Microsoft 的 AI 扩张考验其不断扩展的数据中心版图的经济性

Microsoft 在一个季度内新增了 31 座数据中心，使 Google News 上关于扩张的一则标题演变为对 AI 经济性的更大考验。该公司目前预计将在两年内大致将其总容量翻倍。实体扩张伴随着 Azure 收入加速增长、Copilot 采用率上升，以及本季度超过 500 亿美元的资本支出。

问题已不再是 Microsoft 是否会投资人工智能，而是客户需求能否在芯片老化、能源成本上升、云业务利润率走弱之前，让新增容量实现商业化。Microsoft 最新业绩为需求正在跟上供给提供了迄今最有力的证据，但并未解答回报率问题。

与 Google、Amazon 和 Meta 的比较至关重要，因为每个主要平台都在争夺稀缺的芯片、电力、建设能力和企业工作负载。Microsoft 还有另一项复杂因素：它必须支持 OpenAI，同时开发自己的模型、服务竞争对手的模型提供商，并销售能将基础设施转化为经常性收入的商业软件。

Microsoft 的扩张正从承诺走向实体容量

Microsoft 正以如今可通过数据中心、吉瓦和部署时间衡量的速度，将 AI 需求转化为运营基础设施。

在其第四财季，Microsoft 在五大洲新增了 31 座数据中心。根据公司的财报电话会议，这使其全年总数达到 88 座。该季度还新增了 1 吉瓦容量。

吉瓦衡量的是电力，而非计算性能。不过，它能有助于表明运行密集型 AI 加速器集群所需的实体规模。这些集群支持模型训练、推理、Copilot 服务、Azure 客户以及 Microsoft 的内部研究。

Microsoft 表示，仍有望在两年内将其总体容量大致翻倍。这一措辞很重要，因为容量不仅包括建筑物，还涵盖可用电力、冷却系统、网络、服务器和能够运行客户工作负载的加速器。

公司还表示，在该财年内，将新图形处理器的“dock-to-live”时间缩短了近 50%。“Dock-to-live”衡量交付的硬件多快能成为可用计算容量。更快的启用速度让 Microsoft 能够更早从已采购的设备中确认云收入。

这一扩张延续了最新财报发布前已经显现的趋势。Microsoft 在前一季度新增了 1 吉瓦容量，并表示其位于威斯康星州的 Fairwater 站点提前六周启用。当时，该公司已将部署时间较年初缩短近 20%。

Microsoft 并非只是在重复 Google News 报道中常见的宽泛承诺。它正在报告一连串运营变化，这些变化提高了建设支出转化为可销售云容量的速度。

公司的 Pecos 项目展示了这一流程在财报演示之外的实际形态。Microsoft 计划通过位于西得州的新园区增加约 2 吉瓦容量。其Pecos 数据中心将配备专用现场发电设施和闭环冷却系统。

Microsoft 预计，该园区在建设高峰期将支持超过 6,000 个建筑岗位。设施开始服务客户后，还将提供数百个长期运营岗位。该项目计划在五到七年内完成建设。

这一时间表揭示了 AI 基础设施的一个重要特征：客户需求可以在数月内变化，而发电厂和数据中心需要多年的规划。因此，Microsoft 必须在尚不清楚每个站点启用时将由哪些模型、芯片或应用占据主导之前，就作出资本承诺。

公司正通过自有基础设施和外部容量共同管理这一时序风险。它可以租赁站点、与基础设施提供商签约，并在建设新园区的同时升级现有区域。这种混合方式提供了灵活性，但也使报告的资本支出与公司的真实长期承诺之间的比较更加复杂。

最重要的变化在于运营，而非表态。Microsoft 如今在同一投资周期内，将更快的硬件部署、新增电力容量、自研芯片和企业软件联系起来。故事的其余部分取决于这一周期能否产生足够持久的收入。

Google News 数据显示 Azure 正在吸收新增容量

支持 Microsoft 扩张的最有力论据是，在可用 AI 容量仍受限的同时，Azure 的增长正在加速。

Microsoft 报告季度营收为 900 亿美元，同比增长 18%。净利润达到 358 亿美元，Microsoft Cloud 营收增长 27% 至 593 亿美元。Azure 和其他云服务收入增长 43%。

Azure 年收入也首次超过 1,000 亿美元。Microsoft 表示，其在该财年增长了 41%。这些业绩为 Google News 的报道提供了关键财务基础：这些基础设施正进入一个已有大量需求的云业务。

Microsoft 的商业剩余履约义务达到 6,780 亿美元，增长 84%。该指标代表公司预计将在未来确认的已签约收入。它并不等同于已收到的现金，而且合同确认时点可能使其出现波动。

不过，这一积压订单降低了 Microsoft 仅围绕投机性消费者兴趣建设的可能性。大型企业正在就 Azure、Microsoft 365、安全、数据服务和 AI 产品作出多年承诺。这些承诺让管理层在每项工作负载开始消耗容量前就获得需求信号。

最新季度业绩还显示，付费 Microsoft 365 Copilot 席位超过 3,000 万。Microsoft 表示，净新增席位数较上一季度增长逾一倍。

Copilot 为基础设施变现提供了重要的第二条路径。Microsoft 可以先通过 Azure 直接销售计算资源，再在企业已在使用的软件中销售 AI 功能。这种组合使其战略区别于更依赖原始云资源消耗的提供商。

一家企业可能先使用 Azure 托管内部模型，随后在 Microsoft 365 中部署 Copilot，将智能体连接至公司数据，并通过 Microsoft 的身份工具进行管理。每增加一层，Microsoft 都有更多机会从同一套底层基础设施中获得收入。

公司报告称，其用于构建和管理 AI 应用的平台 Foundry 已拥有 100,000 名客户。Foundry 收入同比增长逾一倍。以年化 1 万亿 token 速率运行的客户数量增长了四倍。

Token 是模型在读取提示词和生成回复时处理的单位。更多 token 使用量通常需要更多推理容量，尽管软件优化可以降低每个 token 所需的计算资源。因此，token 的增长有参考价值，但并不能完整衡量经济价值。

客户案例也显示了 Microsoft 为何需要多种硬件。Levi Strauss 正将超过 1,000 个领域专用智能体引入统一的企业平台。Telefónica 正利用 Foundry 开发专注于网络运营的智能体。

这些应用所需的不仅是图形处理器。智能体经常需要检索数据、执行软件、调用数据库，并在操作之间维持状态。因此，Microsoft 在强调专用 AI 加速器的同时，也强调中央处理器、存储、网络和数据服务。

公司预计，Azure 收入将在本季度按固定汇率计算增长约 45%。管理层表示，即使近期新增了容量，客户需求仍持续超过可用供给。

这一预测强化了 Microsoft 的论点，因为它将未来增长与可观察到的客户压力联系起来。但它也提高了预期。如果容量扩张而 Azure 增长意外放缓，投资者将质疑需求是否被延后、重新分配或被高估。

目前证据支持扩张，但并不保证能带来有吸引力的回报。收入增长最终必须覆盖硬件更换、能源、融资、软件开发，以及将资本投向其他用途的机会成本。

Microsoft 正在构建对 OpenAI 依赖的替代方案

核心竞争并非 Microsoft 与某一家云服务竞争对手之间的较量，而是 Microsoft 的一体化 AI 平台与对任何单一模型供应商的依赖之间的较量。

Microsoft 通过与 OpenAI 的合作关系获得了早期优势。Azure 为 OpenAI 模型提供计算资源，而 Microsoft 将这些模型嵌入其各类产品中。这一协同有助于确立 Azure 作为生成式 AI 工作负载主要目的地的地位。

这一安排也带来了集中度风险。OpenAI 已寻求额外的基础设施合作关系，而 Microsoft 则扩大了内部模型开发。双方在财务和技术上仍保持联系，但其基础设施战略已不再完全一致。

Microsoft 的应对方式是构建一个让模型成为可替换组件的平台。该公司表示，其 Foundry 目录目前包含超过 11,000 个模型。可选模型包括来自 OpenAI、Anthropic、Mistral、xAI、开源开发者以及 Microsoft MAI 系列的产品。

Microsoft 表示，自 2026 年初以来，使用多个提供商模型的客户数量增长了五倍。多模型使用让企业能够根据质量、延迟、合规性和运营成本选择不同系统。

这种架构改变了 Microsoft 数据中心版图的用途。基础设施并非只为支持一家前沿实验室而存在，它支撑的是一个由模型、Microsoft 应用、企业数据库、安全服务和智能体平台构成的市场。

Microsoft 将其模型系统描述为把上下文、记忆、工具和执行控制与任何单一模型系列分离。简单来说，当企业更换底层模型时，应用仍可保留其周边的业务逻辑。

这种方法满足了企业实际需求。一家公司可能使用一个模型进行编程，使用另一个模型分析文档，并为敏感工作流程使用更小的内部模型。当某个模型不可用或未通过合规审查时，它还需要备用方案。

Microsoft 正通过自研芯片强化这一战略。该公司表示，其 Maia 200 加速器相较于其机群中已部署的最新一代硬件，提供了高出 30% 的每美元性能。这一说法反映了 Microsoft 的内部比较，尚未得到独立验证。

Maia 200 现已同时支持 OpenAI 和 Microsoft 模型。Microsoft 还表示，其 MAI 模型与该芯片配合时可实现高出 40% 的每瓦性能。每瓦性能很重要，因为电力已成为大型 AI 站点的一项刚性约束。

该公司仍持续从其他供应商采购硬件，并预计部署基于 AMD Helios 和 Nvidia Vera Rubin 的系统。因此，其战略是多元化，而非全面替代 Nvidia 或其他成熟芯片供应商。

Microsoft 的 Cobalt 中央处理器提供了另一层支撑。该公司预计，到 7 月底，Cobalt 200 机架将在超过 25 个数据中心投入运行。使用相关虚拟机的客户包括 Adobe、Arm、Elastic、OpenAI 和 Sprinklr。

这一组合从两方面对 Google Cloud 和 Amazon Web Services 形成压力。Microsoft 可以争夺模型训练和推理工作负载，也可以将这些工作负载与生产力、身份、安全、数据库和分析产品捆绑销售。

Google 通过 Tensor Processing Units、Gemini 模型、Google Cloud 和 Workspace 拥有自身的一体化优势。Amazon 则提供定制的 Trainium 和 Inferentia 芯片、Bedrock 的模型选择，以及 AWS 的规模优势。两家竞争对手都不缺乏基础设施或企业覆盖能力。

差异在于各个平台如何将计算能力转化为日常工作。Microsoft 掌控着广泛使用的商业应用，因此拥有直接分发 Copilot 和智能体的渠道。Google 掌控着庞大的信息与消费者生态系统，而 Amazon 则领跑整体云基础设施市场。

因此，仅用 Microsoft 对阵 Google 的框架，忽略了更深层的竞争。胜者未必拥有最多的数据中心建筑，而是能够让多样化的硬件和模型显得可以互换，同时保留治理、可靠性和有用的业务上下文。

对于采用这些系统的团队而言，基础设施选择正日益影响知识工作流。可搜索的AI knowledge base即使在底层模型变化时，也能保留来源上下文。这种分离与 Microsoft 试图在企业规模上推销的连续性相呼应。

资本支出考验变得更严峻，而非更轻松

Microsoft 已证明 AI 基础设施能够推动增长，但尚未证明当今支出的完整生命周期回报。

本季度资本支出达到 410 亿美元，同比增长 70%。其中约三分之二投向短生命周期资产，主要是图形处理器和中央处理器。这些组件的经济价值流失速度快于建筑、土地或长期电力基础设施。

“短生命周期”并不意味着设备很快就会停止运行。它意味着更换周期、性能提升和不断变化的客户需求，可能在建筑达到使用寿命终点前就降低设备的实用性。

这一区别很重要，因为基础设施支出涵盖风险特征截然不同的资产。数据中心外壳可能在数十年内仍具价值；而安装在其中的加速器则面临更新芯片的竞争，后者每单位电力可提供更多输出。

Microsoft 预计，其 2027 财年第一季度资本支出将超过 500 亿美元。公司还预计，受其产品组合整体需求推动，2027 财年全年资本支出将增长。

与此同时，一项会计更新改变了部分数据中心资产和租赁的分类方式。Microsoft 将某些数据中心建筑的预计使用寿命从 15 年延长至 25 年。因此，部分租赁将从融资租赁转为经营租赁。

这一变化使公司公布的日历年度资本支出低于此前预估，但并不代表 Microsoft 的基础设施计划相应缩减。首席财务官 Amy Hood 表示，基础投资预期保持不变。

因此，读者不应将修订后的数字视为退缩，也不应把会计列报方式当作支出几乎不承担财务风险的证据。租赁付款、折旧、利息和运营成本仍会随时间影响现金流或盈利。

Microsoft 预计将在 2027 财年维持自由现金流为正。公司还预测营收和营业收入将实现两位数增长，同时全年营业利润率降幅将低于一个百分点。

这些预期描述了一个可控的投资周期。然而，它们依赖于持续的企业需求、成功的产能部署和持续的效率提升。任何一方面出现问题，都可能压低回报，而不必立即导致营收崩塌。

云业务利润率已反映出成本影响。Microsoft Cloud 毛利率受到 AI 基础设施投资和向 Azure 倾斜的影响。效率提升可以抵消部分压力，但新增产能会带来折旧和运营费用。

该公司正试图通过软件改善这一方程。它报告称，自 2026 年初以来，Copilot 工作负载的吞吐量提升了四倍。吞吐量衡量系统在给定时间内完成的工作量。

更高的吞吐量让 Microsoft 能以相同设备承载更多使用量，也可以降低每次响应的有效成本。然而，效率提升往往会刺激额外需求，从而使总电力和硬件需求持续上升。

Microsoft 列举了若干内部模型节省成果。它表示，MAI-Code-1-Flash 在常见编码工作流中使用的中位 token 数减少了 10%。公司还报告称，在某些 Dynamics 365 和 PowerPoint 任务中，GPU 成本显著下降。

这些是公司自行报告的结果，而非标准化的第三方基准。工作负载选择、质量门槛、模型路由和硬件配置都会影响每项比较。投资者需要看到生产环境的经济性，而不仅是技术效率百分比。

看空逻辑很直接。Microsoft 可能准确判断了当前需求，但如果竞争压低价格，回报仍可能变弱。如果客户转向所需计算更少的高效模型，回报同样可能受损。

看多回应也同样具体。Azure 增长 43%，需求超过供给，而且 Microsoft 可以通过多个软件层实现基础设施变现。该公司并未等待单一未来产品来产生全部回报。

一份独立财报报道指出，投资者一直在寻求证据，证明 Azure 和 Copilot 能够支撑不断上升的 AI 支出。最新季度提供了这一证据，但仅适用于当前建设阶段。

经济性考验将持续存在，因为每一个成功季度都会鼓励 Microsoft 建设更多产能。强劲需求降低了近期利用率风险，同时也增加了投入下一轮产能扩张的绝对资本规模。

能源与排放如今已成为产品战略的一部分

Microsoft 无法仅靠采购芯片就将 AI 产能翻倍，因为电力供应和社区接受度如今决定部署速度。

Pecos 园区说明，基础设施规划已超出传统云业务运营的范围。Microsoft 计划先采用园区内、表后运行的天然气设施。这意味着该电厂初期将直接为园区供电，而不是从公共电网获取全部所需电力。

Microsoft 表示，将为该地点所需的发电及相关基础设施提供资金。公司预计，电厂和数据中心未来将与更广泛的区域电网连接，并与公用事业公司和地方主管部门合作。

这一安排兼顾速度与可靠性，但也带来环境权衡。天然气可以快速提供可靠的发电能力，但燃烧会产生温室气体和当地空气污染。

Microsoft 表示，该设施将采用旨在减少氮氧化物排放的控制措施。公司还表示，园区将使用闭环冷却系统，在正常运行期间循环冷却液，而不是持续取用水资源。

这些设计选择在高温和水资源供应影响当地审视的西得克萨斯尤为重要。不过，降低运营用水并不能消除建设、设备制造、发电或配套基础设施带来的环境足迹。

Microsoft 最新的可持续发展更新让这一冲突格外明显。该公司报告称，2025 财年总排放量同比增加 25%。

Microsoft 将这一增长主要归因于数据中心扩张，以及暂停使用某些非捆绑式可再生能源证书。这些证书代表可再生发电属性，但未必能为当地电网新增清洁电力。

该公司表示，正优先投资于能够新增无碳电力的项目。由于 Microsoft 较少依赖证书来抵销其账面碳足迹，这一决定在短期内推高了报告排放量。

这一政策可能更保守地呈现运营影响，但也让 Microsoft 离其早期气候承诺所暗示的轨迹更远。该公司仍以实现负碳、水资源正效益和零废弃为目标。

范围 2 排放，即购入电力产生的排放，占 Microsoft 总碳足迹的比例从接近 2% 上升至 13%。涵盖大部分供应链的范围 3 排放仍是最大类别。

这一增长表明，效率不能只在服务器层面评估。芯片或许能以每瓦完成更多工作，但由于 Microsoft 安装更多芯片、客户提交更多工作负载，总用电量仍可能上升。

Microsoft 报告称，在 2025 财年补充了超过 1400 万立方米的水，首次超过其全球取水量。补水措施可包括流域修复和水资源获取项目。

全球总量并不能解决地方压力。在一个地区补充的水，无法直接替代在另一地区消耗的水。Microsoft 表示，将日益专注于在其运营所在地的流域内恢复水资源。

社区还将评估就业、税收、土地使用、电网可靠性和噪音。Microsoft 预计，新园区将创造数千个临时建筑岗位，但仅提供数百个长期运营岗位。

这一差异在高度自动化的数据中心中很常见。当社区基于长期就业预期提供基础设施或激励措施时，它可能使地方谈判更加复杂。

公司的应对方案结合了直接电力资金投入、劳动力项目、闭环冷却和社区参与。每项措施都能缓解特定问题，但没有任何一项能够消除产能翻倍所固有的资源密集性。

Google、Amazon、Meta 和专业 AI 基础设施公司面临同样的限制。它们的竞争日益发生在公用事业协议、输电排队、设备订单和地方审批流程中。模型质量仍然重要，但电力基础设施可能决定这种质量何时能够触达客户。

对于企业买家而言，这些限制可能影响区域产能、服务可用性、合同条款和可持续发展报告。云服务提供商的能源战略正成为其产品可靠性的一部分，而不再是独立的企业社会责任项目。

当 Google 新闻周期过去后该关注什么

三个信号将显示 Microsoft 更大的布局是会成为持久优势，还是日益昂贵的负担。

第一个信号是 Azure 在第一财季的增长。Microsoft 预测按固定汇率计算约增长 45%，并预计需求仍将超过供给。相较于最新季度 43% 的增长，这一比较门槛很高。

接近预测的增长将强化 Microsoft 的论点：新增产能能够迅速转化为收入。若增长明显不及预期，尤其是在可用产能增加的同时出现这种情况，将削弱基础设施投资与客户消耗之间的关联。

这种增长的构成同样重要。Azure 既包含传统云服务，也包含 AI 工作负载。Microsoft 不会分别披露每个组成部分，因此投资者必须对照管理层评论、产能限制、订单储备以及相关产品采用情况进行判断。

商业剩余履约义务同样值得谨慎解读。最新的 6,780 亿美元余额包含一些大型合同，其确认时点可能造成波动。持续增长将支持长期需求的判断，而客户集中度或部署延期则会降低这一数字的参考价值。

第二个信号是资本支出、云业务利润率与自由现金流之间的关系。Microsoft 预计本季度资本支出将超过 500 亿美元，同时预计 Microsoft Cloud 毛利率将与上一季度大致保持稳定。

这一组合将检验优化措施能否抵消新基础设施的成本。若 Azure 增长加速的同时利润率稳定，将强化一体化平台的逻辑。若利润率下降却没有更强的消耗增长，则表明产能到位速度快于其经济效益的兑现速度。

现金流提供了另一项检验，因为会计处理变化可能改变投资的呈现方式。投资者应区分设备采购、融资租赁、经营租赁和长期电力承诺。它们分别对应不同的付款时间表，但都服务于同一项基础设施战略。

第三个信号是 Microsoft 多元化硬件与模型堆栈的部署情况。Maia 200、Cobalt 200、AMD Helios 和 Nvidia Vera Rubin 必须从发布公告转变为可靠的生产级产能。

如果外部客户将 Microsoft 的自研芯片用于多样化工作负载，其自研硅芯片的主张将更具可信度。相关证据应包括持续可用性、有竞争力的性能、更低的运营成本，以及输出质量没有明显下降。

模型选择也面临同样的考验。Foundry 的模型目录规模不如客户能否在无需重建治理、数据连接、记忆和评估系统的前提下切换模型来得重要。

更高的多模型采用率将增强 Microsoft 对抗依赖单一供应商的核心防线。若使用重新趋向集中于 OpenAI，则说明模型可替代性仍更多是一种愿景，而非实际运营能力。

这些信号同样关系到开发者和企业买家。产能短缺可能延迟部署，或限制特定地区的可用性。硬件多样化能够降低成本，但也可能在不同模型和地点之间引入不一致的性能表现。

买家应询问服务提供商：推理如何路由、数据如何保持隔离，以及首选模型不可用时会发生什么。他们还应评估，智能体在切换模型期间是否能够保留引用、权限、记忆和审计记录。

知识工作者应关注结果，而不是基础设施口号。更多数据中心可以降低延迟并支持更大的工作负载，但并不会自动让助手变得准确、具备上下文理解能力，或适合用于敏感决策。

Google News 的标题捕捉了最直观的动态：Microsoft 正在扩大其数据中心布局。更具影响力的故事，是 Microsoft 正在芯片、模型、云服务和办公软件之间构建的操作系统。

Microsoft 已提供可信证据，表明当前需求正在吸收新增产能。Azure 年收入突破 1,000 亿美元，Copilot 付费席位超过 3,000 万，客户需求仍然超过可用供应。

尚未解决的问题在于这种趋势能否持续。Microsoft 能否在硬件老化和资源约束加剧之前，持续将每新增一吉瓦转化为有用且盈利的计算能力？

首先关注 Azure 增长，其次关注云业务经济效益，第三关注 Microsoft 多元化技术堆栈的生产级采用情况。这些指标将共同揭示，这轮扩张是在创造杠杆，还是仅仅扩大账单。