科技巨头AI资本开支逼近现金流九成 模型公司崛起分流公有云溢价

科技巨头AI资本开支逼近现金流九成 模型公司崛起分流公有云溢价 四大科技巨头在2026年面临资本开支榨干现金流的估值清算，而掌握流量与生态分配权的模型公司正逐渐取代传统公有云成为软件行业的绝对入口。 本期节目深入分析了2026年四大科技巨头资本开支暴涨对市场估值与产业链权力格局带来的深远影响。周默指出，巨额的Capex压制了科技大厂的短期现金流，导致其股价表现阶段性跑输半导体板块，而模型公司凭借极强的议价能力和爆发式增长的ARR正逐渐取代传统公有云的生态入口地位。同时，强化学习需求的井喷和以前沿实验室为代表的后端强劲需求，正驱动AI产业从数据焦虑走向新一轮的算力与商业化扩张，其中亚马逊通过解决电力与产能瓶颈，借由Anthropic的爆发实现了AWS的实质性加速。 四大科技巨头 2026 年合计资本支出突破 6300 亿美元，占运营现金流比例逼近 90%，高额 Capex 侵蚀自由现金流，导致科技巨头阶段性跑输半导体板块。 (0:00) 模型公司正取代传统公有云成为流量与生态的绝对入口，头部模型公司年底 ARR 预计冲上 1000 亿美元，凭借稀缺生态位享有更高远期估值溢价。 (1:20) 强化学习闭环跑通使其占据过半算力需求，前沿实验室呈现“体量越大、增速越快”，Anthropic 月环比增长达 50%，OpenAI 与 Gemini 季环比亦接近 50%。 (6:00) 亚马逊通过锁定 4GW 电力化解数据中心产能瓶颈，伴随 Anthropic 调用狂飙带动 AWS Bedrock 环比暴增 170%，在供不应求下稳住了整体利润率。 (58:00)

FundaAI周默在对话中指出，四大科技巨头合计突破6300亿美元的资本开支正在严重挤压其自由现金流并引发市场估值清算；与此同时，AI产业链的生态位与议价权正从底层公有云向顶尖模型公司转移，强化学习与前沿实验室的真实需求爆发推动了算力交付周期拉长与云厂商的业务加速。 巨额资本支出压制现金流并引发估值分化 2026年，亚马逊、谷歌、Meta与微软四大巨头的资本支出（Capex）合计突破6300亿美元，占其运营现金流的比例从2023年的约40%飙升至2025年的65%，预计2026年将逼近90%。其中亚马逊过去12个月自由现金流从380亿美元骤降至12亿美元。周默分析，2025年7月后市场开始清算2026年Capex对大厂现金流的榨干效应，而公有云收入在去年下半年并未出现显著加速，导致大科技公司股价明显跑输芯片半导体板块。 从产业链利润率看，最稀缺的芯片层英伟达毛利率达70%以上，云计算中心经营利润率为35%至45%，而模型公司毛利率正从去年的30%—40%逐步回升。周默认为，顶尖模型公司年化经常性收入（ARR）到4月底已近450亿美元，年底有望达1000亿美元，对应传闻的9000亿美元估值仅为9倍远期ARR；若未来实现20%至30%的利润率，对应远期市盈率约为30倍，与微软常年35倍的软件模型相当，其高估值源于产业链中最核心的稀缺性与议价权。 生态入口重塑：模型公司削弱传统云厂商议价权 在2015至2021年的公有云SaaS时代，云厂商不仅出租毛利率约40%多的CPU，还搭售软件和数据库将综合毛利率拉至60%以上，牢固掌控整个软件行业的绝对入口。但在当前AI时代，开发者倾向于直接采购模型API，并不在意API底层的具体云底座。这导致云厂商从直接触达终端客户的高溢价角色，降格为模型公司的下游基础设施供应商，模型公司反倒掌握了流量与生态的分配权。 强化学习生态闭环推动算力需求持续井喷 周默梳理了2024年底以来的算力需求叙事：行业从担忧数据耗尽并催生“DeepSeek时刻”，到代码生成（Coding）验证商业化，再到彻底跑通强化学习（RL）、预训练、后训练与前端数据标注的完整闭环。到去年年中，行业已将一半以上算力分配给强化学习，使其成为持续的算力扩张支柱。 近三个月来，前沿实验室（Frontier Lab）并未因基数扩大而放缓增速，反而呈现“体量越大、增速越快”的特征。Anthropic过去数月ARR保持每月环比50%的增长，体量庞大的OpenAI与Gemini季度环比增速也接近50%。后端需求的强劲直接导致GPU租赁合同交付周期（Lead Time）明显拉长，印证了算力扩张具备坚实的真实需求拉动。 亚马逊解除电力瓶颈并借力Anthropic实现业务加速 针对此前市场对AWS加速不及预期的疑虑，周默解释其主因在于硬件与数据中心的产能瓶颈。亚马逊去年通过直接购买4吉瓦（GW）电力储备（规模甚至超过微软），在2026年彻底化解了租赁容量与能源瓶颈。今年一季度，Anthropic的高速扩张直接带动承载其API调用的AWS Bedrock实现170%的环比增长，自研芯片业务亦录得40%的增长。 尽管Anthropic因具备极强议价能力曾被视为AWS毛利较低的收入来源，但由于今年一季度AI训练需求处于绝对供不应求的状态，AWS无需打折促销，从而在稳住整体利润率的同时实现了实质性的收入加速。 本轮AI军备竞赛已从单纯的基础设施堆叠演进为强化学习驱动的真实需求爆发，但四大巨头面临近90%现金流被Capex吞噬的财务压力；未来模型公司对云厂商渠道地位的持续挤压，以及极端供需错配缓解后云厂商能否维持利润率，仍是决定产业链长期价值分配的关键未决问题。

市场将其视为一次对AI支出是否合理的集体检验。 曹卿云: 花出去这么多钱，什么时候能赚回来？ [0:00] 周默: 大科技公司的现金流几乎被资本开支榨干，这严重影响了对这些公司长期现金流的估值。 [0:00] 周默: 利润率最高的地方往往是资源最稀缺的地方。 [2:00] 周默: 模型公司之所以享有如此高的估值，核心在于其在产业链中的议价能力（Bargaining Power）和稀缺性。 [6:00] 周默: 当开发者直接购买模型 API 时，他们其实并不关心这套 API 背后到底运行在哪一家云底座上。 [6:00] 周默: 强化学习不再缺乏高质量数据。 [6:00] 周默: 体量越大、增速越快 [58:00] 周默: 在过去的一年里，加速增长是亚马逊 AWS 永恒的主题。 [58:00] 周默: 今年亚马逊“是不缺电的”，能够释放出大量用于租赁的容量（capacity）来驱动加速增长。 [58:00] 周默: 对 AWS 而言，本季度最大的一个博弈点在于对 Anthropic 的收入。

[0:00] 2026年亚马逊谷歌Meta和微软这四家科技巨头合计资本支出超过6300亿美元这个数字占GDP的比例接近20世纪所有重大基础设施项目的总和更直观的是另一组数字这四家公司的资本开支占运营现金流的比例从2023年的40%上升到2025年的65%一直到2026年,预计接近90%。亚马逊最极端,过去12个月的自由现金流已经从380亿跌到12亿。资本开支把自由现金流几乎全吃掉了,这笔钱到底怎么赚回来?如果能够遇到那些需求周末欢迎来到硅谷坐标4月底几家硅谷科技大厂刚刚发布了新一季度的财报那么几家大厂的资本开支和AI收入也仍然是所有人最关注的焦点那么今天在聊财报之前我想先跟你聊一聊几个大厂过去的股价的表现我们知道在过去两年可能英伟达都已经涨了几倍但是大型的科技公司的表现就远远没有那么亮眼同样都是在做AI市场的定价为什么这么不一样对就是这是个很好的问题其实从去年的7月份之前这几个大的科技公司还是能够跟上半导体的涨幅的或者你至少从趋势上看是很一致的但是从7月份之后其实是一个明显的分界线就是大家要开始算26年的CAPEX然后你算上26年的CAPEX以后就发现到了26年这些公司的现金流已经几乎没有了现金流没有其实很影响对于这些公司长期的现金流的估值所以你对它的收入的要求就更高你需要看到明显的的收入加速,但是如果你看典型的公园的话,你像微软还有AWS,他们去年下半年的加速其实不是很明显,AWS到今年的一季度才是比较明显的加速,所以就跑不赢其他的半导体的公司。然后另外一点的话呢是因为这一部分的Alpha其实主要都在各种各样的半导体的上下有的公司但是整体以前投资人对半导体所分配的份额都还比较小大部分的份额都分配给了这些大的科技公司那半导体的比重提高了以后呢就要减少大科技公司的配置所以两方面一方面是从基本面的原因一方面是从配置的原因就造成达科技公司跑的比半导体不差我们从产业经济学的角度来看利润率最高的地方就是资源最稀缺的地方我们看到英伟达的毛利率是达到70%多然后云计算中心它的经营利润率大概是在35%到45%之间模型公司的毛利率也是从去年的三四十然后可能今年会有一些上升那我们看到最稀缺的是在芯片层但估值最高高的是在模型公司,这个矛盾我们去怎么理解比较好?对,如果你是用PE的角度去看这些模型公司的话,这些模型公司都很贵,但如果你从远期的角度来看的话,没有那么贵。比如说我们举个例子像SRP可能到4月底它已经接近450亿美金的AR了到年底它就是一个1000亿美金的AR的公司了对吧那昨天刚传出来9000亿美金的估值你也差不多到年底就是9倍的AR如果你假设它以后能够做到20到30的利润率差不多也就是30倍P你像这些大科技公司在过去的很长时间也差不多是这个PK软件你却对标微软微软常年一般都是在35倍估值左右所以你往远期来看没有那么贵然后另外一点的话是什么样的公司他有这样的估值也看他的bargaining power他在整个产业里面的稀缺程度你毫不疑问从上云的SARS时代你从15年到21年公有云公司都享有很高的估值而且大家都喜欢这种轻资产的运营模式 [5:00] 赚钱对吧然后你像郭友云公司有很高的估值的时候它的特点是什么就是它在分发所有的SaaS流量虽然我卖CPU租赁对吧它可能是一个40多毛利率的生意但是我还卖软件我还卖数据库所以合起来我变成了一个60多毛利率的生意对吧而且所有的软件要通过我这去分发所以我其实是整个软件行业里面的入口但是你到现在这个入口的关系有点变了模型公司有点像之前的郭友云的角色如果你通过模型公司你通过SRB去买API如果你没有直接通过BIRLSR AI Fountry你直接通过SRB去买API的时候你其实不太关心这个API背后到底是跑在哪个云上所以云从原来直接对接客户的那个终端的那个Barkney Power很强的那个角色现在变成了模型公司的下游那模型公司以后它有分配陈那它就变得更强的Barkney Power它就变得更稀缺其实这个现象在今年越来越明显了你是怎么理解这一轮资本开支持续增加的逻辑它是真实需求在拉动还是说更接近没有人敢停下来大家都是军备竞赛的这种囚徒困境这种感觉其实资本支出这个故事从24年里到现在已经经过了好几轮的变化像在24年底的时候大家担心是数据不够担心模型不能被泛化which在当时确实也是真的所以就出现了1月份的deep seek moment然后到了去年2、3月份的时候是看到了coding的量迅速的起来了然后你就不太担心短期的商业化然后再往后跑通了强化学习跑通了Mit Training跑通了Post Training也又跑通了前面的标注的体系这一套的标注体系成为了一个完整的生态所以你强化学习不缺数据了所以到了去年年终的时候它可以分配一半以上的算力到强化学习上面所以强化学习成了新的增长的算力的需求点然后这个趋势就一直延续到现在只不过这一轮它有一个比较大的变化如果我们以最近三个月为看的话就是之前大家可能会担心模型公司的体量上去了以后它的AR会降速但是过去三个月最大的差别是当这些Frontier Lab的收入体量上去了以后增速不光没有降速增速反而在加速我们以增长最快的Anseropic为例Anserapic在过去几个月它基本上是每个月越环比50%的AR的增长你可以说OPAI和Germynite稍微慢一点但OPAI和Germynite他们还有季度环比接近50%的增长但他们的体量已经比去年大很多了所以变成了你的体量越大你的增速越快在第一季度会有很明显的反应对吧那你的需求就越强对吧然后到了衡量供需关系的时候就是我们要看就是这个KPEX或者反映到云的需求来看到底是你是供过于求还是你是这个供不应求对很明显我们有很多的前置指标可以去看这个问题对吧你可以去看签这个GPU租赁contract的离定谈对这个离定谈是变长的离定谈指的是你去下这个合同到你能够用上GPU大概多长时间或者你可以去看GPU的去反映它的供需的变化GPU的单价它分成好几种你分成长约短约和现货的条约长约其实在这个季度之前你过去的一年长约大概你每月你都会降差不多0.05到0.1美金吧但这个趋势从去年的12月就出现了反转其实今年的无论是现货价格还是GPU的contract价格都在往上涨那你价格往上涨很明显就是需求很多嘛往上涨的原因其实也很简单就是你可以想象GPU的租赁它是一个大的池子在之前的情况下租长约的人可能占整个池子最多的时候90%在24年的时候然后随着GPU的量越来越多了以后长约的池就会慢慢下降对吧你从90可能慢慢就下降到80%但是还是比你租CPU的时候好你租CPU的时候长约可能占六成短约占四成对吧但这个趋势反转了以后情况是什么就是大的Fontier Lab他们下了更多的订单他们锁了更多的长约他们因为强化学习因为Coding的需求他们下了更多的长约下了更多长约了以后这个长约的比重就会从80%渐渐往上涨那流给你短约的比重就会变小了短约它是很有弹性的短约是最反映短期的供需需求就像你比如说你五亿节你出去酒店酒店的价格就会涨很多对吧短约就有点像酒店的价格对吧所以短约价格的反弹就会非常的明显所以就造成了一季度整体的GP的价格就在往上涨所以你的供不应求的现象就特别的明显然后你再加上存储的涨 [10:00] 就存储的涨价为什么会对这个季度的KPEX影响非常明显是因为这批公有云他们普遍都是从三月中旬到四月下旬去和存储公司去谈你的长鞋长鞋就是long turn的contract对吧然后你谈扛鞋了以后你就要去锁后面三个季度后面三年的底价你锁了底价了以后这次存储的上涨它就不是一次一过性的事情它就会反映到你后面三个季度的变化所以因为你存储的底价也涨了以后你就得一次性调整你后面三个季度对于存储记录KPEX的影响而这个事情可能也没调完因为你现在锁的是底价你没有锁它的涨价的趋势等到后面继续涨它还得继续停现在这个GPU还有内存价格的上涨占到整个KPEX上涨的百分多少未来这个趋势还会越来越大吗两边都有这个季度最直接的是存储的涨价因为这个季度是大家统一签长鞋,后面几个度都要调整底价但是往后其实FontierLab的需求现在也是供应求的,比如说你可以举个例子你可以看现在SRP的需求,对吧,你如果去直接去跑SRP API它特别慢如果你通过AWS BackRaw去调SRP API它可能速度快一点但是可能会经常出现各种各样的问题对吧你很明显能够看出来现在SRP一个是严重的supply constraint然后你如果看Frontier Lab明年更激进的Data Center的计划的话明年的KPAC肯定也要提如果是把这个KPAC的上涨中间如果你分一下这个蛋糕你会怎么分有多少是来自于通胀内存价格上涨有多少来自于需求扩张我觉得如果你看这个季度的话绝大部分是来自于通胀然后你越往后的话你的需求影响就越大现在我们知道这四家公司同时都在做自己的自然芯片包括亚马逊的Trainium谷歌的TPU微软的Maya和Meta的MTIA他们的目标都是一样的想把推理的负载从英伟达迁移到自然的芯片然后把原来付给英伟达的钱留在自己的利润里面那亚马逊的这个CEO Andy这次在财报里也说了一句话我印象很深刻就是说Trainian每年是能为亚马逊节省数百亿美元的CapEx的然后同时他也能够提供数百个基点的运营利润率的优势那这对整个AI产业链的利润分配意味着什么以后谁的蛋糕会变小谁的蛋糕会变大这是个很好的问题但是亚马逊在这个季度它有一点点的特殊性因为Trainium这张芯片它去年其实给很多客户打的折扣是比较深的因为Trainium最主要的客户就是亚马逊自己和Atherapic但是今年一季度是一个很特别的季度今年一季度所有的hyperscalar其实都是他们过去一年bargaining power最强的季度最供不应求的季度所以training这个业务它就从原来可能对外部客户需要打低价现在到了Anthropic那里也供不应求AWS spiral下面都是部署的training tool它也供不应求所以training其实它就从原来一个不太产生利润的业务到这个季度产生了很多的增量的利润但如果你从整个的云的体系来讲的话你如果今年想做一个很好的云的业绩你有Cloud API我们说云的API无论你是Cloud Code还是你是OPI Codex你有API其实给你带来的是收入的加速但如果你有ASIC的话会保证你有更高的利润率就同样的如果你是以谷歌为例的话他做TPU的毛利率就比他做GPU的毛利率要高所以从企业角度上有ESIC可以保证他们的毛利率可以保证他对无论是对客户还是对芯片的保险你power然后你从另一个点来讲其实现在好的云的公司当年成为一个硬件公司属性也很强比如说你看Andy他就特别喜欢讲GravitanGravitan其实在整个的云行业是一个非常重要的华时代的事件也是不断强化AWS在过去几年生态位的事件如果我们把时间往前调大概是在2021年Gravity 2大幅开始推出的时候你可能会记得当时的很多的SaaS公司纷纷调整他们的输入预期和成本预期就是因为他们在AWS大幅使用Gravity 2因为Gravity 2这个事情对亚马逊的帮助非常大因为如果你有30%的性价比提升的话你传导20%给客户客户就会想用Gravity 2还不是想用X86对吧用了Gravity 2以后如果客户享受了20%的性价比提升你中间你其实就能拿10%的差价这10%的差价就变成你的 [15:00] 他可以选择这10%里面有多少变成他的margin有多少变成他的竞争优势如果他变成他的竞争优势的时候他就可以对Grafton进行降价因为你看光有云的商业模型它其实是一个通缩的模型在过去的CPU时代你每年都要对CPU降价你都要对所有的产品降价降价是因为有摩尔定律但如果你有自研的芯片你就可以在降价的同时还保证比竞争对手更高的margin所以对公有云来说做他们的自研芯片在历史上这个事情都非常有价值特别你像AWS过去就是靠这个起价AWS过去就是靠单点最优然后靠集中做硬件去保持它在有市场竞争力的时候还有market share所以你到了这个时代大家都想去做ISIC但做ISIC肯定没有那么容易你做ISIC你有软件的问题你有CUDA的问题你有非常多适配的问题这里面其实跑得通的是TPU对吧TPU的很多的失败问题已经和他们在Germna一起协作的时候跑通了所以你到Anthropic对吧所以你到Meta在用TPU的时候就没有遇到那么多的问题对吧那training和Anthropic之间的沟通肯定是不如TPU和Germna团队自己的沟通的但是对于所有的云场商来说这都是一个Must to do的事当然你跑的最通的是TPU所以你如果去看切蛋糕的问题的话TPU产业链其实很多都是跟光相关的我记得曹老师之前也做了一个光的访谈如果你看光的访谈的话其实大部分的OCS的供应商其实在TPU里面都拿到了新的蛋糕我们说完这个支出端现在我们也来说说AI的收入端在聊具体数字之前可不可以请你帮我们先去理清AI收入这个概念因为AI收入这个词每家公司说的其实是完全不同的东西也是一个比较有争议的话题对每一家的AI的收入概念非常不一样我们以微软为例微软它之前会披露一个数值就是AI摘到他们Azure增长的多少个点那这里面包括了很多场景它包括了GPU租赁的收入它包括了帮OPI卖API的收入它也包括了与AI相关的各种各样的产品的输入比如说如果它定义它的某一项数据雇产品Fabric对吧或者甚至是Databricks的第二方的产品对吧然后因为AI产生了新的增量他也会把它定义到AI的Revenue里面对吧而如果你去看亚马逊的话亚马逊主要定义的就是AWS的BiRock的收入你看这个季度AWS的BiRock环比增长了170%那这个BiRock里面的收入其实很多是Anserby给他的收入分成因为SRB在AWS去卖的API的收入大部分是跑在Background上除了它的Background里面它还有一些芯片的AI的收入以及还有一些它其他的跟直接相关的AI的那些service的收入对吧然后你看谷歌的话谷歌它没有特别给你去披露一个AI收入的口径但是谷歌的体系其实也非常的清晰它包括了GPU租赁的收入TPO租赁的收入TPU直接销售的收入然后还有Germini的时候Germini的时候不是100%都在GCP体系里面它大概有70%多是会记录到GCP的体系里面的对吧然后它还有其他的AI产品的时候所以你肯定是谷歌里面的AI占比是最高的也反映到收入加速里面是最高的对Meta的话Meta是从来没有披露过AI占收入的口径因为推荐算法对整个收入的贡献其实你不太好去界定对吧它很多是算力提高能够让推荐算法的模型复杂化带来的收入的增量也有的是Fontier Model给Decoding Encoding带来的增量也有可能是在解释端更多的增量所以你很多时候只能说可能今年你有几个点的影响今年带来了几个点的增量但你很难量化它到底有多少个事物是AI所带来而每公司确实有不小的差异但是你能够看今年有一个比较特点的是今年从一季度开始几个公有云的AI数的占比都开始加速了你刚刚说到这三种这个AI收入的路径你觉得哪一种是最可持续天花板最高的我理解这里面有几种的固境一种就是比如说你直接卖算力还有一种就是你在算力以外你还卖一些AI的产品比如说你的Office Copilock你的Copilot Studio你的Dynamics Copilot对吧然后或者就是你去卖这个 [20:00] 跟推荐算法有关的增量的收入如果你去看收入天花板的话毫无疑问肯定是龚耳云的收入是最高的因为你从模型公司角度来讲模型公司现在基本上已经不做什么EP的Data Center了OPAI之前有一个很大的EP的Data Center计划但是发现做EP的Data Center其实是非常的challenging的所以大部分的Data Center也转成3P的租赁的需求了对吧你像Ansurvic虽然它有EP的Data Center但是他EP的Data Center都是GCP把整个的TPU加贵加OCS整包放到他的Data Center里面的可能你唯一自己做EP的Data Center现在只有XAI所以大部分的Data Center的量都在公有云和NealCode里面那你如果看整个的生态的话如果模型公司不跟你去去想Data Center的量的话那肯定公有云的收入是最高的但公有云这里的问题是模型公司以后的Barkney Power越来越强你比如说你像Acervik现在Barketing Power就非常的强对吧它可以租你的TPU它也可以通过你去卖API卖API这个事情就很电脑你像一季度它可能80%到90%通过云卖的API都是走AWS这是从去年四季度开始它也通过GCP的Vertex AI去卖API然后到了去年底他和Azure也部署好了从今年的一季度开始他也通过Azure的AI防坠去卖Cloud API你想AI防坠一季度他可能只有几个点是跟SLP有关的API的时候但他到二季度这个比重就可能迅速提高二季度就可能到十几到二十个点对吧所以你会发现Frontier Lab其实也会想通过不同的云的渠道去卖API对吧那它越分散它的bargany power就越强然后保管SRB现在去接Dedat Center的条件也越来越的苛可就是你去和云去签还是你去和New Cloud去签因为SRB已经成了世界上或可能是最大的钻利的需求方所以你其实你到了后面的条件也会越来越可可只不过你像今年的一季度还有今年的二季度因为供需需求特别的不平衡所以对云的barketing power会非常强但到了以后其实不是很确定然后你到了mycopylomyagent这里有一个问题是你很难证明你做agent产品你能做的比frontierlab要好这个问题在微软身上会非常的明显包括我们之前调的第一个问题就是就为什么微软从去年的7月开始就明显跑出半导体明显跑出别的AI公司甚至明显表输别的MegaCap里面有个很大的原因就是虽然ASHA占了微软接近四成的收入但是微软大部分的利润还是由软件而贡献的Office是全世界最大的软件产品Office有4亿用户无论是你从收入体量还是在用户体量上面都是全世界最大的软件产品但是你看现在的趋势有Clock of Work有Gemini Enterprise大家通过Computer Use了以后也可以调用Office甚至你在多摩泰很多PPT输出上面你还不如Gemini Enterprise输出的效果要好所以大家从去年下半年就开始argue微软除了一个云公司以外它还是一个特别大的它是全世界最大软件公司它是最软件的麦卡卡所以其实也是在质疑包括agent包括copyler这套产品你到底能不能去跑赢这些Fortier Lab其实你去看大公司的工作方法和创业公司在现在AI条件里面是完全不一样我们可以数数从今年1月份到现在已经发生了多少事情原来你说的产品迭代你可能两到三个月一次大的产品你就OK说季度维度的迭代符合Office的开发思路但是你到现在来看哇1月去年的12月底Cloud 4.5出来了然后Cloud 4.6出来了Cloud 4.6出来了大家都开始multi coding agent工作对吧然后再往上因为Cloud 4.6出来以后它的top time design能力大大加速了编程的速度对吧然后再到3.5Honis出来了对吧以Kopela为例Kopela其实之前在调度曾用了很多的Hardcore的Program Engineering对吧你也保不过Honis的产品对吧所以就造成了大的软件公司在Agent开发上面它本身就没有那么的内体就很多时候创业公司一周就一开始开始做一个很大的迭代了但是对于一个大公司来说三周可能PPT到汇报的流程都还没做完所以其实你从市场上来讲大家没有那么去看好Copilar或者Agent这些产品在MegaCap里面的真正收入带来的贡献微软那边的收入情况来看ConscurryC一直都是14 15对吧可能你偶尔有一个点的加速但始终没有云有那么强的爆发力作为赢的对照的话你典型来看的话AWS的收入从上个季度24 [25:00] 季度变成28对吧GCP从上个季度48变到这个季度的63对吧所以你云的加速比重远远超过Office的加速比重甚至你还要担心Office可能你会有seats的减少所以第二条其实对于这些公司我觉得至少对于长期对这些公司竞争优势没有怎么去记录然后到了推荐算法端的话推荐算法端其实在24年和25年是大家最喜欢的国际他对广告公司的增量是全局的贡献你贡献两到三个点是对总收入的两到三个点的贡献云里面贡献的几个点是你对云的贡献而且你的很多的贡献是dilute你的利润率但是对于这些推荐算法公司来讲他贡献的其实对利润率都是有帮助的对吧你去买GPU的时候你其实就考虑到ROI了买他买GPU的时候就考虑到GPU和推荐算法ROI的关系了但是这里面的问题是推荐算法的贡献在整个收入里面它的比重会越来越小一开始会有low high influence再往下的时候你就要scale up你的推荐算法的模型你以前是7到8层你以前是一个金斯塔结构现在你要把它变成十几二十层你要把金斯塔结构变成一个圆通型的结构然后或者说你在这个里面你有更多的投入但是你光一两个点的RY的贡献在整个系统里面可能就不会那么明显无论是反映到margin端的变化对吧还有反映到Lirium的变化就没以前看得那么好看了对吧所以你现在三种模式其实它的角色也在互换以前大家喜欢AI对广告的贡献从今年其实慢慢开始喜欢AI对云的收入增速的贡献刚刚说到这个微软的AI的年化收入有370亿这也是这次财报季最大的一个AI收入数字之一外界对这个数字也是比较有争议到底是里面有多少是因为AI而新产生的收入有多少是原来就会发生的收入而只是换了一个AI的标签像你会怎么去判断AI真实的货币化的进度最重要的就是看增速Backlog反映了你长期的需求如果你有足够的supply你就能够把收入给放出来我觉得这几家公司的AI的revenue的确定性都很高他们的收入真实性都很高每家云的公司它加速的频率会不一样比如说举个例子你如果看GCP的话它加速的频率肯定是最高的它有几个特点它的Germdine的Revenue大部分70%以上都book在GCPRevenue里面你像Anthelope通过AWS去卖的API首先你的API只是Anthelope AR的一部分然后卖的API里面你可能只能book40%的Revenue到AWS的Business Model里面然后第二个你去看JCP的话它的TPU的量是最大的所以你能看到JCP的加速就非常明显如果你有API的AR如果你有自己的ASI的芯片对你的所有的帮助就会越大那在微软里面它就不是特别的逃强第一个点就是微软没有跟TPU没有跟TRAINING比的ASI它现在有Maya 200但Maya200现在只能跑GPT4O就稍微小一点的GPT的模型就跟Coding相关的跟Codex相关的跟5.2 5.3 5.4相关的模型你都没有办法在Maya上来去跑然后第二个事情就是OPI的API的增长在之前也不是OPI主要的增长点OPI主要是靠靠产品增长的收入供险,它跟Atherapic,它跟Germni不一样,所以它的API的体重在Atherapy里面的负献本来就没有那么大,而且增速也没有那么快,就没有Atherapic到AWS和Germni到GCP要那么强的爆发力。所以其实是跟你的business model跟你的myAPI的角色也跟你怎么去看待你的自研芯片会跟你的增速会更相关一点刚刚就聊到了云业务的持续加速这个季度是谷歌的云的增速达到了63%Azure 40%和AWS 28%最直观的感受是谷歌云的加速是最快的但是如果从绝对值来看的话AWS的新增的绝对云收入实际上是比谷歌整个季度还是要更多的那我们也从财报里面亚马逊也提到AWS的增速上限是数据中心建设的这个速度而不是说客户需求的比其他两家云会更慢那Bedrock这一季度处理的token数也是超过了2023年上线以来的历史总和的我们是应该怎么去理解 [30:00] 现在这几家云的格局应该更去看这个增速的百分比还是看增量的绝对值肯定是看增速的百分比会更重要或者你是看在每个季度新增收入量里面incremental revenue里面每家的占比会更重要所以这里面明显是GCP和AWS的量更大一点ASH的量会更小一点云的格局里面还有一个领先的指标叫做RPO剩余履约义务这是已经签好的合同但是还没有交付也没有算进收入然后它是一个领先收入6到12月的一个指标比当下的增速更能说明未来而这次的财报大家也是看到RPO的增速惊人对于这三家的铁押合同你觉得如何看待他们的意义和质量质量都很高这幅口径上面大家互相有点差别你比如说你去看那个backlog的增长,GCP的backlog增长肯定是最快的嘛,对吧?那GCP的backlog增长里面有一个很大的原因是因为它开始直销那个TPO了,直销TPO和你租赁TPO有很大的差别。你如果租赁TPO的话果TPO生命周期是五年的话相当于你每年确认的是五分之一的收入但如果你是直销TPO的话那TPO就一下就卖出去了当然它可能是一个NetRevenue的口径它要扣掉博通的成本对吧但是无论如何你都比租赁确认的那个backlog要大很多所以GCP的background里面很多是有口径的原因其他两家公司其实跟口径不是特别大相关其实反映的是长单就是长的合同的占比提高了然后长的单子越来越大了微软的里面看RPO里面也有45%来自OpenA你觉得这会是比较担心的话题吗对这一直都是一个大家比较担心的话题特别是在Azure和AWS的语境里面因为大家会觉得这不算是一个高质量OPI和Cyreplik以后都会分散他们的云的供应商比如说你去看OPIOPI在微软财报和谷歌财报的前两天和Microsoft更新了他们新的协议对吧所以你像AWS一季度一些capacity的问题我理解也是为了等OPI因为OPI其实很早就希望能够上AWS但是因为和微软回收关系的问题一直到了4月份才解决这个问题那你一季度很多留给Opi的量你可能一季度就没办法确认到收入里面所以大家会担心以赴这些模型公司的份额会有变化今年在你这儿,明年会不会就在别的地方呢然后如果因为你接了很多大客户的量导致你的毛利率下降了其实大家会更担心一点因为毛利率下降了大家会担心你在新的GPU场景里面你的bargane power没有你在CPU墙了那么因为你绝大部分的时候又来自于单一客户所以就会进一步担心会带入你的margin确实有很大的担心但是整个市场其实也很通融如果你的加速比重去高这个担心就没有那么大最担心的就是你的加速比重没有那么高你每个季度是平的或者加速一个点但你KBICE又涨很快然后你的大客户的比重又很高这是大家担心的如果你加速很高其实也还好接下来我们来过一遍这几家大公司首先我们来看看谷歌谷歌这次的业绩是很亮眼的包括云的利润率是从大概17%点几以下跳到30%多积压合同也是翻倍第一方的模型每分钟的处理的Token数也是增长很多对此的话你是怎么看谷歌的这个护城河以及Gemini对于谷歌护城河的贡献Gemini的模型呢因为它的训练思路可能和原来的Opile和SRP稍微有点区别Google很多的优化是围绕benchmark来做的对吧然后谷歌它在TPU上面有非常大的优势它在同等规模的flops情况TPU的训练模型的成本可能只有你OPI用GPU训练成本的20%到30%所以谷歌做模型它可以在同一代比OPI SIP大2到3倍的模型但其实现在每一代的模型参数大概就是3倍对吧所以谷歌其实它是用下一代的参数规模和你这一代的open srb比所以它在之前的很多的benchmark还有通用的文本的场景prature的场景都能做得非常的好但是到Konlein其实需要很多强化学习需要很多数据标注的knowhow谷歌在去年在强化学习上面投入没有那么高今年在非常大的投入做强化学习所以你coding可能还需要 [35:00] 三到六个月时间去补上所以你确实到了Germanal上面在GCP的爆发没有SELPIC那么猛但是对于谷歌的好处就是Germanal事物全是它的收入所以它放在GCP的基础里面它就非常的明显GCP本来就比AWS就比AWS小然后Germanal又能确认几乎全部的收入所以它的收入贡献就会很大在谷歌的增速本就会很明显对吧其实Germdine贡献了这个季度4到5个点的收入加速然后你还有TPU租赁贡献的加速对吧你还有TPU直销贡献的加速对吧我觉得谷歌的护城河在Heperscal里面肯定是比AWS和Azure要好的就首先因为你有了Germdine所以你保留了API加速的爆发力然后你可以保通自己的商业模型的商业化的那个壁块另外一个就是你有TPU你有TPU了以后你就可以有更强的保险你大客户可以用你的TPU用的TV你的margin就会比你去租GPU的margin要高所以你去做模型你去向客户提供的时候就是做云租赁这个事情做新一代的AI租赁这个事情它对你不是一个逮入你margin的业务但其实对于另外两家云公司它有可能会变成逮入你margin的业务就你回过头来你像当年电动车打油车的时候油车的问题就是油车也想做自己的电动车但它会和原来的油车业务前后打架所以造成了很多在电动车的投入上面它不够坚决其实你现在看风格云上面也出现过类似的情况还是在24年底摇摆波罗斯所以造成了他们25年拿Data Center的量不够那AWS呢是他一直非常坚定他的training的投入但training可能比TPU稍微落后一点对吧但谷歌是一直非常坚定投入TPU投入AI生态化而且他甚至他做DPU的margin比他原来卖CPUSAS的margin还要高因为他本来就没有多少SAS的业务你卖CPU的growth margin其实也是40斤你卖TPU的growth margin做TPU的growth margin比你做CPU更高所以你在AI投入上面是非常坚决的你做这件事情的RY回报就比你原来在CPU时代做的回报要高所以其实对你的对你的激励机制也是完全不一样的这次P-柴他也是被问到谷歌现在算力受限的情况下他的这个TPU优先是供给搜索还是会供给Cloud外部的客户那他也有说谷歌其实内部是有一个RYC的一个框架但是也没有给过一个比例可以说就是谷歌内部的需求和外部的cloud的客户在竞争同一批tpu这是谷歌cloud的增长的一个天花板呢还是说他可以用更多的capex去解决这个问题对这是一个很好的问题就是如果能够分给tpu更多的coer那谷歌就能满足他的需求谷歌也希望能够有更多的coer所以比如说Google去谈这些capacity的时候他们其实都非常aggressive希望要更多的covost但是到了产能这里很多的covost的问题是因为被英伟达损住了所以导致没有办法给谷歌分这么多covost但是谷歌其实是想要很多的covost对吧所以tpu其是那最供不应求的芯片但是问题是没有足够多的产能但是TPU你如果去看它的产能今年不到400万张对吧明年它的算下来新飞飞的Cobus产能其实已经要到将近1000万了所以你想明年其实是今年的不少倍而且它的天花板也很高它天花板可以对照英美达而且你甚至你再过来想世界上的三个SOTA的模型有两个模型已经是基于TPO训练了Gemini之前的上一代的Gemini3对吧然后即将要推出的MethosMethos pre-trained也是基于TPO训练的只有OPI的5.5是基于GPU训练三个Frontier Lab里面有两个Frontier Lab都是用TPO训练的对吧,所以其实对适配大厂来说,Germna已经帮TPU跑通了很多的适配的问题。所以回过头来,就是TPU的需求很强,但是又没有足够的capacity,所以内部的需求和外部的需求,它的冲突就会越来越激烈。这个冲突在去年还没有那么激烈,但到了今年就会长。 [40:00] 因为你今年你谷歌你要给Atherpik 90多万张卡对吧大部分是TPUV7还有一部分是TPUV5对吧大部分都是要最新的TPU的芯片对吧那你想你如果要训练下一代的模型对吧那谷歌也需要TPUV7你甚至现在的3.5甚至4都不一定有足量的TPUV7需要很多用TPUV5来做训练有Atherpik TPU也完全不够如果Atherpik TPU在一速度很充分的话也不会出现你去直接调SRPG的API出现这么慢的情况对吧所以他这里面肯定是有一些冲突的矛盾的但我觉得这里对于谷歌问题来说这是两个部门一个是Germnide一个是TPU部门所以两边合作很紧密但是不同的部门从TPU的角度来说他其实对外卖更多的TPU来说对他是好处他现在卖越多的TPU现在越早进Frontier Lab的适配的流程你以后在整个市场里面的shale就会越大你现在在SRB跑得越快试背的越快软件站的问题解决得越快你就能越早的在Sota模型里面用上每个公司他都有惯性你越早进去这个惯性就在你这里对吧他就不在别的地方对吧所以从TPO的角度他肯定是想在外面卖的更多的对吧但是也影响到了Germanite的用料我觉得这个问题不太好解决在今年都不太好解决今年都会成为一个很大的问题TPO严重的供给不足但是在明年会稍微好一点因为明年TPU拿到了更多的CoA然后你从分配CoA那端也看到了TPU更加持续的需求除此之外还有谷歌的搜索的业务之前我们知道去年搜索业务也遭到市场的一个很大的质疑今年看到的是搜索业务还加速了似乎还有一个新的市场开拓出来了谷歌的广告收入的加速你有什么评价?对,谷歌其实最近AI对他的贡献确实比AI对Meta的贡献要更加的明显应该说AI对他的广告贡献是从去年二季度开始有明显的变化因为谷歌它有一个很反常识的地方就是他其实是有60%到70%的搜索是没有变现的他有很多的query他很长或者他又很短很长或者很短的query他的变现价值都不高对于广告主他投关键词来讲最直接的关键词是最好的比如说我要买运动鞋这个quare对于Nike来说是价值最高的但如果你发了一个大长串的quare像跟AI对话一样对吧就是我有什么样的需求我缴多少码我喜欢旅游我现在应该买什么样的鞋子这不是广告主很喜欢的因为他没有跟广告主的关键词直接匹配出来所以很多问句的形式长的quare在之前是推不出广告的但是有了AIA1View以及配套的投放的AMX产品以后这发生了变化因为你现在理解长Quality的能力比以前更强了而且你可以在不同的步骤里面去理解你该推广告的概率比如说这个人他一开始AMO的跟你互动他买鞋的需求的时候他可能有很多铺垫的问题他还开始先跟你去讲我的习惯对吧我大概喜欢什么样的价位对吧哪些品牌我很习惯然后随着你做了两三轮对话了以后你就发现他现在就是要挑他最想要的品牌了他的购买意愿已经很强了你这个时候给他推一个大的banner给他推一个大的广告位你不用去care到底占了你多少的那个那个页面的占比他的cpn就应该卖非常贵因为这就是你承担钱的最后一步所以通过这个方式你可以解决很多那种长的query过去不好变现的query所以他拿到了更多的增量然后另外一方面对于谷歌来说谷歌其实很聪明就比如说你去做原来的广告原来的广告都是在page ranking那套 system他经典的是一个页面里面给你推三个可以推四个广告但是谷歌其实每次给你推广告的时候他都可以去判断这一次的刷新后到底是给你推广告 [45:00] 你推三个原来的传统的广告号还是给你推两个加一个AI广告号还是我就应该在三个广告上面给你加一个AI广告号到底在哪种组合里面我可以给你贡献增量的revenue比如说举个例子去年的时候洛杉矶有很大的山火那出现山火的那个时候跟家庭跟防火有关的保险它的quare的价值就会特别高他可以卖特别贵然后你就发现那段时候谷歌推广告quare的时候三个传统的广告下面还要再给你加一个AI overview的S所以他可以保证在任何的page ranking的形式下他都可以给你找到增量的收入同时他还可以满足他推AI overview推AMX的渗透率的要求因为他还有大量的quare没有做商业化变现他在这些quare里面推AI overview它对AMX既可以满足渗透率的变化又不用影响传统广告的渗透率所以谷歌其实有很多方法去做责量收的这个事情在去年的二季度三季度四季度在北美就越来越明显然后在今年欧洲广告主也开始做了因为欧洲广告主一般都会比北美广告主慢两到三个季度有跟产品上限时间的影响也有跟欧洲广告主本身他们就有更高的合规需求有更多的这个审核需求有关所以今年其实是欧洲广告主刚刚开始做AI的第一年去年是北美广告主和亚太广告主做AI的第一年那接下来我们讲一讲微软两年前OpenAI是微软的一个专属资产是Azure的一个最核心的差异化但现在微软和OpenAI的独家合作消失了亚马逊也是宣布投资OpenAI500亿然后OpenAI也是进驻了AWS的Bedrock你怎么看待这个格局的变化以及未来Azure的核心竞争里无论是对于Azure还是对于OpenAI来说可能都是不可避免的话对双方来说其实都可能是一件好事情对吧从OpenAI的角度来讲OpenAI之前Codex在Azure里面卖其实丧失了最大的开发者市场因为最大的开发者市场还是在AWS你如果是卖一个coding产品你一定要卖到开发者市场里面不只是卖到enterprise市场因为开发者市场的爆发力是最强的所以Operi一直就希望能够跟AWS有更深的合作对于微软来说也是的对吧因为API这个事情本身在OPI的收入占比里面它就不是一个很高的占比它也希望能够卖更多的SRP API它也能够卖最强的模型的API所以其实双方最后都会走到更加分散的场景然后另一个不可避免的趋势是对于模型公司来说模型公司的话以前变强也是不可避免的SRP原来主要绑定的是AWS做销售去年四季度开始GCP Vertex今年一季度开始SIA防锤它也开始分散化它的渠道Hopi也开始分散化它的渠道模型公司的话语权越来越强不和你绑定也是必然的趋势你觉得Copilot应该如何去应对像Cloud Cowork这样的新的竞争对手现在的竞争的变化肯定是越来越激烈的我们如果回顾当年Copilot出来的时候Copilot主打的是几个点第一个点就是Copilot它是在Office TC里面Native的所以他可以和Office的各个产品无缝衔接合作对吧特别是Office本身是一个GUI的工序各个产品的背后其实是一个database所以你在调用database他会说你更加的native特别是在之前的多模态API用的没有那么好的时候其实你有了这一套后面的原生性对于很多多模态的东西你可能识别的更好然后第二点的话就是因为你和Office打通了所以你可以用原来Office那套身份管理系统就权限管理这套其实在Enterprise里面是很复杂的就是你现在个人如果做一个Cultal Work然后去接你的企业用了电脑的话你完成一个场景你可能要做十道授权手续 [50:00] 点点点点的很累的但是因为你原来的这些已经走通了office的身份管理所以你不需要做额外的授权所以对企业来说他省了一笔全线管理的设置成本然后对于你的用户你再往我们更懂office的场合在全线管理的系统然后第二个点的话是质量还比Office要高有技术上的原因也有微软自身的特点如果你说技术上的原因的话你可以说Gemney Enterprise是吧他其实他的多模态能力就很强Copala用的很多的多模态能力其实是用的上一代的co-interpreter他不是这一代的多模态能力他是上一代的多模态能力所以你在多摩泰做PVT上面它就不是特别的好看然后你再到了这种更加长的任务的处理一下的话Athervic它的Harness做得很好对吧Harness这个体系就是Athervic提出来的然后你到了奥菲基金里面哪怕是它一代的Kopela Co-Work它现在的Harness都没做好可能要等它正式发布打磨了一段时间由他的哈的工作但是你像公司的变化太快了就是哈尼斯这个事情根本没有给你很快的适应的周期你就已经要求你的老产品一整个产品哈尼斯坏了所以你对Copilot又很高的技术上的要求其实也反映到了一个AI native的公司他迭代速度就是比适配的公司他的速度要快很多当你站在Copilot角他会说哈尼斯本身还是一个engineering的工程对吧我们以前可能是很卡扣的Problem Engineering对吧在很多场景我们自己靠Pro Engineering来做但是以后因为Honis也是很多工程化的工作所以我们最终演的事实上不是说很明显的算法的劣势对吧anyway可能这也是对的但是如果过了几月它不是Honis它是下一代的技术你是不是又要适应一遍然后另外一点的话是跟微软自身的问题有关因为office 口拍到他是一个非常enterprise的产品微软是一个非常注重合规的产品所以他在用模型的时候他是有一套调度层的这个调度层他会根据cory的难易去分配各种各样的模型他之前的很大的问题是他没有办法去分配给Cloud Code没有办法去分配给4.6现在可能现在跟 Unsurvey合作已经深化了然后另外一点的是因为你人为多了一层分配所以在降本和满足延迟的同时你一定会牺牲掉你一部分的质量这是第一个第二个是微软其实搭了一层叫Responsible AI你搭了那层Responsible AI了以后它在很多涉及到下值观涉及到合规的quare里面它就会人为的合规化的处理所以就造成了就是有些问题它其实可以更创造性的回答但是因为合规性的处理它反而被降制了就是你你愿意在合规和这个价值观上面和你的质量上面它会有一个balance所以就造成了微软的产品没有那么零那这个问题其实现在越来越大越来越明显但是好处就是为什么微软在这几个季度没有显现出来是因为整个的大beta很大微软其实有一个产品非常的好叫Copilot StudioCopilot Studio其实是比较早的做低代码的企业内部的agent builder然后Copilot Studio可以让你去做客服hr的场景现在甚至可以让你去做面对终端客户的场景而且为什么这个产品卖得非常好就每个季度都是翻倍的增长还有一个好处就是因为你面向企业内部的agent你的权限管理会越更严你要打通自己的各种各样的数据产品你要打通企业内部各种各样的SaaS的产品恰恰好好费死之前把这些合规给接完了所以你能跑得比别的 [55:00] Agent Builder要不坏你的销售网络也变得要越快所以对微软的挑战是你已经用合规你已经用全线管理你已经用你的身份网你的销售网络打开了一个market share但是你的产品能不能跟上你这些AI native公司的质量能保住你的这部分share这是微软以后面临的更重要的问题了Satia是自己也是说Copilot现在渗透率越来越高从以前的卖座位到现在的卖使用量那它对微软AI收入的收入意味着什么其实你去看Office的增速还是因为Copala和Copala Studio加速了但是加速的不是特别明显因为对于Copala来讲它整体的渗透率还没有那么高就是Office是一个4亿用户量的产品Copilot是一个2000万用户量的产品如果你按照Seat去卖它的渗透率现在也就只有5%而且明年也不一定会提高的很快所以对于Office来讲它最大的以后的增长点是怎么能够把Copilot从一个按C次卖的商品去变成一个卖consumption的卖token的商品所以这个就是Copilot Studio来做的我们估算Copilot Studio的revenue已经达到了OfficeCopilot的5分之1到4分之1而且这个比重会越来越快Copilot Studio它是比较它就是一个很典型的按照consumption计算产品因为你已经用Copilot Studio搭成了各种各样的内部的agent你已经build了各种各样的agent template那你搭好了template以后你的用户用的越多你消耗的token就会越大你的consumption就越大所以现在其实对于一些Office Copilot Studio的用户他一个月的花费确实也达到了1万到2万美金而不是你原来卖一个copilot30美金所以你现在就要提高它的量但是这与此同时这个场景又是竞争最激烈的这你回过头来看很像当年Palantir做AIP时候的场景或者原来像他做他机器学习的场景就是当年Palantir刚开始做这些场景的时候就是非常多的定制化的case对吧然后非常多use case然后慢慢慢慢变成了一套标准化的产品然后Cobio Studio也是这个想法帕伦帖也是这个想法Gemney Enterprise也是这个想法Opera和Anserpick商业化都是这样的想法所以所以以后大家都很重叠都在往这个场景去做所以以后的竞争也会非常激烈你现在是有先发优势但是不一定以后这个先发优势能够保住接下来我们聊一聊亚马逊亚马逊今年业绩最亮眼的是什么因为去年觉得大家觉得亚马逊是在AI上落后了然后今年AWS的增速又感觉回到了28%也是15个季度最快的一个包括这个运营利润率13.1也是历史最高的那亚马逊从不被买账到重新被市场喜欢这个认知转变的核心是什么亚马逊确实经历过了几轮的叙事的变化就你会发现亚马逊其实在去年年中的时候是股价上一个高点然后在去年底又跌下来对吧然后到了今年又涨回去现在又重新到了新高很明显他经过了几轮的narodic的变化应该这么说就亚马逊其实在24年下半年到25年上半年是他上一个aws的加速期从1617的增速然后一直到20出头的增速对吧这是因为他当年在卖GPU他的GPU上量然后到了去年亚马逊又碰上到了很多的capacity问题很多capacity问题也是因为亚马逊他是一家很像硬件公司的云公司他希望把很多问题在硬件层面解决好所以他做data center的时候他既希望能够放GPU他又希望能够放trainning所以就导致了对他Dent Center的建设要求非常高无论是在冷却还是在电对吧还是在很多的资源分配上面要求的非常高所以就造成里面的很多问题总是delay就是亚马逊买了这么多电的quota [60:00] 但是放不出收购来就是去年亚马逊永恒的主题就是大家都觉得他又要加速了但是最后发现加速不是很明显然后一问公司公司跟你说我有产能的瓶颈所以很多产能瓶颈也是来自于他希望能够把硬件环节就做得最好能够来运制他自己自研芯片的优势实际上这个的难度是很高的然后到了今年的情况是这个问题解决了这个Data Center的问题他已经解决了对吧然后他又买了最多的电亚马逊去年买了4G瓦的电他买了电比比微软要多所以他今年是不缺电的他今年就能放出来更多的用于租赁的capacity所以你就会发现亚马逊有更多的容量去做加速增长然后另一方面来说今年一季度的整个模型的alpha肯定是在SRPSRPG每个月都增长50%的AR对吧然后它大部分的API的量是放在AWS的BitRock上所以就造成了AWSBitRock的增速非常的快所以公司说AWSBitRock环比增长170%环比增长得非常快其实你去看大概这个量就跟SRPG的收入环比增速基本上是完全对齐的你按照SRPG收入环比增速来算的话它的环比增长差不多就是在160%到170%就是AR的增速一定是比收入增速要快的你回去你可以大概算算数因为AIR是个run rate的概念收入是一个平均的概念所以AIR的增速在这个场景里面是要比收入增速环比增速要快对而且它在一个加速的过程里面然后对AWS来说它这个季度确实有一个变化的点是Anserpick revenue对于AWS是一个low quality revenue因为Anserpick bargaining power很强所以它会影响到你的margin所以如果AWS能够证明它的margin没有影响对AWS的逻辑帮助会更大那恰恰好今年AWS的training的利用率上去training供不应求了training不需要在外面打折了所以training帮助AWS可以稳住它的利润率所以AWS无论从加速还是从利润率来讲它既能证明这是一个high quality revenue也能证明这个对它的收入加速有贡献这个季度的亚马逊的业绩不是完美的市场预期它AWS增速能够到30%但这个季度是28%但你看公司的描述公司很清楚讲了他们自研芯片40%的quote on quote的增长讲了BiRock170%的增长就是讲了SRB在这里收入没问题就是增长就是这么快Gravitan和Trainium收入也没问题涨了就是这么快对吧所以我理解一季度其实受到了Blackwell放量的影响对吧那Blackwell放量的影响有可能是有一部分capacity问题也有可能是跟OPI合作的问题对吧但是你去看下个季度这个问题大概率就被解决了你刚刚讲到就是亚马逊已经累计投资Anthropic超过330亿然后Anthropic也是承诺在Trainium上面消耗5个G瓦的算力那同时亚马逊也是投资了OpenAI500亿然后AWS既是Anthropic的投资人同时也是它的算力供应商那同时还在跟OpenAI合作那这个多重的角色它的占领逻辑是什么对于AWS和GCP来看你可以看到他们都投资了很多的模型公司对吧AWS希望之前主要的Anthropic投资人现在也希望成为OpenAI的投资了很多的模型公司对吧AWS希望之前主要的SRB投资人现在也希望成为OPAI的投资人其实从一个云的角度来讲他是希望能够锁定第一是他自研芯片的用量他需要有一个大的Frontier Model客户作为他自研芯片的场景才能跑通各种各样的软件站和适配的问题就是我给你钱让你用我的芯片帮我去跑通这些问题所以这是第一层逻辑第二层的逻辑是希望把你锁在我们的云上面我除了自然芯片也给你更多的GPU的用量让你把你的API放在我这里让我在你那里的API在更大的份额在Inference那里在更大的份额从AWS逻辑是这样的你从谷歌的逻辑也是这样谷歌也是Athelpic投资人谷歌最希望也是Athelpic能够成为它的TPU的外部最大的客户能够把TPU的场景跑起来其实你从TPU角度来讲它已经完成这个任务了Methos模型已经可以在TPU上面Pretrain到了Training还没有达到这个要求现在你像模型还没有办法在Training上面Pretrain但是很多Explos [65:00] Purament也可以在training上面做了那最后一个公司讲到这个Beta的这次广告数据里其实也有一个挺有意思的现象就是一个广告展示量增长了19%同时这个广告单价也涨了12%我们知道在广告行业这两件事情通常是矛盾的因为增加了广告库存供给多了单价应该是往下降的但这次两者是同步的上涨那怎么去理解这个增长呢我其实觉得这个季度Meta的增长它是同比加速了9个点里面有4个点是因为汇率的影响两个点是因为20年底有美国大选所以基础上面稍微低一点还有3个点的影响一半是推荐算法的贡献一半是产品维度的贡献其实对于Meta来说它的很多的库存的变化是来自于产品形态的变化Meta走的路很像当年20年21年22年抖音在国内走过的路径Meta从去年的三次路开始猛推一个广告的产品叫做Overlay AdsOverlay Ads就是软广告的视频形式里面会加一个广告的产品叫做overlay ads,overlay ads就是软广,广告的视频形式里面会加一个广告,我们在抖音看的很多,瓜子二手车,对吧,转转,一个主播讲了五分钟,突然开始推转转,突然开始推瓜子二手车了,对吧,在Meta里面这个东西刚刚开始起步,而且美国的很多的QL和Agency,他没有找到加软广的方法,以前Meta对这里限制的很严,他会要求这个广告的形式和你的视频的形式是匹配的比如说你是一个运动鞋的广告那你尽量要把它放在一个运动博主里面对吧你不能在运动博主里面的视频里面推一个二手车的广告但是这个形式在国内的抖音已经很常见了所以这涉及到一个匹配机制对吧它涉及到生态涉及到普配机制涉及到QL要学会怎么去加这些软广但是这个过程就是你一开始走了你一开始去搭这个生态机制它的库存就会放得非常快所以其实最近两个季度Instagram的广告库存放得非常的快然后软广这个事情本身是一个很好的广告形式它可以卖很不错的价格的所以overlay ads包括从今年的一季度开始Meta把它改名叫做partnershipship其实对Meta来说是能够在不影响广告单价的情况下去拉动impression的增长然后到了广告单价的影响这里面也有很多影响广告本身正常就会有单价的提升也有通胀的影响也有各种各样情况的影响以及你广告推荐效率的变化也会有很多但是我们想说的是就是推荐算法的帮助对于Meta这样的广告公司来讲它每年不是一个五个点以上的贡献它每年是一个五个点以内的贡献在单个季度能够有一到两个点的贡献已经很好了就为什么现在的一季度的贡献能很好是因为去年12月底Meta上了一个模型叫LatteLatte这个模型在Meta的采报后去发了Paper对大多数的就是跟AI有关的公司发paper并且这个paper在公司里面被采用其实是一个少见世界所以我们可以很有意思的去说就是Germany发了大部分的paper它跟Germany真正的算法迭代都没有强相关性Germany发的大多数的paper都是一年以前的技术或者就不会用技术对吧Opi and Serpik也是就是大家都不希望你的技术被竞争对手学到对所以大家倾向于发的paper都是过时的paper或者没有significant contribution的paper就大家会记得大概一两个月前出现了一个谷歌优化TV cash的一个乌龙后来发现那个paper在证明里面根本就没用因为那个paper只能用在识别类以下的目前但是在Meta这次不一样就是Meta的这次Latea是真的是做的好采发paper然后Latea其实我觉得对一季度是有比较明显的贡献的但是这个贡献你就算衡量下来也是一个小个位数的贡献对于大多数情况下对一个季度贡献可能都是不道理的我们在推荐算法,在AI在Frontier Model时代,你会觉得每年有几个点的贡献是习以为常,但如果你在Frontier Model之前,就是在引入模型,引入GPU之前,其实当年一次大的算法迭代能够有两个点的转发率提高,在整个行业已经是非常, [70:00] 震惊的事件了所以推荐算法的改动它不是一个大几个点的贡献它对每年更多是小几个点的贡献更多还是Meta自己产品迭代的变化但你可以说Meta产品迭代确实在很多地方有变化比如说虽然不一定是在大模型这个语境里面但是你像Meta过去几年它无论是做Coverization API对吧还是去做这个Advantage Plus都是投放卖向自动化的过程只是它不一定很大模型Meta做AI除了对推荐算法有帮助之外还有什么意义其实它会有短期的帮助它也会有长期的帮助如果你从短期的帮助的话大部分非推荐算法的变化其实主要都集中在Meta的几个产品里面比较典型的产品像Advantage Plus它是一个自动化的投放系统而且它可以说它有一个产品叫做Advantage Plus Creative做AIJC素材这两个产品可以联动可以轮播自动做素材的广告所以你其实你大概你放一个广告的样式你就可以让Advanced Plus调不同的背景对吧去涂深涂去调不同的素材所以你就可以千人千面去提高你的精准度对吧所以你其实用很多第三方的AIGC的素材在Meta里面是用不好的有一部分是因为审核的原因还有很大的原因就是你没有办法和它的次动化系统做轮播的投放的联动然后另一方面的话你像Meta在很多场景里面也开始做agent的提效像Meta有一个很好的产品那个business messenger我们想象一下就有点像你在微信朋友圈里面碰到一个企业微信的广告点进去了以后有一个企业微信的人去接触你对吧至于这个企业微信他有可能是一个真人他也可能是一个agent你可能不知道对吧然后你像business messenger是的你跳转了以后他会在messenger里面他也可能会在whatsapp里面但是你像原来的这种销售线索类的产品Meta其实主要推的好的是在东南亚因为东南亚的人力成本便宜但如果你要在美国做就没那么划算因为美国的人力成本它贵就是你去投Business Messenger的广告你滑下来就是你按照单个销售线索转化比如说我们说CPA的转化他一半的成本是广告成本另外一半的成本其实是背后的那个人力客服的成本甚至更高那为什么能在东南亚呢是因为东南亚的人力客服的成本他很低了所以你可以去卖客单价比较低的产品不至于一定要去卖客单价非常高的比如说B2B的线索或者一些轻车类的产品或者那种比较偏向于教育类的产品但是这在美国是一个很现实的问题因为你的人力成本很高所以你这些销售线索类的产品你只能卖那些单价比较贵AS比较贵的项目所以很多其实是卖B2B的线索但你想象一下现在趋势是如果你把背后的人力成本为整化你降掉80%是不是你的总的广告的成本就会下降40%你50%上架了80%你的总的成本就会下降40%那你这40%里面除了有一部分会变成投放公司的利润以外大部分的量它会重新scale到它的广告预算里面那你这个产品的单价它就会往上涨它的business model没有我们去讲推荐算法那么简单但是你稍微照一下你其实可以把这个经济的优异模型给算出来然后你在这个模型里面对于广告书的变化来讲它就可以做更下沉的线索我不光可以做B2B的线索我可以做一些普通的商品我原来我只能卖1000美金的东西我现在也可以卖100美金的路那我量就会去找我甚至我不光可以接那些大商户的我也可以去接一些小商户的我头发广告客户群也会增加还有你包括说再往后Meta现在在做一套新的产品叫做business AIbusiness AI里面有一个产品是你通过给他一个URL或者你给他一个你产品的摄像图他就帮你做素材那你制作素材成本就能降的更低你不是像原来的图生图,比如说我举个例子,你把你官网的URL给他,他就给你配好了素材,配好了转播语,对吧?然后你恰恰好你对素材要求,你又不是很高,对于很多个人看发者,小的软件公司,小的APP公司,或者一些比如举个例子,你是美容院的,你是做什么? [75:00] 这个对你做素材其实是很有帮助的对吧所以你有可能能扩散扩大你更多的广所以另一方面来说AI是降低了你广告投放的门槛无论是你做素材的门槛还是你优化广告的门槛还是你背后人力克服的门槛还有很多维度都能优化只是比推荐算法稍微渐渐一点从长期来看到它有很大的价值就是你想其实Meta里面的很多的广告比重是做不过谷歌的比如说我举个例子车旅游车和旅游都是谷歌很大的品位旅游在谷歌的广告的预算里面差不多接近10%车也是大几个点的品位但他们在mata里面的比重就比较低你很容易去想就是你如果要旅游你如果要买车的话你是不是先要去搜索你如果要买车的话最高价值是不是你已经搜了特斯拉然后他再给你出一个特斯拉的广告是不是你承担的价值可能性是最高的所以那个关键词就应该卖你最高的价值但是对于Meta来讲你不会在Meta里面搜车你没有在在Meta里面搜去哪里旅游吧这就造成了Meta其实缺少这部分的线索和用户数据但是你去接了那个他现在有一个search的那个chatbot那个search背后接他自己的模型了以后他就能去搜用户就能在那个search里面去搜我要买什么车我想去哪里那我是不是就有他的线索了我就有这个用户的能够匹配的数据了那往长期来看我就能提高我在旅游我在车里面的广告的预算的占比这个事情不会很快但是这个事情很重要你像以前Meta这个search栏里面很多是用的Germi但现在Musepark Avocado上了以后它就可以用自己的模型了它就能拿到自己更多的线索的数据了所以对长期来说Meta其实可以过它的广告品类的说到这个MuSpark它是Meta第一个自建的Frontier Model而且Meta没有Cloud Business它是只能通过AI的投入去把自己的产品去变现那如果自研模型让Meta能够建立起这个35亿的日活用户的这个数据飞轮那对OpenAI和谷歌意味着什么呢我觉得对OpenAI和谷歌不会有什么特别大的影响因为Meta的模型还是主要定位于自由虽然它以后有可能会变成一个商业模型但是如果你要变成一个商用模型最重要的还是你能不能跟上Tier1的三家公司甚至现在的Tier1可能是两家公司谷歌有可能落后0.25或者0.5个声位但是因为谷歌的算力很大所以很快也会开查如果你不能到前三家其实你很难在商业化上面有很大的优势你既没有开源模型的价格你有没有一线模型公司的能力对吧所以其实对于Meta来说他能够把自己的场景定位好他能够在自己的场景里面有更高的性价比他能够围绕他的场景做更多更好的模型改动就很好了对吧所以你去看这个Meta其实除了X网以外还有几位其实都在负责产品端了对吧还有包括说收购minus也是为了能够让他自己的产品跑得更快一点其实阿波卡托这个模型能够在这么快的情况下做到这个水平已经很不错了因为你想Meta和另外三家模型不一样对吧Meta的人都是从各个地方拉过来的大家有不同的路径有不同的想法有不同的know how你现在把它们揉一遍还不能在原来的拉玛体系里面当然这一代可能还有很多拉玛下一代可能就跟拉玛没关系了然后你要重新做一代然后你在几个月时间之内能够做到Gemini 3的水平已经非常好了我觉得对于Meta来说已经非常好了就再往后我们对Meta的要求可能不是说这个模型最外能赚多少的收入它能够最适配它的推荐算法能够帮它推荐算法能提升能够在它所有的产品里面能够用起来然后能在Meta的广告里面见到加速其实就能减少对于它Kpex的担心了Meta这个季度其实暴跌的原因还是源自于Kpex和收入加速错配这次收入虽然加速了9点但是刚刚达到Meta指引的收入的高端而且我们之前也提到它有6个点是基数的一下4个点来自于汇率美元指数的基数2个点来自于之前美国大选竞选时候广告的基数对吧所以你真正的产品的收入加速是3个点刚刚达到高端其实Meta之前每个季度 [80:00] 它的收入一般会比它高端要多一个点或者多一个点以上这是收入端的变化收入端的变化没有那么明显然后另外一个是CAPEX的变化CAPEX加了100亿美金的CAPEX相当于加了7%的CAPEX但是这7%的CAPEX其实对下半年印象很大因为它一季度CAPEX是比预期要低很多的它一季度CAPEX很小的所以你想你要把你一季度miss的KPAS那部分的数加到后面三个季度里面你还要把你增加了那个10个billion的KPAS加到后面三个季度里面那你后面三个就KPAS就会越来越高越来越高越来越高所以你最后一个季度KPAS就会比你原来的这个季度前假设的最后一个季度KPAS要高很多肯定不是高7%你是高百分之十几看每个人调有可能你要高20%越往后KPAC影响越大那你想那这么一算你27年的KPAC就比你之前拍的27年的KPAC要大很多了吗那你27年对于它的利润的影响不就要更大了吗所以26年因为公司没有去调整他的OPEX的变化OPEX变化分两种好的部分就是公司在裁员差了部分就是KPEX在提KPEX提了以后就会变成折旧成本但如果你裁员了以后你的研发你的销售你的GA的成本就会下降就会互相抵消所以今年就是这么一个抵消的过程但是你的PIP明年提了很多了以后你明年还能才这么大的参与幅度吗对吧如果你从一个投资人角度你会线性推倒你就会把明年的利润给调低了就是这个是Meta反映这么大的原因我自己其实是感觉Meta是这一批用AI提效用的最寂静的公司我相信可能有很多听众是Meta的工程师对吧就是Meta的PIP考核已经考核代码量了对吧然后你从员工角度来讲就是用multi coding agent的用AI做代码的都会有激励对吧然后也给了大家很大的这个coding的consumption所以Meta其实是最AI coding化的但是最AI coding化这个事情一方面是让每一个工程师的有效工作时长缩短了很多可能原来有效工作时长一天有五六个小时现在如果你非常AI化的话你可能只有一两个小时然后另外一个点的话是Meta其实也做了很多举措帮助公司去征留一些工程师的skill所以这其实你的有效工作时间减少效率提高了以后要不然公司做更多的产品迭代要不然公司就会往下一步的裁员去发展我们确实看到Meta做了更多的产品迭代你会很明显看到Meta在一些产品上面的开发进度比以前快很多了比如说我们之间提的overlay as软广还有包括提到Meta其实大大增加了他们做DSP广告做Meta Audio Network的工程师的数量对吧都能看到Meta的产品力就是生产力因为Coding释放了有更多的市场力在不增加人员的情况下开发速度比以前快很多但是同样也会看到裁员的幅度比以前大很多所以如果明年还能有相应的裁员的话这个对KPES担心也会缓解就明年大家可能会看到虽然KPES加了很多但是OPEX仍然没有明显增长我觉得这也是有可能的你觉得现在硅谷的裁员节奏大概是到哪一步我们是刚刚开始还是怎样我觉得其实第一步影响到生产力的变化从去年的7月份就有影响了去年7月份你看美国的数据第一次就业没有完成目标我记得当时我们写了一篇报告做讨论提到以后可能每月都是这样的从去年7月开始因为已经看到很明显了今年肯定是更明显了去过去几个月就月也一直大部分的月数可能也没有达成功能从大厂的角度来讲的话Meta 英伟达是coding渗透率最高的代码量最高的但是你从整个的生态来讲其实工程师都经历了几个过程对吧去年底的时候,我们可能还会讲,如果你是一个AI native的公司,你有50%incremental的coding的代码量是由AI来做的,你就很好了。但到了今年1月底,对一个AI native的公司的要求是,你所有代码都得是AI写的。然后到了2月份,到了大家开始大规模用4.6了以后,有了更多的, [85:00] 二要求是你不光要有一个coding agent你还要把你的coding agent做编排你要有多个coding agent你甚至有五个十个然后到了三月份进一步明显了甚至出现了很多远程coding的概念你会发现就很多工程师他会说我这次出去玩我可以不带电脑我在手机上面下命令就可以了因为以前你都要带上电脑随时on call然后甚至你会发现大家说我们睡前一定要挂一个任务不然睡觉的那8个小时就浪费了甚至原来你是做5个multi coding agent现在有的人激进可以做100个甚至可以做2000个我们公司就有一个产品经理一直跟我说他已经做了14000个了所以我对到底有多少个能用一直都没有太搞明白所以你会发现生产力提高的效率和方法是按照月度来迭代的每一个月的生产力衡量的标准都是不一样的那它的生产结构出现变化了以后其实已经很难再调整回来了对于一个工程师的要求以后评价标准就是你是原来人力coding编程师的时候几倍这个倍数可以直接按照你的coding API的consumption去看出来其实你再往后对于工程师的要求就会更加的复合就不光你要代码能力很强你还要有多限制的能力而且你要不停的去想需求你的迭代速度也要快你才能够去管理更多的agent你才能够做到那么多的coding consumption如果你还是原来的单线程的工作方式你其实是花不了这么多consumption的所以以后对coding工程师的标准跟以前也不一样其实是新的一种职业的工种了如果你出现了一种新的职业的工种就一定会出现前后的交替这可能是不可避免的我们观察到大部分现在AI的变现它本质上是效率的提升那同样的事情做得更快更便宜但真正支持长期估值的是出现了根本在AI出现之前根本不存在的一个市场你有没有看到这种系统性的证据表明AI正在创造一个增量的价值而不只是是重新分配存量今年确实很多的增长是来自于替代人力的成本替代OPEX然后另一部分是替代整个Enterprise SaaS的市场的规模但OPEX其实是一个很大的数因为你原来你在之前的云的行业里面一个企业的IT spending一般是占了它Total Revenue的3%到4%然后这一部分的预算就是给各种各样的SaaS公司给各种各样的数据库的所以能够有一个Billion的IT Spending的公司很少很少很少只有苹果或者这些特别大的公司才能做到对吧但是OPEX是个很大的概念OPEX占到一个公司的收入可能是30%它是一个七倍的概念所以如果你能够替代人是有很大的收入的增量的在后面你遇到的问题就是你替代了人了以后那这部分人他是永久性的失业还是因为你提高了AI的工作效率你创造了更多的场景需求确实现在没有看到这么多的场景需求但是替代人力的变化现在已经非常非常的明显了其实你像现在到了coding已经实现90%的AGI的能力了Mysos可能就已经是第一代部分实现cellplay的coding模型了如果Coding能够实践90%的AGI能力那基本上其他领域实践AGI可能也就是28年或者到29年的事情了28年29年就是下一代模型了就是到了10个春令的模型可能就已经到了下一代AGI的范式了所以如果你是从这个角度来想的话替代OPAS的过程从现在起其实应该会加速才对所以到了明年或后年确实会有更多的社会问题是不得不去解决的涉及到福利涉及到转移支付或者你是不是会有AI裁员税你是不是会有token税这些都是必须得解决的然后涉及到新增产品因为AI本身就是一个提供的产品你和短视频杀时间不一样AI本身不是一个 [90:00] 所以你从创造生态价值来讲你可能不能指望靠AI去创造很多的需求你可能需要想的是如果AI大大提升了工作效率你让所有的软件预算变得更高效你解放了更多的OPEX的成本当转移支付又能够跑通了以后剩下的这批人他不需要适应完全的工作以后他有更多的消费时间如果又有转移支付能够让他们又有更多的可支配收入那其实在工作以外会出现一个更大的消费级的市场只不过在解决这个消费级市场之前你可能要解决很多的这个再分配的问题当你有了一个更大的消费级市场以后那每个人就有了更多的时间你有了更多的时间以后你就会有更多的consumer产品你可能是互联网产品你也可能是AI的产品你可能就有更多的需求起来了我觉得它可能不是一个非常直接的关系它可能要照两个弯变成一个更间接的关系那今天最后我们还是回到这个AI收入放到CAPEX的背景下面来理解那四家公司今天说过2026年合计的CAPEX超过了6300亿而目前现在可以追踪到的AI相关的收入包括云的AI服务推理的API AI订阅年化大约是在1000到1500亿美金之间这是一个大概4到6倍的一个投入产出比未来你认为这个收入端和资本支出端的中间的差距未来会怎么样变化肯定会随着时间缩小现在肯定是一个不太好看的数字但是今年的数字已经比去年数字好看很多了你像今年整个云的Qpax7000亿吧然后你大概跟GPU跟AI相关的你打个6到7折吧对吧然后你这几个模型公司AR来看的话SRP一个年底可能是一个100个BillionAROPI可能是60到70个BillionGermni可能是一个300到400个Billion所以你这么算合起来其实是一个2000亿美金的AR对吧你差不多可能占到云跟AI相关的KPEX的三分之二吧但是KPEX的概念是它是提前做未来四年的投资你的KPEX如果你停了也可能你的这些AI的AR你还在增长对吧它是做提前的投资所以如果你到了明年这个差距就会进一步的缩小对吧如果明年这些模型公司到了明年年底有个4000亿对吧那你可能到了明年这个数字就不是三分之二不是一半三分之二它可能就到四分之三了对你看起来数字就会舒服一点为什么其实你看现在的市场的反应也很明确因为市场现在在反映的是模型公司的AR在加速在反映的是这个商业模式越来越像是一个真的模式而不是让去年去年面临的很多问题是KeyPath的增速比AI的收入增速要大如果你去看incremental revenue的贡献就是这些incremental的成本是远远是这些incremental revenue的好几倍但是现在incremental的成本相比incremental revenue的比重是在越来越接近的对吧所以其实今年是在反映对这个的concern越来越减小