Alphabet最新三季报呈现出一组反差：谷歌云收入同比增长103%，但集团当季自由现金流为负90.65亿美元。作者凌霄在文章中以此切入，认为卖出去的算力何时能变成留下来的现金，是当前观察科技投资更值得在意的线索。最新密集出炉的科技巨头财报，正被视作对生成式AI浪潮的一场「压力测试」——营收增长之外，投资回报率与自由现金流的兑现度，正在成为更难绕开的考题。
Alphabet当季资本开支约513.55亿美元，超过经营现金流。作者指出，除前置投入外，TPU系统销售相关库存增加，以及约52亿美元的欧盟罚款付款，也影响了现金表现。因此单季自由现金流为负，不能全部算成AI业务亏损。
亚马逊在10月29日公布的财报中，维持全年约2200亿美元现金资本开支预期；截至9月末的过去十二个月，自由现金流为负424亿美元。作者提醒，这是滚动十二个月口径，不能与谷歌的单季数字直接比大小，且集团投入也不全是AI。机房、电力、网络和芯片都需要在收入形成之前花钱，现金采购先影响现金流，资产投入使用后的折旧再逐步影响利润；折旧不是当期又付了一遍钱，也不能把资本开支直接当成费用。市场真正需要检验的，是重资产投入能否在合理周期内收回来。自由现金流承压是投资回收的提醒，不是需求消失的证明，还要看利用率、收费能力和设备更新周期。
文章进一步拆解了算力变现路径的分化。微软拥有Office、Teams等存量软件与企业客户基础，Copilot和Agent可以沿着既有工作流提供增值服务，减少重新获客的难度，但客户愿不愿续费、生产率改善能否覆盖订阅成本，仍要靠使用效果验证。Meta将AI用于内容推荐和广告投放，商业闭环可以比单独售卖模型更短，公司表示AI已带来增量广告收入，但当季自由现金流同样为负——这说明有现成变现场景，也不会自动免除资本开支压力。AWS和谷歌云对外提供算力与平台服务，要把容量转成可持续的客户收入；不过谷歌还有搜索、广告和订阅，微软也经营Azure，几条变现路径会在同一家公司里重叠，不能按公司名称就把成败分好队。
上游需求方面，作者认为台积电先进制程与封装、英特尔数据中心业务的表现，说明基础层需求仍然旺盛。晶圆制造的工艺与交付能力依然是重要壁垒，但扩产同样要承担资本周期风险。英特尔三季度数据中心与AI业务收入同比增长78%，而客户端相关业务收入下降5%，两端出现分化，不能把服务器需求强劲直接当成AI PC已经进入全面增长周期的证据。随着Agent、多步推理、外部工具调用和上下文调度增加，系统不只需要GPU，CPU负责更多调度与通用处理，存储容量、内存带宽和高速互联也可能成为限制有效产出的瓶颈。谷歌TPU、亚马逊Trainium等自研芯片是降低特定负载成本的重要路径，但成本优势取决于模型适配、软件生态、规模和利用率，不能统一套上三成或五成的降本数字。
作者还展望了下一轮价值重排的方向：推理效率与Agent工程化将带来重要增量，AI不再只是输出一次文本，还要执行任务、调用工具、处理异常和自我纠错，这会增加新的计算需求，但更关键的是每完成一项有效任务要花多少钱。应用层的壁垒不只在模型本身，而在私有企业数据连接器、权限系统与业务流程；拥有工作流入口的公司有获客优势，深耕行业的团队则可以靠交付能力留住客户。云端与本地混合部署是另一条解题思路，复杂规划交给云端，合适的即时任务在终端处理，兼顾隐私、时延与调用成本，但本地也有硬件、能耗和维护账单，能否节省总成本要按任务衡量。
作者总结认为，一轮财报不足以宣判AI泡沫破裂，却能让产业的价值重构更清晰。未来更值得关注的，是那些能持续压降计算成本，并拥有核心商业场景、让客户愿意反复付费的企业。AGI的远期空间，要靠今天有效的计算、可靠的交付和持续的回款，一步步接住。