本文来自至顶网，来源：SiliconANGLE。
谷歌凭借全栈控制能力、自研TPU芯片战略及前沿AI模型，在智能体时代展现出独特竞争优势。数据显示，谷歌云已是约720亿美元年化营收的业务，机器学习/AI细分领域净得分高达57.4%，位居行业顶级。尽管在IaaS/PaaS市场份额上仍落后于AWS和Azure，但其增速强劲、账户渗透率持续提升。谷歌云正从实验性AI应用向企业级规模化落地加速转型。
智能体AI时代正在迫使企业架构进行全面重置。
能够自主采取行动的智能体已远远超出了分析数据湖中数据的范畴。当智能体以机器级别的速度持续代表人类运作时，它们带来了大多数企业架构尚未准备好应对的新需求。所谓"现代数据栈"开始呈现出新形态的技术债务。拼接式系统、碎片化治理、批处理管道以及边界时代的安全假设，在工作单元从仪表盘查询转变为自主决策循环时已难以为继。在智能体规模下，系统碎片化将演变为运营合规风险。
谷歌在此领域拥有一项容易被忽视的优势。研究表明，在智能体时代胜出的架构，必须像端到端系统一样运作——模型、认知引擎与基础设施紧密集成，在单一可信边界内运行，并在大规模场景下保持一致的安全控制，同时不将经济成本转化为额外负担。这正是谷歌战略布局的核心逻辑。谷歌拥有数十年的基础设施与数据工程积累，有望将其云服务从被动式智能系统升级为能够实时、大规模、持久执行任务的环境。
谷歌能够推进这一方向的关键在于全栈掌控能力与深厚的工程基因。谷歌是少数能够端到端优化整个技术栈的企业之一——涵盖计算层（包括张量处理器）、全球网络、安全与身份认证、数据引擎，以及最终实现企业价值的应用层。
这一点至关重要，因为在智能体环境中，瓶颈会不断迁移——数据流转、延迟、身份认证、策略执行、每Token成本，不一而足。拼接式平台难以协同优化这些变量，而集成平台则能够根据工作负载行为进行调优，并随需求与约束条件的变化灵活调整。
谷歌的优势不止于基础设施。该公司长期以来在大规模数据系统（包括事务性系统）领域保持领先地位，这被视为企业成果转化的核心。在智能体时代，数据库与事务层将成为信任、策略和可审计性的执行节点，而非单纯的数据仓库。如果智能体要跨流程运作、协调行动并执行事务，系统就必须在关键节点支持确定性，同时不牺牲执行速度。
市场正在从拥有工具转向追求结果。已有早期迹象表明，定价模型开始以可量化的成果而非授权席位作为计费依据。综合来看，谷歌凭借原生AI执行能力、前沿模型实力、全栈控制以及跨云、本地部署和开源生态的灵活性，有望在AI从实验性应用向持续规模化执行转型的过程中保持持续增长动能。
本文将对谷歌云的发展情景进行更新分析，涵盖市场动态、企业技术研究（ETR）消费信号，以及对谷歌云Next 2026大会的重点关注。
资本支出作为战略：谷歌的计算能力扩张与TPU/GPU组合
推动市场走势的核心叙事之一，是超大规模云厂商的资本支出——Alphabet如今已稳居这一讨论的中心。大多数分析师此前预测其资本支出约为1195亿美元，而Alphabet自身的预测显示今年实际数字接近2000亿美元，最终落点预计在1750亿至1850亿美元区间。这一数字相较此前预期大幅上调，将Alphabet 2026年的资本支出置于与常规增长曲线截然不同的维度。
纵观全局，Alphabet并非孤例——整个科技行业正在经历一场史无前例的军备竞赛。将谷歌与亚马逊、微软、Meta和甲骨文等超大规模云厂商合并计算，今年总资本支出预计将达约7000亿美元，其中计算与数据中心基础设施是最主要的投向。对谷歌而言，这一数字大约是此前水平的两倍，表明公司正全力满足规模庞大的AI需求。
值得关注的是，这笔资金究竟用于何处。谷歌正在大力扩展其张量处理器（TPU）基础设施（通过长期合作伙伴博通采购），同时确保获得英伟达GPU的供应。这种双源采购策略在超大规模云厂商中并不鲜见。英伟达凭借GPU、网络、软件及相关软件库的全栈整合，在性能功耗比和价值实现速度方面具有结构性优势，尤其随着下一代Vera Rubin系统的推出，这一优势将进一步凸显。任何试图大规模服务多类AI工作负载的超大规模云厂商，都必须保持对英伟达平台的充足访问，否则将在依赖该生态系统的工作负载上落后。
与此同时，谷歌的TPU提供了第二条战略路径——且比竞争对手的自研芯片更为成熟。TPU使谷歌能够在成本、供应和工作负载优化方面掌握更多主动权，并在英伟达方案最优或TPU容量不足时灵活切换。
换言之，TPU不仅是降本工具，更是产能与控制工具，让谷歌得以优化垂直技术栈，填补其他芯片方案无法覆盖的空白。在算力供不应求的市场中，优质算力总能找到用武之地。谷歌的TPU路线图使其能够承接更多自身需求，同时继续参与以GPU为核心的更广泛生态系统。
短期来看，谷歌正以一个判断AI需求可持续、并将AI基础设施视为多年期平台转型的公司姿态加大投入。更值得深入探讨的问题是：谷歌将如何将这一基础设施优势向上延伸，以及是否能够将资本支出的快速增长转化为持续的云动能和企业客户的差异化价值。
投资者给予正面回应——因为谷歌展示了回报
大规模资本支出通常会引发投资者担忧：支出增加、近期自由现金流下降，股价往往在投资回报变得更为具体之前承压。但谷歌并非如此。
过去12个月，谷歌股价累计上涨约118%，市值截至上周五已突破4万亿美元。市场之所以给予Alphabet如此大的空间，在于其核心业务仍是广告——广告业务持续为基础设施建设提供资金，使Alphabet能够承受更大规模的投资周期，而不会立即面临其他企业在缺乏现金引擎时所承受的那种利润压力。
与此同时，谷歌云的战略价值同样不容小觑。尽管与广告业务相比规模仍然较小，但它如今已成为一个重要的独立增长引擎，且势头持续走强。根据公司披露数据，谷歌云年化营收规模约为720亿美元，运营利润率也从数年前的亏损状态稳步改善为清晰的盈利态势。
有两个关键点值得强调：
其一，谷歌云在规模扩张的同时实现了利润率提升——这一组合向市场传递了运营杠杆的积极信号。
其二，谷歌云在这一体量下仍保持强劲的增长速度。即便有广告业务支撑资本支出周期，投资者也需要看到云业务成为持续增长引擎的证据，以及其将AI建设转化为企业端消费与利润的能力。
基础设施即服务+平台即服务：谷歌的份额增长真实可信，但领先者差距依然存在
从基础设施即服务（IaaS）和平台即服务（PaaS）维度来看，CUBE Research对云基础设施五大厂商——亚马逊AWS、微软Azure、谷歌云GCP、阿里云和甲骨文——的市场模型显示：GCP在2026年的IaaS/PaaS业务规模预计达到420亿美元，增速位于40%中段区间。这与2020年GCP仅数十亿美元的体量相比已是显著跃升。
然而，谷歌在绝对规模上仍落后于两大领头羊——AWS预计达约1600亿美元，Azure约1200亿美元，两者每年新增营收均在310亿至330亿美元左右，而GCP新增约130亿美元。尽管130亿美元的年增量不可小觑，但凭借庞大的存量客户基础，前两名依然难以追赶。
在市场份额方面，GCP的IaaS/PaaS份额预计在2026年升至约11.5%，同比增长约一个百分点。在3700亿美元的市场中，一个百分点颇具分量。AWS份额降至约43%，Azure升至约33%，份额转移虽缓慢但持续发生。
甲骨文同样值得关注，其凭借较小的基数实现了极高的增速，并积极扩充高可用AI基础设施容量。
谷歌的耐心资本投入——基础设施纪律、芯片战略以及AI布局——正在逐步转化为可量化的IaaS/PaaS增长动能。尽管仍是市场第三，但增速与增量规模已足以在数据中留下清晰印记。
ETR消费动能：谷歌净评分稳守30%高位区间，账户渗透率持续提升
从ETR消费动能视角来看，谷歌云的净评分（Net Score）约为40%，处于"高动能"区间。这一指标通过客户意向与行为的分项拆解呈现消费趋势：约41%的受访客户计划增加6%以上的支出，约43%支出持平，流失率较低。自2023年初以来，账户渗透率（Pervasion）持续上升，与ChatGPT带来的行业顺风以及谷歌商业执行力的提升相吻合。
以下几点尤为值得关注：
增支客户占比可观，客户构成健康；
流失率维持低位；
持平支出仍是最大群体，符合平台规模化后的自然规律；
谷歌增长动能更多来自存量账户的深化拓展，而非新客户获取——这正是云业务持续增长的核心来源。
谷歌云消费动能长期维持在40%附近，渗透率稳步攀升，印证了AI布局正切实转化为企业端账户份额的扩张。
谷歌的同业竞争态势强劲，但仍落后于领先者
从ETR共享账户XY散点图来看，在云计算领域的2026年4月快照中，谷歌云平台净评分为38.2%（共享样本N=529），略低于高度活跃阈值40%。相比之下，微软Azure净评分55.8%（N=1094），AWS净评分44.1%（N=914），两者在更高的渗透率下实现了更高的净评分。
谷歌的位置较为微妙：动能指标明确位于第一梯队，但在账户覆盖和样本渗透方面仍明显落后于AWS和Azure——这是两大领先者深度嵌入企业IT体系的量化体现。谷歌在赢得更多业务、深化账户关系，但在渗透率方面仍处于追赶阶段。
AI顺风在数据中的体现：谷歌机器学习/AI消费动能成为核心驱动
当我们将视角聚焦至谷歌的机器学习/AI细分领域时，消费动能显著增强。约53%的受访客户表示支出将增加6%以上，持平支出降至33%，流失率维持低位。该细分领域净评分高达57.4%，远超40%的高度活跃阈值。
同期，渗透率（Pervasion）曲线大幅上扬，表明机器学习/AI的覆盖面正在跨账户快速扩展，而非局限于少数早期采用者。AI对谷歌而言不只是营销叙事，而是在调研数据中切实体现为真实消费动能。
在机器学习/AI领域，谷歌展现出顶级消费动能与广泛渗透率
在以机器学习/AI为维度的共享账户散点图中，谷歌净评分为57.4%（共享N=556），处于高度活跃区间。同期，Anthropic净评分77.8%（N=499），AWS净评分54.4%（N=518），OpenAI净评分52.4%（N=781）。谷歌是唯一一家同时拥有前沿模型、与OpenAI和Anthropic同台竞争的超大规模云厂商，其AI竞争地位在客户消费数据中得到了清晰的量化印证。
Meta Llama净评分为27.2%（N=151），表明尽管开源模型依然重要，但企业消费速度在能力、分发和落地运营最强的方向上跑得最快——值得注意的是，Llama的市场地位已从领先者跌至落后者。
谷歌凭借从TPU、基础设施、安全、模型到应用的全栈布局，在我们看来已建立起可持续的竞争优势。
谷歌云Next 2026：六大重点关注方向
在谷歌云Next 2026大会即将召开之际，以下六个方向值得重点关注：
企业AI投资回报率：需要切实证明AI资本支出正在为企业客户带来可量化回报，而非仅惠及谷歌广告业务本身。我们希望看到证据表明，经济收益正在向客户端倾斜。
前沿模型路线图：需要明确前沿模型路线图及其面向企业的封装方式。Gemini、Vertex等模型有哪些真正改变采用率的新能力？除工具使用和推理能力外，更令人期待的是哪些开箱即用的企业落地简化方案——例如治理控制、部署蓝图、评估框架和参考实现。
TPU与基础设施经济性：需要从实用角度理解TPU路线图——包括成本性能比、每瓦功耗成本、供应可用性、网络互联以及推理效率——以及英伟达在谷歌规划中的定位。市场正在将每瓦性能作为关键衡量指标，最终胜出者将是能够在训练与推理两端实现端到端工作负载经济性优化的厂商。
智能体数据云前提的现实检验：需要验证谷歌是否能够交付闭环系统，在不将数据流转和治理变成高成本负担的前提下，实时将信号转化为决策再转化为行动。语义上下文、数据协调、实时激活、统一策略控制，以及更少的"胶水代码"——这些都是企业落地智能体规模应用的核心难点。
数据层的平台差异化——尤其是事务处理与分析能力和AI的深度融合：我们希望看到BigQuery、Spanner和AlloyDB等事务引擎以及Vertex之间更紧密的协同，使AI系统能够基于实时业务数据而非仅历史分析数据采取行动。关键衡量指标是谷歌能否降低集成负担——统一元数据、策略、数据血缘以及跨数据类型的一致访问控制。
生态系统与合作伙伴：合作伙伴杠杆多年来一直是AWS动能的重要驱动力。谷歌的AI实力理应转化为生态系统动能——更多合作伙伴参与构建、更多可复制方案、更强的一线协同。我们将重点关注谷歌如何赋能生态，以及这一努力是否体现在客户成功案例中。
Q&A
Q1：谷歌云在IaaS/PaaS市场的份额现状如何？
A：根据CUBE Research的市场模型，谷歌云平台（GCP）2026年的IaaS/PaaS业务规模预计达到420亿美元，增速位于40%中段区间，市场份额约为11.5%，同比增长约一个百分点。尽管在绝对规模上仍落后于AWS（约1600亿美元）和Azure（约1200亿美元），但谷歌的份额增长趋势持续且稳定，在3700亿美元的市场中具有实质意义。
Q2：谷歌的TPU战略与英伟达GPU有什么区别？
A：谷歌采用双源采购策略，同时扩展自研TPU基础设施和英伟达GPU供应。TPU不仅是降本工具，更是产能与控制工具，使谷歌能够在成本、供应和工作负载优化方面掌握更多主动权，并根据需求灵活切换。英伟达则凭借GPU、网络、软件的全栈整合，在性能功耗比和价值实现速度上具有结构性优势，尤其适用于需要其完整生态系统的特定工作负载。
Q3：谷歌云的AI消费动能在ETR数据中表现如何？
A：在ETR的机器学习/AI细分领域，谷歌净评分高达57.4%，远超40%的高度活跃阈值。约53%的受访客户表示将增加6%以上的AI相关支出，同期渗透率曲线大幅上扬，表明谷歌的AI覆盖面正在快速跨账户扩展，而非局限于少数早期采用者。这一数据印证了AI对谷歌云增长的实质性拉动作用。
