2025年互联网行业海内外云厂商发展与现状分析：AI投入、算力建设梳理与ROI测算

海内外云厂商资本开支复盘分析

海内外Capex投资节奏：海外从23Q3开始增长，国内约晚一年

从时间点来看，国内约晚海外一年开始增加投资。海外资本开支显著加速从2023年下半年开始（ChatGPT发布半年后)，其中以微软最为迅速，然后谷歌、亚马逊与META陆续加大投入。国内整体资本开支规模增长从2024年中旬开始，并且由于低基数增幅更为明显。

从节奏来看，但海外节奏更平稳、规模领先。国内则是经历22年与23年资本开支调整（负增长）后激进扩张，也由于算力限制和AI策略原因增速波动性更为明显。

海内外Capex增速：仍处于50%以上同比增长，Capex总量显著提升

2025年海外厂商各家全年Capex投入均处于50%以上同比增长：  微软：约1160亿美元(同比+54%); 亚马逊：1250亿美元(同比+61%)；谷歌：910-930亿美元(同比+73%-77%)；Meta:700-720亿美元(同比+78%-84%);  国内厂商在23年低资本开支基数的基础上，连续两年实现各家全年Capex投入平均约80%同比增长： 阿里：约1180亿元（同比+63%）；腾讯：约1000亿元（+90%）；字节：约1800亿元（同比+105%）；百度核心：约130亿元（+60%）。

海内外Capex量级：头部云厂投资与云收入相当，小体量云厂比例更高

微软云、亚马逊云与阿里云等头部云厂商资本开支金额与全年云收入基本相当。相比正常发展阶段30-40%云收入比例的投入，目前显著处于加速扩张的阶段。一方显示了AI云更高的“资金壁垒” ，通过大规模基建投入抢占赛道话语权，需要“重资产、长周期”投入。另一方面，当前高比例资本开支会压低短期利润率，更加强调短期投入与长期盈利的平衡博弈。 谷歌：投入持续大幅上升，且占比达到了165%。一方面由于自身云业务收入体量小，另一方面除了云业务上需求外，其资本开支也用于TPU芯片研发建设、Gemini模型训练以及自身业务AI需求。 Oracle：此前以传统数据库业务为主，借助AI持续云服务转型，资本支出增长源于云数据中心的大规模建设以及对客户上云的支持。 腾讯：投入比例波动极大，一方面由于自身云业务收入体量小，另外大起大落反映其云业务投入节奏、战略布局存在阶段性调整。

海内外Capex量级：海外Capex已超过经营性现金流的60%

当前海外科技厂商已将约100%的净利润、60%以上的经营性现金流进行资本开支投入。过去三年，海外科技厂商的资本开支呈现持续提升趋势，且目前各家资本开支增速指引依然显著高于业务收入/利润增速，考虑到海外科技厂商（典型如微软、META等）通常还会有约30%净利润进行分红回购，因此未来各家现金流与利润将会对资本开支的持续投入形成一定制约。如我们测算按照META当前投资趋势，26年折旧摊销将同比今年增加约150亿美金（同比+80%），或导致明年净利润与今年净利润（加回159亿美元一次性非现金所得税费用）持平。

国内云厂中阿里闪购业务的补贴成本与云基建资本开支形成叠加压力。阿里同时推进“电商闪购业务”和“AI云基建”的双线投入，计划未来三年投入3800亿元用于云计算和AI基础设施。相较而言，腾讯仍然采取投资与回报平衡策略，2024年“股息+回购”超1340亿元（是资本开支的近两倍）。百度由于主业利润压力投资偏谨慎。

海内外Capex量级：现金流与净利润约束下厂商增加融资租赁与金融化操作

在经营性现金流（净利润）约束下，我们同时看到为了维持高资本开支增长需求下的AI基础设施金融化操作以及加大融资租赁举动： 2025年10月META通过与Blue Owl合资体发行270亿美元债务：用于Hyperion超级数据中心建设，通过特殊目的实体（SPV）架构实现表外运作——Meta仅持有项目20%股权，债务不计入自身资产负债表。 微软持续大幅提升融资租赁占比：微软25Q3融资租赁达111亿美元，占同期资本开支（349亿美元)的31.8%，指引后续持续提升。优点：融资租赁基本为长期资产投资，资产生命周期长达15年以上，从净利润角度较长的折旧年限减少了当期折旧金额。另外，通过分期支付租金的方式减轻短期现金流压力，租金中本金部分计入“投资活动现金流”、利息部分计入“经营活动现金流”。缺点：管理层多次提到“融资租赁交付时间存在不确定性”。

海外云厂利润率：规模效应与折摊均提升，微软云OPM率先企稳

微软云：FY26Q1（25Q3）智能云营业利润率43%（同比-1pcts、环比+2pcts）。对比其他海外云厂、微软Capex加速最早最快，也率先迎来收获期。云具备典型的资本前置与规模效应，尽管仍有算力容量限制、但需求强预计可维持高增速，后续利润杠杆有望进一步释放。FY26Q2智能云收入指引同比+25%-26%，其中Azure指引+37%cc、维持高增速。AWS亚马逊云：25Q3 OPM 35%（同比-3pcts、环比+2pcts）。波动的核心短期因素是AI相关资产投入带来的折旧影响。自研AI芯片 Trainium2已为几十亿美元业务，25Q3收入环比+150%，且相较于其他GPU具备30%-40%的价格性能优势。 谷歌云：25Q3 OPM提升至24%（同比+7pcts、环比+3pcts）。受益于强劲的收入增长和持续的成本效率提升，核心产品和人工智能产品方面的增速远高于云业务的整体收入增长。未完成订单达155亿美元（同比+ 82%），新客户数量同比+34%。

云厂商算力规模与建设计划

英伟达客户贡献数据中心收入占比与海外科技厂商算力保有量测算

英伟达26FYQ2业绩会表示：2025年全球数据中心基础设施投入预计6000亿美元（两年内翻倍），2030年前有望达到3-4万亿美元。增长驱动来自于推理型AI（agenticAI）需求激增、全球主权AI与企业AI建设、物理AI（机器人/自动驾驶）兴起。

云服务提供商（CSP）约50%：25FYQ4（截至2025年1月）英伟达业绩会表示云服务商约贡献了50%的数据中心收入，包括AWS、Azure、Google Cloud、CoreWeave、Oracle等大型云服务商。其需求主要来自于AI 基础设施建设，包括大模型训练、推理等需求。

消费互联网公司约20%：（如 Meta、字节跳动、其他社交媒体和互联网平台）约贡献了数据中心收入的20%-25%，且增速显著。25FYQ4英伟达业绩会表示消费互联网领域营收同比增长3倍，包括推荐系统、视觉语言理解、合成数据生成搜索、多模态内容处理和代理AI等。

政府与主权AI约10%：潜力巨大的新市场，2025年预计入占比数据中心收入的10%。英伟达26FYQ2业绩会（截至2025年7月）表示主权AI从2024年初的零收入到2025年主权AI收入目标200亿美元（较2024年翻倍）。全球多国正积极建设本土AI能力，为保障数据安全、技术自主性及 AI产业主导权。

企业客户与AI初创公司约20%：企业客户（如SAP、ServiceNow）与初创AI公司贡献了数据中心的剩余主要收入。企业端主要用于模型微调和代理 AI工作流，以适配垂直领域需求（如医疗影像诊断、工业质检）。优化数据库查询、数据分析等任务，提升效率。初创AI公司后续预计成为快速增长点，NVIDIA 计划投资OpenAI 高达1000亿美元换取OpenAI将部署至少10 吉瓦的NVIDIA 系统。

微软算力规模测算：过去两年新增超2GW，未来两年数据中心总规模翻倍

FY26Q1业绩会指引FY26的资本支出增速将高于FY25 （Capex 882亿美元、yoy+58%），FY26Q2资本开支将环 比增加。

公司计划本年度（25Q3-26Q2）将AI总容量提升超 80%， 未来两年内将数据中心总规模扩大约一倍。预计明年中 旬AI数据中心容量将扩大至6.3GW，未来两年数据中心 总容量将达10GW。已部署全球首个 NVIDIA GB300大规 模集群，威斯康星州 Fairwater AI 数据中心（明年上 线、规模2吉瓦）将成全球最强AI数据中心。

谷歌算力主要使用场景

算力使用方向：用于谷歌内外部所有场景和客户，其中TPU自用更多，GPU租外部更多，预计采购TPU约70%供谷歌自用、30%租赁给第三方，而采购GPU则约30%自用、70%用于租赁，具体看： ① 谷歌内部模型训练：开发Gemini大模型新版本，目前Gemini使用TPU训练，最新模型性能居于第一梯队② 谷歌内部应用推理：AI赋能谷歌原有产品能力，包括部署搜索算法优化与AI搜索功能、广告推荐系统改造、 Youtube、Workspace、地图、安卓生态等，提升用户体验、交互效率，同时2025Q3 Gemini独立应用产品也拥有MAU6.5亿，查询量环比增长2倍，视频Veo3增长迅速（生成超2.3亿个视频），今年以来tokens消耗增长迅速，③ 谷歌云GCP：当前云业务高增长，盈利持续改善，后续或支持Anthropic等大模型客户TPU大规模推训;

云厂自研芯片布局与进展

自研ASIC进入密集量产落地期

ASIC发展：此前英伟达供应不足，同时部分计算任务场景固定化，主要云、模型企业对芯片供应链自主可控和降本诉求强烈，普遍布局自研ASIC，此前投入研发的ASIC产品预计明后年进入将密集落地期。具体管线看，已较成熟的谷歌TPU将推出TPU v7代，而Meta、AWS推出下一代芯片，OpenAI落地首款博通合作芯片，微软等也有望后续推出自研芯片。此外老牌AI芯片厂商AMD也将推出新一代MI400系列。

NV卡和ASIC格局：目前英伟达软硬件生态、性能功耗领先较大，依旧主导，从实际算力角度预计当前占据80%以上份额，尤其是在训练场景。ASIC等其他玩家持续迭代跟进，TPU在谷歌内部已能实现复杂训练和推理，综合性能接近NVDA，近期斩获Anthropic大单，其他ASIC仍处于迭代和适配阶段，预计先替换部分公司内部固定计算业务推理需求。

ASIC（谷歌TPU为主）使用场景与英伟达GPU场景的区别

谷歌TPU：设计目标针对AI任务（尤其是深度学习训推场景），硬件架构（如脉动阵列、专用矩阵乘法单元）和软件系统（XLA）均针对神经网络优化，几乎不支持非AI场景（如图形渲染、科学计算）。

英伟达GPU：偏通用并行计算，支持AI任务，也兼容科学计算、图形渲染、密码学等多场景，硬件（CUDA Core+TensorCore）和软件（CUDA）兼顾灵活性与性能。

英伟达与谷歌TPU对比：性价比、能效比、综合生态对比

性价比：GB200和TPU v6e为目前业内最领 先芯片，且均强调其推理性价比出色，我 们认为两者性价比基本可比。从理论值测 算看，单位算力所需资金投入（TOPS/美 元）Blackwell与TPU v6e接近；实际业务 效果看，TPU可针对谷歌业务需求做针对 性和全栈优化，谷歌内部对TPU v6e评价 积极，从GCP实时租赁价格看，v6e亦可与 Blackwell性价比可比。

能效比：本代产品NVDA仍有优势。单位算 力所需能耗（TOPS/W）理论指标看， Blackwell一定程度领先TPU v6e，而后续 Rubin方案进一步强化推理性能，在目前 北美电力缺口明显、各家云厂在手电力额 度有限的背景下，NVDA功耗优势有望成为 销售亮点。

生态对比：两者都完成全栈技术积累，但 英伟达生态更完善，而TPU还处于从谷歌 自用逐步转向行业外部阶段。两者在芯片 设计、机柜组网方案、软件开发生态、大 模型训练和应用推理方面均已完成技术积 累，但英伟达面向全行业、生态完善，而 TPU此前主要为谷歌内部，随着Anthropic 等其他客户下单逐步完善生态和技术。

报告节选：

编辑：火腿肠