Alphabet（谷歌）：全景式剖析“全栈 AI 之王”

作者：Alex Xu，Mint Ventures

一. 研究摘要

1. 核心要点

• Alphabet（GOOGLE）作为全球数字经济基石，凭借搜索与广告业务的垄断地位，拥有极强的现金流产出能力。截止 2025 年核心业务维持稳健增长，经营利润率稳步提升至 30% 区间。

• AI 助推的云业务成为重要的第二增长曲线， 25年 Q3 google cloud 收入贡献占比为 15%，同比增速 34%，增速重回高速轨道，利润率也持续攀升，从去年同期的 17% 增长至 24%，且仍有上行空间。

• AI 产业的爆炸式发展，以及对全球用户端的快速渗透，对 Alphabet 来说影响复杂而深远，机会和挑战并存：

  • 短期来看，AI 的快速发展暂未对 Alphabet 的核心业务——搜索广告——未构成实质性冲击，且谷歌通过 AI 能力强化了搜索广告的转化率，AI overview 功能的铺开，维持住了 Alphabet 在搜索上的基本盘，从当前广告收入和管理层披露的 ROI 数据来看，尚未看到搜索转化率或单次广告价值出现明显下滑的证据。反而看到了 AI 能力对公司内部各条产品线有明显的提效加持。

  • 但中长期来看，问答式 AI 对Alphabet 的商业模式构成了真实的威胁。用户的搜索行为已经开始向 AI 产品迁移，即使谷歌的 AI overview 短期拖住了用户流失的速度，但 AI 多头竞争的市场格局较难改变，谷歌想要在 AI 产品上复现自己在搜索领域的垄断地位仍有挑战。即使它能在 AI 搜索领域保持垄断地位，AI 搜索的高单位成本、低广告展示空间，也会降低谷歌在广告业务上的利润率。

  • 但谷歌强大的产品生态也能为它在 AI 时代带来明显优势，相比从0 崛起的 GPT、Claude 要靠自己争取和留住客户，谷歌可以用丰富的产品矩阵（搜索、Chrome 浏览器、Youtube、Gmail、Maps 和 Android、企业产品）把 Gemini 以及其他 AI 工具高效地分发给用户。在即将到来的 AI Agent 大潮中，谷歌无疑将把 AI 集成到各个产品中，进而把自己的 AI Agent 嵌入大众和企业的生活与工作流中，而这种嵌入又将给谷歌带来海量的数据回流，帮助底层模型的升级优化，形成比信息互联网时代更强大的综合护城河。

  • Alphabet 以 TPU 为基础的 AI 加速器产品系列对英伟达的 GPU 市场形成内外部的一定替代，叠加近期伯克希尔的买入，当前市场形成了“谷歌拥有最全 AI 产业链”、“谷歌一个打十个”的乐观叙事，帮助其估值迅速修复，但实际上英伟达的基本盘依旧稳固，AI 基建类产品短期内依旧供不应求，双方处于一起做大市场的阶段，但中期看 TPU 有望承接部分英伟达市场份额。

  • 市场对 “AI 泡沫”的示警理由集中在：1.较高的公司估值和市值集中度；2.资本开支过度难以覆盖下游的长期收入；3.存在折旧时限过长和供应商融资等财务疑点。笔者认为市场对第3项担忧过度，实际影响有限， 第1项水平则远低于 2000 年泡沫时期，真正需要关注的是第二项，即下游市场的真实需求情况（目前来看需求比较充分）。但即使 AI 泡沫破裂，谷歌等代表性公司由于主营业务稳固且在营收利润贡献中占据绝对大头，有能力平滑过度，市场较难复刻 2000 年 70% 以上的崩盘式下跌。

• 24 年美国联邦法院垄断裁决带来的拆分风险在今年 9 月联邦法院的判决中尘埃落定，最终对 Alphabet 杀伤有限，并未要求 Android 和 Chrome 拆分，属于之前预计的最好结果。但欧洲的垄断诉讼仍然此起彼伏，不断开出数十亿级别的大额罚款和各类调查（12 月 9 日欧盟发起对谷歌 AI 的反垄断调查）。

2. 估值评价

Alphabet 当前是一个“合理偏贵 / 轻微溢价的优质标的”，已经反映 AI 带来的云的二次增长预期，但尚未进入与基本面完全脱节的严重泡沫区间。如果对 AI 产业的下游需求充分乐观，且认为 Alphabet 的中长期利润和自由现金流增速能保持在低双位数（12%）以上，则当前估值可以接受，不过仍需要时间消化倍数。但如果对 AI 变现与监管环境的预期较为保守，则应把当前的 Alphabet 视为 “优质但目前不算便宜”的长线标的，而非明显低估的重仓机会。

3. 潜在催化剂与风险

• 催化剂：Gemini模型的全面商业化、云业务利润率对标 AWS/Azure 水平且持续增长、AI 下游需求持续爆发、TPU 集群服务再出代表性大单。

• 风险：激烈的行业竞争远未分出胜负，加上开源 AI 模型的普及，给 AI 算力带来大宗商品化的风险、全球监管和反垄断收紧（尤其是拆分风险）、AI资本开支过高拖累利润、AI 下游需求增速过缓或不足、宏观经济放缓。

二.公司历史

在了解行业和公司具体业务之前，我们有必要了解谷歌过往的发展历程，从中我们可以提炼出这个公司来源于创始人的性格底色和整体战略水平。

第一阶段：起步与搜索霸权的建立 (1996 – 2003)

这一阶段是谷歌确立核心技术和商业模式（广告）的关键期，也是“三驾马车”管理架构形成的时期。

• 1996年： 拉里·佩奇（Larry Page）和谢尔盖·布林（Sergey Brin）在斯坦福大学开发了搜索引擎 BackRub，这是谷歌的前身。

• 1998年9月： Google 公司正式注册成立。首笔投资来自 Sun联合创始人 Andy Bechtolsheim（10万美元）。办公地点搬进了后来的谷歌元老、YouTube 前 CEO（现已病逝）苏珊·沃西基家的车库。

• 1999年： 获得红杉资本和 KPCB 共2500万美元融资。公司搬至加州山景城。

• 2000年： 推出 AdWords。这是谷歌商业帝国的基石，允许广告商购买搜索关键词，确立了其基于搜索的盈利模式。同时确立了著名的非正式座右铭：“不作恶”（Don’t be evil）。

• 2001年8月： 佩奇和布林意识到需要一位经验丰富的管理者。埃里克·施密特（Eric Schmidt）出任CEO。由此形成了长达十年的“三驾马车”管理结构。

所谓“三驾马车”，是指在施密特任期内谷歌内部的权力三角，分别是：

• 埃里克·施密特 —— 董事长兼 CEO，他扮演着 “家长”与“外交官”的角色，负责所有对外事务（华尔街、投资者关系、政府监管）、销售团队建设、法律诉讼以及日常运营管理。

• 拉里·佩奇——联合创始人 / 产品负责人，专注于公司的核心产品——搜索引擎、广告产品和未来的大构想，佩奇对用户体验有洁癖，对速度和效率有执念，但因不擅长社交和管理细节，早期被投资人认为不适合做CEO（后来还是如愿以偿）。

• 谢尔盖·布林—— 联合创始人 / 技术负责人，负责招聘顶尖人才、维护公司独特的工程师文化，以及探索主业之外的“登月项目”（如后来的谷歌大脑和 AI 业务）。

在这套体系下，三人各有分工，但重大决策需要三人达成共识。施密特曾打趣说，他的工作就是“在拉里和谢尔盖吵架时，决定谁是对的”。

第二阶段：IPO、收购与生态扩张 (2004 – 2010)

这一时期谷歌通过上市获得资金，通过关键收购奠定了移动互联网时代的霸主地位，做出了一系列影响深远的正确战略决策，为后来的广告流量护城河奠定了基础。

• 2004年4月： 推出 Gmail，以 1 GB 的超大存储空间震惊业界。

• 2004年8月： 纳斯达克上市。公司采用双重股权结构，佩奇、布林和施密特持有B类股，拥有绝对投票权。

• 2005年： 秘密收购 Android（约5000万美元）。这是谷歌历史上回报率最高的收购之一，为移动时代的竞争提供了重要基础，成为它在移动端广告和应用分发的主要阵地以及数据的主要来源，在手机产业链中站稳了核心生态位。同年，谷歌还推出 Google Maps，这也是一个重要性巨大的基建性产品，是移动时代各类产品的地理位置基础。

• 2006年10月： 以16.5亿美元收购 YouTube，确立了在流媒体视频领域的统治地位。

• 2008年9月： 推出 Chrome 浏览器和首款 Android 手机（T-Mobile G1）。谷歌正式进入操作系统和浏览器市场，一个相互串联、高度协同的核心生态体系基本成型，并延续至今。

• 2010年1月/3月： 退出中国大陆市场。

第三阶段：移动优先、重组与反垄断阴云 (2011 – 2018)

施密特卸任，佩奇回归，随后皮查伊崛起。公司结构发生巨变，同时开始面临严峻的全球监管。

• 2011年4月： 拉里·佩奇重掌 CEO 帅印，施密特转任执行董事长。佩奇开始精简产品线（关闭Google Reader等），聚焦核心业务。

*施密特交权的背景因素复杂多样：谷歌员工数量激增，大公司病浮现；2010-11 年Facebook 快速崛起，社交网络分流用户，施密特应对迟缓；经过十多年的历练，佩奇处事更为成熟，内心也一直渴望执掌整个谷歌。

• 2013 年：随着业务的持续扩大，为降低计算成本，内部开始研发 TPU 。第一代产品（TPU v1）于 2015 年在 Google 内部部署并投入使用。

• 2014年： 收购 DeepMind。这家英国AI实验室后来开发了震惊世界的 AlphaGo，成为谷歌后续 AI 战略的核心引擎。

• 2015年8月： 重磅重组，成立 Alphabet Inc.。

  • 治理架构变革： Google 成为 Alphabet 的全资子公司。目的是将核心互联网业务（搜索、YouTube、Android）与“登月项目”（Waymo自动驾驶、Verily生命科学等）分离，提高财务透明度，提升谷歌估值。

  • 人事变动： 佩奇出任 Alphabet 集团 CEO，布林任总裁， 广告插件产品经理出身的桑达尔·皮查伊（Sundar Pichai） 晋升为Google CEO。

  • 除了财务透明度，以及为桑达尔·皮查伊的晋升“腾笼换鸟”，Alphabet的集团的成立也考虑到了保护创新（把创新业务和成熟业务分家，独立团队、独立运营，避免在预算和 kpi 上被主营业务部门干涉）、法律风险隔离（Waymo 等自动驾驶业务带来的法律和品牌风险可以和谷歌主品牌隔离）等因素。

• 2016年： 宣布从“移动优先”转向“AI 优先”（AI First）战略。推出 Google Assistant 和 Pixel 系列手机。同年 5 月于其开发者大会 Google I/O 正式对外披露 TPU，首次让公众知道这块为深度学习设计的 ASIC 芯片，并从 2018 年起，Google 将 TPU 通过其云服务对外供应 。

• 2017 年：Google Brain 发表《Attention Is All You Need》，即大名鼎鼎的 Transformer 论文。

• 2017-2019年： 欧盟反垄断三连击。欧盟委员会先后因 Google Shopping、Android 捆绑应用、AdSense 广告垄断，对谷歌开出总计超过80亿欧元的罚单，此后来自欧盟的垄断诉讼漫长而持续。

第四阶段：后创始人时代与AI军备竞赛 (2019 – 2024)

创始人彻底隐退，皮查伊独掌大权。面临OpenAI的挑战，皮查伊发布“红色代码”警报召回创始人，在 AI上进入战争状态，同时在美国本土遭遇史上最严峻的反垄断诉讼。

• 2019年12月： 佩奇和布林卸任 Alphabet 的 CEO 和总裁职务，桑达尔·皮查伊兼任 Alphabet 和 Google 的 CEO。创始人仍通过董事会和投票权控制公司，但不再参与日常管理。两位创始人的隐退，既有皮查伊工作优秀、让人放心的缘故，也是因为对繁复的国会质询、员工抗议（Android 创始人 Andy Rubin 因性骚扰离职，却带走 9000 万奖金；谷歌参与军方项目）的倦怠。

• 2020年10月： 美国司法部（DOJ）提起反垄断诉讼。指控谷歌在搜索和搜索广告领域维持非法垄断（如向苹果支付数十亿美元成为默认搜索引擎）。

• 2022年11月-12月： ChatGPT发布。皮查伊发布 “Code Red”（红色代码） 警报，认为核心搜索业务面临自成立以来最大的生存威胁，因此急致电佩奇和布林，两位创始人多次回到山景城总部参加战略会议，审查谷歌的 AI产品路线图。其中布林决定直接回归一线办公，常驻谷歌新落成的 AI 总部——Charleston East 大楼，根据员工的反馈，布林密集参与 Gemini 的技术会议、亲自出面挽留关键 AI人才、甚至直接参与了代码的提交。从后续的发展情况来看，谷歌在 AI 上的进展明显加速，布林的及时回归功不可没。

• 2023年1月： 历史性大裁员。宣布裁员约1.2万人（占员工总数6%），结束了长期的高福利、不裁员神话，引发内部士气动荡。

• 2023年1月： 美国司法部提起第二次重大反垄断诉讼，这次聚焦于谷歌的数字广告技术（Ad Tech）。

• 2023年2月-12月： AI反击战。仓促发布Bard（后更名为 Gemini ）遭遇差评，合并 Google Brain 和 DeepMind成立 Google DeepMind，由Demis Hassabis（原DeepMind创始人，24 年获得诺贝尔化学奖）领导，以加速 AI 研发。

• 2024年8月： 重大判决： 美国联邦法官裁定 Google 在搜索服务和通用文本广告领域是非法垄断者。这是自微软案以来美国科技界最大的反垄断败诉，可能导致谷歌被禁止向苹果等厂商支付预装费，甚至面临拆分风险。

第五阶段：监管靴子落地与技术复兴 (2024 – 2025)

从被联邦法院裁定垄断再到“轻度判罚”的落地，从 AI 时代的“落后者”到产品口碑回升，再通过 Gemini3.0 发布，重回 AI 时代“第一梯队”，Alphabet 过去的一年可谓跌宕起伏。

2024年5月：AI Overviews 接管搜索。尽管初期充满争议（幻觉问题），但谷歌坚持将 AI 答案置于蓝色链接之上，AI 开始被接入生态内产品，进行从“检索”到“问答”的转型。

2025年9月：美国联邦法院做出最终裁决 ，虽然做出了诸多对于谷歌不利的限制，如：

• 被禁止通过某些排他性协议来捆绑搜索分发，比如和设备厂商、浏览器签订“只预装 Google 搜索 / 不准预装竞争对手”的安排；

• 命令 Google 必须向竞争对手共享一定范围的搜索索引数据和用户交互数据，以降低新进入者构建可用搜索服务的门槛；

• 对 Gemini 等 AI助手、Google Assistant 等新入口，法院禁止 Google 通过排他性推广协议锁死分发渠道，以免其在“AI搜索时代”复制过去在传统搜索上的垄断路径。

但更关键的是法院并未同意司法部的要求，让谷歌拆分和出售 Chrome 或 Android，也未限制谷歌通过付费让Apple、三星等手机厂商将 google 作为默认搜索引擎，让谷歌保住了搜索流量的主要来源，这对谷歌来说已经是最好的判决结果。

2024年10月：搜索掌门人更替。掌管核心搜索广告业务多年的 Prabhakar Raghavan 卸任，转任 CTO。Nick Fox 接任。这一调整被视为皮查伊为了加速 “AI Assistant Search” 三位一体融合而做的关键部署，目的是打破部门墙，全力推进 AI Agent 战略。

2025年11 月：Gemini 3.0 重夺王座，在经历了一年的追赶后，Gemini 3.0 发布，在复杂逻辑推理和原生多模态理解（直接看懂视频流）上全面反超竞品 GPT-5 。甚至获得了竞品创始人山姆奥特曼和马斯克的点赞，再次确立了谷歌在基础模型领域的领先地位，基本打消了资本市场对“谷歌在 AI 时代掉队”的疑虑。

2025年全年：基于 TPU 的算力优势显现。在英伟达 GPU 供应紧缺且昂贵的背景下，谷歌自研的 TPU v6 (Trillium) 成为杀手锏，在“总体效率”和“单位成本”上超越英伟达的产品。除了自用之外，Apple Intelligence 和 Anthropic 等巨头的核心训练均使用了谷歌 TPU 集群，为谷歌云带来了巨额收入和背书，跟 Meta 也正在沟通数十亿的 TPU 采购。

小结

回顾谷歌创业的30年，两位创始人为谷歌确立了追求创新、不作恶的精神内核，一度是硅谷工程师文化的至高灯塔，在发展的头15年也做对了一系列至关重要的战略决策，为企业构建了很宽的护城河。但随着企业的规模越来越大，创始人的逐渐淡出，产品敏锐度降低、企业效率下降、文化分歧加大、基础科研向工程产品的转化不利、反垄断风险骤然提升等问题开始暴露，谷歌的中年危机至此才刚刚开始。尽管过去一年其 AI 产品重新挽回了一波口碑，但 AI 在用户群体中的渗透率不断提升，也对其核心搜索广告业务构成了直接威胁，这部分我们将在后续小节展开。

三.业务与行业综合分析

Alphabet 所处业务横跨数字广告、云计算、在线视频、消费电子、自动驾驶，并尝试以人工智能来驱动各个业务的加速发展。

本节将拆分分析各业务线的业务数据和产业发展情况，尤其是人工智能部分。人工智能虽然并未被 Alphabet 单独划分为一个业务板块，但其作为集团各个业务板块的“加速器”，以及其直接提供的、嵌入在谷歌云里的、以 TPU 为核心的 AI 计算服务，代表着谷歌未来的核心价值，因此笔者也将其单拎出来，用一个小节进行分析阐述。

需要说明的是，以下业务分类存在一定的重合。比如“数字广告与搜索业务”板块的总收入上包含了 Youtube 展示广告的收入，但由于 Youtube 板块本身的重要性，我还是单列了一个板块进行分析；又比如 Youtube 板块的订阅收入，实际上在“订阅、平台、消费硬件”这个大类里也有统计。

3.1 数字广告与搜索业务

3.1.1 行业概况与竞争格局

全球广告市场在 2024 年首次突破 1 万亿美元规模，其中数字广告占比持续提升，预计 2025 年将占到总广告支出的 82%。Alphabet 凭借 Google 与 YouTube，长期位居全球数字广告收入第一。

但近年格局有所变化：

• 谷歌的市场份额正受到 Meta 和亚马逊等巨头的侵蚀。

• 从搜索广告看，谷歌在全球搜索引擎领域仍占约 90% 的用户份额，但在广告收入份额上，根据 eMarketer 数据预期，2025 年谷歌在美国整体搜索广告收入占比可能首次降至 50% 以下（搜索行为泛化、来自垂直电商、社交平台、短视频搜索的广告占比上升）。

• 而在整体数字广告市场中，从 2021 年至 2025 年，谷歌的份额也下降了约 7.6 个百分点至不足 50%，同期 Meta 和亚马逊分别提升了约 3 和 4 个百分点。

主要原因包括：

1）社交广告崛起：Meta 依托 Instagram 和 Facebook 的社交广告增长迅猛，吸引了更多品牌营销预算；

2）电商广告兴起：亚马逊利用其电商平台流量拓展搜索广告和展示位，快速扩大广告业务规模；

3）短视频平台崛起：字节跳动旗下 TikTok 等短视频平台争夺新流量。

尽管竞争加剧，Alphabet 在数字广告领域仍具优势：

• 搜索广告效果明确、ROI 高，大部分中小企业仍然将 Google Ads 作为主要的在线推广渠道之一；

• 数字广告市场整体仍保持增长态势——2024 年全球数字广告支出同比增约 15%，预计到 2026 年市场规模将达 7,230 亿美元，年均增长约 9%。

3.1.2 业务定位与结构角色

Alphabet 的搜索与广告业务主要包括：

• Google Search & other：搜索 其他自有流量上的广告

• YouTube ads（视频广告，下个小节细说）

• Google Network：AdSense、Ad Manager 等第三方网站 / APP 联盟广告

三块合计构成 Google Ads 生态，是 Alphabet 绝对意义上的“现金牛”：

• 2024 年广告收入约占集团总营收约 78%

• 2025 年 Q3，广告仍占当季总营收约七成以上

3.1.3 最新季度（2025 Q3）核心数据与利润贡献

收入结构（单季）：

• 集团总营收：1,023 亿美元，同比 16%，历史首次突破 1,000 亿

• Google Services（主要是广告 订阅 硬件）：营收 871 亿美元，同比 14%。 其中广告部分分三块：

  • Google Search & other：566 亿美元，同比 15%，是增长贡献最大的单一科目

  • YouTube ads：103 亿美元，同比 15% 左右

  • Google Network：74 亿美元，同比 -2.6%，持续小幅萎缩

合计 Google 广告收入约 741.8 亿美元，同比 12.6%，占集团营收约 72%。

利润贡献：

• Q3 Google Services 部门营业收入约 335 亿美元，营业利润率 38.5%

• 扣除欧盟 35 亿美元反垄断罚款影响后，调整后营业利润约 370 亿美元，利润率 42.5%，较去年提升约 2.2%

• 同期 Alphabet 合并营业利润率仅 30.5%（剔除罚款 33.9%）

可以看出来，高毛利的搜索与广告业务依旧贡献了集团绝大部分经营利润；云和 Other Bets 虽转盈 / 减亏，但盈利体量远小于广告。

短期趋势：

• 搜索与 YouTube 广告已连续多季双位数增长（Q2 搜索同比 12%，Q3 14–15%），在 AI 快速发展、用户渗透率不断提升、多个巨头激烈的背景之下，增速仍然强劲；

• 唯一下滑的是联盟广告（Network），但主因还是管理层逐步弱化该块，引导广告投放向自有流量和高质量广告库存倾斜。

3.1.4 中期增长趋势与驱动因素

广告占比高但结构在微调：

• 2024 年广告收入约占集团总营收近八成，从 2022 年宏观压力期的个位数增长，过渡到 2023–2025 年重新回到低双位数增长，其中搜索和 YouTube 持续快于整体；

• 结构上，自有流量（Search YouTube）占比抬升，Network 占比下滑，提升了整体质量和议价能力。

AI 驱动的搜索与广告增强：

• 截至 2025 年，AIOverviews 覆盖每月 15 亿 用户，AIMode 在美国等市场全面铺开；

• 管理层多次强调：带 AIOverviews 的搜索结果，其广告变现率与传统搜索大致相当；

• Q1/Q2 在 AI全面推广后，Search 收入仍能维持 10–12% 同比增速，Q3 更是达到 14–15%，谷歌的搜索广告收入似乎完全没有受到 AI 搜索不断普及的负面影响

• 2025 年 9 月全球上线的 AIMax in Search 已成为谷歌增长最快的 AI 搜索广告产品，单 Q3 就“解锁了数十亿笔新增搜索查询”，被数十万广告主采用。本质逻辑是：

  • 用大模型理解长尾、复杂请求

  • 把原本抓不到的需求“挖”出来并匹配广告

  • 扩张了搜索广告的潜在市场

盈利质量再增强：

• 在广告增长重回双位数的同时，Google Services 利润率（调整后）已上到约 42–43%；

• Q3 管理层披露：付费点击量和平均 CPC （每次点击收费）均实现同比中单位数增长，反映广告主对谷歌流量的支付意愿仍在上行。

尚未显现：AI发展对意图广告市场的长期冲击

那么，是不是大家曾经担心的“谷歌搜索广告业务会被AI冲击”已经被证伪，无需再担心呢？

在笔者看来，并不是。

我们先来看为什么 AI 产品（既包括 GPT 这样的通用模型产品，也包括 Perplexity 这样的 AI 搜索产品，还包括 google 的 AIoverview、gemini 这样的自有产品）的渗透率提升，可能会冲击谷歌的广告业务。

我们首先对谷歌的搜索广告业务进行拆解，谷歌的搜索广告也被称为“商业意图广告市场”，所谓“意图”指的是用户在发出一个行为（搜索、点击、下单、提问）时，真正想达成的目的。

而用户在进行搜索时，其意图大致可以分为四个类型：信息型、导航型、商业型、交易型。

• 信息型：查知识，“牛奶是否致癌”、“如何写OKR”。

• 导航型：找站点，“淘宝”、“招商信用卡中心”。

• 商业型：研究商品，“最适合远程办公的笔记本”。

• 交易型：准备下单，“macbook air m3 京东”。

真正贡献高 ROI 的，为谷歌搜索带来主要收入的，是商业型 交易型这两类意图，导航型也有部分。信息型就比较少了，能为用户创造价值，但较难展示广告，为谷歌带来收入。

所以，谷歌搜索的经营利润来自于一条简单的方程：

广告利润 = 搜索量 × 可变现意图占比 × 每页广告位数量 × CPC（用户点击成本费用）× 点击率 – （搜索成本 流量成本）

而现有 AI 产品的渗透和逐渐成熟，对上面这个方程的多个环节都有或多或少的冲击，其中最直接的冲击可能在于搜索量、广告空间和搜索成本。

• 搜索量下降：大量用户不再使用谷歌搜索，转向其他 AI 平台进行搜索提问，导致谷歌搜索收入漏斗的最上层：总搜索量下降，你可以问问自己，在体验过gpt、perplexity、deepseek、豆包的提问之后，你有多久没在百度或 google 搜过信息了？此外，虽然谷歌近期的 gemini3.0 等产品口碑反馈优秀，但并非是断代式领先，gemini在 AI 产品领域的用户心智和市场份额，目前也远达不到其在搜索引擎市场的垄断地位，当用户从传统搜索走向AI 交互，市场份额已经重新洗牌。这是最大的潜在冲击。

• 广告空间压缩：与搜索页的大量链接和广告位展示不同，AI 问答由于基于精准的意图判断，给出的答案往往更为精准、篇幅有控制，能插入的广告推荐更为有限。此外，gpt 类型的 AI 产品与搜索引擎的定位不同，它更像是一个智能助手，具有强信用属性，在用户的眼中，AI 是需要对其提供的答案负责的，一旦 AI 由广告投放驱动给出的答案，让用户感觉丧失了中立性，就会对 AI 的信任度迅速下降，影响该产品在用户心中的心智，这与搜索引擎的信息提供定位，即“搜索引擎提供海量信息，用户更多是自己负责筛选和分辨信息”存在很大不同。

• 搜索成本大幅抬升：一次 AI 搜索的成本比传统搜索要贵 5-10 倍，如果全量启用 AI Overviews ，年度增量成本可能是数十亿或百亿美元，将吞掉大量利润。

那么，为什么在 AI 渗透率已经明显提升的背景下，谷歌的搜索广告业务的收入、利润并没有下降，反而继续增长，且净利率也没有因为搜索成本的提高而下降呢？在笔者看来，可能有以下原因：

• 竞品市场未成熟：AI 领域（包括 gpt 这样的通用型产品以及 perplexity 这样的专业 AI 搜索）的广告市场尚未推出可用的、规模化的产品，包括成熟的广告竞价体系、归因系统和结算能力，在这些基础功能实现，广告主完成规模化的广告投放实验，有稳定的ROI参考数据之前，Google 搜索广告仍然是广告主的首选，广告预算的分流尚未正式开始。不过，以 OpenAI 为代表的公司已经开始探索广告和购物引导功能，进行灰度测试了。

gpt 的智能购物选项卡已经出现在部分搜索框的功能里

在其他 gpt交互页面，也会偶尔出现引导使用购物助手的浮窗

1. 目前仍处在“AI为搜索提效，而不是替代搜索”的过渡期：也就是说目前 AI 对传统搜索的支持大于替代，比如谷歌的 overview 功能提升了用户的搜索体验，提升了用户搜索的意愿，留住了用户；又比如通过 AIMax in Search 这样的功能，提升了广告主的投放规模，把广告匹配到了更多潜在需求上。

2. 利润率冲击延后：AIoverview 带来的单位计算成本提升，不会在当期财报上体现为经营成本的增加，而是以“AI计算需求增加 → 建更多数据中心（会计上体现为资本开支而不是经营成本） → 固定资产增加 → 后续年度的折旧规模上升” 这样的传导路径实现，首先所以会冲击是的是谷歌的自由现金流（这个在目前财报上已有显现），然后再通过折旧逐年侵蚀利润。此外，谷歌在 23 -24 年进行过大规模的裁员提效，引入了更好的成本纪律，对利润率的保持有明显作用。

所以，AI 渗透率提升对于谷歌搜索广告的影响，目前可能尚未真正开始显现。

3.2 YouTube：在线视频与媒体娱乐广告

3.2.1 行业概况与竞争格局

YouTube 所在的在线视频平台行业近年来飞速发展，持续蚕食传统电视和流媒体的用户时长：

• 截至 2025 年，YouTube 月度活跃用户已超过 27 亿，仅次于 Facebook，用户覆盖约 52% 的全球互联网用户；

• 每日观看时长累计超过 10 亿小时，在线视频广告市场规模随之水涨船高，YouTube 在数字视频广告尤其是 UGC 短视频和中长视频广告领域拥有巨大份额。

挑战也在增加：

• TikTok 全球月活用户已达约 15.9 亿并持续攀升，短视频广告仍是新兴高增赛道；

• Netflix、Disney 等流媒体巨头推出广告支持套餐，与 YouTube 争夺品牌广告预算；

• YouTube 自身也在推动用户付费订阅模式（YouTube Premium、YouTube Music 等），订阅用户已超 1.25 亿，需要在“广告 vs 订阅”之间动态平衡。

总体趋势：

• 用户观看习惯持续向在线视频迁移，在线视频广告预计仍将保持两位数增长；

• 内容形式的演变和竞争者增多，要求 YouTube 不断创新产品形态（如 Shorts）以保持用户黏性和广告主吸引力。

3.2.2 业务定位与结构角色

YouTube 是 Alphabet 在线视频与社交平台业务的核心载体，包括：

• YouTube Ads：长视频、Shorts、直播、TV 端（Living Room）的广告；

• 订阅与增值：YouTube Premium / Music、频道付费、打赏等（会计上计入 “Google subscriptions, platforms and devices”）。

从集团视角：

• 2024 年 YouTube 广告收入 361 亿美元，同比 14.6%，约占 Alphabet 总营收的 10%；

• 用户侧，2025 年中月活约 27 亿，全球仅次于 Facebook。

因此，YouTube 是 Alphabet 在视频 / 社交 / “类电视”广告 订阅上的第二增长引擎，既是广告现金流的重要分支，也是向 TV 屏幕和娱乐赛道扩张的关键抓手。

3.2.3 最新季度（2025 Q3）核心数据与利润贡献

营收与增长：

• 2025 Q3 Alphabet 总营收 1,023 亿美元，同比 16%；

• 其中 YouTube 广告收入 103 亿美元，同比 15%，单季首次突破 100 亿美元，此前YouTube 广告在 Q2、Q3 连续两个季度实现 15% 增速，驱动来自 Shorts Living Room（TV 端） 品牌广告恢复。

订阅方面：

• 虽然没有具体披露 youtube 单独的订阅收入数字，但Q3 管理层强调，Google subscriptions（含 YouTube Premium 、google one等）整体同比增长 21%，为 Services 中增速最快子项之一。

利润贡献：

• YouTube 广告属 Google Services 内高毛利业务，主要成本为与创作者 / 版权方分成；

• 虽未披露单独利润，但市场普遍认为其营业利润率略低于搜索、高于大部分传统媒体；

• 以收入体量估算，YouTube（广告 订阅）当前对 Alphabet 总营收贡献已接近 12–15%，对 Google Services 的利润贡献在快速上升，逐步从“边缘增量”变为集团盈利重要支柱。

趋势上：

• YouTube 广告从 2022 年宏观压力期间的个位数甚至负增长，修复至 2024–2025 年中双位数增速，在 Alphabet 内部收入贡献规模仅次于云业务；

• 说明其已度过广告周期低点，重新进入“广告 订阅双轮驱动”的良性阶段。

3.2.4 中期增长驱动与竞争态势

1）内容形态：Shorts 与 TV 端双轮

• Shorts（短视频）：在美国市场，Shorts 每小时观看带来的广告收入已超过长视频，是 Q3 15% 广告增长的重要贡献来源；

• Living Room（TV 端）：客厅大屏观看时长持续上升，TV 端互动式直效广告年化收入已超过 10 亿美元，YouTube 实质性切入 TV 品牌广告与效果广告预算，对线性电视和流媒体形成挤压。

2）订阅与 ARPU 抬升：

• Premium / Music 用户突破 1.25 亿后，推出 Premium Lite 等更低价套餐，继续提升整体 apru 值；

3）AI推荐与变现效率：

• YouTube 广告 15% 的增速，显著得益于 Shorts 和 Living Room （家庭联网电视）观看增长，以及推荐系统与 Gemini 模型提升内容发现效率；

• AI主要通过提升推荐精准度、CTR（点击率）、留存以及创作者生产效率，放大观看时长和广告 eCPM（千次展示收益）。

4）竞争态势：

• 与长视频 / 流媒体（Netflix、Disney 等）：YouTube 已成为美国观看时长最大的视频流媒体平台，采用 UGC 广告为主、订阅为辅的轻资产模式，内容成本结构优于纯内容平台；

• 与短视频平台（TikTok）：竞争者各有优势，TikTok 在 Z 世代上粘性极强，YouTube 推出 Shorts 进行抗衡，主要优势是可以继承 Youtube 既有创作者生态和盈利体系，广告收入增速较快；

• 与社交平台及 TV 广告：Meta Reels、Facebook Watch 分流部分预算，但 YouTube 在“长 短 TV 端”综合布局下，在视频广告子赛道非常接近“类寡头”地位；

• 内容与合规风险：面临内容审查、版权、儿童隐私与欧盟 DMA/DSA 等监管压力，但目前尚未成为反垄断诉讼主战场。

3.3 云计算：Google Cloud 与全球公有云行业

3.3.1 行业概况与竞争格局

云基础设施服务是近年来增长最快的科技市场之一：

• 2024 年全球企业云服务（IaaS、PaaS 和托管私有云）支出约 3,270–3,300 亿美元，全年同比增速回升至 20–23%；

• 2025 年第三季度全球企业云服务支出达 1,070 亿美元，较上季度激增 71 亿美元，同比 27.7%，创下单季最大增幅。

市场高度集中于三大巨头：

• 根据 Synergy Research Group 对全球云服务市场的跟踪统计，AWS、Microsoft Azure 和 Google Cloud 目前合计约 62% 市场份额，其中 AWS 约 29%，近年来整体轻微下滑；

• Azure 依托微软企业客户基础，份额接近 20%，仍在提升；

• Google Cloud 近年来份额缓慢提升至约 13%，与一年前大致持平；

• 阿里云以 4% 的全球份额位居第四。

行业竞争属于寡头垄断：

• AWS 规模最大、产品线最成熟；

• Azure 利用 Office/Windows/企业账户优势，在大型企业与政府市场占有优势；

• Google Cloud 凭借 AI和大数据技术优势后发追赶，通过大模型 API、TPU 等生成式 AI服务提升竞争力。

云市场未来空间广阔：

• 2025 年仍预计保持 20% 以上年增速，受益于 AI应用落地带来的算力需求激增（行业的GPU 即服务收入年增速已超 200%）；

• 但竞争愈发激烈，“新云势力”（CoreWeave、Oracle、Databricks、中国厂商等）在细分场景中加速抢占份额。

3.3.2 业务定位与结构角色

Google Cloud 主要包括两块：

• Google Cloud Platform（GCP）：IaaS / PaaS（计算、存储、数据库、网络）、数据分析（BigQuery）、AI基础设施（TPU/GPU 集群）、生成式 AI平台（Vertex AI、Gemini 模型与 API）等；

• SaaS：Google Workspace：Gmail、Docs、Meet 等协同办公订阅。

在集团层面：

• 2025 Q3，Google Cloud 收入 152 亿美元，同比增长 34%，占 Alphabet 总营收约 15%（上一年约 12–13%），被外界视为“继搜索广告之后的下一大增长引擎。

定位上，Cloud 既是Alphabet AI 能力商业化的主战场，也是对冲广告监管风险、提升收入结构质量的关键板块。

3.3.3 最新季度核心数据与盈利能力

收入与增速：

• 2025 Q3：Cloud 收入 152 亿美元，同比增长 34%，为三大板块增速之最，而 2024 Q3 收入 114 亿美元，同比 23 年增长 35%，今年在已有的高基数上仍维持 30% 的高增长；

• 2025 全年走势：

  • Q1：123 亿美元，同比 28%；

  • Q2：136 亿美元，同比 32%；

  • Q3：152 亿美元，同比 34%。

连续三个季度增速逐季抬升，呈明显“再加速”的态势。

盈利能力：

• 2025 Q3，Google Cloud 营业利润 35.9 亿美元，同比大增 85%（去年同期 19.4 亿美元），利润增速远高于收入增速，营业利润率提升至23%，而去年2024 Q3 利润率约 17%，一年内提升约 6%；

• 在大幅提升 AI/ 数据中心资本开支的周期中仍实现利润率快速抬升，体现出强运营杠杆。

对集团利润的贡献：

• Alphabet 2025 Q3 合并营业利润 312 亿美元，其中 Cloud 36 亿，占比接近 12%，一年前仍为个位数；

• 对比同期 AWS 营业利润 114 亿美元、Microsoft Intelligent Cloud 134 亿美元，Google Cloud 绝对利润体量仍落后，但利润增速（ 85%）显著领先 AWS（ 10%）、微软（ 27%）。

Cloud 已从早年的“长期亏损”板块，转变为收入高增 利润高弹性的成熟业务，在 Alphabet 盈利结构中的权重快速上升。

3.3.4 中期增长驱动与竞争态势

1）AI成为主驱动：

• 管理层明确表示，Q3 云收入增长主要由 AI基础设施和生成式 AI解决方案拉动，尤其是基于 Gemini 的模型 API、Vertex AI、AI优化算力；

• 第三方报道显示，AI相关收入单季已达“数十亿美元级别”，在 Cloud 收入中占比快速提升；

• Q3 Cloud 未履约订单达 1,550 亿美元，环比大增，且其中约一半预计在未来两年内转为收入——在不考虑新增客户的情况下，未来收入确定性较强。

2）盈利质量持续改善：

• Cloud 利润率从 17% 提升至 23–24%，在 Alphabet 资本开支指引上调至 910–930 亿美元（以 AI/Cloud 基建为主）的背景下，体现单位算力/存储毛利在高价值 AI工作负载支撑下显著提升；

• 固定费用摊薄效应逐步释放。

3）客户结构升级：

• 客户从“长尾 SaaS 传统企业试水”迁移到“大型企业 AI实验室 行业头部客户”；

• AI实验室与传统大企业并行，订单质量与粘性显著提高。

5）竞争格局：

• 三巨头格局下，Google Cloud 体量第三、增速第一，份额稳步从“其他云厂商”手中提升；

• 与 AWS、Azure 相比：

  • 劣势在传统企业 ERP / 行业云与渠道厚度；

  • 优势在数据分析（BigQuery）、AI/ML（Vertex AI、Gemini）、Kubernetes 与高性能计算（TPU）。

• “新云势力”如 CoreWeave、Oracle、Databricks 以及部分地区性厂商，在 AI/ 数据 / 本地化合规场景中对三巨头构成局部挑战。

3.4 订阅、平台与消费硬件

3.4.1 行业与生态背景（操作系统与硬件）

Alphabet 在硬件和操作系统领域的布局包括：

• Android 移动生态系统、Pixel 智能手机系列、WearOS 智能手表、Chromebook 笔记本、Nest 智能家居等。

行业格局方面：

• Android 系统本身占据全球移动操作系统约 71% 市场份额（iOS 约 28%），处于绝对主导地位。虽然 Android 系统并不直接给集团创造收入，但采用 Android 系统的大部分手机厂商，都被要求必须安装谷歌的生态产品，并将谷歌设为默认的搜索引擎，成为了谷歌在移动市场的主要流量来源和产品分发入口；

• 但在自有品牌硬件方面，Alphabet 影响力相对有限：

  • 全球智能机年出货量 12–13 亿部左右，Pixel 手机销量占比不到 2%，主要在北美和日本等少数市场有一定份额；

  • 智能手机整体由三星和苹果领跑（合计份额超 50%），其他安卓厂商如小米、OPPO、vivo 等瓜分剩余市场。

• 智能硬件行业整体竞争激烈、利润率不高，但对生态战略还是有独特的意义：

  • 谷歌通过硬件完善“云-端”生态闭环，探索与苹果类似的垂直整合模式；

  • 确保 Android 平台不过度受制于第三方厂商。

在收入结构上：

• 2024 年“订阅、平台和设备”（SPD）类别收入 403.4 亿美元，约占公司营收 11.5%，包含应用市场 Play 的分成、硬件销售与 YouTube/云服务订阅等。

3.4.2 业务定位与结构角色（SPD）

硬件与其他平台业务线由三块构成：

• Consumer Subscriptions（订阅）：YouTube TV、YouTube Music & Premium、NFL Sunday Ticket、Google One 等；

• Platforms（平台）：Google Play 应用与内购分成收入；

• Devices（硬件）：Pixel 系列设备（手机、平板）、Pixel Watch、Pixel Buds、Nest / Chromecast 等智能家居与流媒体设备。

在 Google Services 中，SPD 是仅次于广告的第二大非广告收入来源，主要承担：

1. 提供高粘性、可预测的订阅收入，改善整体收入结构稳定性；

2. 通过 Play 与 Android 生态变现移动端流量与开发者生态；

3. 通过 Pixel / Nest 等硬件，充当 “AI终端 样板机”，展示 Gemini 在终端侧的能力，并稳固用户对谷歌生态的绑定。

3.4.3 最新季度表现与利润贡献

营收与增速：

• 2025 Q3 Alphabet 总营收 1,023.5 亿美元，同比 16%；

• 其中 SPD 收入 128.7 亿美元，较 2024 Q3 的 106.6 亿美元同比 20.8%；

粗略看：

• SPD 占 Alphabet 总营收约 12–13%；

• 占 Google Services 营收约 15% 左右。

利润贡献（定性）：

• Alphabet 不单独披露 SPD 利润率，但：

  • 订阅（YouTube Premium/TV、Google One）和 Play 分成均为高毛利数字服务，硬件毛利较低甚至接近盈亏平衡；

• 结合 10-K“SPD 增长主要由订阅收入驱动，尤其是 YouTube 服务和 Google One”的表述，可合理认为：

  • SPD 整体利润率在 Google Services 内属“中等偏上”，略低于纯广告业务；

  • 真正贡献利润的是订阅与平台，硬件更偏战略与品牌角色。

从趋势看，2023至2024 年 SPD 收入由 346.9 亿增至 403.4 亿美元， 57 亿，年增 16.4%，明确由订阅增长驱动；2025 Q3 单季增速进一步提升至约 21%，说明这条线在加速放大对集团利润的贡献。

3.4.4 中期增长驱动与竞争态势

1）订阅：YouTube Google One 是绝对主引擎

• YouTube Music & Premium：截至 2025 年 3 月，付费用户（含试用）已超过 1.25 亿；

• YouTube TV：订阅超过 800 万，NFL Sunday Ticket 等体育版权拉动高 ARPU；

• Google One：作为云存储 增值权益包，订阅人数持续增长，被 CFO 点名为 SPD 增长第二大贡献者。

10-K 与管理层口径均指出，SPD 的“现金牛”部分已经从早期的 Play 转向 YouTube 系列订阅 Google One 的高毛利经常性收入。

2）平台：Play 处于成熟期，稳定贡献现金流

• Android 约七成全球 OS 份额为 Play 提供稳定流水；

• 收入规模较大（官方虽未披露，但行业普遍预估用户消费在 550-600 亿美金/年，对应 Play 的收入在 60-90 亿美金/年）且相对稳定，增速低于订阅但毛利率高；

• 中长期风险主要来自欧盟和美国监管对抽成比例、绑定安装和第三方支付的约束。

3）硬件：Pixel 等更多扮演“战略 品牌”的角色

• Pixel 在全球仍是“小众品牌”，市占低个位数；在美国市场，随 Pixel 10 出货，份额从 2–3% 提升至 3–4%；

• 与 Apple / Samsung 差距仍巨大，竞争核心在 AI摄影、原生 Android 更新速度及与 Google 服务一体化；

• Pixel Watch、Pixel Buds、Nest 等可穿戴与家居产品在生态上对标 Apple Watch / AirPods / Amazon Echo & Ring，更多承担数据入口与体验展示职责；

• 管理层明确，未来 2–3 年手机仍是消费者体验中心，AI硬件（如眼镜）尚未到替代阶段。

3.5 自动驾驶与 Waymo：出行科技赛道

3.5.1 行业概况与技术路线

全球 Robotaxi 行业仍处早期、但进入从“烧钱研发”向“抢地盘”过渡阶段：

• 当前市场体量仍较小（单年收入不足 10 亿美元），但各类机构普遍预测 2025–2030 年复合增长率可达 50–70%；

• 2024–2025 年被视为拐点：旧金山、凤凰城、洛杉矶等地先后开放商业化路段，Robotaxi 从“科技实验”向“区域性业务”演进。

技术与商业路线大致分三类：1）重资产 / 全栈派（Lidar 高精地图）：

• 代表：Waymo（Google）、Zoox（Amazon）、Cruise（通用）；

• 使用多传感器融合 高精地图 规则/AI混合，车辆改造成本较高，但在复杂路况下安全表现最佳；

2）纯视觉 / 端到端派：

• 代表：Tesla Cybercab 等；

• 以摄像头 端到端神经网络为核心，成本低、泛化能力强，但解释性弱（AI黑盒问题），监管审查更严格；

3）“中国军团”与车路云一体化：

• 代表：百度 Apollo、小马智行、WeRide 等；

• 依托车路协同（路侧传感器、V2X）和城市路网数据的政策支持，在局部城市实现快速规模化和毛利盈亏平衡，成本控制突出。

行业仍面临技术瓶颈（长尾场景、安全可靠性）与监管不确定性，2025 年数起 Robotaxi 事故引发监管收紧讨论，说明全面商业化尚需时日。

3.5.2 Waymo 业务定位与最新进展

Waymo 是 Alphabet 旗下专注 L4 级自动驾驶的子公司，前身为 2009 年启动的 Google self-driving car project，主要聚焦：

• C 端 Robotaxi 出行服务（Waymo One）；

• 未来潜在的货运与 B 端出行解决方案。

财务结构上，Waymo 与 Verily、Calico、X 等一起计入 Other Bets：

• 2024 年 Other Bets 年收入 16.48 亿美元、经营亏损 44.44 亿美元；

• 2025 年前九个月收入 11.67 亿美元，同比略有下滑；

• Waymo 被普遍视为 Other Bets 中体量最大、最有希望商业化的项目，但目前仍是“高投入、早期收入、长期期权”的定位。

运营规模与拓展：

• 城市覆盖：在凤凰城、旧金山、洛杉矶、奥斯汀、亚特兰大等城市提供商业化 Robotaxi 服务；

• 车队规模：截至 2025 年 11 月，运营车队约 2,500 辆（捷豹 I-PACE 等改装车型为主）；

• 行驶与载客：

  • 公告：在公共道路上已完成超 1 亿英里自动驾驶；

  • 2025 年 2 月底披露每周超过 20 万次乘车，25 年中付费乘坐累计超过 1,000 万次，

最新扩张：

• 2025 年 11 月，加州扩大 Waymo driverless 许可范围，允许其在更大湾区与南加州区域进行无人驾驶运营，覆盖约 47,493 平方英里；

• 获批在主要高速（101、280）及通往机场的路段提供无人驾驶服务，城市运营网络显著扩大；

• 第六代硬件平台（Waymo Driver Gen 6）在传感器与算力上升级的同时大幅降低成本，为大规模部署打基础。

3.5.3 财务贡献与中期趋势

Alphabet 不单独披露 Waymo 收入，只给出 Other Bets 整体：

• 2024 年 Other Bets 收入 16.48 亿美元，经营亏损 44.44 亿美元；

• 2024 Q4，Other Bets 单季收入约 4 亿美元、经营亏损 12 亿美元；

• 第三方估算：2024 年 Waymo 出行收入约 1.25 亿美元，预计 2027 年可增至 13 亿美元以上。

Alphabet 未单独披露 Waymo 的财务数据，但 Waymo 被计入 Other Bets 分部。2023–2025 年间，Other Bets 年度经营亏损长期维持在约 40 亿美元规模，而收入仅为十几亿美元。鉴于 Waymo 在 Other Bets 中投入时间最长、资本与运营成本最高，且商业化收入仍处于较低水平，市场普遍认为 Waymo 是该分部亏损的主要来源之一，对 Alphabet 整体利润形成持续拖累。

运营与收入曲线（第三方估算）：

• rider-only 年里程：2023 年约 800 万英里 → 2024 年 4,080 万英里 → 预计 2027 年 3.24 亿英里（复合增长率接近 100%）；

• 年度付费乘车：2024 年约 569 万次 → 2025 年预计 1,540 万次 → 2027 年约 4,800 万次；

• 收入：2024 年约 1.25 亿美元 → 2027 年有望超 13 亿美元。

这些数字虽为测算，但指向趋势：规模仍小，增长曲线陡峭，从“试点”向“区域业务”过渡。

资本与成本曲线：

• 2020–2024 年对外累计融资约 111 亿美元，最近一次 2024 年 10 月募资 56 亿美元，投后估值超 450 亿美元；

• 第六代硬件显著降低单车成本，但整体模式仍是重资产、重运营；

• 中期要点在于：硬件成本下行 单车利用率提升 城市复制，能否逐步改善单位经济。

3.5.4 竞争态势、护城河与风险

美国市场：

• Waymo 在城市数量、完全无人驾驶运营里程和付费车次上处于领先；

• 通用的 Cruise 因事故导致牌照被暂停，短期难以形成威胁；

• Zoox 在拉斯维加斯等地运营免费体验项目，但规模落后；

• Tesla 计划在 2026 年推出 Cybercab，技术路线（纯视觉）与监管可行性仍存在争议，但长期来看会是 Waymo 的主要挑战者。

中国与其他地区：

• 百度 Apollo Go 在武汉、北京、上海、深圳、重庆等十多个城市提供 Robotaxi 服务，2025 Q1 季度订单量超过 140 万单，约为 Waymo 的50-60%；

• 各机构预计未来 20 年 Robotaxi 软件收入有望增长数十倍，但目前全球市场规模仍不足 10 亿美元。

Waymo 的护城河：

• 技术与数据积累：>1 亿英里自动驾驶里程、海量仿真与 rider-only VMT （无安全员的纯无人驾驶里程）数据，形成算法与安全优势；

• 软硬一体设计、自研传感器与计算平台，具备长期成本优化空间；

• 与 Alphabet 生态协同：地图、AI、云基础设施为其提供算力与数据支持。

关键风险：

• 单位经济性迟迟无法证明，外部对“数十亿美元投入能否靠几十城业务收回”存疑；

• 安全与舆论风险：一旦发生严重事故，可能导致牌照冻结，扩张节奏承压；

• 政策与社会接受度：地方政府与居民对交通安全、就业与隐私的担忧，可能放慢规模化进程。

3.6 人工智能产业与 Alphabet AI 业务线

在分析人工智能产业和 Alphabet 的 “AI业务线”之前，我们有必要先定义一下“什么是 AI产业”以及它的构成。

3.6.1 全球 AI 产业结构与演进

1）产业构成与规模拆解

AI产业呈“基建仍重、应用快速抬头”的结构，可以划分为基础设施层、模型与平台层和应用与服务：

• 基础设施层（Infrastructure，约 45–50%，1350–1500 亿美元）：

  • 计算芯片：GPU（NVIDIA Blackwell/Rubin）、各类 ASIC（如谷歌的 TPU）；

  • 服务器与网络：高密度 AI服务器、高带宽内存、光互连；

  • 能源与数据中心：为 AI负载改造的液冷数据中心。

  • 特征：目前现金流最好、确定性最高的板块，训练需求仍强，但推理算力支出已占比 >40%，并在持续上升。

• 模型与平台层（Models & Platforms，约 20–25%，600–750 亿美元）：

  • 基础大模型：OpenAI、Google Gemini、Anthropic Claude、Meta Llama 等；

  • MLOps（Machine Learning Operations） 与工具链：向量数据库、数据标注、模型托管平台；

  • 云服务 AI增量：Azure AI、Google Cloud Vertex AI、AWS Bedrock 等。

  • 特征：API 价格战惨烈，通用模型 API 调用价格一年降 80% 左右，开源模型带来的冲击显著，呈“大宗商品化”趋势。

• 应用与服务层（Applications & Services，约 30%，约 900 亿美元）：

  • 企业级应用：嵌入 Agent 的 CRM、办公套件、代码助手等；

  • 消费级应用：搜索、陪伴类应用、创作工具等；

  • 垂直解决方案：AI制药、法律合同审查、金融风控等。

  • 特征：增速最快，已经从科技玩具走向商业变现，企业开始为“能干活的智能体”买单。

2）增速：从爆发走向深水区

• 整体增速：2024–2025 年维持在 26–30%；

• 分开来看，应用层增速 >35%（第三方估算值），基础设施层约 25%，模型层约 20%，分别对应爆发期、成熟期；

• 商业模式从“按人头收 SaaS 费”向“按工作结果收费”演进，典型案例如 Intercom、Salesforce Agentforce、Sierra、Adobe Firefly、Waymo ，对人力成本开支的大幅节约和按服务交付收费的模式，迅速提高 AI在各行业渗透率。

3）模型层“看似不赚钱”的悖论与结构性机会：

• API 单价下降、开源模型冲击、价格战导致“每 token 收入”下行，但头部平台仍可通过：

  • 规模效应和技术进步降低单位成本；

  • 通过 PaaS/SaaS 打包、Agent/Workflow 收费抬高 ARPU；

  • 绑定云基础设施与开发者生态获得长期议价权；

• 未来格局大概率是：少数模型平台巨头 一批垂直行业模型方案商赚钱，大量低差异化的通用模型逐渐死亡。

4）2026–2030 的四大趋势：1）从 Chat 到 Action：Agent 时代全面到来，AI直接“干活”，推动按结果付费模式的进一步普及，人力成本开支在企业中的占比下降； 2）从云端独大到端云协同：端侧 AI爆发，手机、电脑作为边缘算力中心，带来 AIPC / AI手机的换机潮； 3）从训练算力到推理算力：电力与能源成为新瓶颈，SMR （小型、模块化的核反应堆）等新型能源基础设施成为关键赛道； 4）“主权 AI”兴起：AI综合能力成为国家级的核心能力和竞争关键，“AI自主”的重要性进一步提高，各国政府与主权基金大举投资本土模型与算力基础设施。

整体而言，AI产业正处于“基建逐步完善、应用开始商业化”的转折点：

• 基础设施层仍是现金牛，但扩张最猛的爆发期已过；

• 应用层将是 2026 年后诞生下一批万亿巨头的主战场；

• 模型与平台层则逐步演化为“高投入、高规模效应”的新型基础设施，由少数头部玩家掌握绝大部分利润。

3.6.2 AI 产业泡沫评估

在对“AI泡沫”的评估开始之前，我们首先需要回答两个问题：

1.什么是 AI泡沫？

2.AI泡沫的严重与否，会如何影响我们对 Alphabet 的评估？

在明确这两个问题之后，我们再来评估那个关键的问题：

1.目前 AI泡沫程度如何？

2.目前的泡沫程度，如何实际影响 Alphabet 的估值和未来？

什么是 AI泡沫？

AI泡沫，指的是：围绕人工智能的预期、股价和资本投入，显著高估于可见未来真实能创造的现金流和生产力提升。

泡沫派认为：AI带来的价值创造、效率提升，并没有大家当前预期的那么高。因此为这种过高预期投入的大量基础设施投入，包括芯片的采购、数据中心的建设，最终会因为实际需求的不足，导致设备和固定资产大幅折价，直接吞噬企业的利润；此外，AI相关产业链上的公司，也需要大幅下调业务收入和经营利润的增长预期，从而导致估值水平大幅下跌。

非泡沫派的观点则相反，或是更为中性。

AI泡沫对 Alphabet 的直接影响

Alphabet 今天的核心叙事，其实就是三句话：

1. 广告发动机仍在高效运转（Search YouTube）

2. Cloud 在 AI需求的推动下，正在上量 转正

3. AI（Gemini TPU Vertex AI搜索）是下一阶段增长与护城河的核心

如果我们认为 AI处于严重泡沫阶段，那么谷歌的2、3号叙事就面临破裂：

• 云端 AI需求被高估 ，GCP、TPU、Vertex AI的增速与利润预期需要打折

• 大规模 AI资本开支转化为的固定资产，面临价值下跌造成的巨额损失计提，以及更快的折旧速度，导致净利润的迅速降低

激辩 AI泡沫：正方和反方的主要观点

泡沫论的主要观点：

• 估值与集中度极端，股市涨幅高度依赖少数 AI龙头

与 AI高度相关的科技公司已经占到 S&P500 市值的约 44%，贡献了 2025 年约 2/3 的指数涨幅，与90 年代至 2000 年的互联网泡沫类似

• 资本开支严重超前，基础设施过度建设

未来五年全球 AI相关投资可能超过 5 万亿美元，仅谷歌今年的资本开支就近 1000 亿美金，但是下游需求扩张缓慢，投资远大于未来能获得的收入

• 财务疑似骗局，循环虚增收入，折旧过度乐观

整个生态存在上游供应商提供融资，让下游客户购买自己产品的“供应商融资”情况（比较典型的就是英伟达股权投资 OpenAI、Core weave，而后两者向英伟达购买 GPU），在这个案例下，英伟达获得了订单（收入） 资产负债表上的被投公司股权，财报短期很漂亮，但如果后续下游 AI需求没跟上，下游企业运营困难，不但订单会萎缩，其股权价值也会缩水减记；此外，目前大部分头部云厂商如微软、谷歌和亚马逊在设备折旧上普遍采用 5-6 年的期间，但是 GPU 等芯片由于产品迭代迅速，充分发挥其性能的黄金使用时间大约只有3 年左右（后续去处理低难度任务），知名的华尔街大空头Michael Burry 认为这种处理方式短期低估了每年的折旧，夸大了公司的净利润，是一种财务造假。

反过来，认为目前泡沫不高/合理的主要理由是：

• 目前 AI龙头的盈利和现金流是真实的，不是 2000 年那种“零盈利市梦率”

目前代表性的 AI公司，无论是比较上游的芯片开发企业英伟达、制造企业台积电，还是产业中游的云平台大厂如谷歌、亚马逊、微软，都有相当强劲的盈利能力和现金流，并不像泡沫期的互联网公司，很多尚未盈利，花的大多是融资款。如果仅看 PE 倍数，当前的头部公司未来一年的前瞻市盈率大都在 30-40 倍甚至更低，虽然高于历史平均水平，但也远远好于互联网泡沫期。更重要是的，除了英伟达之外，其他大型公司如谷歌、微软、亚马逊，其收入和利润大头仍然主要由传统业务贡献（尽管 AI业务的贡献率上升较快），即使 AI产业逻辑全面证伪（几乎不可能），它们也有相当强劲的业务基本盘支撑市值，因此很难再现 2000 年科网泡沫破裂时大量公司跌幅超过 70% 甚至 90% 的情况。

• 技术与需求是“硬的”，AI正在带来可见的生产力和收入

微软 CEO Satya Nadella 近来明确表示，Azure 因 AI带来的收入增长已接近或超过 40%，这一说法在Meta、谷歌等公司也都被证实，中国的大厂腾讯、阿里也同样如此，在近一年的财报和业绩会上公司高管都表示 AI直接或协助提高了主营业务的利润和效率。如果说 AI对大厂的业务提效还能说是少数案例，我认为另一类数据更能说明AI需求快速增长的真实性：各大云厂商的 AI系列服务（包括算力）处于供不应求状态，主力芯片充分满载，甚至较老的 GPU 产品仍在服役。比如在 2025 年 Q3 的业绩会上，Alphabet 管理层明确表示Google Cloud 的未履约订单高达 1,550亿美元，环比提升 46%、同比提升 82%，并强调“这些增长主要由 AI需求驱动”。同月阿里巴巴的业绩会上，CEO 吴泳铭也表示“目前阿里云 AI服务器的上架节奏严重跟不上客户订单的增长速度，阿里云在手积压订单数量还在持续扩大，未来潜力仍在加速增长过程中。” 如果说英伟达对 AI的看好还能被认为是“屁股决定脑袋”，那么云厂商下游的企业客户在 AI云资源上真金白银的采购，更足以反映目前 AI产业的现实情况——需求为真，且确实在高速增长中，目前主要集中在企业端。

• 折旧影响有限，循环收入是真实投资且占比很小

先看“折旧造假”说，或许把包含 AI硬件的固定资产大类“服务器/网络设备”的折旧年限统一设定为 5-6 年确实长了一点，但我们也要考虑到两点：1. AI芯片只是“服务器/网络设备”中的一部分（粗略估算为 40-60%），即使这部分资产产品迭代较快，核心服役时间可能是 3 年左右，但其他的整机服务器 / 网络 / 机房基础设施，按照 5-8 年的会计寿命来看是合理的，再考虑高端 AI芯片即使因为产品迭代会被替换，但依旧可以去服务效率要求不高的低价值业务，实际使用寿命比 3 年要更长（在求大于供的背景下，算力的“扩容”更重要），所以把“服务器/网络设备”的整体折旧年限设定为 5-6 年或许略为偏长，但并没有很离谱；2.即使按照芯片全部按照 3 年的折旧期算，对应少算的折旧金额也就在几十亿/年级别，相对于头部 AI企业每年一千多亿的净利润，影响的比率也就是个位数百分比。比如，我们以 2025 年谷歌的资本开支 910-930亿美金计算（管理层 Q3 业绩会最新的估算），假设其中折旧速度较快的 AI芯片占比 50%，对应455 亿美金，如果把折旧期间从 6 年改为 3 年，那每年多出的折旧金额为 75.8亿，仅占谷歌年净利润 （TTM）1242 亿的6.1%，即使把 2023 和 24 年与 AI相关的资本开支的折旧也算上，叠加的预计影响也就在 10% 左右，对利润的冲击并不是决定性的。

再看循环收入和供应商融资的问题，这个问题其实与谷歌关系不大，主要质疑对象是英伟达。质疑者认为英伟达给自己的下游客户融资，再让客户拿着融资款购买自己的 GPU ，以此虚增后入抬升股价。但是如果我们去看英伟达实际的投资现金流，它2025 年 Q1 财报中“购买非上市股权证券（purchases of non-marketable equity securities）”的金额为 14.86 亿，而 2025 年 Q1 其对应的年度营收（TTM)是 1305 亿美金，前者仅占后者的 1.14%。假设英伟达对外投资的目的真的就是为了让这些公司直接拿钱去买 GPU（并不是，更多是为长期巩固 CUDA 生态），其对营收的贡献也基本可以忽略不计。而至于英伟达和OpenAI在今年 9 月披露的最高投资 1000 亿的战略计划书，根据 12 月 2 日英伟达 CFO Colette Kress 的说法，该投资协议尚未最终确定，因此目前也未产生实际财务影响。

综合正反观点，站在当前的时点笔者对 AI泡沫以及其对Alphabet的影响的看法是：

1.AI技术与需求是真实的，长期对 Alphabet 是“必须拥抱”的方向，错过它很有可能导致自己从头部玩家的牌桌上退出，这种风险远远大于资本超额投入造成的设备折旧带来的有限损失。

2.行业的根本性风险，是下游 AI应用的实际需求不足，造成短中期的巨额资本投入遭遇资产减记或是巨额折旧，从这个角度来说，风险最大的首先是 Coreweave 这样的重资产、高杠杆（有许多债务融资）、单押 AI赛道的企业，其他类似的企业还有 Lambda 。

3.对于 Alphabet （也包括微软、亚马逊、Meta）这类公司来说，风险要小的多。一方面其主线收入和利润稳固，有很好的利润缓冲；其次即使资产负债表上的 AI固定资产价值大幅减记或折旧，减记的绝对金额相对于其市值来说占比也不大；最后，如果基于 AI释放出的下游需求不足，那么目前普遍预估未来几年 20% 的 AI模型层收入增速肯定要放缓，以 Alphabet 为代表的 AI龙头企业的估值也会迎来回调，但是考虑到即使在大模型爆发前，其 PE（TTM）也常年保持在 20-30 倍数（前几年由于反垄断官司和担心类 GPT 产品冲击谷歌搜索广告，一度低至18 倍左右），所以估值下行空间也比较有限。

3.6.2 Alphabet 的 AI 业务线

谷歌的 AI并非单独事业部，而是横跨 Alphabet 各主线的“底座”，从 AI的视角出发，可以分为三类：

• 模型与研究：Google DeepMind / Research 负责 Gemini、Imagen、Veo 等基础模型研发与训练；

• 产品变现：

  • Search & Ads：AIOverviews、AIMode、AIMax in Search 等改变搜索与广告形态；

  • YouTube：推荐、内容理解、广告定向；

  • Cloud：Gemini API、Vertex AI、AIHypercomputer（算力 存储 网络一体化）；

  • 终端：Pixel Gemini Nano（端侧推理）；

  • Waymo：自动驾驶感知与决策模型。

• AI基础设施与芯片：自研 TPU（v1–v7）、Axion CPU、Jupiter 网络（Google 自研的数据中心级高速网络架构）与光互连等，是上述一切的算力基础。

财务口径上，AI收入主要“埋”在 Search & Ads、Cloud 等各项业务中，没有单独披露。但从各业务的增速与持续扩大的资本开支可见：AI已是 Alphabet 核心资本投向与增长驱动力。

业务数据与资本开支（2025 Q3）：

• Cloud：2025 Q3 收入 152 亿美元，同比 34%，路透等媒体普遍将此次加速归因于“强劲的 AI基础设施和服务需求（包括 Gemini 模型）”；

• 搜索与 YouTube：Q3 搜索与 YouTube 广告约 15% 增长，AIOverviews、AIMax、PMax 等AI功能是核心驱动力之一；

• 订阅与其他服务：YouTube / Google One 等订阅收入增速 >20%，同样部分受益于 AI在推荐和提升体验上的贡献。

资本开支：

• Alphabet 计划 2025 年资本开支750亿美元，后续指引上调至 910–930 亿，远超 2024 年的 525 亿；

• 官方明确重点是“支持 AI研究和在搜索、云等服务中的落地”；

• 高管近期在员工大会上内部表态：公司必须“每 6 个月将 AI服务能力翻倍”，未来 5-6 年翻 1000 倍，等于是把算力的持续扩容写进了经营目标。

定制 AI芯片的市场位置（TPU）：

• 在 AI数据中心芯片市场，英伟达约占 75–80% 份额，其余大部分是以谷歌 TPU 为代表的自研 ASIC（占 10–20% 左右）和少量 AMD；

• 截至目前，谷歌尚不直接销售 TPU 芯片，而是通过 Google Cloud 对外出租算力（不过已经开始跟 Meta 等大厂洽谈将 TPU 直接部署到对方的数据中心中，时间为 2027 年）：

  • TPU 的价值主要体现在 Cloud 收入与内部服务毛利率的提升，而非传统的芯片销售；

  • 自研且场景专注的 TPU Jupiter 网络，使谷歌能在性能 / 成本比上在部分场景优于标准的英伟达 GPU 方案。

大客户案例：

• 最典型、目前体量也最大的——Anthropic ：2025 年 10 月，Anthropic 宣布与 Google Cloud 扩展协议，计划使用最多达 100 万颗 TPU 训练和服务 Claude，合同价值达数百亿美元级，是迄今为止谷歌对单一外部客户最大的一笔 TPU 承诺；

• 其他：Cohere（面向企业的定制化大模型平台）、Midjourney 把部分推理工作负载上迁移到 TPU v5e / v6e，以获得更好的成本性能（例如 Midjourney 推理成本降低 ~65%，Cohere 吞吐提升约 3 倍）

• 至于近期备受关注的Meta的合作，目前仍在洽谈阶段，尚未正式确定

不过目前TPU 大头仍是内部用：Gemini/GWS（搜索、YouTube、广告）、Photos/Maps、以及 DeepMind/AlphaFold 等科研/产品线都在大规模跑 TPU。但TPU 已从内部工具演化为外部可行替代方案，对英伟达 GPU 形成实质竞争，并为 Google Cloud AI收入提供长期来源。

小结：在全球 AI三层结构中，Alphabet 同时占据：

• 基础设施层：自研 TPU / Axion Jupiter 网络 数据中心；

• 模型与平台层：Gemini 系列与 Vertex AI平台；

• 应用与服务层：搜索、YouTube、Workspace、Android/Pixel 等软件/硬件入口。

这也是大家把它视为 “AI全栈平台”的原因。尽管模型 API 价格战和开源冲击压缩了“单纯卖模型”的利润空间，但对 Alphabet 而言，AI已经深度嵌入广告、云、订阅各条主线：

• 在收入侧，通过提升产品能力与扩展新场景驱动增长；

• 在成本与结构侧，通过自研芯片与基础设施优化，释放运营杠杆，降本增效；

• 在战略层面， AI则是未来 5–10 年决定它在“新软件栈”战场上胜负的关键因素。

3.6.3 关键问题：谷歌的TPU架构，能吃掉英伟达多少份额？

关于这个问题，我们从： 1.TPU 相对于英伟达 GPU 架构的优劣势；2.替代的场景；3.以及未来 3-5 年的份额推演，三个方面展开。

1. TPU相对于英伟达 GPU架构的优势与劣势

TPU的主要优势

a.成本 & 能效（尤其在大规模集群时）

• TPU 是 Google 自研 ASIC，针对矩阵运算和谷歌自家软件栈深度定制，在算力性能/能耗维度，对特定负载（大模型训练 推理）通常优于同代的英伟达 GPU。

• 对 Google 这种一年烧掉几十上百亿算力成本的公司来说，哪怕 20–30% 的综合成本优势都是战略级的 —— TPU 的存在本身就是为了摆脱对 NVIDIA 毛利的被动抽税。

b.大规模集群的一致性与可控性

• TPU Pod 从设计之初就是“几十万、上百万芯片级别集群”作为一个整体来规划，互联、拓扑、调度是统一设计的。

• 对类似 Gemini、Claude 这种“单模型跑在十万级加速器上的训练/推理”任务，TPU 在训练稳定性、跨芯片通信、容错和调度上有天然优势。

TPU的劣势

a.生态：远逊于CUDA

• 整个深度学习十多年积累下来的工具链、框架（PyTorch、JAX 等）、库、社区优化实践，全是绕着 CUDA 建的。哪怕 XLA/JAX（XLA是谷歌自研的计算编译器） 在 TPU 上很好用，但生态广度、教程数量、现成项目数量、第三方工具支持都无法和 GPU Cuda 对抗。

• 对于目前在CUDA生态的开发者/企业来说，迁移成本是当下直接发生的“真金白银”，要把一个成熟的 PyTorch CUDA 体系迁到 TPU/XLA，直接产生的成本至少包括：工程成本（重写/适配训练脚本、分布式策略、推理服务、监控报警、部署工具链）、模型与库（大量第三方库、ops、推理优化插件都是围绕 CUDA 写的，在 TPU 上要么没有，要么需要找替代）、团队心智与技能（工程师已经对 NVIDIA 工具链、调优套路极为熟悉——新的体系意味着重新踩坑和试错），对很多创业公司/小团队来说，人力是最稀缺资源，工程师时间值往往比节约下来的云账单还贵，迁移过程里一旦性能/稳定性出问题，业务风险由自己承担。所以只有当满足两个条件时，这笔账才合算：算力账单足够大（几千万、上亿美元级）、模型会长期存在、迭代多次，迁移成本可以在多年里摊薄。这就是为什么 TPU 的客户多为头部大型企业的原因。

b.可获得性：TPU 只能在谷歌云（目前）

• TPU，这意味着 TPU 的潜在客户规模上限被锁在谷歌云的市占之内（今天公有云 IaaS/PaaS 约 13% 左右），而 Nvidia GPU 可以跑在 AWS/Azure/GCP/自建机房/各种小云/本地集群。

• 对多数企业 CIO 来说，采用“多云策略”、“避免锁死”已经是共识，这天然偏向于选可以跨云、跨本地的 GPU。

• 尽管谷歌已经放风，后续考虑直接出售 TPU 部署在企业自有数据中心，但更多是针对极个别超大型客户（如 Meta）的特权

c.灵活性与兼容性更差

• GPU 是通用并行计算加速器，能跑训练、推理、图形、科学计算、多种模型结构；

• TPU 主打矩阵密集训练与推理，对 “非主流架构 / 新奇算子 / 小众工作负载” 的支持远逊于 GPU；

• 对追求快速试验、异构模型、研究用途的团队来说，GPU 仍然是默认选项。

d.迭代节奏更慢

• Nvidia 已经基本进入“年更”节奏（Hopper → Blackwell → Rubin），并且在封装、互联、系统层反复迭代；

• TPU 更新节奏相对慢一些（通常 1.5–2 年一代）

1. TPU实际能替代 GPU的场景与典型客户

最可能迁移到 TPU 的场景包括：

a.大模型训练：算力消耗极高、成本敏感、对生态依赖较少

典型特征：

• “一类或少数几类大模型”的重复训练/迭代（非几百个小模型混杂），业务长期稳定；

• 模型架构相对标准化（Transformer / MoE 变体）；

• 内部拥有强工程团队，能承受迁移成本。

典型客户：

• Anthropic —— 签了上限百万个的 TPU 合约，是目前公开信息里 TPU 外部最大客户。

• 部分自研大模型的 SaaS/云厂商（例如一部分 Salesforce、Cohere 的训练任务）。

b.大规模推理：高并发、对成本和能效极度敏感

典型特征：

• 搜索、广告、推荐、Feed、长文本/多模态生成，大规模线上一问一答；

• “每 token 成本”直接决定毛利；

• 延迟与吞吐量要求极高。

典型客户：

• Google 自己：Search / YouTube / Ads / Workspace；

• 部分愿意完全扎根谷歌的大型 AI应用方（金融、内容平台等）。

难以替代 GPU 的场景：

• 大量中小模型、实验型项目、研究用途 ，这些场景GPU生态优势碾压；

• 需要“多云 本地混合部署”的大型企业；

• 用到大量非标准算子、自定义 kernel 的研究团队；

• C 端创业公司（第一反应几乎都是选 AWS/Azure GPU，因为团队人才路径都是“PyTorch CUDA”）。

1. 未来 3–5 年 TPUvs Nvidia 份额推演

我们先来看2025 年的大致格局:

训练侧：

• Nvidia GPU：≈ 90%

• TPU：≈ 2–3%（主要是 Google 内部 Anthropic等）

• 其他（AMD/Trainium/MI300/ASIC）：剩余零头

推理侧：

• Nvidia GPU：>80%

• TPU：个位数～10%（高度集中在 Google 内部）

• 其他（AMD/CPU/FPGA/自研加速器）：若干分流

总的来说，Nvidia 是 90% 级别的绝对垄断者，TPU 目前是“有分量但对整体格局影响有限”的第二极。

3–5 年后格局的推演，如果要给出一个我主观认为相对中性的区间：

训练市场来说：

• Nvidia GPU：从 95% 降到 75–80%

• Google TPU：提升到 10–15%

• 其他（Trainium MI ASIC）：5–10%

驱动份额变化的因素：

• Anthropic、Meta等单一客户的 TPU 使用规模放大；

• Google 自用训练继续增加；

• 部分企业为了成本或战略原因，希望减少对 Nvidia 的单点依赖。

推理市场来说：

考虑到训练的逐渐成熟，大规模训练的迭代速度下降，应用端需求的持续爆发，推理未来的盘子比训练大得多，这部分 TPU 的渗透会更明显一点：

• Nvidia GPU：从 80–85% 降到 60–70%

• Google TPU：提升到 15–20%

• 其他专用推理芯片 / ASIC / CPU NPU：10–20%

驱动份额变化的因素：

• 谷歌内部推理量的继续增长；

• 推理服务对成功更敏感，谷歌云外部客户增加；

• 其他云（AWS/Azure）自家 Trainium/Inferentia 也更加成熟，甚至也开始向外部输出，也分掉一块 GPU 份额。

所以，综合来看（训练 推理）：

• Nvidia：从今天的 ~90% 份额降到 65–75% 区间；

• Google TPU：从 ~2–3% 升到 12–20% 区间；

• 其他（AWS/AMD/自研ASIC）：一起吃掉剩下的 10–20%。

也就是说：

TPU 未来 3-5 年有潜力从“边缘第二”成长为“有分量的第二极”，有望吃掉 Nvidia 大约 10–20 个百分点的市场份额。但 Nvidia 依然会是绝对第一，除非出现范式级别的架构迁移（比如完全新范式的非 Transformer AI成为新主流）。

四.管理层与治理结构

4.1 核心管理层及稳定性

Alphabet 拥有经验丰富且整体稳定的领导团队。

现任 CEO 桑达尔·皮查伊（Sundar Pichai）2004 年加入 Google，2015 年起担任 Google CEO，2019 年起兼任 Alphabet CEO，至今已在公司工作逾二十年，深度熟悉公司文化与业务。在其任内，公司顺利完成从“桌面优先”向“移动优先”、再到“AI 优先”的多次战略转向，并在搜索广告、YouTube 与云计算等核心业务上保持了稳健增长。

从管理风格看，皮查伊更接近一位“超级规模科技集团的职业经理人”：

• 优势在于强调运营效率、成本纪律和在既有护城河上的持续强化——包括对搜索与广告业务盈利能力的守护、云业务亏损收窄以及大规模裁员与费用重构；

• 市场也存在批评声音，认为他在冒险精神和押注颠覆式创新上相对保守，导致谷歌在生成式 AI 商业化节奏上曾一度落后于微软与 OpenAI。这一争议在 2022–2023 年 ChatGPT 引发的行业震荡中尤为突出。

联合创始人拉里·佩奇与谢尔盖·布林虽在 2019 年卸任日常管理职务，但仍担任董事，并在公司重大战略方向上保留重要话语权。在 2023–2025 年 AI 浪潮中，布林显著提高了在 AI 项目中的参与度，多家媒体报道他几乎每天回到办公室，密集参与 Gemini/Google DeepMind 团队的工作，并在内部敦促 AI 员工“每周到办公室至少五天、工作约 60 小时”，以加快 AGI 竞赛节奏。

CFO 层面，长期担任 CFO 的露丝·波拉特（Ruth Porat）自 2023 年 9 月起转任 Alphabet 和 Google 的总裁兼首席投资官（President & CIO），负责公司层面的投资组合（包括 GV、CapitalG）、Other Bets、房地产与工作空间管理，并扮演与各国监管与政府机构沟通的关键角色。在反垄断监管趋严与地缘政治不确定性上升的背景下，其深厚的华尔街与华盛顿人脉与经验，仍是公司重要资产。

接任 CFO 的安娜特·艾什肯纳齐（Anat Ashkenazi）于 2024 年 7 月 31 日从制药巨头礼来（Eli Lilly）加入 Alphabet。她在礼来主导研发与产能扩张等长期资本开支决策，熟悉“高投入、高不确定性”的投资组合管理。外界普遍认为，这与当前 AI 模型研发和数据中心建设的投入特征具有一定相似性。上任以来，她在公开场合多次强调：在保持对 AI 与云基础设施高强度投入的同时，要通过重塑成本结构和提升资源效率来支撑长期利润率表现。2025 年 Q3，Alphabet 在大幅提升资本开支的同时仍实现了经营利润率从 32.3% 提升至 33.9%，一定程度上反映了“高投入 高纪律”的财务管理思路正在落地。

整体来看，尽管近两年管理层在 CFO 位置等少数关键岗位上出现了换帅与角色重构，但 Alphabet 的核心领导层在人员构成和战略取向上保持了高度连续性。面对宏观环境放缓和 AI 投入拉高成本结构的压力，公司自 2023 年起通过约 1.2 万人、约占员工 6% 的裁员，以及 2024 年后续的小规模结构性裁员，展现出一定的成本调整决心与执行力。

4.2 公司治理结构

Alphabet 采用多层次股权与投票权结构。公司目前存在三类股份：

• A 类普通股（GOOGL）：每股 1 票，公开交易；

• C 类股（GOOG）：无投票权，公开交易；

• B 类股：每股 10 票，仅由创始人及少数内部人持有，不公开交易。

在这一架构下，拉里·佩奇与谢尔盖·布林虽合计持有的经济权益不足 10%，但通过 B 类超投票权股份，与其他内部人一起控制了逾 51% 的投票权，从而在董事会构成和重大战略方向上保持事实上的控制权。

这种“经济权益分散、控制权高度集中于创始人”的结构，一方面使公司可以在面对短期市场波动或舆论压力时，依然坚持对长期研发、基础设施和 Other Bets 的大额投入；另一方面，亦持续引发部分机构投资者和治理专家的质疑。近年来，几乎每届股东大会都会出现要求改革双重/三重股权架构、推动“一股一票”或设定超投票权“日落条款”的股东提案，外部股东赞成比例往往在 90% 左右，但由于创始人掌握实际多数投票权，这些提案至今均未获通过。

在普通股股东结构中，被动指数基金和大型资产管理公司（如 Vanguard、BlackRock、Fidelity 等）是 Alphabet 的主要外部持股方，但由于投票权劣后，其在公司重大决策中的直接影响力有限。公司在形式上通过设立由独立董事组成的审计与合规委员会、薪酬委员会和提名与公司治理委员会，并制定一套公司治理指引，以提升董事会独立性和透明度。

在资本回报政策方面，Alphabet 于 2024 年首次启动股息计划，宣布每股 0.20 美元的季度现金分红，并同时授权额外 700 亿美元的股票回购，标志着资本配置从“单一回购”向“回购 分红”并行的转折。2024 年 Q4，公司通过回购约 151 亿美元股票与支付约 24 亿美元股息，单季合计向股东返还约 175 亿美元，全年资本回报接近 700 亿美元；2025 年起季度股息进一步小幅上调至 0.21 美元。这一系列动作表明，在保持高强度 AI 与云资本开支的同时，管理层也在积极回应长期股东对现金回报与治理改进的诉求。

综合来看，Alphabet 的治理模式高度体现“创始人控制 强管理层 高资本回报”的特征：创始人通过超投票权锁定长期战略控制权，董事会在形式上维持一定独立性与合规结构，普通股东则主要通过股价表现与现金回报分享公司成长，在治理结构本身的变更上话语权有限。

五. 核心竞争力与护城河分析

Alphabet 之所以能在高度竞争的科技行业中长期保持领先地位，根本原因在于其在“流量入口、意图市场、多产品生态、技术基础设施和数据飞轮”五个维度上构筑了复合型护城河。在进入 AI 时代后，公司试图通过全栈 AI 能力对这些既有护城河进行再强化。

5.1 终端与流量入口：默认设置 使用习惯

Alphabet 至少有 7 个月活超过20亿的产品，Chrome 浏览器、Android 系统、Google 搜索栏、YouTube App、Gmail/Maps 等共同构成了用户“上网入口层”，大量用户的“寻找信息 / 看视频 / 导航 / 发邮件”的第一反应就是打开 Google 体系里的产品，形成了强大的产品使用习惯和心智，除非有明显优于谷歌系的产品出现，否则用户不太会更改自己的行为。

AI的强化作用：

把 Gemini / AISearch / AI 嵌入 Maps、Gmail、Android 中，“只要打开 Google 的入口，就能直接用上 AI”以及通过 AI 提升这些产品的使用体验，这会让“入口护城河”在 AI 时代继续有效——用户不需要额外下载新 App 或切换平台。

5.2 搜索与广告“意图市场”：仍是广告主们的主要选择

Google 最核心的资产依然是捕捉“有付费倾向的搜索意图”，并把广告主需求匹配进去的市场机制，尽管 GPT 类产品提供了全新的 AI 问答式体验，并获得了海量用户，但目前仍未形成成熟可靠、ROI 明确的意图市场，谷歌仍然是广告主们在意图搜索匹配上的首要选择。

AI的强化作用：

最直接的作用体现在谷歌通过 Gemini、AIoverview 以及搜索功能的 AI 模式，提供了与 GPT 同等质量的 AI 问答体验，留住了大量本来可能迁移的用户。此外，AI 帮广告主做自动投放优化（自动出价、自动创意、自动受众细分）的功能也明显提升了投放效果和收入，并且已经开始尝试在新的 AI 搜索形态中继续嵌入“赞助答案”、“产品卡片”等新型广告位。虽然目前尚未全部铺开跑通，但考虑到 Alphabet 在意图和广告匹配产品上的深厚经验和海量数据/用户/广告主资源，它仍然是最有希望构建先进的 AI 模式广告平台的玩家，有望守住 AI 时代的“意图市场”。

5.3 多产品生态与用户粘性：日常工作与生活被它“包围”

个人用户在 Search、YouTube、Maps、Gmail、Photos、Drive、Android、Chrome 以及账户体系上沉淀了大量的数据资产和高度个人偏好的设置，企业则在谷歌云、Workspace（Gmail、Docs、Sheets、Slides、Drive、Meet）、Chrome Enterprise、Android/Chrome 运行自己的数字经营工作，无论是个人还是企业，都面临着较高的转换成本。

AI的强化作用：

Gemini 以 AI 助手的形式嵌入到各个产品中， 比如Workspace、Gmail 助手、Docs/Sheets 里的写作与分析助手，一方面进一步提升了产品的使用体验，另一方面越来越 Agent 化的 AI 一旦被全面嵌入到个人和企业的生活、工作流中，用户将更加难以离开这个生态。

5.4 技术与基础设施：从 TPU 到全栈 AI，新时代的规模效应

从终端应用到TPU 集群，Alphabet 拥有从应用到基础设施的全栈 AI 能力:

• 基础设施层：自研 TPU 系列芯片和 AI 优化数据中心；

• 模型和平台层：Gemini 家族模型及其推理服务，以及 Vertex AI、Agent Builder、Model Garden 等统一平台；

• 应用和服务层：Search / YouTube / Chrome / Workspace / Maps / Android 等应用和终端系统。

它们之间不但相互协同，而且每投一单位资本开支的投入，最终能体现在全系产品的体验改善上，且成本也能由全系产品分摊，形成了 AI 时代的规模效应。

5.5 数据与反馈飞轮：高价值交互数据打造更好的 AI底座

搜索点击、广告曝光/转化、YouTube 观看与互动、地图导航、Gmail/Docs 的编辑行为等，形成海量的高价值用户行为数据，对训练推荐系统、搜索排序、广告引擎、对齐大模型都极其关键。这些反馈进一步用于调参、对齐与模型改进，形成“更好体验 → 更多使用 → 更多反馈 → 更好 AI”的循环。对纯模型公司（只通过 API 或单一 App 获得有限交互数据）来说，要复制这种飞轮非常困难。

整体来说，Alphabet 的企业护城河依然建立在“全球级流量入口 搜索与广告意图市场 多产品生态与数据反馈飞轮”之上，全栈 AI（TPU、AI数据中心、Gemini 模型与 Vertex 平台）则作为一个横跨底层基础设施到上层产品的放大器：既降低自身产品实现 AI的成本，又把同一套能力通过 Google Cloud 对企业客户输出，使得公司的传统护城河在 AI 时代被进一步加厚，而不是被替代。

六. 财务分析

我们基于最近五年的财务数据，对Alphabet的关键财务指标进行分析，以评估公司业绩趋势和财务健康状况（数据以美元计）。Alphabet 目前处在“收入恢复双位数增长、盈利能力回到历史高位、在极高 AI/云 资本开支下仍维持强劲自由现金流、资产负债表极为健康”的阶段。

*TTM 2025=截止 2025 年 Q3 过去 12 个月的数据

6.1 收入与增长：恢复到稳定双位数

6.1.1 规模与增速

• 营收从 2021 年的 2,576 亿，持续增长到 2024 年的 3,500 亿，TTM 2025 已达 3,855 亿，2021–TTM2025 四年复合增速约 11%。

• 年度同比增速：

  • 2022： 9.8%（宏观 汇率压力下明显放缓）

  • 2023： 8.7%（主要靠广告周期性修复与云业务）

  • 2024： 13.9%（广告和云双双提速，AI开始贡献）

  • TTM 2025： 10.1%（继续保持较高增长）

• 单季看，2025Q3 营收 1,023 亿美元，同比 16%，首次突破单季 1,000 亿。

6.1.2 结构上：广告仍是主引擎，云和订阅成为第二增长曲线

• 广告收入 2024 年约 2,646 亿美元，占总收入约 76%。

• 云业务收入 2024 年 432 亿美元（ 31%），2025Q3 单季云收入 151.6 亿（同比 34% ），成为整体增速超额部分的主要来源。

• “订阅、平台与设备”（包括 YouTube 订阅、Google One、硬件等）2025Q3 收入 128.7 亿，同比 20.8%，增速高于整体。

收入部分小结：营收恢复到 稳健的低双位数增长，且增量越来越来自云 订阅，而不仅依赖传统搜索广告。

6.2 利润与盈利水平：2024–2025 回到甚至略超历史高位

6.2.1 盈利能力：毛利率、经营利润率、净利率

毛利率：

• 2021：约 56.9% → 2024：58.2% → TTM 2025：59.2%，呈持续抬升。

经营利润及经营利润率：

• 经营利润：

  • 2021：787 亿

  • 2022：748 亿

  • 2023：843 亿

  • 2024：1,142 亿

  • TTM 2025：1,259 亿。

• 经营利润率：

  • 2021：30.6%

  • 2022：26.5%

  • 2023：27.4%

  • 2024：32.6%

  • TTM 2025：32.7%。

净利润及净利率：

• 净利润（GAAP）：

  • 2021：760 亿

  • 2022：600 亿

  • 2023：738 亿

  • 2024：1,001 亿

  • TTM 2025：1,243 亿。

• 净利率：

  • 2021：29.5%

  • 2022：21.2%

  • 2023：24.0%

  • 2024：28.6%

  • TTM 2025：32.2%（部分受到 2025 年度 220 亿美元左右投资收益/资产处置收益拉动）。

单季 Q3 2025：净利润约 350 亿，同比 33%，反映广告 云盈利都在加速，且其他收益有贡献。

6.2.3 回报率：ROE / ROA

• 年度 ROE（GAAP）：

  • 2021：约 30%

  • 2022：约 23–24%

  • 2023：约 26%

  • 2024：30.8%；

• 截至 2025Q3 的 TTM ROE 约 32%，ROA 约 16%。

小结：2022 年宏观与费用冲击导致盈利短暂下台阶，2023–2025 通过削减成本、广告恢复、云业务盈利化，利润率和 ROE 已全面重回高位，体现出极强的盈利修复能力。

6.3 费用结构与运营效率：控费见效，同时维持高强度研发

6.3.1 运营费用结构

• 研发费用：

  • 2021：315 亿

  • 2024：475 亿，TTM 2025：538 亿；

  • 占收入比例大致从 低 12% 提升到 13–14% 左右，反映对 AI、数据中心与云的持续高投入。

• 销售、管理费用：

  • 2021：364 亿 → 2024：420 亿 → TTM 2025：484 亿；

  • 占收入比例从约 14% 降到接近 12%，说明规模效应和 2023–2024 的裁员与费用优化已经显现。

• 总运营费用占收入比例约由 2021 年的 26% 略降至 2024–2025 的 中 20% 区间，经营杠杆明显改善。

6.3.2 运营效率

• 经营利润率在 2022 年短暂跌至 26% 左右后，2024–TTM 2025 稳定在 32% ，表明在广告复苏、Cloud 由亏转盈的同时，公司在人员/营销/基础设施折旧等方面做了有效“瘦身”。

• TTM 2025 的 ROE、ROA 分别约 32% / 16%，在“大量仍处投入期、无高负债杠杆”的前提下，这一效率水平在大市值科技中属于非常靠前的档位。

小结：Alphabet 做到了在持续加大 AI研发投入的同时，通过人力和管理费用优化，整体运营效率不降反升。

6.4 自由现金流与资本开支：进入重资本开支周期，但现金流仍极为充裕

6.4.1 经营现金流与自由现金流

• 经营现金流（OCF）：

  • 2021：916 亿

  • 2022：915 亿

  • 2023：1,017 亿

  • 2024：1,253 亿

  • TTM 2025：1,514 亿。

• 资本开支：

  • 2021：246 亿

  • 2022：315 亿

  • 2023：323 亿

  • 2024：525 亿（主要是技术基础设施，芯片、数据中心）

  • TTM 2025：779亿，其中 2025Q3 单季资本开支约 239.5 亿，约为当季经营现金流的 49%。

• 自由现金流（FCF = OCF – 资本开支）：

  • 2021：670 亿（FCF 利润率约 26%）

  • 2022：600 亿

  • 2023：695 亿

  • 2024：728 亿

  • TTM 2025：736 亿，FCF 利润率约 19%。

要点：

• 经营现金流在 2021–TTM2025 期间几乎翻番，而自由现金流绝对值基本稳定在 700 亿美金以上。

• FCF 利润率从 2021 年的 26% 下降到 TTM 2025 的 19%，压缩主要来自极大幅度的 AI/云相关资本开支抬升，而不是经营质量恶化。

6.4.2 资本开支前瞻

• CFO 在 2025Q2、Q3 先后把 2025 全年资本开支指引从 850 亿 提升至 910–930 亿美元，核心用于 AI数据中心和自研/外购 AI芯片产能（TPU NVIDIA）。

• 与微软、Meta 相比，2025Q3 Alphabet 资本开支占经营现金流比仅约 50%，明显低于后两者 65% 的水平，说明其现金流“兜底能力”更强。

小结：公司已进入 AI时代的重资本开支周期，自由现金流率短期承压是合理代价；但在 700 亿级 FCF 和 1,500 亿级 OCF 的支撑下，“一边大投，一边回购 分红”仍具有充分的安全垫。

6.5 资产效率与负债率：资产扩张快于负债，持续净现金头寸

6.5.1 资产规模与资产效率

• 总资产：

  • 2021：3,593 亿

  • 2022：3,653 亿

  • 2023：4,024 亿

  • 2024：4,503 亿

  • 2025Q3：5,365 亿。

• 资产增长主要来自：

  • 技术基础设施从 2021 年 1,106 亿增至 2025Q3 的 1,841 亿，如果加上相关的在建工程则合计约 2,540 亿美元；

  • 长期投资与商誉随收购与股权投资增加。

• 收入 / 总资产的“资产周转率”始终稳定在 0.7–0.8 倍区间，说明在大量扩表的同时，资产的利用效率基本维持。

6.5.2 负债结构与杠杆水平

• 总负债：

  • 2021：1,076 亿 → 2024：1,252 亿 → 2025Q3：1,496 亿。

• 负债率（总负债 / 总资产）基本在 28–30% 区间，整体杠杆非常低。

• 有息负债（短 长期）2024 年约 304 亿，2025Q3 约 442 亿，但：

  • 2025Q3 现金及短期投资合计 985 亿，

  • 净现金仍约 543 亿美元，较 2021 年的 1,111 亿有所下降。

3）股东回报与资本结构

• 2021–TTM 2025，公司累计股票回购规模巨大：2024 年回购约 622 亿，TTM 2025 仍回购 558 亿，同时开始支付股息（2024 年股息支出约 73.6 亿，TTM 2025 近 100 亿）。

• 在持续大规模回购 高资本开支的情况下仍维持数百亿美元净现金，说明资本结构极为稳健，未来仍有充分空间继续通过回购/并购向股东回馈。

小结：Alphabet 是典型的“无刚性杠杆、现金极厚”的资产负债表——在 AI重投入周期里，其资产扩张主要靠内生现金流，而非举债，财务风险极低。

总体结论：在 2025Q3 时点，Alphabet 的财务状况可以概括为——高质量营收增长 高盈利能力 高研发投入 高资本开支 高自由现金流 低杠杆。 这意味着公司在未来 3–5 年 AI/云重投入周期里，既有能力承受资本开支高位运行，也有空间继续进行回购、分红和战略性并购，财务健康度和抗风险能力处于全球互联网龙头中的头部水平。

七. 估值分析

我们采用市值、市盈率（P/E）、企业价值/息税折旧摊销前利润（EV/EBITDA）、PEG等主流估值指标，并与同行业可比公司进行对比，同时再引入 DCF 现金流贴息和分部估值，来交叉评估 Alphabet 当前的市场估值水平。

7.1 估值基准与数据口径

先明确估值的数据基准：

• 报表口径：美国 GAAP，财年为自然年。

• 时间口径：TTM 截至 2025 年 9 月 30 日（2024Q4–2025Q3），股价与估值倍数截面取 2025 年 12 月初。

• 关键财务数据：

  • 营收 TTM：3,854.8 亿美元

  • 净利润 TTM：1,242.5 亿美元，同比 31.8%

  • TTM EPS（摊薄）：10.23 美元/股

  • TTM EBITDA：约 1,451.7 亿美元

  • TTM 自由现金流：736 亿美元

• 市场数据：

  • 股价：约 321 美元/股（2025-12-05）

  • 市值：约 3.88–3.9 万亿美元

  • 企业价值（EV）：约 3.82 万亿美元

  • 现金及短期投资：985 亿美元；总债务：442 亿美元，净现金约 543 亿美元

在此基础上，以下估值指标均以 TTM 截至 2025Q3 的财务数据 2025 年 12 月初股价为基准。

7.2 整体估值水平：P/E、EV/EBITDA 与现金流收益率

市盈率（P/E，TTM）： 31.8倍

与 Alphabet 自身历史比较：过去十余年 P/E 多数时间在 25–35 倍区间波动（2022 年估值显著压缩，2023–2025 再度抬升），当前大致处于其历史区间中高端水平。

EV/EBITDA（TTM）：26.4 倍

在当前利率环境下，26.4x EV/EBITDA 对应约 3.78% 的“EBITDA 收益率”，与公司高 ROE、强现金流相匹配，但已明显高于传统的“价值区间”（通常 10–15 倍，头部消费品、能源、电信、公共事业类企业）。

自由现金流估值

• TTM 自由现金流（FCF）：736 亿美元

• 对应的：

  • FCF / EV ≈ 1.9%

  • FCF / 市值 ≈ 1.9%

7.3 同行业可比公司对比：P/E、EV/EBITDA 与 PEG

我选取 Microsoft、Amazon、Meta 作为主要可比对象（均为广告 / 云 / AI 的核心互联网平台玩家）。核心估值指标简表如下（均为 2025 年 12 月初，TTM 口径）：

几点观察：

1.P/E 维度

Alphabet 的 TTM P/E 31.8略 低于 Microsoft，与 Amazon 基本持平，相对 Meta 高约 10% 左右，从 “AI 龙头组” 看，Alphabet 处于 中位偏上，但不是最贵。

2.EV/EBITDA 维度

Alphabet 的 EV/EBITDA ≈26.4x，是几家中最高的，Microsoft 其次，明显高于 Meta和 Amazon。这反映出：市场对 Alphabet 整体盈利质量和现金流稳定性定价明显高于纯电商/社交广告公司，也比“类办公类基础设施”的微软定价更高。

3.PEG（市盈增长比）维度

• Alphabet：分析师对 Alphabet 未来 3–5 年 EPS 年复合增速的共识约 10–11%，略低于 Microsoft 与 Amazon，对应 PEG 在3左右，也为几家最高。

小结：以 P/E 与 EV/EBITDA 看，Alphabet 估值处于 AI 龙头中的中高位。

7.4 DCF 交叉检验：当前市值隐含的增长假设

在不做详细逐年模型的前提下，用当前 TTM 自由现金流做一个 简化 DCF 交叉检验，用于判断当前估值所隐含的增长预期是否激进。

假设框架：

• 基础自由现金流：TTM FCF = 736 亿美元。

• 预测期：未来 5 年。

• 中期 FCF 增速（g₁）：情景假设 10–12%（略高于当前营收增速，考虑云 / AI 渗透和规模效应）。

• 终值增速（g₂）：2.5–3.0%（接近长期名义 GDP 增速假设）。

• 加权平均资本成本（WACC）：7–9% 区间（考虑 Alphabet 净现金、盈利稳定性与当前利率）。

在此基础上，以企业自由现金流模型（FCFF）估算 EV 的几个典型情景（结果取整）：

我们可以发现当前市场对谷歌给出的 EV 3.82 万亿美元，显著高于上述的保守/基准/乐观情景。不过我们需要注意：1.当前 FCF已经是在 AI 重资本开支周期下的结果，未来若资本下降，FCF恢复后会对应更高的贴现估值；2.以上简化 DCF 估值并未体现 AI/TPU业务可能带来的新盈利曲线和增长。

7.5 分部估值法（SOTP）：按业务线拆分的隐含估值

在分部估值上，可以粗略将 Alphabet 划分为四块：

1. Google Services（搜索、YouTube、Android & Play、订阅等）

2. Google Cloud

3. Other Bets（Waymo、Verily 等）

4. 净现金与金融资产

7.5.1 盈利拆分的工作假设

由于近期财报并没有完整公布各分部的利润情况，所以我们要根据 2024 年年度报表和 2025Q3 分部披露的信息进行一些假设，推导出以上各分部的利润水平，作为业务分部估值的基础：

• 2024 年 Google Cloud 收入 432 亿美元，同比增长 31%；

• Q2/Q3 2025，Cloud 收入同比增速维持在 28–34% 区间，对应年化收入已超过 500 亿美元；

• Q3 2025，Cloud 收入 151.6 亿美元，经营利润 35.94 亿美元，对应当季经营利润率约 23.7%。

在此基础上，为估算 TTM 分部盈利，做如下保守假设：

• Cloud TTM 收入 ≈ 580 亿美元（在 2024 年 432 亿基础上按 ~34% 增速外推）

• Cloud TTM 经营利润率按 23–24% 估算，对应经营利润约 140 亿美元，税后净利润约 115 亿美元；

• TTM 总净利润为 1,242.5 亿美元，则除 Cloud 外的 Google Services Other Bets 公司层面合计约 1,127 亿美元净利。

• 进一步假设 Other Bets 年度亏损 30–40 亿美元，则 Google Services 净利润大致在 1,160–1,170 亿美元区间。

这组拆分与 2024 年按分部经营利润推算出的结构大致一致：Services 贡献绝大部分盈利，Cloud 贡献约 10% 左右净利，Other Bets 少量亏损。

7.5.2 分部估值区间

在可比公司倍数基础上，对各分部取一个偏保守但不悲观的倍数区间：

1. Google Services（搜索 YouTube Play/订阅）

• 对应估值区间约 3.15–3.50 万亿美元。

1. 业务属性：高 ROE、高现金流、增长放缓但仍具 10% 左右中等增速。

2. 参考：成熟高增的广告 / 软件平台通常交易在 25–30x TTM PE区间。

3. 估值假设：对 Services 分部约 1,167 亿美元净利润给予 27–30x P/E：

Google Cloud

1. 业务属性：收入增速 28–34%，经营利润率 20% ，接近 AWS/Microsoft Azure 早期成熟阶段。

2. AWS 当前 EV/Sales 约 5–6x，考虑 Google Cloud 体量略小、增速更快、AI 全栈属性的潜力，可给予 8–10x TTM Sales：

• 以 TTM 收入约 580 亿美元测算，对应估值 4,630–5,790 亿美元。

1. Other Bets（Waymo 等）

• 区间假设 500–800 亿美元

1. 当前仍整体亏损，短期缺乏可见盈利预测。

2. 鉴于自动驾驶、生命科学等项目的期权价值，可采取“亏损不计、给一笔期权价值”处理：

净现金与金融资产

1. 现金及短期投资 985 亿美元，总债务 442 亿美元，净现金约 543 亿美元。

以区间中枢粗略相加：

• Services：约 3.33 万亿

• Cloud：约 5,210 亿

• Other Bets：约 650 亿

• 净现金：约 540 亿

合计隐含分部估值中枢约 3.97 万亿美元，与当前 3.9 万亿市值极为接近。

7.6 估值综合判断

综合 P/E、EV/EBITDA、PEG、DCF 与 SOTP 几个角度，可以得出如下判断：

1.相对估值（vs 同行）：

• Alphabet 的 P/E 与 Microsoft/ Amazon 大致相当，略高于 Meta；

• EV/EBITDA 为四者中最高，反映出市场对其盈利质量与 AI 把握能力给了接近“软件巨头 基础设施”的定价；

• PEG 处于3左右，也高于其他公司。

2.绝对估值（DCF 视角）：

• 在较为传统的假设（WACC 8–9%、中期 FCF 增速 10–11%）下，基于目前高资本开支周期的数据，DCF 给出的合理 EV 区间多落在 2–2.3 万亿水平，明显低于当前 3.8 万亿 EV，具有较强的保守性；

• 要支撑当前估值，需要自由现金流的恢复（资本开支下降），以及12% 以上，乃至更高的中期 FCF 增速，本质上是对 AI 驱动的第二增长曲线给出了溢价。

3.分部估值：

• 在相对保守的倍数假设下，SOTP 中枢约 3.9–4.0 万亿，与当前市值基本契合；

估值结论

以 2025Q3 TTM 业绩为基准，Alphabet 当前估值是一个：“合理偏贵 / 轻微溢价的优质标的”，已经反映 AI 带来的云的二次增长预期，但尚未进入与基本面完全脱节的泡沫区间。

对中长期投资者而言，安全边际并不算宽裕，后续收益更依赖于： 1）AI 搜索与 Gemini 体系在广告和云中的实质变现是否能兑现 10–12% 以上 EPS 年复合增速； 2）高资本开支周期结束后，FCF 利润率能否回升到 22–25% 区间； 3）反垄断和 AI 监管是否会限制其在搜索 / 广告 / 云平台上的整合能力。

站在当前时点，如果你对 AI 产业的下游需求乐观，且认为 Alphabet 的中长期 EPS/FCF 增速能保持在低双位数（12%）以上，则 当前估值可以接受，但需要时间消化倍数，是一个偏“高质量的β”而非“明显错定价的α”。但如果你对 AI 变现与监管环境更为保守，则应把 Alphabet 视为 “优质但目前不算便宜”的长线标的，而非明显低估的重仓机会。

八.风险与挑战

尽管 Alphabet 拥有显著的竞争优势和稳健的财务表现，但公司仍面临一系列不容忽视的风险与不确定性，仍需持续跟踪。

8.1 监管与反垄断风险

这仍是 Alphabet 当前最重要的外部风险来源。作为全球搜索和数字广告市场的绝对龙头，Google 长期处在各国监管机构的重点审查之下。

• 美国反垄断诉讼与判决：

  • 2020–2023 年，美国司法部及多个州先后就搜索分发协议、广告技术等领域对 Google 提起反垄断诉讼。

  • 2024 年，D.C. 地方法院裁定 Google 在通用搜索服务市场违反《谢尔曼法》第 2 条；2025 年的判决要求 Google 停止部分排他性默认分发协议、向竞争对手开放部分搜索数据与索引，但并未采纳司法部关于剥离 Chrome 或 Android 的要求，也未全面禁止与 Apple 等的默认搜索合约，市场普遍认为判据“偏温和”。

  • 这意味着短期内“被强制拆分 Chrome/Android”的概率进一步降低，但默认入口谈判成本上升、数据共享义务加重，将一定程度削弱其“入口护城河”的强度。

• 欧盟与 DMA框架下的持续施压：

  • 2017–2019 年，欧委会就购物搜索、Android 捆绑、自家广告服务等案件对 Google 合计罚款约 82 亿欧元，部分罚款（如 2019 年 14.9 亿欧元 AdSense 案）已在 2024 年被法院撤销。

  • 2025 年，欧委会又因广告技术业务对 Google 处以 34.5 亿欧元罚款，并在《数字市场法》（DMA）框架下对其 Play 规则和搜索“自我偏好”行为发出多项初步异议。

  • DMA 已正式将 Google 认定为“门控者”，要求其在排名、索引、抓取等环节不得对自家服务给予不公平优势，对 Android 预装、跨服务数据组合使用、对第三方引流等均设定更严格约束。

  • 2025 年 12 月 9 日，欧盟委员会宣布对 Google 进行反垄断调查，针对的是该公司利用网络内容开发人工智能（AI）的行为。欧盟委员会表示， Google 利用网络出版商的内容，以及上传至在线视频分享平台YouTube的内容进行AI训练，欧盟委员会正调查此举是否违背了欧盟竞争法规。

此外，网站、媒体和 App 对于 AI Overviews / AI 搜索“拿数据、截流量”的不满在加剧，已开始通过诉讼和监管游说等方式反制；一旦大规模重要内容供应方选择限制抓取或争取分享收益，Alphabet 的“数据飞轮”与 AI 搜索体验都会受到影响。

总体来看，中短期监管风险主要表现为：合规成本抬升、业务灵活性下降、默认入口与数据优势被逐步稀释；真正被强制拆分的概率在近期判决后有所下降，但从长周期看仍不能完全排除。

8.2 竞争风险：各条主战线“强敌环伺”

科技行业转换速度极快，Alphabet 几乎在每一条业务线都面对有实力的对手：

• 搜索与信息获取：

  • 在传统网页搜索领域，Google 仍占据绝对份额，但生成式 AI 正在重塑“用户提问—获得答案”的路径。OpenAI、Perplexity、微软 Edge Copilot 以及新兴 AI 浏览器正在尝试绕过传统搜索结果页，直接以 AI 回答承接用户意图。

  • 一旦用户大规模转向问答式 AI 产品，且这些产品建立起独立广告或交易闭环，Google 在“意图市场”的垄断优势将被侵蚀。

• 数字广告：

  • Meta 与 Amazon 在广告份额上持续蚕食 Google，前者在社交与短视频场景、后者在电商搜索与零售媒体领域都构建了自身的“意图池”。TikTok 等新兴平台则从用户时间与品牌广告预算中争夺份额。

  • 广告主预算越来越精细地在“搜索、社交、短视频、电商、CTV”等多渠道间动态分配，任何一个环节的算法、工具或归因优势削弱，都可能导致预算向他方迁移。

• 云计算与 AI 基础设施：

  • 在 IaaS/PaaS 市场，AWS 和 Azure 凭借更早的起步、更广泛的企业客户基础和丰富的生态工具保持领先，Google Cloud 需要持续投入在产品线、销售渠道和生态伙伴上，才能维持份额提升。

  • 在 AI 模型与算力层，OpenAI、Anthropic、Meta、xAI 等都在快速迭代模型，NVIDIA、AWS、微软则通过 GPU/ASIC 与云平台构建各自的“算力 平台 生态”闭环。Google 如在模型质量、推理成本、开发者生态上出现阶段性落后，可能失去部分 AI 时代的话语权。

• 自动驾驶与其他前沿业务：

  • Waymo 在技术成熟度和安全数据上处于全球前列，已在多城市公开运营 Robotaxi，但商业化节奏与监管不确定性仍然较大；与此同时，特斯拉 FSD 以及中国 Robotaxi 阵营（如百度、小马智行等）都在加速铺开落地，竞争格局仍未定型。

综合来看，Alphabet 已从“在搜索广告基本无可匹敌”进入到“在搜索、社交、电商、云、AI、自动驾驶等多条战线上同时与数家科技巨头开展全面竞赛”的阶段。这种“全线对抗”模式要求公司在产品创新和执行上保持高强度投入，否则一旦在某条关键业务线失速，就可能在估值与增长预期上遭遇明显惩罚。

8.3 技术替代与范式迁移风险

技术行业的范式变化往往具有突然性和结构性，一旦新范式被市场接受，旧模式的盈利能力会快速塌陷。对 Alphabet 来说，潜在的替代与颠覆来自多个方向：

• 信息获取路径从通用搜索迁移到垂直场景与 AI 问答： 如果用户更多习惯于通过垂直 App（电商、内容社区、短视频）或 AI 助手完成信息获取与决策，而不再首先打开浏览器搜索，Google 搜索的重要性会阶段性下降。

• 新计算平台与操作系统： 目前 Google 通过 Android 把握了移动端入口，但未来如果新的硬件形态（AR/VR 设备、智能眼镜、车载系统、空间计算设备等）成为主流，且操作系统层由其他厂商主导，可能出现类似“移动时代微软错失智能机”的局面。Google 在 AR 眼镜、量子计算等前沿有布局，但这些项目的技术与商业路径仍高度不确定。

• 信息流与社交分发模式： 社交媒体和算法信息流在日常信息消费中占比持续提升，一部分“低意图、低单价”的信息查询已经从通用搜索被迁移到信息流分发。Google 通过 Discover 等产品试图在这一领域占位，但相较于 TikTok、Instagram、抖音等平台，其在内容生态和用户时长上的优势并不明显。

历史经验表明，行业领先者往往不是因为在当前赛道竞争失败，而是因为在下一波平台迁移中判断失误或执行不力。Alphabet 需要在新入口（AI 浏览器、智能终端）、新操作系统形态和新分发模式上保持足够的试错与战略耐心。

8.4 宏观经济与市场周期风险

Alphabet 的大部分收入（搜索广告、YouTube 广告、云计算等）都具有一定的周期性，与全球宏观经济和企业 IT/营销预算高度相关：

• 在宏观经济下行或预期转弱时期，企业往往缩减广告和云支出。2020 年疫情初期，Google 收入曾出现罕见的单季同比下滑；2022 年，在强势美元和全球经济放缓的背景下，Alphabet 披露当年收入增长 10%，不变汇率下则为 14%，外汇因素单年拉低增长约 4 个百分点。

• 地缘政治冲突、贸易摩擦、制裁与出口管制等也会对跨境广告需求、硬件销售和云地区扩张造成扰动。

• 资本市场层面，一旦市场对 AI 相关资产整体重新定价（例如从“成长溢价”转向“现金流折现”），Alphabet 作为 AI 概念的核心权重股，股价和估值倍数都可能面临同步回调。

总体而言，Alphabet 的抗周期能力明显强于中小广告/云公司——在经济低迷时，广告主往往更加偏向谷歌这种 ROI 可量化、转化链条清晰的平台。但其业务仍然不能脱离宏观环境单独上涨，周期波动对收入与估值的影响依旧存在。

8.5 AI 投入与“泡沫”风险

当前资本市场与产业端对 AI 的中长期预期极为乐观，从 GPU/TPU 到数据中心、模型、应用，相关资产的估值和资本开支都处在高位。Alphabet 也在大规模前置投入：2024 年资本开支达 525 亿美元，2025 年管理层将全年资本开支指引从 750 亿多次上调至 910–930 亿美元，主要投向 AI 数据中心和自研/外购 AI 芯片。

在这一背景下，存在几类“AI 泡沫化”风险：

需求不及预期：如果企业级 AI 项目落地慢于市场想象，或实际 ROI 远低于宣传，云和模型相关收入增速放缓，甚至价格战烈度进一步上升，Alphabet 的 AI 基础设施投入回报期将被明显拉长。

技术或监管路径变化：若出现更高性价比的竞品模型/开源方案，或监管对模型训练所用数据、能耗与碳排和环保提出严苛要求，可能压缩 Alphabet 在算力和模型上的经济回报。

估值层面的“去 AI 化”交易：一旦市场从“AI 溢价交易”切换到“防御或价值交易”，包括 Alphabet 在内的 AI 权重股可能在短时间内经历估值倍数的同步收缩，即便基本面仍然稳健。

Alphabet 虽然在模型、TPU 和云基础设施方面具备领先优势，并通过 Search/Workspace/Android 等多入口具备较强的商业化潜力，但同样处在这一轮 AI 周期的资产价格与资本开支“共振”之中。如果 AI 带来的增量现金流不能在未来 3–5 年内兑现到足够高的 EPS/FCF 增速，当前围绕 AI 的估值溢价存在被压缩的风险。