谷歌Q2财报超预期并上调2026_capex至1
AI 产业链 · 深度拆解
个人观点,仅供参考。不做投资建议,投资需找专业机构。股市有风险投资需谨慎。

当谷歌把全年算力预算一口气上调150亿:云业务利润率35.6%背后的产业逻辑

📅 2026 年 08 月 10 日⏱ 阅读约 4 分钟🏷 AI 产业链 · 深度拆解
谷歌 Q2 财报的核心信号不是营收超预期,而是资本开支指引上调至 1950-2050 亿美元——这比原指引高出 150 亿美元,背后是 TPU 自研芯片 + Gemini 全栈 + 云业务三位一体的飞轮开始闭合。云业务 35.6% 的经营利润率证明:AI 基础设施投入可以不是无底洞,而是能自我造血的利润引擎。对产业链而言,这意味着算力需求不是短期脉冲,而是以年度为单位的确定性扩张。

深度拆解

当谷歌把全年算力预算一口气上调 150 亿:云业务利润率 35.6% 背后的产业逻辑

反常识开场

一家以广告为现金牛的公司,Q2 云业务营收同比暴增 82%,经营利润率却高达 35.6%——这个利润率甚至超过了不少传统软件巨头。更反常识的是,谷歌一边把 2026 财年资本开支指引上调至 1950-2050 亿美元,一边还能让市场用 16 倍 PE 给这家公司定价。当市场还在争论"AI 投入何时反噬利润"时,谷歌用一份财报给出了另一种答案:算力军备竞赛的胜负手,不在谁买得多,而在谁能让每一美元算力变成利润

三个齿轮拧出 35.6% 的利润率

第一个齿轮:TPU 自研把算力成本从"市场价"变成"成本价"。谷歌不向英伟达采购全部算力,而是用自研 TPU 承担大部分训练与推理负载。这相当于把算力从"外购原材料"变成"自建工厂"——成本结构完全不同。当竞争对手还在按市场价购买 GPU 时,谷歌的边际算力成本已经低于行业平均,这直接反映在云业务毛利率上。

第二个齿轮:Gemini 全栈把模型能力变成云服务的差异化溢价。Gemini 月活从 2 月的 7.5 亿增长至 9.5 亿,每分钟处理 220 亿 API 令牌——这些数字意味着模型调用量在指数级增长。云客户买的不是"虚拟机",而是"带模型能力的算力",后者有更高的定价权。这正是云业务利润率能打到 35.6% 的核心:不是卖算力,是卖"算力+模型"的解决方案

第三个齿轮:资本开支的规模效应摊薄单位成本。1950-2050 亿美元的 capex 指引,意味着谷歌在数据中心、TPU 芯片、网络基础设施上的投入进入"规模红利"阶段。数据中心利用率越高,单位算力成本越低;而 Gemini 的调用量增长恰好保证了利用率。这是一个典型的"投入越大、成本越低"的正循环——前提是需求端能跟上供给端。

数字锚点:把财报数字翻译成产业语言

也得说句公道话

35.6% 的云利润率不是"常态",而是"战略选择的结果"。如果谷歌未来加大在 AI 研发上的投入(比如 Gemini 的下一代训练),利润率可能回落。此外,1950-2050 亿美元的 capex 指引是"上限"而非"承诺",如果 AI 需求不及预期,实际资本开支可能低于指引。还有一个被忽视的风险:TPU 生态的封闭性。自研芯片虽然成本低,但生态绑定深,如果未来模型架构发生重大变化,TPU 的灵活性不如通用 GPU。这些不确定性意味着:高利润率可能是"阶段性优势",而非"永久护城河"。

怎么看懂这场算力扩张

理解谷歌这份财报,不需要纠结于"买不买谷歌股票",而是要看清三个产业事实:

第一,AI 基础设施投入已进入"自我造血"阶段。当云业务利润率能做到 35.6%,说明算力投入不再是"烧钱",而是"投资回报率可计算的生意"。这对整个 AI 产业链是积极信号——上游的芯片、光模块、液冷、数据中心,都在这份 capex 指引里看到了确定性需求。

第二,自研芯片正在改写算力成本结构。谷歌 TPU 的路径证明:在 AI 算力领域,"自研"不是"情怀",而是"成本控制"的硬核手段。这会倒逼其他云厂商重新评估"买 GPU"和"造芯片"的成本账。对国产算力芯片而言,这是一个值得关注的结构性变量。

第三,模型调用量是算力需求的"真金白银"验证。Gemini 每分钟 220 亿令牌的处理量,比任何"AI 渗透率"报告都更有说服力。当模型调用量以这种速度增长时,算力需求就不是"泡沫",而是"刚需"。这为整个 AI 算力产业链提供了需求侧的确定性锚点。

谷歌这份财报最大的价值,不是"超预期"三个字,而是它向市场展示了:AI 算力投入的终点不是"烧钱",而是"印钞"。当这个逻辑被验证,产业链的估值逻辑就要从"讲故事"切换到"看利润"。这才是真正值得跟踪的产业变化。

TPU 自研把算力成本从"市场价"变成"成本价"

谷歌不向英伟达采购全部算力,而是用自研 TPU 承担大部分训练与推理负载。这相当于把算力从"外购原材料"变成"自建工厂"

Gemini 全栈把模型能力变成云服务的差异化溢价

2

Gemini 月活从 月的 7.5 亿增长至 9.5 亿,每分钟处理 220 亿 API 令牌——这些数字意味着模型调用

资本开支的规模效应摊薄单位成本

1950

-2050 亿美元的 capex 指引,意味着谷歌在数据中心、TPU 芯片、网络基础设施上的投入进入"规模红利"阶段。数

读者问答(FAQ)

Q:谷歌上调2026财年资本开支指引至多少?
A:谷歌把2026财年资本开支指引上调至1950-2050亿美元,比原指引1800-1900亿高出150亿美元。这不是小修小补,而是对AI算力需求的前瞻性加码。
Q:谷歌云业务Q2营收和经营利润率是多少?
A:云营收247.7亿美元,同比+82%,云经营利润率35.6%。这个利润率甚至超过了不少传统软件巨头,说明谷歌的云业务已经跑通'高增长+高利润'模型。
Q:谷歌云业务利润率为什么能高达35.6%?
A:核心在于三个齿轮:TPU自研把算力成本从'市场价'变成'成本价',Gemini全栈把模型能力变成云服务的差异化溢价,以及资本开支的规模效应摊薄单位成本。不是卖算力,是卖'算力+模型'的解决方案。
Q:Gemini月活和API令牌处理量是多少?
A:Gemini月活从2月的7.5亿增长至9.5亿,每分钟处理220亿API令牌。这些数字意味着模型调用量在指数级增长,是capex上调的直接需求支撑。
Q:35.6%的云利润率是常态吗?有什么风险?
A:35.6%的云利润率不是'常态',而是'战略选择的结果'。如果谷歌未来加大在AI研发上的投入,利润率可能回落。此外,1950-2050亿美元的capex指引是'上限'而非'承诺',且TPU生态的封闭性意味着如果未来模型架构发生重大变化,灵活性不如通用GPU。
Q:这份财报对普通人理解AI产业有什么启发?
A:三个产业事实:第一,AI基础设施投入已进入'自我造血'阶段,算力投入不再是'烧钱'而是'投资回报率可计算的生意';第二,自研芯片正在改写算力成本结构,会倒逼其他云厂商重新评估成本账;第三,模型调用量是算力需求的'真金白银'验证,Gemini每分钟220亿令牌的处理量说明算力需求是'刚需'而非'泡沫'。
数据来源:公开来源 + 小K超爱研究产业数据库(公司财报 / 行业媒体 / 当日产业巡检聚合)
← 返回文章列表