谷歌业绩会QA环节

📌第一组提问：生成式AI投资回报（ROIC）、2027年资本开支规划 👨💼分析师Brian问题 ❓问Sundar：当下市场生成式AI产品、工具持续增多，行业整体投资规模不断加大；对比一年前，你对全行业生成式AI业务可实现的ROIC整体空间、盈利兑现时间节点的判断发生了哪些变化？ ❓问Anat：你此前多次提到算力供给、芯片产能长期受限。结合2027年加大投入、缓解产能缺口的目标，公司资本开支预算制定逻辑、对远期支出设置的管控约束，相比此前出现了哪些调整？ Sundar👔（谷歌CEO）回复 —— 生成式AI行业ROIC判断 📌行业发展阶段判断：生成式AI属于横跨多个赛道的长期结构性变革，目前行业整体仍处于极早期阶段。 📌无论是谷歌核心搜索信息业务，还是面向公司的商用AI，行业都只挖掘了极小一部分潜力。 📊业务增长空间拆解 C🛒端消费业务：依托前沿大模型能力，未来可落地完整端到端智能代理服务，能深度优化用户全流程使用体验，商业化空间广阔； B🏢端公司业务：当前公司绝大部分工作负载仍未完成云端迁移，而完成上云的负载里，真正原生适配AI、搭载AI能力的比例更是微乎其微，公司AI渗透还有巨大提升空间。 💡关于ROIC观点变化：公司采用软硬件一体化全栈AI布局，目前消费用户、政企客户、开发者三大生态同步高速增长。 📈对比一年前，团队充分验证了AI商业化落地可行性，对未来生成式AI业务的长期盈利空间、投资回报前景更加乐观。 Anat💰（CFO）回复 —— 远期资本开支与产能投入策略 📉行业现状：算力、芯片供给紧张的行业格局已连续维持多个季度，外部云客户采购需求、公司内部各业务线算力消耗同步保持高增速。 📋资本开支底层逻辑：只要算力、基建相关投资项目能带来具备吸引力的回报，公司就会持续加码投入；制定预算会同时兼顾2027年短期产能缺口，以及未来多年长期算力需求，主动、激进推进算力基建建设。 ⚖️
供需与全栈优势：过去三年公司已大规模扩充算力产能，但市场需求增长速度持续超过 产能扩张速度，和全行业一样面临供给约束； 🔧依靠自研全栈技术架构，团队可以持续优化数据中心软硬件运营效率、技术效率，用现有硬件承载更多计算任务，缓解产能压力。 📌第二组提问：Gemini大模型行业竞争力、代码能力补齐、公司资本结构 👨💼分析师Doug双问题 ❓问Sundar：如何保证Gemini系列模型长期维持行业第一梯队、前沿水平？本周公司发布Gemini Flash，但对比其他头部AI实验室，谷歌大模型发布频率源头内容加微WUXL3408、市场宣传声量偏弱，如何打消市场对于模型迭代速度、技术领先性的担忧？❓同时，公司市场中代码生成、编程能力是当前短板，公司有哪些针对性落地规划缩小差距？ ❓问Anat：公司近期完成新一轮股权、债权融资，如何定义集团最优资本结构？对比股权融资，如何评估、权衡债务融资的资金成本？ Sundar👔回复 ——Gemini竞争力、代码能力迭代规划 📈大模型行业竞争环境：前沿大模型赛道迭代节奏极快，行业竞争激烈，技术格局时刻动态变化； Gemini🏆多款模型在多项核心评测维度仍保持行业顶尖水准，但公司也客观承认，代码、智能代理编程领域存在明显短板。 Gemini Flash✨产品定位与价值：Gemini Flash是谷歌主力商用模型，在性能、使用成本、运行稳定性、响应延迟之间实现平衡，市场需求旺盛； 🔗目前已深度整合进谷歌全栈解决方案，覆盖网络安全、数据分析、公司客服、专业文稿生成等多个B端场景。 💻代码能力迭代进展：团队集中资源攻坚代码能力，模型保持高频迭代； 📊最新3.6 Flash对比前代3.5 Flash，代码基准评测DeepSweep得分提升超10个百分点，同时Token使用效率进一步优化。 🏢现阶段该模型已在公司内部全面落地，同步对接大量公司客户开展测试，短期迭代效果显著，后续会持续更新优化。 🚀长期维持技术领先的核心布局：公司高度重视、有充足信心守住大模型前沿地位；🔬下一代顶级基础大模型Gemini 4正在全力训练，项目目标宏大，定位为支撑未来前沿竞争的超大参数量基础模型。 ✅内部研发进度符合预期，正式对外发布后会补齐行业顶尖能力； 🔁未来会以Gemini 4为底层基础，持续快速迭代推出各类细分模型，整体模型发布节奏会持续提速。 Anat💰回复 ——集团资本结构、股权/债权融资成本权衡 💵资金来源优先级：规划长期算力、业务投资时，优先依靠经营活动产生的现金流；📊本季度财报显示，公司经营性现金流持续保持稳健、充足，是第一资金来源。 📜债务融资布局：过去12个月公司大幅扩张债务融资规模，一年前集团债务规模约160亿美元，当前多币种、跨区域债务总规模约1000亿美元，持续拓宽债务融资渠道。 📈股权融资目的与后续计划：扩充股权融资是为了打造韧性更强、健康稳健的资产负债表，对冲大额资本开支带来的经营压力； 📌现阶段除常态化“按市价发行（ATM）”用于覆盖股权激励相关税费外，暂无额外大规模股权融资计划。 ⚖️
资本结构整体思路：制定融资规划时综合平衡经营性现金流、债务规模、股权融资三大维度，在满足AI、算力大额长期投资需求的同时，长期维持健康、抗风险的资产负债表。 📌第三组提问：TPU自研芯片产能分配、TPU业务收入与利润率影响 👨💼分析师Eric双问题 ❓问Sundar：公司持续扩大自研TPU芯片产能，过程中有哪些关键经验？展望未来数年，如何平衡TPU芯片对内供给（内部模型训练、自有业务算力消耗）与对外销售（外部云客户采购）的需求？ ❓问Anat：此前发言提到TPU业务对谷歌云的拉动作用，请细化说明TPU相关订单在云业务积压订单中的规模占比；同时如何预判未来几年TPU业务收入确认节奏，以及TPU业务对集团云业务整体利润率带来的潜在影响？ Sundar👔回复 ——TPU产能分配、内外需求平衡策略 TPU ⚙️
产品进展：TPU v5e、v5p两款自研芯片落地效果符合预期，在算力性能、单位成本层面具备独特行业优势，公司内部各业务线已大规模部署使用。 TPU🏆资源分配核心优先级：第一优先级是保障前沿AGI大模型训练所需算力，这是所有业务的底层基础；在此基础上再分配剩余算力资源。 ⚖️
内外需求平衡方案 ☁️
对外云客户需求：绝大多数公司客户采购TPU/GPU算力，核心用途是调用Gemini系列商用模型，覆盖Vertex AI、Gemini Enterprise、智能代理工作负载等场景，该类算力需求会优先保障； 🏭客户私有化部署需求：针对希望自建机房部署TPU芯片的客户，公司推出合作方案（例如与黑石集团合作的数据中心项目），通过外部机房部署的方式分流外部客户算力需求，避免挤占内部模型训练算力； 🎯整体分配目标：在优先满足自研大模型前沿训练需求的前提下，兼顾C端消费业务、B端公司云业务的模型服务算力供给，剩余产能再对外作为原始算力基础设施对外销售。 Anat💰回复 ——TPU订单、收入确认、利润率影响 TPU📑订单计入口径：客户签署TPU整机采购协议后，对应订单金额会计入谷歌云积压订单； 📊目前云业务5140亿总积压订单中，绝大部分为GCP云服务订单，TPU整机销售订单同步统计在内。 TPU📅收入确认时间线：公司会提前备货生产TPU整机，备货会阶段性消耗经营性现金流； ✅只有完成整机交付客户后，才会确认对应销售收入。 📦本季度仅交付少量协议订单，2026全年会持续加大交付规模，该批大额订单绝大部分收入将在2027年集中确认。 📌第四组提问：Gemini模型迭代速度、低端大模型赛道竞争 👨💼分析师Ross问题 ❓当前行业各大厂商持续加速大模型迭代、发布新品，谷歌Gemini后续会采取哪些措施提升模型更新节奏？此前公司和SpaceX达成第三方算力采购协议，除此之外还有哪些方式扩充算力、加快模型研发迭代速度？ ❓市场低成本入门级大模型赛道竞争高度拥挤，公司主推Gemini Flash系列中端商用模型，管理层是否认为中端市场是更优质的赛道？如何看待行业低端模型同质化竞争格局？Sundar👔回复 📊全价格带模型布局思路（帕累托最优布局）：公司不会只聚焦单一价格段模型，目标是覆盖全层级客户需求，在每一个价格档位推出综合性能最优的产品； 📦因此产品线完整覆盖Flash Lite（轻量化低端）、Flash（中端主力）、Pro（高端）多条线，同时持续投入研发顶级前沿大模型，完整覆盖行业全部需求区间。 ⏱️
模型迭代节奏规划：后续Gemini整体发布节奏持续提速； 📌此前I/O开发者大会发布3.5 Flash，短时间内迭代推出3.6 Flash，后续会持续高频更新优化代码、智能代理能力。 🔬算力与长期研发规划：现阶段核心研发资源、算力向Gemini 4倾斜，集中资源打造下一代行业标杆基础模型； Gemini 4🚀落地后，会以此为底座快速衍生迭代各类细分商用模型，中长期有望实现月度级新品发布节奏。 📌第五组提问：AI行业核心竞争壁垒、TPU业务利润率 👨💼分析师Michael双问题 ❓问Sundar：当前全行业厂商均可推出能力相近的大模型，这场AI模型竞争中谷歌的核心护城河、战略竞争优势是什么？即便竞品实现同等模型能力，谷歌依靠什么维持持续高速增长？ ❓问Anat：再次细化TPU业务利润率情况，TPU整机销售业务利润率是高于谷歌云核心业务利润率，源头内容加微WUXL3408还是低于核心云业务利润率？未来TPU业务会给云整体利润率带来怎样的变化？ Sundar👔回复 ——AI业务核心竞争壁垒 🧱第一层壁垒：全栈一体化解决方案（模型只是组件之一） 📌行业普遍只单独售卖大模型API，但谷歌为客户提供完整端到端解决方案，大模型只是解决方案中的其中一个组件： 🔒网络安全赛道：配套Chronicle、Wiz安全工具，搭配自研代码安全产品，实现漏洞检测、修复全流程； 📈公司数据分析赛道：打通公司内部全部孤立数据库，叠加Gemini智能分析层，一站式完成数据治理、智能分析； 🤝客户采购的是完整可落地业务工具，而非单纯大模型调用权限，客户粘性更强。 🧱第二层壁垒：端到端全链路配套能力 📌即便客户仅单纯调用模型，谷歌也具备竞品难以复制的配套优势：充足自研算力、高标准数据治理、完善安全管控体系； 🔐严格保障客户数据隔离保密，客户数据不会反向用于模型训练； 🛠️
配套完整的模型部署、运维、权限管理工具，公司落地门槛更低。 🔗业务协同优势：自研大模型可深度优化自有云产品，同时云平台兼容第三方竞品大模型；配套自研算力基础设施，完整全栈布局形成闭环竞争优势。 Anat💰回复 ——TPU业务利润率、云利润率压力 TPU📜利润率披露规则：公司不会单独拆分、披露单一硬件产品（TPU整机）独立利润 率，无单独细分数据。 TPU🎯业务战略价值：TPU整机对外销售属于集团整体市场空间（TAM）的扩张，覆盖有私有化机房部署需求的客户，挖掘全新增量市场，核心价值是拓宽客户覆盖，而非单纯追求硬件利润。 📉云业务利润率短期压力 📊本季度谷歌云运营利润率提升至35.6%，依托整体业务精细化运营、营收增长实现利润率优化； 2026📅年Q3起，为缓解短期算力缺口，公司会加大第三方外部算力采购作为过渡方案，第三方算力采购成本更高，会阶段性给云业务运营利润率带来下行压力；💸收购Wiz带来的整合成本，也会在2026年短期拖累云业务利润率。 📌第六组提问：第三方算力采购、全业务算力分配优先级、Waymo业务规划 👨💼分析师Mark问题 ❓公司现阶段采购第三方算力作为产能过渡，算力供给最紧张的场景集中在哪块业务，还是全业务线普遍存在缺口？ ❓公司如何统筹分配有限算力资源，平衡搜索业务、大模型训