云厂商财报里的“隐形战争”：AI 算力正在重构企业技术负债

当 2026 年第二季度云厂商的财报陆续披露，一个被市场反复提及的词是“AI 算力收入同比翻倍”。然而，如果仅将此视作技术迭代的胜利，便容易错过资本市场真正的信号——AI 并非在“赋能”传统云计算，而是在以惊人的速度重构云厂商的资产负债表与商业模式。

算力租赁的“伪增长”陷阱

从 AWS 到阿里云，季度财报中“AI 相关收入”普遍增长 80% 至 120%。但细看利润表会发现，基础设施折旧与电力成本增速（约 60%）显著快于传统云服务收入增速（约 15%）。这意味着，当前 AI 算力的高增长，很大程度上是“以价换量”的结果——云厂商为了抢占大模型训练与推理的生态位，不得不以接近成本价出租 H100 或同等性能的 GPU 集群。

这种模式与 2018 年短视频云服务的“烧钱抢市场”如出一辙。但区别在于，当时的 CDN 带宽成本会随着规模效应下降，而高端 GPU 的生命周期仅 3-4 年，且下一代芯片的能效比提升速度正在放缓。云厂商实质上在承担一笔巨大的“技术负债”：用今天的现金流换取明天的市场占有率，而折旧压力会持续侵蚀未来 3 年的利润。

真正的利润藏在“推理栈”里

值得关注的财报亮点来自 Azure 和 Google Cloud 的“AI 推理服务”标签。这一细分项毛利率达到 55%-65%，远超训练服务的 30%-40%。逻辑很明显：训练是大模型厂商的“一次性基建”，而推理是无数企业应用的“持续性消耗”。

以字节跳动的火山引擎为例，其 2026 年 Q2 财报显示，企业级 AI Agent 的推理调用量环比增长 240%，且每千次调用的平均单价仅下降 5%，远好于训练算力 20% 的单价跌幅。这揭示了一个商业本质：当 AI 从“实验室的玩具”变为“生产线的工具”时，企业客户愿意为稳定、低延迟的推理服务支付溢价。云厂商真正的护城河，不是堆砌多少张 GPU 卡，而是能否将推理成本压缩到让中小企业“用得起、停不掉”的临界点。

商业模式从“卖水”到“卖淘金铲”

传统云计算的商业模式是“卖水”——按存储量、计算时长收费。而 AI 时代的云厂商正在向“卖淘金铲”转变：客户不需要关心底层有多少 GPU、网络带宽如何，只需按“每生成一份报告”、“每处理一段视频”的结果付费。

这一转变在财报中体现为“按价值计费”收入的快速上升。例如，Salesforce 的 AI CRM 服务，其收费已从“每用户每月”转向“每成交一笔订单抽成 1%”。类似地，AWS 的 Bedrock 平台开始提供“按输出 tokens 价值计费”的选项，这直接将云厂商的收入与客户的业务成果挂钩。对于资本市场的投资者，这意味着云厂商的收入波动性将被放大——当 AI 应用爆发时，收入弹性极高；但当客户 ROI 不达预期时，退订潮也会来得更快。

资本市场的下一道考题

几家头部云厂商的财报中，有一个数字值得警惕：资本开支（Capex）占营收比已从 2023 年的 18% 升至 2026 年的 32%。这笔钱主要流向自研芯片（如 Google TPU v6、AWS Trainium3）与液冷数据中心。这本质上是云厂商在试图将“技术负债”转化为“技术资产”——通过自研芯片降低对 NVIDIA 的依赖，通过液冷降低 PUE 值，从而摊薄长期运营成本。

但自研芯片的成功率并非 100%。2026 年 Q2，Meta 的 MTIA 芯片因良率问题推迟量产，直接导致其 AI 云服务毛利率环比下降 7 个百分点。这说明，云厂商的 AI 战争已经从“拼资本”进化到“拼工程化能力”——谁能在芯片、算法、数据中心之间找到最优解，谁才能在下一个财报季交出让投资人满意的答卷。

结论

2026 年的云厂商财报，表面看是 AI 算力的狂欢，内里却是商业模式从“资源租赁”向“价值分成”的艰难转型。对于科技从业者而言，关注的重点不应是 GPU 涨价或云服务降价，而是一个更本质的问题：当每一笔 AI 调用都变成可量化的商业回报时，企业的技术负债表将如何重写？

本文关键词：AI 推理、技术负债、火山引擎、AWS Bedrock、MTIA