PPT分享(30页)|一文读懂AI基建:四大云厂商的投入,正在改变哪两件事
- 2026-11-08 23:20:56
合集标签： AI产业链深度拆解· 第61篇「端侧篇」> 后台回复关键词（见文末）领取完整 PPT 源文件
写在前面：
这份材料叫「2026Q2 海外云厂商资本开支与 AI 产业趋势观察」，30 页，四章：资本开支与业绩复盘、云收入与回报验证、口径变化与利润影响、应用演进与风险提示。
做它的起因，是我一直想回答一个问题：这么大的投入下去，到底换来了什么技术变化？
但说实话，这个问题太容易被聊成一场数字竞赛。所以我在这份材料里给自己划了条线——我不比谁花得多，我只关心投入花在了什么技术结构上，以及应用侧因此发生了什么变化。
先说清边界。这份材料里大部分篇幅属于经营与财务口径，我一律不写：
全篇不聊资本开支金额与全年指引、不聊营收净利与 EPS、不聊毛利率与营业利润率、不聊 ROIC 与投入回报、不聊租赁与折旧年限调整的账面影响、不聊订单与收益确认、不聊风险提示与行业竞争格局、不聊任何投资标的与买卖判断、不构成投资建议。我只讲三件事：① 投入的结构说明了什么；② 云收入增长背后那两个技术归因；③ 应用侧正在发生的两个架构变化。
另外说明一句：下文配图取自 PPT 原页。有几页技术信息很关键、但同页也印着金额，我采取的办法是——保留配图，但正文一个数字都不引用，只讲其中的技术机制。凡属此类，配图上方都有标注。
一、先看投入的结构：服务器只占六成
这一章我最想让你看的是一张结构图——它把"AI 基建"这件事拆成了两块。
本页原文同时含资本开支、收入、利润、订单等经营口径表述，属商业范畴，本文不引用、不解读，只讲其中的技术机制。
这两块的性质完全不同。
服务器是算的东西；数据中心和网络设备是让这些算力能连起来、能供上电、能散掉热、能被调度的东西。
也就是说——在 AI 基建里，接近一半的投入不是花在"算"上，而是花在"让它们能一起干活"上。
这和我之前在合集里反复讲的那条规律是同一件事：当规模大到一定程度，瓶颈就不在单点能力，而在点与点之间。
顺着这条线往下看，还有一处更值得琢磨。
本页原文同时含资本开支、收入、利润、订单等经营口径表述，属商业范畴，本文不引用、不解读，只讲其中的技术机制。
"短寿命资产"这五个字，是整个 AI 基建最特殊的属性。
传统基础设施里，厂房、机房、线路一用就是几十年；而 AI 基建的主要构成是几年就要更新换代的计算设备。更关键的是它们退役的原因——不是用坏了，而是被新的比下去了。
这个区别会带来一个很实际的技术后果：既然硬件注定要被替代，那么谁能更快把新硬件"用起来"，谁手上的资产就有更长的有效寿命。
而"用起来"这四个字，靠的不是采购，是软件——调度、编译器、算子库、通信库、稳定性验证。同样的卡，兑现出来的有效算力可以差很多。
二、云收入增长的两个技术归因，第二个常被忽略
本页原文同时含资本开支、收入、利润、订单等经营口径表述，属商业范畴，本文不引用、不解读，只讲其中的技术机制。
这一页我只关心解读里的一句话：增长得益于"基础设施效率提升"以及"新产能上线流程改善"。
这两个归因，恰好对应两件完全不同的事。
第一个归因：效率提升
同一批硬件，跑出来的有效算力变多了。这就是我前面说的"兑现率"问题——标称能力可以买到，兑现能力只能靠工程积累。
第二个归因：上线流程改善
这一条我认为被严重低估。
很多人默认"货到了就能用"。实际上从设备上架到真正跑起业务，中间还有一长串：机柜就位、供电与制冷达标、网络打通、调度系统纳管、稳定性验证。任何一环卡住，算力就只是"在那儿"，而不是"能用"。
所以"上线流程"本身就是一种技术能力——它决定的是从"买到"到"产出"之间的时间差。而这个时间差，在硬件更新这么快的行业里，直接决定了有效产能释放的快慢。
再看一处硬件侧的证据。
本页原文同时含资本开支、收入、利润、订单等经营口径表述，属商业范畴，本文不引用、不解读，只讲其中的技术机制。
98% 这个数字的含义，不是"自研芯片性能多强"，而是"自研芯片已经从可选项变成了默认项"。
为什么云厂商要自己做芯片？我在合集另一篇里详细拆过：通用芯片要为所有人的负载设计，而云厂商最清楚自己跑的是什么负载——上下文多长、并发多少、访存多密集。只为一种负载做优化，能省掉的冗余，是通用芯片不敢省的。
而当渗透率到 98%，说明这件事已经不是试验，而是基础设施的默认形态了。
本页原文同时含资本开支、收入、利润、订单等经营口径表述，属商业范畴，本文不引用、不解读，只讲其中的技术机制。
最后一页我想让你注意那个单位：每分钟。
Token 用"每分钟"来计量，意味着这已经不是"偶尔调一次"的负载，而是一条持续流动的流水线。我在上一篇里说过，周度 Token 一年涨了约 20 倍——当消耗以数量级增长，竞争的关键就从"谁的效果好"转向"谁能把单位任务的开销压下来"。
而压开销这件事，正把我们带到应用侧的下一个变化。
三、第一个架构变化：模型开始"分层"了
这一页是整份材料里我认为技术含量最高的部分。
它的逻辑其实很简单：统一使用最先进模型，代价过高。
于是按任务难度分层——难而重要的活，交给贵的前沿模型；简单高频的活，交给便宜的小模型。
这不是新想法，是计算机体系结构里最经典的一招
如果你熟悉计算机组成，会发现这完全是"分级存储"思路的重演：
CPU 旁边有 L1、L2、L3，再往外是内存，再往外是磁盘 不是所有数据都放在最快的那一层——因为最快的那层最贵、最小 系统做的，是按访问频率和重要性，把数据放到合适的层
模型能力现在也有了成本梯度，于是同样需要一个"调度器"：判断这个任务值不值得用贵的模型。
而这张图里还有一句容易被读过去的话：同一平台调用多个能力相近的模型。
这意味着平台上多出了一层新的系统组件——路由与调度。它不属于任何一个模型，但决定用哪个模型。模型之上，正在长出一层系统。
顺带说一句：这和我在合集里讲过的 MoE 稀疏激活是同一个道理——不是所有任务都需要全部能力。只不过 MoE 是在一个模型内部按需激活，而分层是在多个模型之间按需调度。
四、第二个架构变化：业务系统和模型"解耦"了
这一页我建议在电脑前读完，因为它的四点几乎是逐条对应一个工程决策：
- 数据、记忆和业务背景保留在自有系统
- 企业自行管理上下文和记忆
，掌握核心资产主动权 - 底层模型 API 切换时，前端应用无缝替换
- 提示词结构无需大改
，上下文可打包后平滑迁移
它解决的是一个很现实的问题：模型变得太快了
几个月一代，能力、价格、接口都在变。如果业务系统和模型紧绑在一起，那么每一次模型升级都是一次迁移工程。
解耦之后，变的那一端随便换，稳的那一端不动。
这其实是软件工程里最古老的一条原则——依赖倒置：高层业务不依赖低层实现细节，中间垫一层抽象。只是这一次，垫在中间的那层叫"上下文管理"。
而最值钱的东西，恰恰在不动的那一端
请把四点里的前两点再读一遍：数据、记忆、业务背景。
模型可以换，但你的客户历史、你的业务规则、你这三年积累下来的上下文——这些换不了，也买不来。
所以这一页真正说的是：架构解耦不只是一个工程优化，它决定了核心资产在谁手里。
我在合集里已经多次遇到这条原则的不同版本：MCP 解决"工具怎么接"，Headless 解决"能力怎么从界面里剥离出来"，个人 Agent 解决"权限边界画在哪"。它们都是同一件事——在模型和业务之间垫一层，让模型变得可替换。
五、一个正在发生、但很少被放在一起看的形态变化
本页原文同时含资本开支、收入、利润、订单等经营口径表述，属商业范畴，本文不引用、不解读，只讲其中的技术机制。
最后一页，我把两个产品形态放在一起看。
Copilot 是辅助形态：人主导流程，AI 提供建议，人做决定。Agent 365 是代理形态：AI 主导流程，人只定目标和验收标准。
这两者的区别，不在模型有多强，而在"决策权在谁手里"。
我在合集讲个人 Agent 那篇里详细拆过这条曲线：工具型（人主导、单条指令）→ 助理型（人主导、AI 给建议）→ 代理型（AI 主导流程、人验收）。这是一条决策权转移曲线，不是性能曲线。
而代理形态一旦普及，前面说的两件事就同时变成刚需：要分层（因为代理会高频调用，成本敏感），也要解耦（因为代理要能换模型而不丢上下文）。
写在最后：三句话
第一句：这一轮投入的重心，正在从"买到多少"转向"用到什么程度"
证据有三个：效率提升被列为增长归因、自研芯片渗透到了近乎全覆盖、应用侧开始分层压单位开销。这三件事都不是采购问题，是工程问题。
第二句：模型正在从"被直接使用"，变成"被调度使用"
分层和脱耦，指向的是同一个方向：模型之上正在长出一层系统——它负责路由、负责上下文、负责可替换。模型是发动机，这层是新长出来的底盘。
第三句：这层系统里最贵的不是算力，是上下文
算力可以租，模型可以换，只有你的数据、你的记忆、你的业务背景换不了。这也是为什么"架构独立"这页值得单独存下来——它决定的不是技术选型，是核心资产在谁手里。
算力投入是长期主义的注脚，理性观察比追逐热点更有价值。这是我写在 PPT 结尾页上的话，也是我做完这 30 页后最真实的想法：数字每个季度都会变，但结构性的变化一旦发生，就会持续很多年。
📦 完整 PPT 源文件领取
这份《2026Q2 海外云厂商资本开支与 AI 产业趋势观察》共 30 页，含完整四章：资本开支与业绩复盘（四大厂商资本开支对比、微软 / Meta / 谷歌 / 亚马逊各家业绩与分部门明细）、云收入与回报验证（三大厂商云收入对比、ROIC 环比变化）、口径变化与利润影响（融资租赁转经营租赁、折旧年限延长）、应用演进与风险提示（大模型应用分层、业务系统与模型架构独立、风险因素）。
关注公众号，在后台发送关键词
【 AI基建 】
即可获取下载链接。
公众号：哔咘的科技笔记
本文为技术科普与产业观察，仅供学习交流，不构成任何投资建议。文中数据引自厂商公开信息；资本开支金额与全年指引、营收净利与 EPS、毛利率与营业利润率、ROIC、租赁与折旧年限调整的账面影响、订单与收益确认、风险提示均未引用。作者：公众号 · 哔咘的科技笔记
