KeyFrame內部研究專用

AI 資本支出暴增、科技企業開始控 Token、Meta 傳出賣算力:三大雲真的被市場錯殺了嗎?#MSFT #AMZN #GOOG #ORCL #META

TradingKey 美股財經24 min中文
觀看原始影片

三句話摘要

AI資本支出暴增看似風險,實際上標誌著企業從試用階段進入精算管理期,對多模型雲平臺(Microsoft、Amazon、Google)的長期價值構成支撐而非威脅。 ## 市場對三大雲的擔憂不是完全錯誤,但把它等同於AI故事破裂、簡單看空是錯過了這個更深層的機會——這個時期恰恰是AI從試用走向正式部署、從單一模型競爭轉向多模型平臺價值的臨界點,而控制住企業AI成本管理層的Azure、AWS、Google Cloud可能比市場現在想的更難被替代。 AI成本已進入財務硬約束。 Microsoft Cloud毛利率從歷史水平下降到66%,Copilot和AI使用產生真實算力成本而非邊際成本,這讓企業不再能無限制增加用量。Uber四個月就用完全年AI預算後,對工具使用設定1500美元/人/月上限,說明AI並非不好用,恰恰相反是太好用導致成本快速失控。

重點整理

  1. AI成本已進入財務硬約束。 Microsoft Cloud毛利率從歷史水平下降到66%,Copilot和AI使用產生真實算力成本而非邊際成本,這讓企業不再能無限制增加用量。Uber四個月就用完全年AI預算後,對工具使用設定1500美元/人/月上限,說明AI並非不好用,恰恰相反是太好用導致成本快速失控。

  2. 企業正進入"AI用量精算期"而非需求下滑。 這是技術商業化的正常階段:從"能用就用最強模型"轉向"這個任務值不值得用這麼貴的模型"。企業開始做模型路由(複雜任務用高階模型、簡單任務用便宜模型)、內容快取、批次處理、成本分攤,這是AI從展示走向正式業務流程的必經之路。

  3. 多模型雲平臺將成為最大受益者。 企業越想控制AI成本,越需要能同時提供OpenAI、Anthropic、Google、Meta開源模型的統一平臺,以及配套的成本管理、資料治理、許可權控制。這正是Microsoft Azure、AWS Bedrock、Google Cloud Model Garden的核心價值。

  4. 三大雲當前估值明顯低於歷史水平。 Microsoft 19倍未來本益比(歷史5年平均30倍)、Amazon 27倍(歷史5年平均45倍),這不是泡沫破裂,而是市場重新定價後的合理偏便宜。

  5. ##

實用技巧與重點

  • 資本支出規模資料:
  • 2026年雲大廠資本支出預估:7250億美元(幾乎是2025年中期兩倍)
  • Microsoft FY2026 Q3:單季新增物業裝置支出309億美元(YoY +85%);前9個月801億美元(YoY +68%)
  • Amazon Q1 2026:單季購置物業裝置442億美元(YoY +77%);12個月營運現金流1485億美元,自由現金流僅12億美元(去年同期259億美元)
  • Google Q1 2026:購置物業裝置357億美元(YoY +108%);全年資本支出指引提高至1800-1900億美元
  • 毛利率與成本壓力:
  • Microsoft Cloud毛利率:66%(AI基礎設施投資和Copilot使用導致下降)
  • Microsoft Productivity and Business Processes部門:成本增加6.8億美元(支援Microsoft 365 Copilot)
  • 企業AI成本管理案例:
  • Uber:4個月用完全年AI預算,後對Copilot/Cursor工具設定$1500/人/月上限
  • Meta:因Google無法供應足量Gemini算力,轉向推動員工更高效使用Token;報導指Meta規劃建立雲業務對外出租多餘算力
  • Microsoft內部:取消大部分內部Copilot授權,推動開發者改用GitHub Copilot CLI
  • AWS定價調整:
  • EC2 Capacity Blocks for ML:7月漲價20%(今年1月已漲過15%)
  • AI模型路由工具:
  • Azure AI Foundry:在不同模型間平衡品質、成本、延遲
  • AWS Bedrock智慧提示路由:根據請求選擇模型,可降低約30%成本
  • Google Cloud Model Garden:200+模型(Google和合作伙伴)供選擇
  • 估值資料(未來本益比):
  • Microsoft:19倍(歷史5年平均30倍)
  • Amazon:27倍(歷史5年平均45倍)
  • Alphabet:24-25倍(歷史5年平均22倍)
  • Google Cloud業績:
  • Google Cloud營業利益:從21.77億美元增長到65.98億美元(Q1 FY2026)
  • 第一方模型每分鐘處理超過160億tokens(比上季增長60%)
  • AI商業化四階段定義:
  • 廚房試用期:能否接近產品,市場相信敘事即可
  • AI用量精算期(現在):每次使用值不值得,需要成本管理
  • 每任務成本最佳化期:不看token價格,看每完成一個有效結果的成本(包括模型+工具+人工審查/成功率)
  • 結果付費期:按解決的問題數量而非token數量計費
  • 企業AI使用案例定義:
  • 程式開發:修好一個程式錯誤 = 1任務
  • 客服:解決一張工單 = 1任務
  • 銷售:產出一個合格線索 = 1任務
  • 財務分析:完成一份可用的分析摘要 = 1任務
  • 法律:完成一份律師可採納的合約審閱 = 1任務
  • 辦公場景:完成一份可交付的簡報/郵件/會議摘要 = 1任務
  • Oracle vs 三大雲對比:
  • Oracle 2026年剩餘履約義務:6380億美元(YoY +363%)
  • Oracle 2026年自由現金流:237億美元
  • Oracle故事:AI算力短缺帶來訂單,但同時帶來資本支出和融資壓力;三大雲故事:AI用量精算提高多模型平臺價值
  • --
  • ##

結論

市場對三大雲的擔憂不是完全錯誤,但把它等同於AI故事破裂、簡單看空是錯過了這個更深層的機會——這個時期恰恰是AI從試用走向正式部署、從單一模型競爭轉向多模型平臺價值的臨界點,而控制住企業AI成本管理層的Azure、AWS、Google Cloud可能比市場現在想的更難被替代。

完整解析

五月以來Microsoft、Amazon、Google股價下跌的表面原因很直接:三大雲廠的AI資本支出呈指數級增長,而市場開始追問這些鉅額投資何時能轉化為現金流。資料確實驚人——2026年雲大廠資本支出預估達7250億美元,是2025年中期水準的兩倍;Microsoft單季新增物業裝置支出從167億美元飆升到309億美元;Amazon則從250億美元增至442億美元。更嚴峻的是,這些資本支出的增速已經超過運營現金流的增速,Amazon的自由現金流甚至從259億美元崩到僅剩12億美元,這讓市場合理地開始懷疑:這是在創造未來的收費公路,還是被迫參加一場越來越貴的軍備競賽?

但真正值得討論的不在於資本支出的絕對值,而在於企業對AI的態度在悄然改變。Microsoft Cloud的毛利率下降到66%不是因為需求消失,而是因為AI使用真的產生算力成本——傳統Office軟體的邊際成本接近零,多打幾個字Microsoft不會多花錢,但AI的每一次生成、每一次推理、每一次Agent執行都有明確的計算成本。這改變了整個經濟學。Uber的故事最能說明問題:它鼓勵員工大量使用AI程式設計工具,結果四個月就耗盡全年預算,隨後不得不對每個工具設定1500美元/人/月的上限。這不表示AI沒有價值,恰恰相反,可能就是因為太有價值、太容易擴散,所以預算快速失控。Google和Meta也報導稱無法無限制獲取最頂級算力,開始推動員工更有效率地使用Token。

這些現象指向了一個更深層的轉變:AI正在從"廚房試用期"進入"用量精算期"。在試用期,企業關心的是能不能把AI用上,市場相信敘事就願意給高估值;而在精算期,企業關心的是這個任務值不值得用這麼貴的模型、哪些工作值得自動化、成本分攊應該如何設定。企業開始做模型路由:複雜任務交給GPT-4或Claude,簡單任務降級到便宜模型;做內容快取以減少重複呼叫;做批次處理而非實時處理;按使用量而不是席位收費。Microsoft已經開始在Azure AI Foundry用模型路由工具平衡品質、成本和延遲;AWS用Bedrock的智慧提示路由能節省約30%成本;Google Cloud則提供200多個模型供選擇。這些都不是AI失敗的訊號,而是企業把AI從演示展示走向正式業務流程的必經階段。

真正有意思的是,這個轉變對誰最有利。如果企業只追求最強模型,價值流向單一模型公司(Anthropic、OpenAI);但如果企業追求用最低成本完成最多有效任務,價值流向能同時提供多模型選擇、成本管理、資料治理、許可權控制的多模型雲平臺——這正是Microsoft、Amazon、Google各自的優勢。Microsoft控制企業工作流的入口(Office、Teams、GitHub);Amazon是最中立的多模型平臺(可以用Claude、Gemini、Llama);Google則擁有Gemini和TPU的一體化優勢。企業越想控制成本,就越離不開這樣的平臺基礎設施。相比之下,Oracle雖然也受益於算力短缺,但它的故事更像是一次性的大訂單帶來的資本支出壓力,而三大雲的故事是系統性的平臺價值提升。當我們回到估值邏輯,Microsoft當前19倍未來本益比相比五年平均30倍明顯便宜,Amazon的27倍也遠低於45倍的歷史平均;Alphabet雖然不如其他兩家便宜,但Google Cloud的加速增長和Gemini每分鐘160億token的處理量提示Google正在轉化技術優勢為商業優勢。

---

##

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。