谷歌母公司Alphabet公布2026年第二季度的业绩报告，单看净利润数字，着实让人有些意外。
一家市值为4万亿美元的企业，其净利润竟然实现了3倍的飞跃。
更令人印象深刻的还在后面，这份财报首次披露了谷歌TPU的销售额，同时这也是谷歌自2004年公开上市以来，头一回出现负数的自由现金流。
财报公布当晚，股价收盘时下跌了大约3%。
这份财报究竟有何特别之处？难道谷歌真的在突破极限？暂且别急着下结论，不妨将报告内容逐层剖析。
1121亿美元的净利润，究竟包含多少水分
细究财报内容，2026年第二季度，Alphabet的总营收达到了1198亿美元，同比增长24%。这已是连续第12个季度实现两位数增长。经营利润为408亿美元，同比增长30%，经营利润率从32%上升至34%。
净利润最终的数字是1121亿美元，较去年同期增长了298%，每股收益为9.11美元。
在这笔可观的收入中，有相当一部分与谷歌的核心业务关联不大。财报里特别列出了一项“Other income (expense)”，指的是主营业务以外产生的收入与损失，本季度这项数字高达980亿美元，而去年同期仅为27亿美元。
这980亿美元的绝大部分，源自股权证券投资的未实现收益。简单理解，就是谷歌投资的其他公司股价上涨带来的账面浮盈。
扣除税费后，剩余金额大约为771亿美元。
谷歌方面表示，贡献最大的来自SpaceX，该公司在6月完成上市后股价大幅飙升，直接推高了谷歌的资产价值。
剔除这部分影响，谷歌核心业务的季度净利润约为350亿美元，去年同期为282亿美元。增长率从惊人的298%调整为约24%，与收入增速基本吻合。
这才是更真实地反映谷歌业务表现的数据。
在厘清净利润构成后，真正驱动增长的核心动力浮出水面——谷歌云服务。
谷歌云业务本季度收入为248亿美元，同比增长幅度高达82%。此前，分析师普遍预测的增长率大约在64%左右。
云业务的经营利润达到88亿美元，去年同期仅有28亿美元，利润率从20.7%提升至35.6%。这意味着谷歌云不仅实现了收入高速增长，更已成为一个能够独立盈利的业务板块。
Cloud backlog（云业务已签约但尚未交付的订单）规模更是达到了5140亿美元。
皮查伊在财报发布后的电话会议上指出，谷歌云业务的快速发展得益于“AI组合”的协同效应，这个组合包含了芯片、模型、数据、安全以及Agent平台。在这个组合中，最基础也是最关键的部分是算力基础设施。
财报中特别提到，谷歌已经开始向部分客户直接销售整套TPU硬件，因此在确认销售收入的同时，也必须将制造这些TPU的成本计入当期“销售成本”科目。
这是谷歌首次在财报中披露直接销售TPU的收入情况。CFO阿纳特·阿什肯纳齐在电话会议上的发言表示，大部分TPU的销售收入将在明年才能大规模确认。
除了直接销售芯片，谷歌云还提供算力租赁服务。企业客户可以通过使用谷歌的TPU和英伟达GPU来训练自己的AI模型。
电话会议记录显示，谷歌云的客户群体相当广泛，包括Ineffable Intelligence、Kakao、Deutsche Börse Group、Pfizer、Roche、World Labs等公司。
皮查伊在被问及TPU分配优先级时明确指出，第一优先级是保障AGI（通用人工智能）前沿研究所需的算力资源，也就是谷歌自己的Gemini模型训练；其次是核心产品Search和YouTube；最后才是面向外部销售的云业务。
在云业务内部，谷歌会优先将算力分配给模型服务（Vertex AI、Gemini Enterprise）和核心解决方案（数据分析、网络安全）。
对于外界高度关注的Gemini模型与GPT、Claude这类模型的性能对比问题，皮查伊给出的解释如下。
“企业客户采购的是一套完整的解决方案，比如算力基础设施、数据整合工具、安全合规体系、Agent开发套件以及企业级技术支持。模型只是其中的一部分，但并非全部要素。”
以谷歌云的安全业务为例，目前美国《财富》排行榜前100强的企业中，有高达90%都在使用相关服务。这套系统不仅能探测网络安全威胁，还能精准评估漏洞等级，自动扫描代码并提供修复建议，同时持续监控潜在风险。
Gemini模型主要负责部分分析任务，但客户最终购买的是“能否有效降低安全事件发生率”，而不是单纯追求Gemini的benchmark测试成绩。
皮查伊补充道，在过去的12个月里，接近500家谷歌云客户各自处理了超过1万亿个Token，超过2000家企业分别处理了超过1000亿个Token。谷歌的Agent开发工具累计下载量也接近7000万次。
另一个容易被忽视的数据点，Search广告本季度实现了17%的增长，收入达到633亿美元。
谷歌将Gemini模型深度整合到了整个广告系统中。AI技术的应用，使得谷歌搜索界面更加便捷，搜索结果更加精准。与此同时，谷歌利用AI提升了广告的匹配度和投放效率。只要用户仍然频繁使用谷歌搜索服务，广告业务就能持续增长。
谷歌将过去由广告业务积累的巨额现金流，全部投入到AI基础设施建设中。
本季度资本支出高达449.2亿美元。与去年同期的224亿美元相比，资本支出整整翻了一番。然而当季经营现金流约为391亿美元，因此自由现金流呈现负值，达到了约58亿美元。
这是谷歌历史上首次出现自由现金流为负的记录。
资金如何解决？通过融资。
本季度，谷歌通过发行股票和强制可转换优先股，净融资496亿美元；后续又发行了高级无担保票据，净融资203亿美元。一家通常依赖股票回购来回报股东的上市公司，本季度不仅取消了回购计划，反而开始通过资本市场主动筹集资金。
不过需要指出的是，这并非孤立事件，整个2026年，谷歌都将大幅增加资本支出。
全年资本支出（CAPEX）指引从原先的1800亿美元上调至1900亿美元，最终确定区间为1950亿至2050亿美元。阿什肯纳齐在电话会议上明确表示，2027年的支出将“显著高于”2026年。
阿什肯纳齐解释说：“过去三年，我们已经大幅提升了产能水平，但市场需求仍然超过了我们的投资速度。”她还提到，产能交付进度快于预期，也是上调指引的重要原因之一。
换言之，谷歌并非盲目投入，而是基于充足的订单需求做出决策。Cloud backlog达到5140亿美元，就是他们最可靠的底气。
尽管如此，股东群体似乎并未对这一系列投入表示满意。在电话会议期间，多位分析师向皮查伊提问，这些数据中心、服务器、TPU以及配套电力设施，是否真的能够带来相应的投资回报？
阿什肯纳齐的回应是，谷歌不会因为AI技术当前热度很高就无节制地扩张基础设施。公司在每一笔投资决策前，都会仔细评估未来可能的收益以及投资回收周期。
如果服务器、芯片和电力的成本持续上涨，谷歌也会将部分成本转嫁给云业务客户，不会让自身长期承受全部风险。
针对一些金额巨大的云计算合同，谷歌可能在新签合同初期并不会立即实现盈利。为了满足客户需求，谷歌需要提前采购TPU和GPU、建设数据中心并确保充足的电力供应和网络容量。合同生效的头几个月，实际投入可能高于客户带来的收入。
但这种高投入模式的合同通常期限较长，往往持续数年。一旦前期建设完成，设备即可长期稳定运行，客户也会持续支付服务费用。因此，谷歌判断一份合同是否值得，关键在于其整个生命周期的最终收益。
关于这一商业逻辑是否可行，分析师提出了若干疑问。
首要疑问在于，如果企业对AI算力的需求在未来两三年内出现放缓，谷歌新建的数据中心是否会成为沉没成本。
皮查伊对此观点明确表示，企业“目前只是AI应用的早期阶段”，在可预见的未来，算力需求不会出现明显降温。
另一个问题则相对尖锐，分析师直接询问皮查伊，TPU在与英伟达GPU的市场竞争中能否保持领先地位。
皮查伊的回应是，TPU当前的竞争优势主要体现在与谷歌自有软件栈（JAX、PyTorch、vLLM、SGLang）的深度集成度，以及刚刚推出的Virgo高速网络。
Virgo网络能够将分布在不同数据中心的100万个AI芯片连接成一个超级计算机。
还有一个关键变量值得关注，谷歌专门为Agent应用设计的Axion CPU，宣称性能相比同类产品每美元高30%。
谷歌高管团队强调，这些技术优势共同构成了与“英伟达GPU+标准云服务”模式相区别的差异化竞争策略。
关于Gemini 3.5 Pro的发布计划，今年5月谷歌I/O大会上曾宣布将于6月推出。然而直到现在，在电话会议中谷歌高层仍表示，该模型仍处于“合作伙伴测试阶段”。
谷歌在公司博客发布3.6 Flash和3.5 Flash-Lite版本时，曾写道，“一旦Gemini 3.5 Pro完全准备好，我们将尽快向公众发布。”
在过去几个月里，Anthropic和OpenAI持续推出面向企业市场的模型新版本，中国本土开源模型也在加速迭代。
谷歌在Gemini 3 Pro上积累的领先优势，目前已不再明显。
电话会议期间，多位分析师向皮查伊追询关于模型竞争力的具体问题。
皮查伊承认，在AI编程和Agent能力方面，谷歌确实存在需要改进的空间。
皮查伊的回应是，“我们在多个维度上仍保持领先，但也清晰认识到某些领域的不足，编程和Agent功能就是典型代表。”
尽管Gemini 3.5 Pro的发布进展缓慢，但谷歌已经启动了迄今为止规模最大的预训练计划，为开发新一代Gemini模型做准备。皮查伊透露，团队正将大量算力资源与研发精力投入到这个方向，目标是在下一代模型上重新夺回领先地位。
那么关键问题是，在不发布3.5 Pro的情况下，为何能提前启动Gemini 4的研发工作？两个系列模型同时推进，背后的战略考量是什么？
从技术开发流程来看，大模型的迭代通常包含几个关键阶段：预训练、后训练（涵盖指令微调、人类反馈强化学习等）、对齐与安全测试、内部评估、外部测试、正式发布。
如果按照谷歌的说法，3.5 Pro目前位于外部测试阶段，意味着该模型的预训练和后训练工作已经完成，正进入最后的优化和验证环节。
而Gemini 4正处于预训练阶段，属于整个研发流程中的早期环节。
3.5 Pro和Gemini 4在开发周期上并不存在冲突，一个临近发布，一个刚刚启动。这两个阶段所需的资源和技术侧重点各有不同，确实可以同步推进。
但从资源分配层面审视，并行开发必然伴随代价。
预训练是整个开发流程中最耗算力的环节。如果Gemini 4的预训练工作占用了大量TPU资源，势必会影响到3.5 Pro的算力支持，从而延缓其开发进度。
另一个可能的解释是战略选择。
皮查伊在电话会议中提出了一个新概念：“parade of Frontiers”——前沿模型梯队。
他的核心观点是，谷歌计划在不同价格区间提供各具特色的模型产品，例如Flash Lite专注于低成本高吞吐量场景，Flash面向主流应用场景，Pro则定位于旗舰级能力。
这一策略的逻辑在于，并非所有客户都追求最先进的模型，大部分企业客户更看重“性价比高且满足需求”的解决方案。
从这个角度分析，3.5 Pro的延迟可能并非纯粹的技术瓶颈，而是资源优先级的主动选择。如果Flash系列已经能够满足大部分企业客户的实际需求并实现收入增长，继续投入资源完善3.5 Pro的必要性就会降低。
与其将宝贵的算力用于优化3.5 Pro，不如集中资源加速Gemini 4的预训练进程。因为从长远战略来看，推出全新模型产品，其战略价值远超对既有产品的局部改进。
电话会议中还有一句值得特别留意的话。皮查伊表示，“我们对在下一代模型上取得前沿地位，既投入十足决心，也抱有坚定信心。”
这句话间接证实了3.5 Pro尚未达到谷歌预设的竞争力指标，将全部希望寄托在Gemini 4身上。
皮查伊还谈到了模型发布的节奏问题，强调谷歌将持续加快迭代频率。从I/O大会上发布3.5 Flash，随后迅速推出3.6 Flash，未来还将呈现更多模型更新。
皮查伊指出，谷歌已经意识到在模型快速迭代方面存在差距，正在尝试通过更频繁的小版本更新来弥补。
但需要区分的是，频繁发布小型版本迭代，与推出旗舰级Pro版本，属于两个不同的战略维度。
即使Flash系列表现优异，也无法替代旗舰模型在编程和Agent应用场景中的核心地位。
最终能否成功实现追赶，取决于Gemini 4何时问世，至少就目前而言，3.5 Pro的发布前景已不容期待。
