Google 云业务增长令其巨额 AI 投资面临考验

尽管进一步提高了本已庞大的 AI 投资计划，Google 仍报告云业务营收增长 82%，令这则 Google TechCrunch 报道呈现出鲜明矛盾。企业需求终于将基础设施投入转化为可见的销售额和营业收入。然而，Alphabet 也首次在其历史上出现季度自由现金流为负。

这些业绩提供了迄今最有力的证据，表明 Google 能够将其 AI 数据中心、自研芯片、模型和软件变现。但这并未解决其回报能否跟上支出的疑问。Alphabet 目前预计，2026 年资本支出将在 1950 亿至 2050 亿美元之间。

这种张力超出了单一财报的范围。Amazon Web Services 和 Microsoft Azure 仍是规模更大的云平台，而 OpenAI 和 Anthropic 则在模型层面对 Google 构成挑战。Google 必须足够快地扩建产能以捕捉需求，同时避免将其高利润软件业务变成一项永久性的资本密集型业务。

Google TechCrunch 报道聚焦云业务 82% 的激增

Google Cloud 改变了围绕 Alphabet AI 支出的讨论，因为其增长如今看来与企业需求直接相关。

Alphabet 于 7 月 22 日发布第二季度业绩，涵盖截至 6 月的三个月。Google Cloud 营收达到 248 亿美元，较 2025 年同期增长 82%。该业务部门在上一季度增长了 63%。

这一加速增长意义重大，因为云平台提供了企业训练和运行 AI 系统所需的大量基础设施。客户可以租用计算能力，而无需自行建设数据中心、网络系统和机器学习集群。

原始的 Google 云业务报道将企业 AI 解决方案和基础设施采用列为主要增长动力。云业务营收也超过了该报道提及的预期。

该业务板块的经营表现进一步巩固了这一论点。Google Cloud 营业收入升至 88 亿美元，较上年同期增长逾两倍。其营业利润率达到 35.6%，表明该部门并非通过扩大亏损来换取营收。

云业务利润率在这场讨论中尤具分量。当提供服务所需的设备、电力和折旧成本增长快于营收时，即便服务高速增长，也可能毁损价值。相反，Google 报告称，在实现异常强劲增长的同时，盈利能力也在提升。

管理层表示，云业务积压订单达到 5140 亿美元。积压订单指已签约但尚未转化为已报告营收的客户承诺。由于合同条款和交付时间表可能改变，这并非有保证的营收。

即使存在这一限定，积压订单仍提供了超越单一季度的视角。其环比增加超过 500 亿美元，表明在 Google 扩充产能的同时，已签约需求仍在持续上升。根据财报讨论，预计超过一半将在两年内转化。

Alphabet 合并营收增长 24%，达到 1198 亿美元。包括广告和消费者产品在内的 Google Services 营收为 945 亿美元，增长 15%。这些业务仍为 Alphabet 的基础设施计划提供规模和现金生成能力。

报告中的季度净利润 1121 亿美元需要重要背景说明。主要与 SpaceX 相关的一项大型股权投资收益，将这一结果抬高了约 980 亿美元。因此，季度业绩详情并不意味着 Google 通过正常经营产生了 1121 亿美元利润。

营业收入能更清晰地反映业务表现。Alphabet 实现营业收入 408 亿美元，同比增长 30%。这依然是一项强劲业绩，但远低于醒目的净利润数字。

这种区别有助于解释投资者为何聚焦云业务增长、经营现金流和资本支出。一项投资收益可以让某个季度显得格外出色，却无法为持续性的基础设施需求提供资金。云合同和经营收益与 AI 支出逻辑更相关。

Google 还报告称，Gemini app 的月活跃用户达到 9.5 亿。这一数字高于 2025 年末的 7.5 亿。消费者采用带来了分发能力，但并未揭示其中有多少用户付费，也未说明其使用成本有多高。

这些数据共同说明了发生的变化。Google Cloud 不再只是为 AI 投资提供未来理由；它已经成为一家规模庞大、盈利且快速扩张的业务，其业绩可以与每一项新增的数据中心承诺并列衡量。

企业 AI 需求正转化为可衡量的营收

云业务业绩表明，企业 AI 采用正从实验走向合同、工作负载和持续性的基础设施消费。

Google 通过其云业务部门销售 AI 技术栈的多个层级。该技术栈包括 Tensor Processing Units，即 Google 为机器学习工作负载定制的 TPU 芯片；还包括 Gemini 模型、数据服务、安全产品以及用于构建 AI 智能体的工具。

这种广度为客户提供了多个切入点。一家公司可以租用原始加速器算力、使用托管模型、连接专有数据，或通过 Google Cloud 部署应用程序。每条路径都可能创造持续性的计算和存储需求。

最具体的使用场景是推理，即运行训练完成的模型以生成答案或执行动作的过程。与一次性的软件安装不同，推理会在用户每次提交请求时消耗计算资源。因此，成功的 AI 产品可以带来持续的云使用量。

训练仍是另一项需求来源。模型开发者需要大规模加速器集群、高速网络和广泛的数据存储。这些工作负载可以持续数周或数月，形成足以支撑新增基础设施的合同。

Google 表示，企业 AI 基础设施和企业 AI 解决方案引领了云业务增长加速。这一表述表明，需求并不限于通过简单界面使用 Gemini 的客户。企业也在购买 AI 应用之下的计算基础。

Anthropic 体现了客户与竞争对手之间的重叠。这家 AI 开发商通过其 Claude 模型与 Gemini 竞争，但同时也使用 Google 的基础设施。即使其他公司的模型在某个特定应用中胜出，Google 仍可获得基础设施营收。

这一定位类似于早期的云计算模式。提供商不需要拥有运行在其服务器上的每一个成功应用。当更多企业将计算工作负载从私有数据中心迁出时，它们便能受益。

AI 提高了经济层面的赌注，因为每个先进工作负载都需要更多专用硬件。加速器成本高昂，供应可能持续受限，设施还需要大量电力。拥有可用产能的平台可以赢得那些无法等待其他提供商的客户。

管理层称，尽管过去三年进行了大规模扩建，需求仍持续超过可用产能。Alphabet 还将调整后的支出预测部分归因于产能比预期更早到位。

这些表述有助于解释 Google 为何加速建设而非放缓。延迟扩建产能，可能意味着将多年期合同拱手让给 Amazon、Microsoft、Oracle、CoreWeave 或其他基础设施提供商。产能已经成为增长限制，也是竞争武器。

5140 亿美元的积压订单表明，客户正作出更长期的承诺以确保获得使用权。然而，该数字合并了具有不同时间表、服务内容和取消条款的合同。不应将其解读为一整笔即时 AI 营收。

对企业买家而言，Google 的表现预示着一场更广泛的供给竞赛。更多产能可以缩短等待时间，并扩大对专用芯片的获取。若多家提供商在实际需求兑现前进行建设，也可能增强买家的议价能力。

知识工作者将通过其雇主采用的应用感受到影响。云端产能支持内部搜索、编程助手、客户服务智能体、文档分析和工作流自动化。在这些系统能够提供可靠答案之前，团队仍需先整理好信息。

维护完善的 AI 知识库会随着模型访问的扩展而变得更加重要。更多计算能力无法修复缺失的上下文、相互冲突的文档或治理不佳的企业数据。

因此，Google 这一季度衡量的不只是对 Gemini 的热情。它反映了各组织将 AI 嵌入运营系统和业务流程的投入。这一转变产生了支撑大规模基础设施建设所需的持续性工作负载。

云业务增长扭转了举证责任

Alphabet 不再需要证明客户是否想要其 AI 基础设施，但必须证明需求能够产生足够的回报。

在 AI 投资周期的大部分时间里，怀疑论者的观点很直接。大型科技公司在尚未确定相称营收之前就进行了大量投入。消费者聊天机器人吸引了用户，但其经济性仍难以评估。

Google Cloud 82% 的增长削弱了这种观点。营收正在加速，营业收入增长更快，积压订单也在扩大。这些投资正在产生可衡量的商业成果。

这种转变并未消除怀疑。它将问题从 AI 需求是否存在，转变为 Google 能否将该需求转化为持久的自由现金流。这比报告快速销售增长要难得多。

Alphabet 在本季度资本支出约 450 亿美元。资本支出涵盖服务器、芯片、网络系统和数据中心建筑等长期资产。该公司本季度的支出约为上年同期季度金额的两倍。

它还将全年预测区间的上下限均上调了 150 亿美元。此前区间为 1800 亿至 1900 亿美元。管理层目前预计为 1950 亿至 2050 亿美元，并将在 2027 年继续大幅增加。

修订后的支出展望最初导致 Alphabet 股价在公告后下跌。这一反应暴露了核心矛盾。投资者喜欢云业务表现，但质疑维持这一表现需要多少投资。

首席财务官 Anat Ashkenazi 表示，Google 在三年间大幅增加了产能，但需求仍超过这些投入。她还称，更快的产能交付促成了更高的预测。

这一解释支持了乐观解读。Google 并非只是假设客户日后会到来便进行建设。管理层称，客户已经需要的产能超过公司目前能够提供的规模。

然而，受限的供给可能会美化当前的经济表现。当计算资源稀缺时，客户会接受更长期的承诺和有限的选择。一旦整个行业有更多产能可用，利润率可能收窄。

Google不断扩大的云业务利润率表明，当前需求能够支撑具有吸引力的回报。但这并不能证明，同样的利润率能在供应大规模扩张后得以维持。Amazon、Microsoft、Oracle、Meta以及专业化服务商都在增加基础设施投资。

折旧也将随支出而来。折旧是将资产的入账成本在其预计使用寿命内分摊。随着更多数据中心投入运营，即使建设款项已经支付，这项费用仍可能拖累未来的营业收入。

AI硬件还存在额外风险。新一代加速器可能在旧设备的会计使用寿命结束前，就使其竞争力下降。更好的模型也可能以更少的计算资源完成任务，从而降低特定工作负载的资源消耗。

乐观的回答是，效率会扩大使用规模。更低的计算成本能够让更多应用具备经济可行性，进而创造额外需求。谨慎的回答则是，效率让客户以更少的资源采购获得相同产出。

Google必须应对这两种可能性。其自研TPU能够降低对Nvidia的依赖，并让公司更严格地控制系统设计。直接销售TPU已在本季度开始贡献收入，不过管理层表示，大部分相关协议收入将在稍后确认。

垂直整合为Google带来另一项潜在优势。它可以协调芯片、网络、模型、软件和面向消费者的分发渠道。这能够提高效率，并让客户通过一份合同获得广泛的平台服务。

但这也会增加执行风险。任何一层的延迟或薄弱环节，都可能影响其余部分的价值。Google承认，编程和智能体编程——即软件执行多步骤任务——仍是需要改进的领域。

因此，google techcrunch的表述方向上是正确的，但并不完整。云业务增长为Alphabet的支出提供了可信的理由。支出的规模和持续时间，将决定这一理由是否会转化为有吸引力的回报。

Amazon和Microsoft如今面对增长更快的Google Cloud

Google的云业务加速令规模更大的竞争对手承压，因为企业AI买家正越来越多地同时评估算力容量、模型和定制芯片。

Amazon Web Services仍是美国最大的云基础设施提供商。Microsoft凭借Azure、企业软件客户关系以及与OpenAI的合作位居第二。Google Cloud仍排名第三。

这一排名使Google的增长率具有重要意义。规模较小的提供商可以从较低基数实现更快增长，因此仅凭百分比并不能证明其市场份额正在提升。尽管如此，季度营收达到248亿美元、同比增长82%，仍代表着显著的绝对规模扩张。

根据云市场分析，在对应财报发布前，分析师预计AWS增长约31%，Microsoft云业务增长约40%。这些预期使得Google的加速增长难以被简单归因为基数效应。

Microsoft是一个有用的对照对象，因为它同样结合了基础设施、模型、生产力软件和企业分发能力。其此前公布的云业务表现显示，截至2025年12月的季度中，Microsoft Cloud营收超过500亿美元。

这些类别并不能直接比较。Microsoft Cloud涵盖多项业务，而Google披露的是定义不同的业务部门。尽管如此，两家公司都依赖既有企业客户关系，同时销售AI算力和应用。

AWS则采取另一条路径。Amazon拥有深厚的基础设施布局、自研Trainium加速器，以及接入多个模型提供商的能力。其战略强调客户选择，而不是将每项工作负载绑定到单一模型家族。

Google也在尝试支持模型选择。Anthropic在其基础设施上的布局表明，公司可以从Gemini以外的需求中获益。当企业买家希望避免依赖单一模型时，这一点尤为重要。

主要竞争并不只是Gemini对阵ChatGPT或Claude，而是Google Cloud对阵更大云平台的经济性和分发能力。模型质量有助于这场竞争，但可用算力和企业级可靠性可能决定重大合同的归属。

Google的5140亿美元积压订单让公司拥有更高的可见性，也加大了竞争对手继续建设的压力。如果竞争对手无法提供相当的容量，客户就可能迁移工作负载，或将其分散到多个云平台。

多云策略能够降低对单一提供商的依赖。但它也会增加运营复杂性，因为团队必须管理不同的安全策略、数据系统和开发者工具。大型客户可能愿意承担这种负担，以获取稀缺的计算资源。

专业化服务商又增加了一层竞争。CoreWeave及类似公司专注于加速计算，无需承载所有传统云服务。它们可以迅速响应特定AI工作负载，尽管其集中化特征也带来了不同的财务风险。

Meta带来了一种不同寻常的可能性，因为它可能向外部客户出租过剩产能。一家以消费级平台闻名的公司，可能成为AI算力供应的另一来源。这会使基础设施更具可替代性。

可替代性正是Google当前成功背后的威胁。如果客户将加速器和模型托管视为大宗商品，提供商可能会通过容量和折扣展开竞争。届时，它们将投入更多资金，却获得更低的回报。

Google的防御基础在于整合。使用BigQuery数据服务、Gemini模型、安全产品和TPU的客户，面临的转换成本高于仅租用独立加速器集群的客户。当这些组件能够带来可衡量的运营优势时，这一战略最为有效。

对开发者而言，竞争压力应当扩大选择空间。每家提供商都需要更好的工具、更多可用硬件，以及从原型到部署的更清晰路径。开发者仍应在围绕专有服务构建关键系统前，测试其可移植性。

企业买家应比较整体运营要求，而非模型基准测试的头条成绩。安全性、数据迁移、延迟、支持和治理可能比暂时的模型领先优势更重要。当某个模型无法符合组织的控制要求时，即使它最快，也可能是错误的选择。

Amazon和Microsoft接下来的财报将显示，Google的加速增长反映的是公司特有的收益，还是广泛的需求激增。无论哪种结果都支持基础设施需求将持续。只有前者才能清楚表明Google正在夺取市场份额。

负自由现金流让支出问题仍悬而未决

云业务繁荣支持Alphabet的战略，但一个季度的负自由现金流显示出这一战略已变得多么昂贵。

Alphabet本季度产生约391亿美元的经营现金流，其资本支出接近450亿美元。两者之间的差额导致约59亿美元的负自由现金流。

自由现金流衡量经营现金在扣除资本支出后的剩余额。对于一家正在建设可服务客户多年的资产的公司而言，这并非完美指标。但它确实展现了扩张带来的即时现金压力。

这项现金流警示之所以重要，是因为Alphabet历来依靠自身经营活动为增长提供资金。即使基础业务仍具有很高盈利能力，季度自由现金流转负也改变了风险状况。

单个季度并不能证明这会成为永久趋势。建设进度和设备交付可能导致资本支出不均衡。但当管理层同时预测2027年的投资将显著提高时，时间安排的解释就不那么令人安心了。

Alphabet拥有多重缓冲。搜索广告仍是巨大的收入来源，Google Services持续增长，公司也保有进入资本市场的能力。问题不在于Google能否为近期建设提供资金。

真正的问题在于回报。投资者必须评估，增量云业务营业收入最终能否超过折旧、能源、融资和维护成本。仅靠营收增长无法回答这一问题。

净利润这一头条数字尤其使审慎分析变得重要。季度增长的大部分来自一项股权投资收益，而非销售广告或云服务所获得的现金。这笔收益不能被假定会重现。

Google披露的云业务利润率提供了更好的证据。35.6%的营业利润率表明，该业务部门在分摊营业成本后已产生有意义的收益。然而，来自当前建设项目的未来折旧尚未完全进入利润表。

客户集中度是另一项不确定因素。大型AI开发商可以签署规模庞大的基础设施承诺，但它们履行这些合同的能力取决于成功融资和产品变现。积压订单的质量与其规模同样重要。

合同结构也可能掩盖时间安排。一项分多年执行的承诺，并不会立刻为近期建设提供资金。有些协议包含使用条件、终止权或可变消费量。

模型竞争增加了压力。Google推迟了预期中的Gemini 3.5 Pro发布，并承认其在与编程相关的任务上存在不足。在此期间，OpenAI和Anthropic继续推出面向企业和开发者的更新。

云业务表现一定程度上缓冲了Google的模型挫折，因为竞争性开发商也可以使用其基础设施。然而，持续的模型劣势将削弱Google的整合式产品。它可能降低围绕Gemini构建的高利润率软件需求。

监管压力仍独立于AI支出争论，但会影响同一套财务体系。搜索和广告为Alphabet的大部分投资能力提供资金。影响这些业务的补救措施或罚款，将缩小基础设施决策失误的容错空间。

能源和地方审批限制可能拖慢扩张。数据中心需要可靠的电力、土地、冷却和网络连接。预算增加并不保证可用产能会按时出现。

这些限制也可能维持稀缺性，从而支撑云服务定价。但当Google向无法迅速开始服务客户的项目投入资本时，它们就会成为劣势。因此，执行速度与宣布的支出同样重要。

怀疑论者不应声称，一个负现金流季度就否定了这一战略。应当关注的是，随着新设施产生收入，自由现金流是否恢复。这项检验需要多个季度，而非一次财报电话会。

同样，看多者也不应将积压订单视为保证利润。Google必须交付合同约定的服务，管理设备成本，并维持定价。客户也必须打造能够证明持续消费合理性的AI产品。

这正是google techcrunch叙事仍是一场持续争论的原因。Google已经证明了需求和云业务的盈利增长。它尚未证明，在建设规模持续以快于早先预测的速度扩张时，最终能够获得怎样的回报。

三个信号将决定这场押注是否奏效

云业务增长、现金转化和竞争结果，将决定Google的支出看起来是审慎还是过度。

第一个信号是Google Cloud下一次披露的增长率和营业利润率。如果又一个季度实现强劲增长，同时利润率保持稳定或扩大，将强化投资逻辑。若增长急剧放缓且折旧上升，则会削弱这一逻辑。

投资者应将收入与利润率结合起来考察。当基础设施成本增长快于收入时，收入加速可能掩盖糟糕的盈利状况。另一方面，当产能受限支撑异常有利的定价时，利润率扩张也可能只是暂时的。

积压订单的转化提供了相关检验。5140亿美元的余额应转化为持续收入，而不只是继续增长。管理层预计的转化节奏将帮助读者比较已签约需求与实际销售额。

第二个信号是 Alphabet 在未来两个季度的自由现金流。随着已交付的基础设施开始支撑客户工作负载，现金流应有所改善。若持续为负，则表明资本需求超出运营现金的时间长于预期。

季度间的时点差异会带来噪音，因此趋势比单一数字更重要。读者应比较经营现金流、资本支出和云业务营业利润。这一组合将揭示新增产能是否开始为进一步扩张提供资金。

第三个信号来自 Amazon 和 Microsoft。它们的云业务增长、支出预测以及对产能的评论，将显示 Google 是在扩大领先优势，还是受益于整个市场的需求浪潮。

如果 Google 增长更快，而竞争对手表现较弱，这将支持其市场份额提升的解读。如果三家供应商都出现类似的加速增长，则表明企业需求正在拉动整个行业。两种结果都支持 AI 基础设施需求，但只有一种会强化 Google 的竞争力主张。

它们的支出计划也将进一步明确未来供给。如果每家大型供应商都加快建设，今天的产能短缺可能成为明天的定价压力。如果基础设施仍然稀缺，Google 已交付的产能将获得战略价值。

模型发布应纳入这三个信号之中，而不应单独构成一项预测。Gemini 的进展会影响云业务差异化、客户采用情况，以及 Google 一体化技术栈的价值。若其在编程能力上持续落后，将给 Anthropic 和 OpenAI 留出更多空间。

读者还应区分消费者覆盖面与企业经济效益。Gemini 的9.5亿月活用户证明了其分发能力，但并不能揭示付费转化率、单用户计算成本，或每次交互所带来的收入。

对于企业而言，实际的启示是不要将基础设施充裕视为理所当然。产能限制可能影响合同条款和部署时间表。同时，长期承诺也会在计算价格下跌时带来风险敞口。

开发者应尽可能保留灵活性。模型、加速器和托管服务的变化速度将快于大多数企业系统。可移植的数据层和可量化的评估标准能够降低切换成本。

知识工作者应关注哪些能力真正进入日常工具。这场基础设施竞赛只有在改善搜索、文档分析、编程、研究或工作流自动化时才具有意义。没有可靠应用的产能，对他们几乎不会创造直接价值。

Google 的这个季度标志着一次真正的转变，因为 AI 基础设施如今已在相当大的规模上带来可见且盈利的增长。该公司已经回答了那个更狭窄的问题：客户是否需要它正在建设的东西。

更广泛的问题仍未解决。Google 能否在产能变得可替代之前，将每年1950亿至2050亿美元的投资计划转化为持久的现金回报？下一份云业务利润率、积压订单转化和竞争对手报告，将给出最清晰的答案。

对于关注 google techcrunch earnings 争论的人而言，这三个信号比 headline profit 更值得关注。跟踪云业务利润率，比较资本支出与经营现金流，并审视竞争对手的增长情况。这些证据将显示 Google 的 AI 扩张是在成为持久的业务优势，还是一项日益昂贵的必要投入。