Google公布了一份几乎挑不出毛病的财报。
搜索广告稳健，Cloud增速远超预期，利润率显著扩张。管理层对AI需求的措辞，少见地乐观。
但市场最终定价的，不是这些数字。
真正引发股价波动的，是另一句短短的话：全年资本开支指引，再次上调。而且明年还会继续增加。
很多人把它当作一句普通的业绩指引。我却认为，这是这份财报里最重要的信息。因为它标志着，AI正在对科技行业最底层的商业模式，进行一次力度远超多数人预期的重塑。
一
、这一次不是变重，而是加速变重
一个容易产生的误解是：AI让互联网公司“从轻变重”了。
事实并非如此。Google从来就不是轻资产公司。过去二十年，为了支撑搜索、YouTube和云服务，它一直在建设全球最大的数据中心网络之一。真正享受“轻资产红利”的，是那些将基础设施外包给云厂商的SaaS和消费互联网公司。
但这一次，本质上的变化不在于“轻还是重”。
而在于资本开支的斜率，正在从渐进式的线性增长，切换为阶跃式的跳跃增长。
数字本身比任何描述都有说服力：
Alphabet Q2整体营收增长24%，达到1198亿美元。
云收入同比暴涨82%，至248亿美元；云业务营业利润率从去年同期的20.7%，一举跳升至35.6%。
同时，管理层将2026年全年资本开支指引，从此前的1800-1900亿美元，上调至1950-2050亿美元，并明确预告2027年还将显著增加。
在强劲的经营现金流下，自由现金流在本季度转为-59亿美元。
利润率跳升与资本开支跳升同时发生，这并非偶然。它揭示了一个新的现实：AI服务的增长，需要以更陡峭的资本开支曲线来支撑。
二
、AI改变的不只是产品，更是生产函数
为什么会出现这种阶跃？
很多人关注AI带来的产品变化——搜索方式、编程方式、办公方式。但资本市场更在意一个更底层的问题：生产这些服务，需要付出什么代价？
传统搜索业务，一套基础设施建成后，可以服务海量查询，边际成本极低。这是过去二十年互联网商业模式的迷人之处——经营杠杆极高，收入增长而资本开支占比保持稳定。
生成式AI打破了这一公式。每一次智能回答，都意味着真实的算力消耗。模型越强，训练越频繁。用户越多，调用越密。这不再是“建一次、用多年”的逻辑，而是“用多少、花多少”的逻辑，且在模型军备竞赛下，资本开支需要持续超前于收入增长。
于是，一个根本性的转变出现了：
过去，互联网公司的瓶颈是获取用户。今天，越来越多公司的瓶颈，正在变成获取算力。
三
、新的竞争壁垒：资本配置能力
这个转变，直接改写了竞争规则。
很多人仍然把AI竞争理解成模型能力的竞赛。模型当然重要。但随着技术加速扩散，仅靠模型本身，已不足以建立长期壁垒。
真正的差距，越来越体现在另一个维度：资本配置能力。
谁能以最快的速度建设数据中心？
谁能在需求最旺盛时锁定芯片供应？
谁能提前布局稀缺的电力、土地和冷却水资源？
谁能以更低成本部署AI基础设施，并最终将单位算力成本转化为定价权？
这些问题，本质上是资本问题，是供应链管理问题，是大规模工程组织问题。
AI行业的竞争，正在从“算法竞争”，进入“资产负债表竞争”。但这里需要补一句重要的限定：资本能买到算力，却买不到效率。同样规模的GPU集群，由于模型架构、并行计算、工程优化的差异，产出的有效算力可能相差数倍。资本决定了入场券和规模天花板，但算法和工程化能力，决定了单位资本的回报率。把这两者对立起来，会误判真正的胜负手。
四
、这不是Google一家的事
这种资本开支阶跃，并非Google独有。行业层面的数据提供了清晰的验证。
另一个值得注意的跨公司细节来自微软今年4月发布的财报。在其大幅上调的资本开支中，有相当比例投向GPU和CPU等使用寿命仅约六年的短生命周期资产。这恰好印证了一个问题：AI驱动的资本开支，并非传统意义上可以吃数十年红利的“重资产”，而更接近需要高频更新的运营型固定资产。折旧压力的到来，可能比多数投资者预想的更快、更猛。
五
、未来科技股最大的分化，不会发生在收入，而会发生在资本回报率
至此，一个真正重要的问题浮出水面。
很多人认为，未来科技公司的竞争，是资本开支规模的竞争。我反而认为，资本开支规模很快就会变成所有巨头的共同特征。当大家都年投入接近2000亿美元时，规模本身就不再是差异化因素。
真正决定长期估值的，不是谁花得最多，而是谁把资本转化为现金流的效率最高。
这就是资本回报率（ROIC）——每一美元资本开支，最终能变成多少自由现金流。
未来需要系统性地回答几个新问题：
资本开支是否在创造长期超额回报，还是仅仅为了维持竞争地位？
新增的数据中心，能否持续产生高资产回报率，还是会随着算力供给过剩而快速贬值？
当GPU集群的生命周期缩短至3-5年，折旧压力会不会比传统重资产公司来得更快、更猛？
在可比资本开支规模下，谁的GPU利用率更高？谁的推理成本更低？谁的单位Token利润更强？
如果这些问题回答不清，仅仅因为利润超预期或收入高增长，就很容易对公司真实价值产生误判。
六
、必须正视的逆向情景
正因为上述问题没有确定答案，一份完整的研究备忘录，必须包含逆向风险的讨论。单向叙事对决策没有帮助。
目前可以清晰构建的一个逆向风险场景是：AI基础设施出现阶段性供给过剩。
逻辑并不复杂：多家巨头同时大规模建设，如果未来两到三年内，AI应用层的变现速度慢于基础设施的建设速度，那么推理算力可能会出现阶段性过剩。届时，单位算力价格将面临下行压力，今天以高昂成本建设的GPU集群可能遭受双重打击——外部云服务的定价能力被侵蚀，内部资产的预期经济寿命缩短，从而加速减值。
在这种情况下，今天的重资本投入，就不会自动转化为护城河，反而会成为未来利润表的沉重负担。
标普全球评级近期的研究，也明确指出了类似疑虑：市场对AI基础设施资本开支，仍然缺乏清晰的ROIC验证路径。部分投资者之所以对资本开支消息反应负面，并非不看好AI，而是对这种“先投入、后验证”的模式要求更高的风险溢价。
目前，我们尚未看到供给过剩的确切证据。需求仍然强劲，云业务利润率依然在扩张。但这个风险场景，是未来12-18个月需要持续跟踪的核心变量。
七
、这份财报真正值得关注的，不是这个季度
很多投资者习惯从财报里寻找短期交易信号。超预期还是低于预期，上涨还是下跌。
但真正重要的信息，常常隐藏在更长的时间尺度里。
Google这份财报最大的意义，不是证明了Cloud增长有多快。
而是再次确认了一件事：AI时代，科技行业的竞争，正在从软件竞争，进入资本效率竞争。未来决定胜负的，不只是更好的模型，也不只是更多的用户，而是谁能把每一美元的资本开支，持续转化为更高的自由现金流回报。
八
、财报之后，我真正想确认的不是Google，而是资本回报率
前面七节，都在回答“发生了什么”和“为什么重要”。
但对投资者而言，真正关键的问题是另一个：这份财报之后，我应该怎么调整自己的观察框架？
这份财报不会改变我是否长期看好Google的判断。但它彻底改变了我以后跟踪Google的方法。
以前，我更关注三个指标：
搜索增长有没有放缓？
Cloud增长有没有加速？
利润率有没有改善？
未来，我会增加四个问题。
第一，新增资本开支，是否真正创造了新增收入？
如果CAPEX连续增长50%，收入只增长10%，说明资本效率在下降。如果几年以后，收入开始加速，说明这些投资开始兑现。这是一个需要持续跟踪、不能提前下结论的问题。
第二，自由现金流什么时候重新进入增长？
资本开支可以压制自由现金流。问题不是今年下降——这已经是明牌。真正的问题是：什么时候恢复？恢复以后，能不能超过上一轮高点？如果一直恢复不了，资本市场最终一定会重新定价。
第三，Cloud利润率还能不能继续提高？
当前云业务利润率从20.7%跳到35.6%，很大程度来自供给紧张带来的定价能力。未来供给增加以后，利润率还能不能维持？这是判断护城河是否真实存在的重要观测点。
第四，ROIC什么时候重新拐头向上？
这是我最关注的指标。因为收入、利润、Cloud增长，最后都会收敛到一个问题：一美元资本，到底创造多少美元价值？
如果未来三年，CAPEX越来越高，ROIC越来越低，那么估值迟早会下降。如果CAPEX增加，ROIC重新提高，那么今天的资本开支，就是未来最大的护城河。
这份财报之后，我不会急着判断Google值多少钱。我更愿意开始跟踪一张新的记分卡。这张记分卡，不再只是收入和利润，而是资本效率。
未来几年，决定科技巨头估值的，可能不再是谁拥有最大的模型，而是谁能够把每一美元资本，持续转化为更高的自由现金流。
但资本效率本身，并不是护城河。护城河是“对手有钱也复制不了的东西”。资本配置能力，只有在与某种独特资源结合时——比如自研芯片带来的单位算力成本优势，或者搜索分发协议带来的网络效应——才能转化为真正的长期壁垒。否则，它只是所有巨头都能参与的军备竞赛。
尾声
互联网时代最大的优势，是代码几乎可以无限复制。
AI时代最大的约束，却是GPU、电力、土地和时间，都无法无限复制。
当这些稀缺资源重新成为竞争核心，资本本身也重新获得了定价权。
因此，这份Google财报真正值得关注的，不是一家公司增加了多少资本开支，而是它提醒我们：AI竞争的下半场，比的不是谁花钱最多，而是谁花钱最有效率。
附
：从Google到整个AI投资地图
如果更进一步——既然AI正在进入资本密集时代，那么资本应该配置到哪里？答案就不只是Google一家公司了。
Google这份财报，只是打开了一张更大的地图：
Google的财报只是一个起点。它验证了AI资本开支阶跃这个判断，然后把一个更大的问题摆到了台面上：在这个资本密集时代，资本本身应该流向哪里？
这才是这份财报，对投资者而言真正重要的价值。
本备忘录为个人研究记录，不构成投资建议。
市场有风险，投资决策需基于独立判断并自行承担责任。
Frank · JDV Research （价道研究）
全球资本市场与科技资产的长期投资研究
往期内容：
从林彪的战争体系，到投资者的复利系统 / #77 知行系列35
为什么主动投资越来越难跑赢指数？/ 价道研究 #76 知行系列34
微软还能年轻多久？——AI时代伟大的公司，都要重新证明自己 / #75 资产系列24
从西班牙冠军体系，看普通人如何打造一套“不停机”的财富系统 / #74 知行系列33
AI时代普通人的三条路：做不了梁文锋，就做清醒的资本拥有者 / #73 知行系列32
梁文锋的360亿美元，和你有什么关系 / 价道研究 #72 人物系列17
。