聊天机器人之间的竞赛，而更像是互联软件平台之间的争夺。

Alphabet 的优势在于，Gemini 可以出现在许多无需单独开展用户获取活动的场景中。其劣势则在于，可能会对已经创造大量利润的产品造成冲击。

Search 展示了这两方面。据 Google 称，AI Mode 的月活跃用户已突破 10 亿。AI Overviews 和 AI Mode 可以提升 Search 的实用性，但直接回答也可能减少对外部网站的访问。

关于 AI 搜索结果的独立研究考察了来源质量、事实忠实度及其对出版商的影响。这项研究凸显了一种结构性冲突：Google 需要有用的网络内容，而其 AI 界面却可能减少支撑这些内容的流量。

Alphabet 表示，其 AI 功能每周为网站带来数十亿次点击。这一说法说明了规模，但缺少评估变化所需的基准。它并未表明，在 AI 生成答案普及之后，出版商获得的访问量是比以前更多还是更少。

对用户而言，产品竞争仍然可以带来立竿见影的好处。Google 和 OpenAI 都有动力改进推理、编码、个性化、媒体生成和智能体功能。随着使用量扩大，两家公司还必须降低延迟和运营成本。

对出版商和在线企业而言，结果则没有那么明朗。更好的答案可以提升用户满意度，同时削弱引荐流量。Google 必须证明，其新的搜索体验能够支持其模型和用户所依赖的网络资源。

因此，9.5 亿这一数字代表的是覆盖范围，而非胜利。它几乎无法说明盈利能力、用户忠诚度，以及 Gemini 独立使用量与通过 Google 现有网络获得曝光之间的平衡。

但它确实证明了竞争压力的存在。OpenAI 已不能再寄希望于 Google 行动迟缓或无法大规模推出面向消费者的 AI。Alphabet 如今拥有庞大的受众、不断增长的模型使用量，以及足以为持续扩张提供资金的广告业务。

Flash 模型将使用量转化为基础设施战略

随着 API 需求达到工业级规模，Google 正在利用其 Flash 模型系列平衡性能与计算成本。

本季度，Gemini API 每分钟处理约 220 亿个 token，高于上一季度的 160 亿个。如今，每月有超过 900 万名开发者通过 Google 的 API 和开发产品使用其模型进行构建。

Pichai 将 Flash 系列称为 Google 的主力模型，因为它在模型能力与较低的服务成本之间实现了平衡。服务成本通常也称为推理成本，是指训练完成的模型生成答案时产生的计算费用。

在每分钟 220 亿个 token 的规模下，这种权衡变得至关重要。应用于如此庞大规模的微小效率提升，可以减轻基础设施压力。微小的成本增长则可能产生相反的效果。

因此，Flash 的重要性既体现在经济层面，也体现在技术层面。对于文档摘要、请求分类、数据提取或执行重复的智能体步骤而言，最大的模型并不总是最佳选择。更快的模型可以处理常规工作，而更大的系统则负责更困难的任务。

这种路由方式使 Google 能够销售一系列能力，而非单一的通用模型。开发者可以选择不同的延迟、质量和成本配置。Google 还可以在自己的消费级产品后台对请求进行路由，而无须公开每项基础设施决策。

该公司表示，token 使用量的增长来自开发者和企业客户。但它没有披露其中有多少来自付费工作负载、Google 内部产品、试用额度或各个模型系列。这种构成信息的缺失限制了对每 token 收入的判断。

当模型效率降低时，token 使用量也可能增长。更长的提示词、更大的上下文窗口、重复的智能体操作和生成式媒体，都可能增加处理量，却无法带来成比例的客户价值。

最有力的解读并不是 220 亿个 token 自动等同于一门盈利业务，而是 Google 已经建立了足够的开发者和企业需求，使推理效率成为一个实质性的财务变量。

其定制张量处理单元为这一战略提供了支持。Google 可以协同设计芯片、数据中心系统、模型和软件。垂直整合可以降低成本，并减少对单一外部供应商的依赖。

Google 也提供 Nvidia 硬件，因为客户需要选择权和兼容性。这种混合方式使其能够推广自有加速器，同时无须要求每家企业重写现有工作负载。

这一基础设施战略与 Cloud 的增长直接相关。使用 Gemini 模型的客户还可以购买数据存储、安全、网络、分析和智能体工具。每增加一项服务，客户将工作负载保留在 Google Cloud 内的价值就会提高。

Google 用于创建和部署 AI 智能体的框架 Agent Development Kit 在本季度的累计下载量接近 7000 万次。下载量并不等于活跃的生产系统数量，但它表明开发者对此抱有浓厚兴趣。

智能体会产生尤其繁重的工作负载，因为一个用户请求可能触发多次模型调用、搜索、工具操作和验证步骤。这种行为使 token 消耗量和基础设施需求的增长速度快于简单的聊天机器人使用。

它也会带来可靠性风险。模型错误地总结文本会造成一个问题，而智能体根据错误信息采取行动，则可能更改记录、发送消息或提出有缺陷的建议。

因此，企业需要治理、监控、访问控制和审计跟踪。Google 正在将其安全和数据产品定位为这一解决方案的一部分。该公司表示，AI 的采用推动了其更广泛 Cloud 产品组合的需求。

Alphabet 第二季度 AI 投资背后的运作机制如今已经清晰可见。消费级产品扩大认知度，开发者产生 API 流量，企业将模型连接至数据和工作流。Cloud 获取基础设施使用收入，而 Flash 和定制芯片则力求控制成本。

这一系统为 Google 提供了从同一客户身上获得多项收入的机会。它也让该公司必须对每一个薄弱环节负责，包括能源供应、数据中心容量、模型可靠性、安全性和应用设计。

这些数字并未平息有关 AI 支出的争论

Alphabet 的增长验证了需求，但季度自由现金流为负，表明满足这种需求的成本有多么高昂。

Alphabet 本季度产生了 391 亿美元的经营现金流。该公司在物业和设备方面支出了 449 亿美元，导致自由现金流约为负 59 亿美元。

自由现金流是经营现金流减去资本支出。它不会将每次数据中心或服务器采购都视为即时的会计费用，但能显示为这些投资提供资金后还剩多少现金。

本季度的资本支出较一年前的 224 亿美元翻了一番。2026 年上半年，Alphabet 在物业和设备方面支出了 806 亿美元，而 2025 年同期为 396 亿美元。

这是这份财报背后的核心权衡。Cloud 需求增长得更快，但 Alphabet 必须在客户充分使用容量之前就完成建设。服务器、网络设备、能源合同和数据中心都需要巨额的前期投入。

该公司还称自己面临供应限制。这表明，在某些领域，现有需求超过了可用计算容量。建设更多容量可以释放额外收入，但如果对需求的预测出现错误，也会加重后果。

Alphabet 本季度筹集资金，部分用于扩展 AI 基础设施和全球计算能力。即使对一家拥有科技行业最强现金创造业务之一的公司而言，此举也凸显了这轮扩建的规模。

投资者必须区分高效投资与不加选择的支出。Cloud 达到 88 亿美元的营业利润，为前一种观点提供了支持；自由现金流为负和折旧快速上升，则意味着仍需持续审视。

初始采购完成后，折旧将变得重要。随着设备投入使用，基础设施成本会随时间计入经营业绩。即使资本支出今后有所放缓，折旧和数据中心运营费用仍可能对未来利润率造成压力。

该公司公布的 Cloud 利润率也需要结合具体背景来看。Alphabet 将某些共享的 AI 研发成本计入公司层面，而非 Cloud 部门。本季度，Alphabet 层面的业务活动产生了 58 亿美元的营业亏损。

这种会计处理方式并不会使 Cloud 的盈利能力失去意义，但它确实意味着，该部门的业绩并未包含开发通用 Gemini 模型所涉及的全部费用。

用户数据同样需要谨慎解读。月活跃用户数无法说明有多少人付费、他们多久回来一次，或者每次会话消耗了多少计算资源。企业采用率也没有披露合同规模或生产环境的应用深度。

即使是 24% 的收入增长，也需要与 AI 叙事区分开来。广告仍是 Alphabet 最大的收入来源。重大活动为本季度提供了支持，而该公司的投资组合则在经营活动之外产生了一笔异常庞大的收益。

独立财报报道呈现了业绩的两面。AI 需求推动了 Cloud 和产品采用，而 Google 成熟的广告业务仍贡献了公司的大部分收入。

这并不会推翻管理层的论点，而是明确了未来几个季度所需承担的举证责任。Alphabet 必须证明，AI 的采用所产生的持久收入增长速度，快于基础设施成本消耗新增现金的速度。

该公司还必须应对法律和监管压力。Google 通过占主导地位的产品分发 Gemini 的能力可以改善用户访问体验，但监管机构可能会审查这些整合是否会让竞争对手的助手处于不利地位。

产品质量仍是另一个不确定因素。在如此庞大的规模下，事实错误、安全故障和不当的智能体操作可能迅速影响消费者和企业。采用指标无法衡量这些风险。

看空观点已不再是 Google 完全错过了生成式 AI。更有力的质疑是，在资本需求持续上升的同时，使用量的增长速度可能快于实现盈利性变现的速度。

看多观点同样具体。Alphabet 已经拥有为这场转型提供资金所需的分发渠道、云平台、定制硬件、广告客户关系和经营现金流。Cloud 的增长表明，客户愿意为这一系统付费。

任何一方的观点都无法通过一个季度的表现得到定论。Alphabet 第二季度 AI 投资提供了需求真实存在的证据，但现金流结果也表明，投资回报为何仍是决定性的检验标准。

三个信号将决定 Alphabet 的押注能否成立

下一阶段取决于 Cloud 的增长质量、Gemini 的用户参与度，以及将基础设施支出转化为现金创造能力的成效。

第一个信号是 Google Cloud 的增长与利润率组合。如果新容量上线后盈利能力大幅减弱，仅有收入增长是不够的。投资者应关注 Cloud 的营业利润、积压订单转化情况，以及管理层对供应限制的评论。

如果收入持续扩张且利润率保持稳定，将增强企业需求正在高效吸收新基础设施的判断。如果增长放缓而折旧上升，则会削弱这一判断，尤其是在客户推迟大规模 AI 部署的情况下。

第二个信号是 Gemini 内部的用户参与度，而不仅仅是月度覆盖规模。Alphabet 已经公布了 9.5 亿月活跃用户，并称日活跃用户数量增长至原来的三倍。未来的披露应说明日常活跃度、留存率、付费使用量和复杂任务完成量是否继续增长。

月活跃用户突破 10 亿将具有象征意义。更深入的日常参与在经济层面更为重要，因为这表明用户习惯正在形成。这也会给 OpenAI 带来更大压力，迫使其在聊天、搜索、编码和智能体产品领域捍卫用户注意力。

第三个信号是自由现金流。Alphabet 的季度业绩之所以为负，直接原因是资本支出超过了经营现金流。该公司现在需要证明，这些资产能够带来足够的增量收入和利润，从而恢复现金创造能力。

由于数据中心项目通常以大规模、分阶段的方式投入，自由现金流可能继续波动。单个季度为负并不代表永久趋势。但如果在基础设施投入指引上调的同时，连续多个季度出现负自由现金流，那么有关这项投资的争议将更难被忽视。

开发者还应关注从 API 流量到可靠生产系统的演进。Google 每分钟处理 220 亿个 token 体现了其规模，但成功的应用还需要可预测的延迟、安全性、模型质量和运营成本。

企业买家应重点关注部署深度。财富 100 强企业的采用率听起来令人印象深刻，但采购团队需要看到来自持续工作流、可衡量生产力和受控风险的证据。试点和仅限部门范围的使用无法回答这些问题。

知识工作者面临着不同的选择。Gemini 不断扩大的覆盖范围意味着，AI 将出现在更多搜索、生产力、视频和移动端体验中。用户需要相应的方法来保留有用的输出，并将其与可信的个人上下文连接起来。

结构化的个人知识系统可以帮助人们从源源不断的生成式回答中分离出持久有用的信息。随着助手开始跨多个应用执行任务，这一需求将变得更加重要。

Alphabet 已将 AI 竞争的焦点从模型基准测试转向运营规模。收入增长 24%，Cloud 增长 82%，Gemini 月活跃用户达到 9.5 亿，API 每分钟处理 220 亿个 token。

该公司还在基础设施上投入了巨额资金，导致季度自由现金流降至零以下。这并非无关紧要的注脚，而是贯穿整个战略的财务考验。

未来几个季度应能表明，Alphabet 的一体化系统究竟会创造持久的经营杠杆，还是需要持续增加资本投入。首先关注 Cloud 利润率，其次关注 Gemini 用户参与度，第三关注自由现金流。

如果这三项指标同步改善，Alphabet 第二季度的 AI 投资将看起来像一个持久盈利周期的开端。如果采用率上升，而现金创造能力却不断恶化，那么这个季度反而将成为 AI 规模开始变成一项日益昂贵负担的转折点。