Microsoft Azure 的增长表明 AI 支出能够获得回报——但仍有附带条件

尽管市场持续质疑其经济效益，Microsoft 仍给出了迄今最明确的财务证据，表明其巨额 AI 支出正在带来收入。The Globe and Mail 发布并经 Google News 分发的标题抓住了这一逆转，但“已被证明”仍然言之过早。Microsoft 在 2026 财年第四季度的 Azure 增长了 43%，公司整体营收和营业利润也各增长了 18%。

这一组合使 Microsoft 区别于那些投资主要用于广告、消费产品或未来服务的 AI 支出者。Microsoft 已运营着大型云平台，向外部客户出售计算能力；它还可以通过 Microsoft 365、GitHub、安全软件和业务应用分发 AI。

与 Meta 的对比说明了其中差异。两家公司都在建设昂贵的基础设施，但 Microsoft 可以在内部使用这些基础设施的同时，向客户出售访问权限。Meta 则主要希望 AI 改善互动、广告和自有应用。Microsoft 的优势并不在于支出更低，而在于每座数据中心都有更广泛的变现方式。

Google News 标题反映了真实的盈利逆转

Microsoft 最新业绩将 AI 支出之争从对需求的承诺，转向了已确认的收入。

2026 年 7 月 29 日，Microsoft 公布了截至 6 月 30 日的季度业绩。营收达到 900 亿美元，较上年同期增长 18%；营业利润达到 406 亿美元，同样增长 18%。

按照美国通用会计准则（GAAP）计算，净利润增长了 31%。剔除 Microsoft 对 OpenAI 投资影响后，调整后净利润增长了 22%。这些数字很重要，因为它们表明基础设施支出并未阻碍公司整体利润增长。

核心数据是 Azure 及其他云服务营收增长 43%。Microsoft 并未单独披露 Azure 的季度营收金额。不过，公司表示，Azure 年营收首次超过 1,000 亿美元。

这一里程碑紧随 2025 财年 Azure 营收超过 750 亿美元之后。它表明 Microsoft 在扩大 AI 容量的同时，新增了可观的云业务。公司的季度业绩还显示，Microsoft Cloud 营收为 593 亿美元，同比增长 27%。

据公司称，Microsoft 365 Copilot 的付费席位已超过 3,000 万个。Copilot 是嵌入各类办公应用中的 Microsoft 生成式 AI 助手。与试用账户、演示或关于客户兴趣的笼统说法相比，付费席位提供了更直接的采用信号。

商业剩余履约义务增长 84%，达到 6,780 亿美元。这一指标代表尚未确认的已签约收入。它为未来业务提供了可见性，尽管并未揭示每一项承诺将在何时转化为收入。

这些业绩引发了显著的市场反应。根据基于 FactSet 数据的财报反应，Microsoft 股价在 7 月 30 日上涨了 16%。由此带来的单日市值增长约为 4,500 亿美元。

这一反应与市场围绕 Microsoft 上一次财报的焦虑形成鲜明对比。投资者看到资本支出上升，而 Azure 容量仍然受限。即使出现强劲季度，也无法回答 Microsoft 是在建设过多基础设施，还是仅仅在需求到来前提前建设。

最新报告支持了后一种解释。随着 Microsoft 新增容量上线并提升基础设施效率，Azure 增长加速。管理层表示，部分业务的需求仍超过可用供给。

这一结果并不能证明每一块处理器、每座数据中心或每项 AI 服务都能带来回报。Microsoft 在 Azure 报告中将 AI 和非 AI 工作负载合并计算，也将基础设施成本和收入分散在多个财务类别中。

尽管如此，这份财报改变了举证责任。怀疑者已无法再称 Microsoft 只有支出计划和采用轶事。公司如今在同一报告期内拥有加速的云增长、已签约需求、付费 AI 席位和上升的营业利润。

这正是 Google News 表述背后的逆转。此前，市场默认将更高的 AI 支出视为警示信号。Microsoft 表明，当新增容量与更快的营收增长及保持的盈利能力同步出现时，投资者会给予回报。

Microsoft 可以通过多种方式将同一套 AI 基础设施变现

Microsoft 的独特之处在于其分发和变现体系，覆盖从原始计算能力到成品办公软件的整个链条。

第一层是 Azure 基础设施。企业可以租用计算、存储、数据库、网络和 AI 加速器，无需运营自己的数据中心。客户使用这些资源时，Microsoft 便获得收入。

AI 模型在训练和推理过程中需要大量计算。推理是运行已训练模型以生成答案或完成任务的过程。每一个企业聊天机器人、编程助手、文档处理器或 AI 智能体，都会在某处创造计算需求。

即使由另一家公司构建应用，Microsoft 也可以捕捉这部分需求。独立软件提供商可以将模型部署在 Azure 上，在那里存储公司数据，并使用 Microsoft 的安全产品。Microsoft 无需拥有最终产品，也能从基础设施中获利。

第二层由托管 AI 服务构成。这些服务通过 Azure 为开发者提供模型、部署工具、安全控制和监控功能。客户无需自行拼装每一个技术组件，也能使用 Microsoft 的平台。

第三层则是 Microsoft 自有应用。Microsoft 365 Copilot 将 AI 引入 Word、Excel、Outlook、Teams 和其他办公产品。GitHub Copilot 面向软件开发，而安全 Copilot 则帮助分析人员调查威胁并总结事件。

这一结构使一次基础设施投资能够通过多条路径转化为收入。Microsoft 可以直接出售计算能力、支持外部应用，并提升自有软件的价值；它还可以将基础设施利用率分散到具有不同需求模式的工作负载中。

一个企业客户提供了很好的例子。它可能使用 Azure 托管内部应用，为员工购买 Microsoft 365，并为特定团队增加 Copilot 席位。开发人员可能使用 GitHub Copilot，而安全团队则使用 Microsoft 的监控产品。

这一组织即可带来基础设施、应用、开发者工具和安全产品收入。Microsoft 还掌控了大部分客户账户关系，无需让每位客户都从陌生供应商处发现独立的 AI 产品。

企业分发很重要，因为许多 AI 项目在实验之后便会停滞。在广泛部署系统之前，采购方必须处理权限、身份、合规、数据访问和财务控制问题。Microsoft 已经销售能够满足其中许多要求的产品。

这并不保证采用。若产品未能提供足够价值，客户仍可能拒绝购买。不过，与一家只销售模型或消费应用的公司相比，Microsoft 有更多机会将 AI 置入既有工作流程。

公司还可以在内部使用 AI 改进其产品。更好的搜索、自动化安全分析、编程辅助和文档处理可以支持客户留存。这些益处较难单独量化，但也增加了另一条潜在回报渠道。

知识工作者在更小范围内同样面临集成挑战。当助手能够处理相关笔记、文档、会议和决策时，它会更有用。维护良好的AI 知识库有助于提供这些上下文，而不是迫使用户反复重复信息。

Microsoft 的做法类似于其早期云转型。公司并未依赖单一云产品，而是将基础设施、数据库、办公应用、开发者工具和业务软件转向经常性在线服务。

AI 延伸了这一模式，但资本要求高得多。公司必须建设数据中心、保障电力供应、采购处理器，并持续更换硬件。只有当营收增长足够快以覆盖这些成本时，其分发优势才有意义。

2026 财年第四季度数据表明，该体系正在大规模产生效果。Azure 43% 的增长和 Copilot 的付费席位数量代表了不同的变现层级。二者共同解释了为何 Microsoft 看起来不同于一家押注单一 AI 应用的公司。

Meta 表明相同支出并不意味着相同经济效益

Microsoft 和 Meta 可以在类似硬件上投入巨资，却形成截然不同的财务回报路径。

Meta 在 Facebook、Instagram、WhatsApp、广告系统、推荐引擎和新兴助手中使用 AI。这些应用可以改善互动或广告表现。然而，Meta 并未运营可与 Azure 相比的对外云业务。

这种差异会影响投资者多快能够看到回报。Microsoft 可以直接向客户出售新增加的计算容量；Meta 必须将基础设施转化为更好的产品、更强的互动、更有效的广告或新服务。

在同一报告期内，Meta 的费用增长 55% 至 420 亿美元，营收增长 28%。根据一份支出比较，净利润下降 14% 至 158 亿美元。

Microsoft 的资本支出达到 410 亿美元，增长 70%。但按 GAAP 计算，其净利润增长了 31%。这一比较并不能证明 Microsoft 作出了更好的单项投资，因为两家公司拥有不同的业务和会计影响。

但它确实表明，市场为何以不同方式评估两家的 AI 支出。Microsoft 的云营收为基础设施与客户付款之间提供了清晰的连接。Meta 的回报则更依赖间接收益和仍处于开发阶段的产品。

Alphabet 和 Amazon 是更接近的比较对象，因为两家公司都运营大型云平台。Google Cloud 和 Amazon Web Services 也可以向外部客户出售 AI 基础设施、托管服务和模型。它们既有的企业客户关系也提供了许多相同优势。

Microsoft 仍拥有独特定位。它将超大规模云、办公软件业务、主要开发者平台、安全产品以及与 OpenAI 的密切关系结合在一起。每个组成部分都可以分发或消耗 Microsoft 建设的容量。

Amazon 拥有庞大的云业务和广泛的内部需求，但缺少可与 Microsoft 365 相比的办公软件套件。Alphabet 拥有 Google Cloud 和 Workspace，尽管其 AI 战略还服务于一个正面临用户行为变化的搜索广告业务。

这些差异使 Microsoft 对单一形式 AI 采用的依赖更低。若企业聊天机器人项目放缓，编程或基础设施需求仍可能增长。若某个模型提供商失去势头，Azure 仍可托管其他模型和工作负载。

因此，市场正在按照变现模式而非仅仅支出规模来区分 AI 建设者。当客户已经在购买算力时，资本支出更容易得到合理解释；而当财务回报取决于未来参与度或尚未发布的产品时，风险看起来就更高。

这并非永久性的排名。Meta 可以改善广告经济效益，或推出能够直接创造收入的服务。Google Cloud 和 AWS 可能加速增长，而更低成本的模型也可能削弱高端算力的价值。

Microsoft 还必须证明 Copilot 的购买能够从少数指定席位扩展出去。3,000 万付费席位代表了有意义的采用规模，但仍只是 Microsoft 更广泛商业用户群的一小部分。买家将衡量助手是否节省时间、改善工作，还是仅仅增加了一个界面。

这种务实评估并不止于投资者。产品经理必须决定 AI 是否足以改变工作流程，从而值得部署。工程师必须权衡模型质量与延迟、安全性和运营成本。企业领导者则必须判断，在试点结束后，使用是否能够持续。

Microsoft 通过将 AI 集成到熟悉的工具中，使这些决策变得更容易。然而，分发能力可以促成试用，却无法保证长期使用。只有当客户续订、扩大部署并产生持续性消费时，该公司的领先优势才能延续。

因此，竞争差异比“Microsoft 花钱更有效”更为具体。Microsoft 拥有更多从基础设施通向客户账单的路径。其季度业绩表明这些路径正在发挥作用，而竞争对手则面临压力，需要揭示同样清晰的财务机制。

AI 支出的回报仍面临 OpenAI 难题

Microsoft 的数据支持回报论点，但并未揭示其中有多少持久利润来自独立的企业需求。

Microsoft 不会单独披露 AI 收入报表。Azure 同时包含传统云服务和 AI 工作负载。Microsoft Cloud 将 Azure 与多项其他产品合并，因此很难分离出近期 AI 基础设施创造的收入和利润。

这一披露缺口之所以重要，是因为资本密集度已大幅上升。根据其财报材料，Microsoft 季度资本支出中约三分之二涉及短寿命资产，主要是 CPU 和 GPU。这些处理器比建筑物更需要频繁升级或更换。

Microsoft 可以在设备的预期使用寿命内计提折旧，从而将会计成本分摊到多个报告期。现金则会更早流出。如果利用率或定价令人失望，经济回报可能会在利润表完全反映压力之前下降。

毛利率已经显示出一些压力。即使收入增长，与 AI 相关的基础设施成本也可能压低云业务利润率。效率提升、利用率和更高销售额必须抵消能源、硬件、网络和折旧成本。

一项独立的利润分析发现，Microsoft 的 Intelligent Cloud 运营利润率仍接近 41%。在建设产能的同时维持这一水平令人鼓舞，但这并不能说明 AI 工作负载本身的盈利能力。

同一分析强调了更广泛的行业担忧。超大规模云服务商的很大一部分 AI 需求似乎与 OpenAI 和 Anthropic 有关。HSBC 技术研究估计，这两家公司约占主要云服务商已披露 AI 相关积压订单的一半。

Microsoft 对 OpenAI 有着特别高的敞口。双方存在相互商业安排，Microsoft 持有大额投资，而 OpenAI 仍是 Azure 的主要客户。这种关系可以带来收入、投资收益或损失，以及战略优势。

它也可能掩盖需求来源。云服务公司投资模型提供商，然后在该提供商购买算力时确认收入，这会形成更复杂的经济循环。云收入是真实的，但其持久性部分取决于客户的融资状况和业务表现。

Microsoft 披露了 6,780 亿美元的商业剩余履约义务，但其中并非所有金额都反映独立的 AI 需求。早期文件显示，OpenAI 的重大承诺显著影响了订单量。投资者必须将广泛的企业采用与少数异常庞大的合同区分开来。

该公司一直在尝试降低对单一模型供应商的依赖。Azure 提供来自多家开发商的模型，Microsoft 也扩大了自身的模型研发。修订后的 OpenAI 合作伙伴关系保留了 Microsoft 的主要云服务角色，同时允许更大的运营灵活性。

这种多元化有所帮助，但客户集中度仍是一个财务问题。OpenAI 的成功可以提升 Azure 使用量以及 Microsoft 投资的价值。增长放缓、融资问题或转向另一家基础设施提供商，都会检验基础需求的强度。

定价带来另一项风险。如果云服务商建设的 AI 产能超过客户需求，竞争可能会压低算力价格。更先进的处理器和更小的模型也可能减少完成特定任务所需的计算量。

效率并不总会伤害服务提供商。较低成本可以刺激更多使用，就像更便宜的计算推动传统云市场扩张一样。关键问题在于，新增需求的增长速度能否快于单项任务成本的下降。

客户行为增加了不确定性。企业通常先从小规模团队开始，随后在扩大之前要求看到证据。Microsoft 365 Copilot 的付费席位数据并未显示每个组织的活跃程度、续订率或生产力提升。

购买一个席位可能表明了认真意图，但并不等同于持续价值。最有力的证明应结合席位扩张、使用情况、客户留存和可衡量的成果。Microsoft 已披露部分客户案例，但尚未提供完整的经济图景。

还存在投资组合效应。Azure 的增长包括传统基础设施、数据库、存储和网络。其中 43% 的增长可能反映的是一般云需求，而非生成式 AI。

这并不会削弱 Azure 的业务实力。但它限制了“仅由 AI 推动加速增长”的说法。Microsoft 的优势可能来自于在 AI 投资周期中销售一体化云平台，而不是在单项 AI 服务上获得异常高的利润。

因此，该公司披露的业绩支持一个更狭窄的结论。AI 投资正在帮助 Microsoft 吸引需求并推动云收入增长，同时没有阻碍运营收入增长。但这些结果尚未证明每项 AI 产品或基础设施资产都将获得有吸引力的全生命周期回报。

对于任何将 Google News 标题视为投资结论的人而言，这一区别至关重要。一个季度可以验证一种商业机制，却无法解决估值、客户集中度或长期利润率问题。Microsoft 推进了论证，但尚未盖棺定论。

三项信号将决定 Microsoft 能否保持领先

下一项考验是，Microsoft 能否在扩大需求并保护利润率的同时，重复 Azure 的加速增长。

第一个信号是 Microsoft 下一份季度报告中的 Azure 增长。管理层的指引和产能评论将显示，最新的加速增长是受限需求的暂时释放，还是可持续的扩张。

投资者应将收入增长与新增可用产能进行比较。如果 Microsoft 在增加基础设施的同时，Azure 仍保持接近近期的增速，那么变现逻辑将得到加强。若产能扩张后增速急剧放缓，则会削弱此前限制由供给约束造成的论点。

需求结构与头条增速同样重要。Microsoft 需要在传统云工作负载、模型托管、开发者服务、数据库及其自身 AI 产品等领域实现增长。多元化的结构将使业务不易受单一 AI 提供商影响。

第二个信号是资本支出与云利润率之间的关系。Microsoft 表示支出将维持高位，包括继续投资处理器和数据中心。只要收入和运营利润同步增长，更高的支出本身并不代表失败。

关注 Microsoft Cloud 毛利率和 Intelligent Cloud 运营利润率。在产能扩张期间保持稳定或改善的利润率，将表明利用率和成本控制更强。利润率下降则可能意味着折旧和运营费用的到来速度快于盈利需求。

现金流同样值得关注。融资租赁可以降低扩张对即时现金的影响，而折旧会延后费用确认。投资者应一并审视资本承诺和现金支付，而非依赖单一季度数字。

第三个信号是 OpenAI 之外的客户广度。当一份合同带来巨额多年期承诺时，商业订单看起来可能令人印象深刻。Microsoft 需要证明，更多企业正从实验转向生产工作负载。

Copilot 提供了一项可见的衡量指标。付费席位应继续增长，但现有组织内部的扩展比零星购买更具参考价值。使用量、续订和覆盖整个团队的部署，将表明 AI 已成为日常工作的一部分。

Azure 客户集中度也值得更充分披露。如果更多模型开发商、软件供应商和传统企业推动消费，Microsoft 的收入基础将更具韧性。如果积压订单增长仍高度依赖 OpenAI，风险就仍然集中。

开发者和企业买家出于实际原因也应关注相同信号。扩张产能可以改善服务可用性并减少延迟。更多模型选择可以降低对供应商的依赖，而更清晰的采用数据能够帮助买家区分持久工作流程与短暂实验。

知识工作者也面临相关决策。当 AI 能够检索可信赖的上下文并支持重复性任务时，它才能创造价值。构建一个可搜索的工作流程可能比在信息尚未整理的情况下增加一个助手更重要。

Microsoft 的第四财季迄今为止最有力地证明，超大规模云服务商可以将 AI 基础设施转化为更快的云增长，同时保持全公司盈利增长势头。Azure 的规模、Microsoft 365 的分发能力以及开发者覆盖范围，为公司提供了多种方式来变现同一项投资。

不确定性存在于这些汇总结果之中。Microsoft 仍未披露独立的 AI 利润、详细的 Copilot 使用数据，或足以计算持久回报的客户集中度数据。不断上升的处理器更换成本和对 OpenAI 的敞口仍是重要考验。

那么，Microsoft 是否证明了 AI 支出能够获得回报？它证明了 AI 时代的基础设施支出可以与加速增长的云收入和上升的利润并存。接下来的三份报告必须表明，这种回报具有广泛性、可重复性，并且足以经受持续支出的考验。