华尔街不再为赚钱鼓掌

marsbitPublié le 2026-05-04Dernière mise à jour le 2026-05-04

就在这周,硅谷五家最大的科技巨头密集交卷。

谷歌(Alphabet)、微软(Microsoft)、Meta、亚马逊(Amazon)、苹果(Apple),这五家合计市值超过 14 万亿美元的庞然大物,单季净利润总和已经逼近 1500 亿美元。

从财务表现看,这是一次集体大捷,五家公司的业绩全部超出华尔街预期,没有任何一家出现业务崩盘。

但股价的反馈,却展现出一种近乎残酷的割裂。

谷歌 Alphabet 股价在财报发布后飙升了 10%,苹果上涨 4%;而另一边,亚马逊股价几乎横盘,微软下跌 4%,Meta 更是直接砸出了 7% 的跌幅。

最高与最低之间,整整拉开了 17 个百分点的鸿沟。讽刺的是,这五家公司都在做同一件事,赚钱,而且赚得都比分析师预期的多。

过去两年,硅谷财报季遵循着一条潜规则。只要你宣称自己正在 All in AI,只要你在疯狂砸钱买芯片、建中心,市场就愿意为你买单。这是一种基于 AGI的未来溢价。

但在 2026 年的这个春天,这条规则彻底失效了。

一、同样的烧钱,不同的命数

要理解这种割裂,必须把谷歌和 Meta 放在一起看。

谷歌母公司Alphabet,一季度营收1099亿美元,同比增长22%。净利润626亿美元,账面同比增长81%,其中包含约369亿美元的非上市股权投资未实现收益。剔除这部分非经营性因素,核心经营利润的增幅在18%左右。盘后股价拉了10%。

Meta,一季度营收563亿美元,同比增长33%。增速比谷歌快了11个百分点。盘后跌了7%。

增速更快的那个,反而被资本投了反对票。

谷歌赢在什么地方?赢在每一笔AI投入,都能指向一个正在兑现的收入。

谷歌云单季收入突破200亿美元,同比增长63%。利润率从一年前的17.8%跳到了32.9%,不只是在长,而且越长越赚钱。

搜索那边,查询量创历史新高,广告收入涨了19%,达到604亿美元。两年前所有人都在说AI会杀死搜索引擎,但事实正好相反,AI让搜索变得更好用了,用的人更多了,广告主也更愿意花钱了。付费订阅用户总数3.5亿。云业务积压订单从上一季度的约2400亿美元翻倍到4620亿美元。

华尔街看到的是一条闭合的回路:花钱建AI基础设施,云收入跟着涨,搜索收入跟着涨,利润率也在扩张。钱出去了,能看见钱回来。

Meta的数字本身其实很好。广告系统Advantage+把获客成本平均压低了14%,部分品类的广告投放回报率提升了三成以上。单季563亿美元营收,利润率41%,放在哪家公司都是顶级水准。

但市场盯住的是另一件事。Meta把2026全年资本开支上调到了1250亿至1450亿美元,比上个季度给的指引又高了100亿美元。

这笔钱花出去之后,对应的AI收入增量在哪里?广告效率确实在提升,但广告效率的提升能不能撑得住每年1400多亿美元的投入?电话会上没有给出让市场满意的答案。

游戏规则变了。过去是你敢花钱我就给你加估值。现在的问题只有一个:花出去的钱,回来了多少?

二、叙事的崩塌与越赚越穷的悖论

如果说 Meta 输在回报路径,那么微软则输在了故事的终结。

FY2026第三财季(截至3月31日)营收829亿美元,同比增长18%,全面超预期。Azure增速40%。AI业务年化收入超过370亿美元,同比增长123%。

盘后跌了约4%。

原因不在这些数字里,在财报发布前一天。4月28日,OpenAI的GPT-5.5正式上架了亚马逊AWS的Bedrock平台。

过去两年,微软的AI叙事建立在一个前提上,是OpenAI的独家云伙伴,全世界最强的AI模型只在Azure上跑。这给Azure带来了大量客户迁移,也支撑了微软在AI时代的估值溢价。

这个前提现在忽然变了。OpenAI跟AWS签下了380亿美元、期限七年的算力采购协议。GPT-5.5同时可以在Azure和AWS上调用。

微软CFO在电话会上提到一句:我们不再给OpenAI付分成。

表面上在止血,但华尔街听出来的意思是,最大的AI合作方正在走远。

横向一比就更明显,谷歌云63%的增速,AWS 28%还在加速,Azure的40%在三朵云里排了个中间。本身不差,但放在这个语境下,成了没有惊喜的那一个。

微软赚钱的能力没问题。问题在于托起它估值的那个故事出现了裂痕。利润表装不下叙事的损失。

而亚马逊(AWS)则展示了 AI 时代的另一个残酷真相:越赚钱,反而剩得越少。

亚马逊的云业务虽然在加速,AWS收入376亿美元,同比增长28%,15个季度以来最快。公司整体营业利润239亿美元。

但过去12个月的自由现金流只有12亿美元。一年前是259亿美元。跌了95%。

管理层说得坦诚:在产能开始商业化、收入增速跑过资本开支增速之前,自由现金流会承压。

这就是资产倒挂,为了接住那 3600 亿美元的算力订单,亚马逊每天要睁眼烧掉 5 亿美元去抢电力、建中心。

这种重资产消耗战让亚马逊陷入了一种高位平衡,市场选择不涨不跌,是在等它证明。

三、不战而胜的苹果

在这场杀红了眼的军备竞赛中,苹果反倒成了最有定力的那个。

2026财年第二季度(截至3月28日)财报显示,营收1112亿美元,同比增长17%,创三月季度历史新高。iPhone 17系列需求强劲,大中华区收入同比增长28%。服务收入310亿美元,历史最高。

盘后涨了约4%。业绩好、股价涨,看起来理所当然。

但多想一步就会发现不同,苹果这个季度宣布了1000亿美元股票回购,同时提高了派息。

在谷歌花1900亿美元、微软花1900亿美元、Meta花1450亿美元、亚马逊花2000亿美元搞AI基建的同一周,苹果拿出1000亿美元回购自己的股票。

苹果几乎不参与这场AI军备竞赛。不建数据中心,不训大模型,AI功能靠合作方和端侧小模型。

过去一年华尔街一直说苹果AI落后了。但这周的股价反应说了另一件事,当所有人都在往外掏钱的时候,手里有余粮的那个反而最让人安心。

苹果也没法完全置身事外。台积电3nm产能被AI芯片挤占,A19芯片供应紧张,iPhone造不够。全球内存涨价推高了硬件成本,苹果预计下季度毛利率从49.3%降到47.5%-48.5%之间。

库克在电话会上的原话是:第三财季过后,内存成本对业务的影响将持续加大。

这就是全球化时代的连带成本,即便你不直接参战,你也要为昂贵的炮弹买单。

四、7000亿美元的新规则

五份财报叠在一起看,能看到一个比任何一家公司的季度数字都更大的东西。

2026年,谷歌、微软、Meta、亚马逊四家公司的全年资本开支指引合计逼近7000亿美元。

以各家指引区间中高值估算:谷歌约1850亿美元,微软1900亿美元,Meta约1350亿美元,亚马逊超过2000亿美元。两年前四家合计约2450亿美元,涨了近两倍。

7000亿美元超过了以色列全年的GDP。四家公司一年花在AI基础设施上的钱,比大多数国家一年创造的全部财富还多。

但这一周的股价说明,花钱本身已经不算好消息了。

过去两年市场给的是信仰分,你在投AI,你看好未来,我就给你估值溢价。

这一周开始要看验证分,你投了多少不重要,投出去的钱变成了什么才重要。

谷歌涨了,因为1900亿美元的capex已经在变成云收入、广告收入和利润率的扩张,能算、能看、能量化。

Meta跌了,因为1450亿美元的投入指向的回报路径还不够清楚。微软跌了,因为撑住AI估值的叙事出了裂缝。

亚马逊原地不动,市场在等它证明越赚越穷只是阶段性的。苹果涨了,因为在所有人都在掏钱的时候,还有余力给股东分红的那个看起来最像一家正常运转的公司。

AI投资从信仰阶段跨进了验证阶段。这道坎,在这一周被正式踩过。

五、比财报更大的事

这一周的五份财报,讲的不只是五家公司的季度成绩。

2024年初全世界在问AI会不会是泡沫。2025年,问题变成了AI能不能赚钱。

到了2026年春天,问题又换了一层:AI当然能赚钱,但钱被谁赚走了?

同一周,OpenAI发布了GPT-5.5,API定价翻了三倍。DeepSeek发布了V4,全线降到原价的十分之一。Anthropic的Claude Mythos被内部评估为能力过强,暂不对外发布。

三家AI原生公司,三条完全不同的路。

但有一件事是共通的。三家都跑在别人的基础设施上。OpenAI跑在Azure和AWS上,Anthropic跑在AWS上,DeepSeek靠英伟达和华为的芯片。模型公司做创新,基础设施公司收账单。

一百五十年前淘金热的逻辑在重演,挖到金子的人未必赚钱,卖水和牛仔裤的一定赚。今天的水是算力合同,牛仔裤是数据中心。

区别在于代价。这一轮的铲子,远比一百五十年前昂贵得多。7000亿美元一年,而且在加速。

摩根士丹利估算,2026到2028年间仅美国数据中心就将面临约55GW的电力缺口。2026年一季度,全球大模型的周token消耗量从年初的6.4万亿暴涨到22.7万亿,单季涨了250%。

Meta规划中的两座数据中心容量目标合计6GW,OpenAI的星门计划四年内目标10GW。这些公司下单的时候,用的单位已经从美元换成了吉瓦。

AI竞赛的壁垒正在转移。算法可以开源,芯片可以采购,但电力容量、数据中心选址、冷却系统、长期供电合同,这些东西不能下载,不能复制,建一座最快也要两到三年。

硅谷过去二十年靠代码改变世界。但AI时代的竞争门槛,正在从代码转向混凝土和铜线。

科技行业正在经历一轮底层逻辑的翻转:从轻到重,从软到硬,从写出来到建出来。

谁先铺好基础设施,谁就拿到下一个十年的定价权。一百五十年前铁路是这个逻辑,今天算力也是。

【版面之外】的话:

五家公司都在赚钱,也都超了预期。但市场只奖励了一家半,谷歌和苹果。一个拿出了花钱有回报的证据,一个拿出了不花钱也能活得好的证据。

剩下三家并没做错什么。Meta的广告强劲,微软的Azure在涨,亚马逊的AWS提速。可是“还在涨”这三个字,两年前值一个涨停,今天只值一个不跌。

这大概是这个财报季最值得记住的一件事。当所有人都在增长的时候,增长就不再稀缺了。稀缺的变成了另一样东西:证据。

证明你花出去的每一分钱,都正在以可预期、可验证的方式,回到你的口袋里。

本文来自微信公众号“版面之外”,作者:画画

Lectures associées

Rapport du premier trimestre 2026 d'Ethereum : Baisse des frais, nombre d'utilisateurs et volume de transactions à des niveaux historiques

**Rapport du T1 2026 sur Ethereum : Baisse des frais, mais nombre d'utilisateurs et volume de transactions atteignent des records** Le premier trimestre 2026 présente une dynamique clé pour Ethereum : l'utilisation explose tandis que les revenus liés aux frais baissent. Le nombre d'utilisateurs actifs mensuels (+85,9% en glissement annuel), le nombre de transactions (+81,5%) et le débit du réseau ont tous atteint des sommets historiques. En revanche, les frais totaux sur le réseau principal se sont effondrés de 81,9% sur un an. Ce paradoxe s'explique par la stratégie délibérée d'Ethereum de privilégier la croissance à court terme en réduisant le coût de l'espace bloc grâce aux mises à niveau comme Fusaka (capacité de données augmentée). C'est l'effet Jevons : la baisse des coûts libère une nouvelle demande. Le rapport souligne également un pivot narratif majeur : Ethereum consolide son rôle de couche de règlement financier mondial pour les actifs tokenisés. Il domine ce marché naissant, détenant des parts majoritaires dans les stablecoins (61,8%), les fonds tokenisés (73%), les matières premières tokenisées (84%) et les prêts DeFi (79,2%) parmi les cinq principales blockchains. L'entrée en force d'institutions comme BlackRock, JPMorgan et Fidelity, avec des produits concrets, valide cette tendance. Ainsi, Ethereum sacrifie une capture de valeur à court terme (frais, TVL, capitalisation baisse) pour renforcer ses effets de réseau et sa position d'infrastructure neutre et ouverte, pariant sur une croissance à long terme alimentée par la tokenisation massive de la finance traditionnelle.

marsbitIl y a 1 h

Rapport du premier trimestre 2026 d'Ethereum : Baisse des frais, nombre d'utilisateurs et volume de transactions à des niveaux historiques

marsbitIl y a 1 h

Premier entretien en podcast du PDG d'Intel, Lip-Bu Tan : « Notre objectif est une multiplication par 10 en 5-10 ans », en misant sur l'emballage avancé, les substrats en verre et le diamant synthétique

Le PDG d'Intel, Lip-Bu Tan, a exposé sa vision ambitieuse de transformer l'entreprise avec pour objectif de multiplier par 10 la valeur pour les actionnaires dans les 5 à 10 prochaines années. Lors d'un podcast, il a détaillé sa stratégie axée sur trois piliers technologiques pour dépasser les limites physiques de la miniaturisation : l'emballage avancé (EMIB), les nouveaux matériaux de substrat comme le verre, et les semi-conducteurs de nouvelle génération (GaN, SiC, InP, diamant synthétique). Il souligne la reprise de la demande en CPU pour l'IA, notamment l'inférence et les agents intelligents, modifiant le ratio CPU/GPU dans les serveurs. Tan défend également la division de fonderie d'Intel, essentielle pour la sécurité de la chaîne d'approvisionnement américaine, en se concentrant sur la confiance client, le rendement et les délais. Il révèle le projet Terafab en collaboration avec Elon Musk pour construire des capacités de fabrication de semi-conducteurs. Selon lui, le plus grand malentendu des investisseurs est de sous-estimer le potentiel d'Intel, encore en phase de "rampement". Il prévoit que le véritable potentiel de l'entreprise, au-delà du PC, dans l'informatique en périphérie, l'IA physique et les agents IA, sera pleinement reconnu vers 2030-2032.

marsbitIl y a 1 h

Premier entretien en podcast du PDG d'Intel, Lip-Bu Tan : « Notre objectif est une multiplication par 10 en 5-10 ans », en misant sur l'emballage avancé, les substrats en verre et le diamant synthétique

marsbitIl y a 1 h

Il vient de lever 2,7 milliards, et Fei-Fei Li y a investi.

Le chercheur en intelligence artificielle Pete Florence, ancien employé de Google DeepMind et co-créateur de l'architecture VLA (Vision-Language-Action), a levé 400 millions de dollars (environ 2,7 milliards de RMB) pour sa startup Generalist AI, portant sa valorisation à 2 milliards de dollars. Parmi les investisseurs figurent NVentures (NVIDIA), Bezos Expeditions, ainsi que des personnalités comme Li Fei-Fei, co-fondateur de Xiaomi Lin Bin et le fondateur de Zoom, Eric Yuan. Contrairement à la tendance actuelle, Florence rejette catégoriquement l'étiquette "modèle du monde" pour son entreprise. Issu du MIT et influencé par son mentor Russ Tedrake, il prône une approche orientée "objectif" plutôt que "technologie". Pour lui, l'objectif ultime n'est pas de construire un modèle du monde, mais de créer des robots capables d'accomplir avec un taux de réussite et une vitesse élevés des tâches variées et inédites, sans nécessiter de données spécifiques. Generalist AI a dévoilé deux modèles d'intelligence incarnée : GEN-0 en novembre 2025, démontrant que les lois d'échelle des LLM s'appliquent au mouvement physique, et GEN-1 en avril 2026. Ce dernier, entraîné sur plus de 500 000 heures de données collectées via un dispositif portable, atteint un taux de réussite de 99% sur des tâches manuelles précises comme plier des cartons. Florence estime que GEN-1 approche d'un point d'inflexion similaire à GPT-3, avec des performances atteignant un niveau utile pour des déploiements commerciaux. Ce financement record, intervenu rapidement après la démonstration de GEN-1, valide la vision pragmatique de Florence : développer des robots généralistes réellement utiles en se concentrant sur la résolution de tâches physiques concrètes.

marsbitIl y a 1 h

Il vient de lever 2,7 milliards, et Fei-Fei Li y a investi.

marsbitIl y a 1 h

Trois jours, deux légendes de perdues : le barrage de talents en IA de Google est-il en train de se fissurer ?

En l'espace de trois jours, Google a perdu deux figures légendaires de l'IA, signe d'un exode massif de ses talents vers des concurrents comme OpenAI et Anthropic. Noam Shazeer, co-auteur de l'architecture Transformer, a rejoint OpenAI, tandis que John Jumper, lauréat du Nobel et responsable d'AlphaFold, est parti chez Anthropic. Ce mouvement, renforcé par le recrutement d'Andrej Karpathy par Anthropic, révèle une tendance structurelle. La cause profonde est un désalignement des missions. Les priorités de Google restent centrées sur son activité publicitaire, contraignant la recherche. À l'inverse, OpenAI et Anthropic offrent une focalisation exclusive sur l'innovation et la sécurité de l'AGI. De plus, les perspectives d'introduction en bourse de ces startups promettent des gains financiers considérables via leurs actions, un avantage que Google, déjà géant établi, ne peut égaler. La fusion de Google Brain et DeepMind en 2023, censée unifier les forces, a en réalité accru les tensions entre recherche fondamentale et pression commerciale, créant un environnement moins attractif pour les scientifiques de haut vol. Cette restructuration du paysage des talents, potentiellement irréversible, représente une crise silencieuse pour Google. Son avantage en matière de données, de puissance de calcul et de publications académiques dépend ultimement des personnes capables de les exploiter, et celles-ci partent.

marsbitIl y a 3 h

Trois jours, deux légendes de perdues : le barrage de talents en IA de Google est-il en train de se fissurer ?

marsbitIl y a 3 h

Derrière les bulletins de notes de l'IA, se cache un concepteur de "sujets d'examen" chinois

Le domaine de l'IA suit de près les scores des grands modèles sur des benchmarks comme MMLU-Pro et MMMU, devenus des références pour évaluer les capacités de raisonnement et de compréhension multimodale. Derrière ces outils d'évaluation influents se trouve Wenhu Chen, professeur assistant à l'Université de Waterloo et fondateur du TIGERLab. Face aux limites des anciens benchmarks comme MMLU, où les modèles de pointe atteignaient des scores quasi parfaits, Chen a dirigé le développement de MMLU-Pro. Cette nouvelle base de données, plus difficile et stable avec des questions à choix multiples élargis, permet de mieux distinguer les véritables capacités de raisonnement des modèles. Dans le domaine multimodal, les benchmarks MMMU et MMMU-Pro, également créés par son équipe, évaluent rigoureusement la capacité des modèles à combiner informations visuelles complexes et connaissances disciplinaires pour résoudre des problèmes avancés. Cette expertise en évaluation découle des recherches de Chen sur la compréhension d'informations complexes et le raisonnement, renforcée par son expérience chez Google DeepMind sur Gemini. Aujourd'hui au Meta Super-Intelligence Lab, il continue ses travaux sur l'évaluation et l'entraînement de modèles multimodaux. Son parcours illustre le rôle crucial, bien que moins visible, des chercheurs dans la construction des fondations méthodologiques qui guident les progrès de l'IA.

marsbitIl y a 3 h

Derrière les bulletins de notes de l'IA, se cache un concepteur de "sujets d'examen" chinois

marsbitIl y a 3 h

Trading

Spot
Futures
活动图片