亞馬遜AWS營業利潤率為39%，大幅領先分析師一致預期，標誌著該板塊盈利狀況的顯著復甦。 作者｜亞當·萊文 編輯｜劉洋雪 亞馬遜於週四下午公佈了強勁的第二季度財報。儘管公司宣佈上調全年資本支出預算，其股價在盤後交易中仍漲近10%。

26Q2營收為900億美元，同比增長18%（按固定匯率計算增長17%） 營業利潤為406億美元，同比增長18% 淨利潤為358億美元，按GAAP計算同比增長31%；按非GAAP計算為353億美元，同比增長22% 稀釋每股收益為4.81美元，按GAAP計算同比增長32%；按非GAAP計算為4.74美元，同比增長23%

首席執行官Satya Nadella表示，Azure需求持續超越可用容量，這一供需失衡格局短期內未見緩解。資本支出因會計政策調整降至約1750億美元。微軟正將商業模式從"按座收費"轉向"按座+按量"雙軌制，並推出可替換模型的智能體架構，幫助企業掌控AI自主權。 微軟電話會：2026年資本開支“變相”下降，Azure需求持續超越可用容量，AI變現進入加速軌道 微軟2026財年第四季度業績電話會議上，高管們表示AI需求對微軟而言仍是強勁順風，Azure需求持續超越可用容量，這一供需失衡格局短期內未見緩解。資本支出因會計政策調整降至約1750億美元。 華爾街見聞提及，美東時間29日美股盤後，微軟公佈，截至2026財年第四季度（Q4）財報，營收同比增長18%至900.1億美元，較分析師預期高2.6%。

雲業務強勁增長的帶動下，微軟交出一份全面高於華爾街預期的季度成績單。第四財季，微軟總營收同比增18%，EPS增23%、較分析師預期高逾10%，Azure收入同比增超40%、全財年收入首次突破千億美元；商業剩餘履約義務（RPO）同比增84%至6780億美元；當季對Anthropic投資帶來32億美元收入；全財年資本支出較上年增近80%。盤後股價大漲超8%！ 一、財報綜述：全面超預期 微軟2026財年第四季度（截至2026年6月底）交出了一份全面超預期的成績單： 關鍵亮點：

① 微軟2026財年第四財季營收900億美元同比增長18%，營業利潤406億美元同比增長18%，Azure雲計算業務收入同比增長43%，多項數據超市場預期。② 微軟將2027財年資本支出預期從1900億美元下調至1750億美元，消息公佈後公司盤後股價漲幅快速擴大至7%以上。 美東時間周三盤後，微軟公佈2026財年第四財季（截至6月）的季度業績。微軟該季度的雲業務收入增長超出華爾街預期，表明隨著算力瓶頸緩解及更多企業應用AI技術，其在人工智慧基礎設施上的巨額投入正逐漸顯現成效。 更令市場欣喜的是，在業績電話會上，公司公佈其2027財年的資本支出預計為1750億美元——較此前預估的1900億美元下調。這推動公司股價盤後快速走高。 業績顯示，在2026財年第四財季，相比於Visible Alpha統計的分析師普遍預期值：

6月5日消息，多名自稱微軟員工的使用者在社交平台爆料稱，微軟中國Azure雲業務部門已啟動大規模裁員。據悉，被裁員工已收到內部郵件通知，裁員規模超過200人，主要集中在研發團隊，近乎“一鍋端”。 爆料顯示，被裁員工需在6月11日前簽署離職協議，最後工作日為7月6日。賠償標準與去年7月微軟全球裁員方案基本一致，具體為N+4+2（6月11日前簽約獎勵）再加1個月離職緩衝期，理論上最高可達N+7的補償水平。 該補償方案在業內處於較高水平。但此前有員工分析指出，即使選擇接受海外調崗，後續仍可能面臨裁員風險，且彼時補償可能更少。 公開報導顯示，自2025年至今，微軟在全球範圍內進行了多輪戰略重組，累計裁員總數已超過2.4萬人（含自願離職計畫）。2026年1月，微軟曾計畫裁員1.1萬至2.2萬人，波及Azure雲團隊;今年6月又有消息稱，微軟將對Azure for Operators等團隊裁減“數百人”。此次中國區Azure研發團隊裁員，是微軟全球戰略調整的一部分。

巨頭聯手，AI雲服務格局再洗牌。本周，微軟（Microsoft）與輝達（Nvidia）共同宣佈，對人工智慧公司Anthropic進行新一輪大規模投資。微軟將向Anthropic投資50億美元，輝達則將投入100億美元。與此同時，Anthropic 計畫在未來的一段時間內，至少投入300億美元在微軟Azure雲服務上，用於租用配備輝達晶片的伺服器，其AI模型也將首次在Azure平台上向企業客戶開放。Anthropic目前的股東包括亞馬遜（Amazon）和Google（Google）。其大模型訓練和部署長期依賴這兩家公司的雲基礎設施。Anthropic在最新聲明中特別強調：“Amazon 仍然是 Anthropic 的主要雲服務提供商和訓練合作夥伴。”這意味著此次與微軟的深度合作，並未改變其與亞馬遜之間的核心技術關係。微軟此次動作，也顯示出其正在進一步拓展與OpenAI之外其他領先AI公司的合作。微軟此前已向OpenAI投資約130億美元，並在自家產品中復用OpenAI的模型；而OpenAI則承諾在未來幾年於Azure雲服務上投入超過2500億美元。今年起，微軟也開始在部分產品中採用 Anthropic的模型。與投資OpenAI不同的是，微軟此次對Anthropic的投資並不包含 Anthropic模型的智慧財產權使用權，雙方合作模式更偏向雲基礎設施服務與算力支援。微軟首席執行官薩提亞·納德拉（Satya Nadella）在公佈合作的視訊中表示，AI 行業不應陷入“零和競爭”或“贏家通吃”的敘事，他指出：“這個機會實在太大了，不可能用其他方式來推進。”在輝達方面的資訊中，Anthropic起始投入的300億美元，將用於租用約1吉瓦算力規模的Azure伺服器。這些伺服器將搭載輝達最新的Grace Blackwell和Vera Rubin晶片。微軟補充表示，未來Anthropic還將最多再簽約額外1吉瓦的算力容量。至於微軟是否會專門建設新的資料中心來滿足此次合作帶來的算力需求，微軟方面並未給出明確回應。通常來說，建設一個擁有1吉瓦容量的資料中心，雲服務商需要投入的成本約為500億美元。隨著微軟、輝達與 Anthropic 的深度繫結，全球 AI 雲基礎設施和大模型生態可能再次迎來重要調整。未來雙方在算力、模型產品與雲市場中的進一步合作，預計也將成為產業關注的焦點。 (創新觀察局)

2025 年 10 月 29 日，舊金山 GitHub Universe 大會。這是微軟 CEO 薩提亞·納德拉關於 OpenAI 合作最完整的一次公開闡述。130 億美元。這是微軟自 2019 年起對 OpenAI 的累計投資，從最初的 10 億一路追加到如今的 130 億，成為全球最大規模的 AI 戰略合作之一。比爾·蓋茲當年甚至警告他：“這 10 億美元要打水漂的。”但今天，GitHub Copilot 每天服務數百萬開發者；M365 Copilot 成為 Office 的智能入口；Azure 成為全球 AI 模型部署的首選平台。從帳面上看，這筆投資得到了驗證。但當主持人問起這場合作的深層邏輯時，納德拉給出的答案，遠比外界想像的更複雜。他沒有談 OpenAI 的模型有多強，也沒有談 AGI 何時到來。他談的是一個更根本的問題：AI 現在最大的問題，不是模型是否足夠強大，而是這種“鋸齒狀”的智能不夠穩定。第一節｜不是為了 AGI，而是解決“鋸齒智能”“鋸齒狀的智能”，是納德拉對當下 AI 狀態的精準描述。具體來說：某些能力增長很快，比如程式碼生成、對話生成；但一旦超出模型熟悉的邊界，質量就突然掉下來，甚至完全失效。他用參差不齊的智能（spiky intelligence）來形容這種現象。這不是聰不聰明的問題，而是靠不靠譜的問題。在納德拉看來，微軟要解決的，恰恰是這個“不靠譜”：不是追求最強模型，而是建構一個足夠穩、能長期用的系統：我們需要一個像編譯器一樣可靠的智能系統，而不是一個氛圍感十足但不可控的助手。他還引用了前特斯拉AI總監、OpenAI創始成員 Andrej Karpathy 的說法：即便某些能力上表現出指數級提升，但整體系統的可靠性，並沒有同步提高。這也是微軟為什麼不急於談“AGI”的原因。在納德拉看來，AGI 的定義因人而異，已經變得模糊不清，也缺乏實際意義。微軟更關注的是：AI 能否在真實場景中產生可靠結果。這也是微軟一系列動作背後的思路：從 GitHub Copilot 到 M365 Copilot，他們不是在打造一個“聰明的大腦”，而是要讓 AI 像熟練工一樣，融入每一個辦公和開發流程，成為能被信任的可靠助手。這不需要通用智能（General Intelligence），需要的是廣泛智能（Broad Intelligence）：能覆蓋足夠多的任務場景，並在每個場景中，穩定地產生有用輸出。正如納德拉所說，在達到可信賴的標準之前，談 AGI 為時過早。第二節｜130 億不是投模型，而是買“系統判斷”130 億美元的投入，看起來像是押注某個模型的勝負。但納德拉明確表示，這不是一場技術押注，而是一次組織判斷。他回憶，微軟與 OpenAI 最初的合作是在 2016 年。那時 OpenAI 還是一個非盈利實驗室，還在研究遊戲裡的智能體。真正讓兩家公司重新走近，是 2019 年。Sam Altman 回來找他說：我們真的相信擴展規律是管用的。納德拉讀了 Dario、Ilya 他們寫的那篇關於擴展定律的論文後判斷：這可能就是打開下一代智能的大門。所謂“擴展規律”，是指：模型參數越多、資料越大、訓練越充分，AI 的表現就會大幅提升。但納德拉看的不是技術本身，而是背後的邏輯：微軟從 1995 年就開始研究自然語言。我們做 Office 的，是做知識工作工具的。所以當 OpenAI 說：“我們要認真做這件事”，我們當時就判斷：這不只是模型突破，更可能是系統機會。微軟當時開出第一筆 10 億美元投資，很多人覺得大膽，甚至不理性。連比爾·蓋茲都說：“你這10億美元會打水漂的。”但納德拉的判斷標準很清楚：這不是一場關於強不強的評估，而是關於“值不值得做”的決策。他說：我們當時投這 10 億的時候，沒人會說這會成一個獨角獸。我們只是覺得這事值得做。這背後，其實是微軟長期以來的思維習慣：不追風口，而是判斷一個方向是不是足夠基礎、足夠深入； 不投短期結果，而是看能不能形成可複製的方法論。比如他提到，真正讓他意識到系統性突破的，是 GitHub Copilot：我第一次看到 Copilot 執行階段，就覺得：天那，這真的管用了。從那一刻開始，微軟不僅繼續追加資金，還圍繞這個方向重組了自己的 AI 戰略，從產品團隊、開發工具鏈到基礎設施設計，都不是為某個模型服務，而是要搭建一個能持續運轉的智能引擎。所以今天微軟再談 OpenAI 合作，已經不是在說模型能力有多強。模型只是原材料，真正重要的是能不能把這些原材料接入工作流程、變成可靠產出。微軟投的，是那個能建構、部署、整合模型的組織能力。第三節｜從 Copilot 到 Agent，“總部系統”才是主角在 GitHub Universe 2025 上，納德拉描述了 Copilot 的新形態：它已經不是一個模型，而是一個由多個模型、多個智能體組成的協作團隊，在不同分支上平行工作，再統一交付。過去我們理解的 AI 助手，是 ChatGPT 一類的對話機器人，或者幫你補程式碼的小工具。但在微軟內部，這種認知已經徹底改變。納德拉用了一個新詞：“Agent HQ”（智能體總部）。他解釋道，這個架構，有點像一個項目團隊：每個 Agent 負責一個子任務，比如寫程式碼、查資料、格式化文件；不同模型可以被派去不同的任務，比如 Claude 寫總結、GPT 做翻譯、Grok 查系統資訊；最後，所有內容自動彙總成一個輸出結果，由人類開發者（或者是你）來稽核確認。微軟把這整套流程稱為“任務控制系統”（Mission Control）。它不是一個外掛系統，而是一個真正可以被調度、協作、管理的 AI 工作組。簡單說，微軟正在建構的是一種把多個模型組織起來工作的方式，而不是單純提升某一個模型的性能。GitHub Copilot 是第一個驗證這個架構的產品。開發者已經可以在 VS Code 中呼叫多個智能體，分別在不同分支工作。每個代理都有上下文、有職責分工，還可以回看過程，就像在管理一個 AI 團隊。這套架構可以適配不同的模型。納德拉說： “Codex、Claude、Grok，你喜歡那個模型，就讓它在你的工作流程中執行一段任務。”過去我們說 AI 輔助人類，現在在微軟的設想中，是 人類調度 AI 團隊，就像管理一個遠端項目組。這套 Agent HQ 架構背後，是微軟產品組織方式的重大轉向： 不是做一個越來越聰明的 AI， 而是做一個能整合多個智能、讓它們協同工作的平台。第四節｜微軟如何搭建自己的“AI 工廠”？有了 Agent HQ 這樣的協作系統，誰來支撐這些代理的運行？納德拉給出了一個公式：智能，就是每美元、每瓦特能產出多少 token。AI 的競爭，不只是模型能力，更是生產效率。他甚至說：我現在對資料中心冷卻系統的瞭解，遠超十年前的預期。冷卻、電力、網路等基礎設施，才是 AI 時代的核心競爭力。這就是“token factory”（ AI 工廠）。✅ 微軟怎麼搭建“Token Factory”微軟在 AI 基礎設施上的投入是實打實的。根據微軟官方報告，2025 財年，微軟計畫投入約 800 億美元用於 AI 相關基礎設施建設，其中超過一半將投資在美國：資料中心：大規模擴建，全球同步推進光纖網路：僅北美就擴大 40%，新增容量相當於全球網路的五分之一伺服器叢集：在北美、歐洲、亞洲同步部署新一代裝置AI 晶片：接入 NVIDIA、AMD、Broadcom 最新晶片，支援多模型運行你想用 GPT、Claude，還是 Gemini？納德拉表示都沒問題，關鍵是基礎設施能夠支撐。微軟要建構的，是一個最靈活、可互換的系統。✅ 模型不是主角，調度能力才是核心這也是為什麼微軟內部也在研發自己的模型。Mustafa Suleyman 領導的 Microsoft AI 團隊已經推出了三個自研模型：MAI-Voice-1：語音生成模型，單 GPU 一秒內可生成一分鐘音訊MAI-1-preview：文字基礎模型，用約 15,000 塊 NVIDIA H100 GPU 訓練MAI-Image-1：圖像生成模型，在 LMArena 排名前十這不是為了自研更強的模型，而是為了確保平台本身不依賴某一家。納德拉說得很直接：我很滿意 OpenAI 做的事。但我也歡迎 Anthropic、Mistral，甚至 Gemini 放到 Azure 上運行。這不是誰贏誰輸的比賽，而是微軟希望所有模型產品都能在它的“工廠”裡上線。✅  為什麼工廠比模型更關鍵納德拉真正看重的，不是誰的模型更聰明，而是誰能更快、更便宜地生產出可信的結果。這就像傳統製造業，不是光有好設計圖，而是要有能力建出高效產線。微軟的目標是：讓每一個計算、每一瓦電，都產出更多有價值的 token。換換句話說，微軟要建的不是“最聰明的大腦”，而是一座能讓所有大腦高效運轉的工廠。你不能只想要結果，還得有能力產出這個結果。這，就是微軟眼中真正的競爭力。結語｜押注成功只是起點，系統才是終局OpenAI，也許是過去十年科技圈最有爭議的合作對象之一。但在納德拉眼中，它只是起點，不是終點。130 億美元不是豪賭，而是一次戰略判斷：微軟要的不是一家模型公司的成功，而是一整套能持續產出的智能系統。從解決“鋸齒智能”，到建構多智能體協作的 Agent 總部；從 GitHub Copilot，到 800 億美元投入資料中心和網路基礎設施。微軟要解決的核心問題是：如何把越來越多的模型，組織成真正可用的生產力。這不是模型能力的問題，而是系統能力的問題。真正能落地的 AI，不是工具，不是外掛，而是一套能長期運行、不斷進化的系統。模型是元件，微軟建構的是平台。這，就是 130 億換來的東西：不是模型，是能力。 (AI 深度研究員)