1950 亿美元巨资：钱投向何处、算力如何分配？
2026 年 7 月 22 日，Alphabet 2026 年第二季度财报电话会议召开。公司季度营收达 1198 亿美元，同比上涨 24%；谷歌云营收同比大涨 82%，达到 248 亿美元。单看这份业绩数据，几乎无可挑剔。
但资本市场反应截然相反：财报公布后，Alphabet 盘后股价下跌 3.08%。
根源在于华尔街捕捉到另一组关键数字：第二季度自由现金流为负 59 亿美元，这是 Alphabet 自 2004 年上市以来首次出现季度自由现金流转负。现金流转负，源于本季度高达 449 亿美元的资本开支；同时，公司将 2026 全年资本开支指引上调至 1950 亿—2050 亿美元。
巨额资金流向何方？谷歌为何不惜重金投入？更核心的问题：有限的算力资源，最终优先供给谁？
2000 亿美元资本开支的资金脉络
先拆解数字背后的资金结构。
Alphabet 将全年资本开支预期，由原先 1800 亿—1900 亿美元上调至 1950 亿—2050 亿美元，取中间值规模约 2000 亿美元。这还不是投入终点，公司明确表态，2027 年资本开支仍将大幅增加。
资金主要流向三大领域：数据中心建设、AI 芯片采购、网络设备部署。其中约 60% 用于服务器硬件，40% 用于数据中心和网络设备。
💡 第二季度末，Alphabet 持有现金及有价证券 2425 亿美元，长期债务规模为 982 亿美元。首席财务官阿纳特·阿什肯纳齐在电话会上表示，公司债务规模在过去一年由约 160 亿美元扩大至约 1000 亿美元，并在近期进行了股权融资。
这早已不是常规的企业资本投入，而是一场豪掷 2000 亿美元开启的算力基础设施军备竞赛。
不过整场博弈真正的焦点，不在于花钱规模，而在于资源分配的优先级。
TPU 算力分配逻辑：AGI 研发位居首位
财报会议上，高盛分析师埃里克·谢里登抛出尖锐问题：谷歌一方面需要向云客户对外销售 TPU，另一方面自研模型训练同样急需算力，二者如何平衡？
皮查伊的回答毫不含糊："第一优先事项，是分配足够算力，使我们能够继续在通用人工智能（AGI）前沿展开竞争。这是其他一切工作的基础。"
通俗解读：AGI 模型研发拥有最高优先级。
皮查伊进一步拆解了完整分配次序：
第一层：前沿 AGI 模型研发。Gemini 4 预训练项目锁定核心算力资源。皮查伊将其定义为"我们一切业务的根基"。
第二层：谷歌核心产品。搜索引擎与 YouTube。
第三层：谷歌云战略级业务。Vertex AI、Gemini Enterprise、数据分析、网络安全解决方案。皮查伊强调，即使对于大多数云客户，谷歌也主要通过 TPU 和 GPU 提供 Vertex AI、Gemini Enterprise 和其他智能体工作负载。
第四层：纯粹的 IaaS 基础算力租赁业务。对于希望直接采购基础设施的客户，谷歌正在更多探索把 TPU 部署在客户自己的数据中心或其他数据中心，"这样能够在内部模型训练和外部客户需求之间取得平衡"。
这份优先级排序释放明确信号：谷歌自研 TPU 不再是云业务对外售卖的标准化商品，而是角逐 AGI 赛道的战略武器。
云客户排队等候算力资源
这套资源优先级落地到业务端，直接催生现实局面：Alphabet 目前仍处于算力供应受限的环境中。
阿什肯纳齐在电话会议中承认："过去三年，公司已经大幅增加算力，但需求增长仍然超过新增供给。" 外部云客户、内部 AI 项目算力需求同步爆发，但硬件扩容速度难以跟上需求增速。
为了填补自有基础设施建成前的算力缺口，谷歌计划在第三季度扩大对第三方算力的使用。阿什肯纳齐坦言，第三方算力成本相对较高，将在短期内对谷歌云利润率形成一定压力。
⚠️ 手握全球规模领先自研 AI 芯片集群的谷歌，尚且需要向外采购算力——足以看出内部模型训练的算力缺口已经达到极其严峻的程度。
另一个关键信号是：本季度谷歌首次向客户数据中心交付 TPU 系统并确认收入。但阿什肯纳齐明确，本季度确认的 TPU 系统收入只占协议总额的一小部分，相关销售将在 2026 年继续增加，绝大部分收入预计在 2027 年确认。5140 亿美元的云业务积压订单中，绝大多数是常规 Google Cloud Platform 合同，但也包括 TPU 系统销售协议。
一场押上全部筹码的战略豪赌
梳理全局可以发现，谷歌这套布局的底层逻辑十分清晰。
谷歌云营收同比大涨 82%，云业务积压订单规模高达 5140 亿美元，其中略高于一半预计将在未来 24 个月内转化为收入；近 90% 的财富世界 100 强企业接入 Gemini Enterprise。数据足以证明，市场对谷歌 AI 服务存在真实且持续增长的需求。
但谷歌做出取舍：稀缺的 TPU 算力优先供给 Gemini 4 研发，而非出售给愿意支付高额费用的云客户。
这是短期利润与长期行业竞争力之间的艰难权衡。
阿什肯纳齐直言："只要投资能带来可观回报，Alphabet 就会继续投资。" 皮查伊表述更为直接：Gemini 4 是"迄今规模最具雄心的一次模型训练"，谷歌需要打造更大规模的基础模型，重新站到前沿赛道。
💡 皮查伊在回答摩根士丹利分析师提问时表示："我们仍然处于长期结构性转变的早期阶段。这场转变正在影响多个核心信息业务。"
倘若 Gemini 4 研发失利，即便云业务盈利能力再强，谷歌也将失去参与 AGI 顶层竞争的资格；一旦 Gemini 4 取得突破，如今排队等待算力的客户，未来将会争相采购基于 Gemini 4 搭建的全套 AI 服务。
企业视角：算力紧缺时代的模型接入之道
谷歌 TPU 算力的"内部优先"策略，折射出所有依赖大模型能力的企业与开发者面临的现实困境：当头部厂商把算力优先供给自家模型训练时，企业如何避免被算力和发布节奏绑死？
今天或许是 Gemini 因算力优先而领跑，明天可能是 GPT 反超，后天也许是 Claude 再度刷新基准。企业若与任何单一厂商深度绑定，都将面临"旗舰跳票即业务受阻""算力排队即交付延迟"的双向被动。同时，随着 Gemini 4 级别前沿模型展现出跨代能力，企业在享受技术红利的同时，也必须正视调用成本陡增的现实压力。
在这一背景下，UseAIAPI 作为全球领先的 AI 大模型聚合接入服务平台，为企业用户提供了一条更为从容的路径。
据了解，UseAIAPI 平台一站式覆盖 GPT、Claude、Gemini、DeepSeek 等 120+ 顶级模型，提供统一 API 接口，依托全球边缘节点加速，提供 99.99% SLA 保障。企业无需分别与各家厂商签约、对接、结算，即可通过单一接口灵活调用多模型能力，并根据业务场景自由切换——这对需要在"前沿能力""推理质量""响应速度""单 token 成本"之间反复权衡的生产环境而言，意味着更高的架构韧性与更低的运维复杂度。
在价格方面，平台为企业用户提供了低至官方价格五折的优惠权益。叠加 Anthropic、OpenAI、Google 等厂商本身提供的 Batch API 异步批处理 50% 折扣，对文档处理、分类、批量内容生成等离线友好型业务，成本优化空间显著。同时，平台还提供企业级定制化服务，可根据业务规模、调用峰值、合规要求等因素，量身定制接入方案与技术支持，并支持按项目、模型溯源消耗的可视化财务看板与对公结算，让企业不再为高强度内容生成的消耗而担忧。
💡 对开发者而言，AI API 的成本控制早已不是"选最便宜的模型"，而是"在正确的场景路由正确的模型"。UseAIAPI 的统一接入层，恰好为企业提供了这种路由灵活性——既要前沿模型的智能上限，也要成本曲线的可预测性。当 Gemini 4 与各家竞品轮番刷新基准、头部厂商算力优先内部使用，企业只需在 UseAIAPI 的统一接口上一键切换，无需重写代码、无需重新签约、无需在厂商博弈中被动接盘。
写在最后
1950 亿美元的赌注已经押下，TPU 算力分配格局重新划定。等到今年 11 月至 12 月 Gemini 4 正式亮相之时，这场千亿级豪赌能否兑现价值，答案终将揭晓。
对于普通用户，享受技术红利的同时需保持对隐私与安全的审慎；对于企业用户，选择具备统一治理、成本可控、模型多元的接入服务，则是在 AI 转型浪潮中行稳致远的理性之选。
当头部厂商在年底牌桌上押注"AGI 优先"与"算力内部倾斜"的双重博弈时，真正聪明的玩家，从不把筹码压在单一厂商的算力配额上。