云计算，怎么突然从「吞金兽」变成了「印钞机」？

过去两年，每到微软、亚马逊、谷歌公布资本开支的时候，市场的反应基本就一个字：怕。

也不怪大家怕。三家公司一年往 AI 数据中心里砸几千亿美元，买 GPU、建机房、扯光纤、搞液冷，钱哗哗地出去，可收入得等客户慢慢用起来才能收回来。更要命的是，GPU 又不是三峡大坝，建好了能稳稳当当发电几十年。芯片这东西更新换代特别快，今天最顶配的卡，三四年后可能就是白菜价。花 100 亿买的设备，还没折旧完就被下一代淘汰了——谁听了不心慌？

所以那阵子市场的共识大概是：AI 云计算就是一只吞金兽。云厂商拼命买 GPU，然后按小时出租给客户，要是同行一打价格战，这生意分分钟变成”科技版设备租赁”——投入巨大、折旧凶猛、毛利薄得可怜。

然后微软和亚马逊的财报出来了。

AWS 收入同比增长 37%，这个数字不算意外。真正让人坐直身子的是——利润增长了约 63%，营业利润率直接干到接近 40%。Azure 那边更猛，收入增长 43%，年度收入首次破千亿美元。

资本开支还在往上加，利润反而跑得更快？

这跟之前市场讲的故事完全不一样啊。

之前为什么觉得这是个坑

说句实在话，单看云计算的资产结构，确实很难让人兴奋。

先砸钱买 GPU、服务器、存储设备，再建数据中心、供电系统、液冷管道。这些钱全得提前掏，可客户不会一把付清五年的算力账单——人家是按月、按量结算的。

这里头有个天然的时间差。钱今天花出去，收入要一点一点往回挣。

如果需求不行呢？数据中心利用率只有一半，另一半服务器照样吃电、照样折旧、照样要人维护。收入少了一半，成本一分没少。

还有一个更扎心的问题：几家大厂卖的都是英伟达同款 GPU，你说客户怎么选？比价格呗。谁便宜谁送的代金券多就用谁。长此以往，云计算就可能走上航空业的老路——飞机很先进，市场很大，但大家都在贴身肉搏，谁也赚不到什么钱。

AI 还把这个担忧又放大了一层。传统 CPU 服务器能用好多年，高端 GPU 的竞争力窗口却短得多。今年花大价钱买的卡，三年后新卡性能翻好几倍，旧卡的租赁价格只能往下砍。报表上写着五年折旧，实际上有没有五年的赚钱寿命，谁也说不准。

说到底，市场从来没怀疑过 AI 有没有需求。怕的是另一件事——这些 GPU 在过时之前，到底能不能把投资连本带利赚回来。

财报到底说了什么

AWS 这次最值得看的，不是那个 37%的收入增速，而是利润增速大幅跑赢收入。

收入多挣一块钱，利润多出来的不止一块——经营杠杆开始起作用了。

打个不太严谨的比方。数据中心跟酒店其实有点像。酒店盖好以后，不管有没有客人住，房租、装修折旧、前台工资一分都不能少。入住率 30%的时候，账面惨不忍睹；但只要入住率拉到 80%，每多来一位客人，你又不需要重新盖一栋楼，多出来的房费大部分直接变成利润。

云计算一个道理。数据中心建好了，芯片买完了，软件部署上了。这时候多来一个客户，边际成本很低，大部分收入都能往利润表里走。当利用率过了盈亏平衡线，利润增速就会把收入增速甩在后面。

AI 恰好把利用率这件事给解决了。

以前数据中心主要跑网站、数据库、办公系统，负载就那么大。现在多了模型训练、模型推理、AI 搜索、编程智能体、图片生成、自动驾驶……新建的算力上线就被抢光，微软和亚马逊至今还在被电力和芯片供应卡着脖子——不是卖不出去，是建不够快。

但光说”GPU 供不应求”，还是解释不了 AWS 接近 40%的利润率。

单纯出租 GPU 的生意，撑死了也就是个中间商赚差价，不可能这么赚钱。AWS 和 Azure 真正厉害的地方，是它们能把客户从”买算力”一步步带到”买全家桶”。

你拆开看就明白了：一家企业想训练模型，先得买 GPU 对吧？训练数据往哪放？对象存储。模型跑起来要不要调数据库？要。跨地区传数据？网络费。模型上线以后呢？安全、监控、推理优化、运维工具，全得跟上。

GPU 是个入口。客户进来之后，后面跟着的是一整条消费链。

这才是 AWS 跟那些小型算力租赁公司的根本区别。表面上都是出租服务器，AWS 卖的其实是一整套数字基础设施。客户一旦把数据、模型、数据库、业务系统全搬进来，想再搬走？迁移成本越来越高，想想就头大。

对云厂商来说，这意味着收入更稳定、议价能力更强。买 GPU 不只是多一种商品上架，而是在给整个平台拉新客户。

巨额资本开支在这个视角下，还有另一层意思。

搞 AI 云可不只是买芯片那么简单——稳定电力、全球机房、高速网络、集群调度、数据库、安全体系、企业销售团队，哪一样都不能少。每年拿得出上千亿美元、而且能连续好几年这么砸的公司，全世界掰着手指头数得过来。

普通公司搞重资产是负担，微软和亚马逊搞重资产反而是在修护城河——资本开支越大，牌桌上能坐得住的玩家就越少。

三巨头还在自研芯片。AWS 有 Trainium、Inferentia、Graviton，微软有 Maia 和 Cobalt，谷歌有 TPU。它们不需要完全替代英伟达，只要在部分训练和推理任务上把成本压低 10%到 30%，日积月累就是一笔非常可观的钱。

所以这轮财报真正说明的一件事是：头部云厂商干的活已经不是”买 GPU、租 GPU”那么简单了，它们是在把芯片、机房、云平台和企业软件焊成一个有规模效应的系统。

利润好看，但别急着算账

这里有个容易踩的坑，涉及会计。

买 GPU 的钱今天就得掏，但利润表上不会今天全部体现。按照会计准则，这笔钱会被分摊到三年、五年甚至更久，叫做折旧。

结果就是：一家公司可以同时展示一份漂亮的利润表和一份难看的现金流量表。

亚马逊就是活生生的例子。AWS 的营业利润很强没错，但亚马逊集团过去 12 个月的自由现金流已经转负了——不是 AWS 没赚钱，而是挣的现金还不够覆盖疯狂扩张的基础设施投入。

还有一个更常见的误区：看 EBITDA。

EBITDA 把折旧给剔除了，所以数字天然好看。问题是对 GPU 和服务器这种重资产生意来说，折旧可不是什么”非现金项目可以忽略”。服务器会老化，芯片会过时，到期了你得拿真金白银去买下一批。

所以，目前可以确认的是：AI 需求是真实的，新算力上线确实能迅速变成收入，头部云厂商短期盈利能力确实很强。

但这些 GPU 在整个生命周期里到底能产生多少自由现金流，三四年后旧设备还能以什么价格出租，现在下结论还太早。

说白了——传统云计算是一门已经被验证的好生意，AI 云刚过了期中考，期末的卷子还没发下来。

中国的云厂商呢

中国这边也有类似变化，但不能直接复制粘贴 AWS 的结论。

最接近的是阿里云。2026 年一季度收入 416 亿元，同比增长 38%，经调整 EBITA 增长 57%——经营杠杆确实出现了。客户用通义千问和百炼平台，后续还得继续买存储、数据库、推理服务，产品矩阵在往 AWS 的全栈路子上走。但利润率差距还是很大：阿里云 EBITA 利润率大概 9%，AWS 营业利润率接近 40%。2026 财年资本开支 1261 亿元，集团自由现金流已经转负。AI 云可以赚钱这件事阿里证明了，能不能达到 AWS 那种资本回报水平，还没证明。

真正有意思的反面样本是金山云。收入增长 37%，AI 业务账单增长 90%——乍一看也是受益者对吧？但毛利率从 16.2%掉到 12.8%，当季资本开支加新增租赁约 30 亿元，比 27 亿元的季度收入还高。调整后 EBITDA 利润率 27.6%，数字好看；可把折旧和设备投入放回去，画风就完全不一样了。

金山云的案例说白了就一句：AI 收入在涨、GPU 供不应求、EBITDA 在改善，这三件事加起来不自动等于好生意。没有数据库、PaaS、模型平台这些能粘住客户的东西，光出租 GPU，新增收入大概率被芯片采购、折旧和电费一层层吃掉。

到底什么是好生意

过去市场看到的故事线是这样的：资本开支暴涨 → 自由现金流暴跌 → GPU 又更新太快 → AI 云最后是个坑。

微软和亚马逊的财报讲了另一个故事。新算力上线就被消化，云收入重新加速，利润跑赢收入，客户甚至在提前锁定未来的算力。只要利用率够高，GPU 又能拉动存储、数据库、网络和软件的消费，重资产的数据中心同样可以是一台利润机器。

但这不意味着所有云计算公司都值得重新估值。

判断一家云厂商是不是好生意，最重要的不是 AI 收入增长了多少。而是——利润增速能不能长期跑赢收入？毛利率有没有在爬坡？资本开支最终能不能转化成自由现金流？客户买完 GPU 之后，会不会继续买数据库、PaaS、MaaS 和企业软件？

光出租 GPU，大概率还是一门苦生意。

真正的好生意，是用 GPU 把客户拉进一个越来越离不开的平台。