卖意图的生意，和一家全栈玩家

搜索是免费的。你输入一句话，它给你一堆结果，全程没人问你要钱。一家把主要产品白送的公司， 却在 2025 年做出了 $4,028 亿的收入——这件事值得从头讲一遍，因为绝大多数人只知道「它靠广告赚钱」， 再往下就说不清了。

先看广告这门生意原本长什么样。报纸的广告位按版面大小和出现位置定价， 电视广告按时段和秒数定价。这两种卖法的共同点是：卖的是「有多少人可能会看到」， 至于看到的人想不想买这个东西，没人知道。 所以广告主有一句流传很久的抱怨——我知道我的广告费有一半浪费了，但我不知道是哪一半。

搜索把这件事整个换了个卖法。一个人在搜索框里敲下「北京 空调 安装」， 他已经把自己此刻想买什么、买到什么程度，主动交代清楚了。 谷歌卖的就是这个：不是版面，不是曝光，是「一个具体的人，在一个具体的时刻， 说出来的一个具体需求」。

把意图卖出去只是一半。另一半在成本这边，而这一半才是它长成这么大的真正原因。

开一家店，多做一单生意就要多一份食材、多一份人工；开一家工厂，多产一件就要多一批原料。 搜索不是这样：索引已经建好了，机器已经在那里转了，多一个人搜一次， 额外增加的成本接近于零。经济学里管这叫边际成本极低，商业上管这种生意叫现金牛—— 挤了还有，而且不用一直往里添草料。

这两件事叠在一起的效果是：收入随用量往上走，成本却基本不随用量走。 所以规模越大，利润率越高。2026 年二季度，搜索所在的 Google Services 分部营业利润率是 41.8%， 这个数在实体行业里几乎不存在——它不是谁管理得特别好，是这门生意的结构长成这样。

还有一件事容易被忽略：搜索广告的价格，谷歌自己不定。

每一次搜索发生的瞬间，想投这个词的广告主会就这个位置参加一场极短的竞价， 出价高、广告质量好的排在前面，而最终扣多少钱，取决于后面那个人出了多少。 整个过程几毫秒完成，一天要跑几十亿次。换句话说，谷歌只提供拍卖场， 价格是买家互相抬起来的。

这个安排的好处非常隐蔽但非常重要：广告位的价格会随经济景气自动上浮， 不需要谷歌去谈涨价，也不会有「涨价惹恼客户」这回事。 反过来讲，经济不好的时候它也会自动往下走——这就是为什么后面讲到搜索放缓时， 必须把「宏观景气」和「竞争对手抢生意」分开看（第 2 节）。

知道它怎么赚钱还不够，得知道它靠哪几个零件赚钱。因为一门生意出问题的时候， 从来不是整体一起坏掉，而是某一个零件先松动。

拆法很朴素，跟看一家超市一样：进店多少人、其中多少人是真想买东西的、 多少人真的掏了钱、每单花多少。搜索广告对应过来就是四样： 有多少人来搜、其中多少条查询带着购买意图、看到广告的人里多少真去点、 每一次点击广告主愿意付多少钱。四个数相乘，就是这门生意的收入。

最后把它放回公司里看一眼。2026 年二季度，搜索及其他一门生意就占了全公司收入的 52.8%， 利润端的集中度还要更高。第 7 节会把整张分部表摊开，这里只需要记住一个结论： 这家公司所有别的动作——建数据中心、造芯片、训练模型、养自动驾驶—— 花的都是搜索挣来的钱。

这个结构决定了全课的主线。一门生意既是全部资金的来源， 又正好是被质疑得最厉害的那一门，这两个身份叠在一起，就是接下来十六节要反复回到的地方。 第 2 节先处理这个质疑本身：既然人们开始直接问 AI，这门生意还成立吗。

过去两年最流行的一条看空理由是这样的：以后有问题直接问 大语言模型， 它一句话就答了，谁还去翻十条蓝色链接？搜索广告这门生意就完了。

这个推理听着非常顺，因为它只有一步。而只有一步的推理在商业史上翻过很多次车。 电视普及的时候，很多人断言电影院要关门；网购兴起的时候，又有人断言实体店会全部消失。 新东西出来，通常先把整个盘子做大，之后才慢慢改变老玩家的份额， 而这两个过程之间的时间差常常长到以年计。

所以这件事没法靠推理判断，只能看数。数就摆在这里： 两年多过去，2026 年二季度搜索收入还在以 16.8% 的速度增长， 而这是一个二十多岁、一年体量约 $2,500 亿的老业务。 这不能证明它永远不会塌，但足以说明——那条最简单的看空路径，到今天为止没有在数据上兑现。

更值得注意的不是收入还在涨，而是谷歌对待这件事的姿态。 它没有把 AI 答案挡在门外，反而把 AI 答案直接放到了搜索结果页的最上面—— 这就是 AI Overview，以及后来更彻底的 AI Mode。

这一步在企业史上非常罕见。一家公司主动把自己最赚钱的那块版面， 让给一个可能让用户不再往下滚的新形态。但换个角度就说得通了： 既然这件事早晚要发生，那么由谁来做这件事，决定了钱最后落在谁手里。 如果用户非要 AI 答案不可，那还不如让他在谷歌的页面上拿到。

这就是本课的中心张力：AI 对这家公司同时是最大的威胁和最大的武器。 威胁是生存层面的——它的主要收入可能被一种新的信息获取方式绕开； 武器也是结构性的——全世界没有第二家公司同时握着分发入口、模型和自己的芯片。 这一节讲威胁那一半，武器那一半从第 4 节开始一路讲到第 12 节。

那么改版式到底是好事还是坏事？这里有一项实证结论，把整件事的意义翻了过来。

一家海外大行做了一次自有研究，把过去十到十五年谷歌搜索收入的增长拆成第 1 节那四个零件， 逐个算贡献。结论是：贡献最大的不是「更多人来搜」，也不是「每次点击更贵」， 而是「看到广告的人里，点的比例更高了」——也就是点击率。

如果这个结论成立，那么「AI 改版式」这件事的性质就完全不同了。 谷歌正在做它二十五年历史上对搜索版面和流程最大的一次改动， 而版面改动直接作用的，恰恰就是点击率这个分量。 方向还没定——新版式可能让人点得更多，也可能更少——但杠杆非常大， 而且它是在这家公司自己手里，不在对手手里。

接下来这件事，比上面所有数字都值得先记住，因为它会在你眼前发生。

2025 年下半年广告行业本身是个强季，2026 年同期比的就是这个高基数；再叠上美元折算的逆风， 搜索的同比增速在 2026 下半年几乎必然从 17% 一路收敛到 13% 上下。 这是一道算术题，不是一个判断题——市场的一致预期本来就是这么摆的。

麻烦在时点：放缓的那几个月，正好撞上一批消费级 AI 产品、AI 硬件和对手广告业务的密集发布窗口。 两件事同时出现，非常容易被讲成一件事导致了另一件事。 而这两种放缓在合并收入增速上长得一模一样，只有拆到分量上才分得清。

最后说真正要紧的那个风险。它不在「用户还愿不愿意点广告」，而在更前面一步：用户是从哪个门进来的。

打个比方。一家生意极好的店，开在别人商场的一楼门口，租约一年一签。 店本身的经营能力没有任何问题，可房东换个租客，客流的方向就变了。 谷歌搜索大约有一半的收入来自 苹果设备， 因为它花钱买下了浏览器里的默认搜索位——这笔钱在报表上就叫第 1 节讲过的 流量获取成本。

但这个风险的性质要说清楚：它是份额问题，不是变现能力问题。 查询如果挪到谷歌自有的应用里，对谷歌反而更好——省掉了付给入口方的钱； 挪到设备厂商自己的助手里、背后接的仍是谷歌，那只影响分成比例； 只有挪到别人的助手、背后接了别人的模型，才是真正的份额流失。 三种情形的后果完全不同，看到相关新闻先分清是哪一种。

预测一家公司明年能卖多少，听上去是件事，其实要先问一句：它卖的是哪一类东西。

卖大米的和卖机床的，预测方法完全不同。大米的需求跟着人口和收入走，量很稳， 一年涨百分之几；机床的需求跟着工厂的扩产决策走，好的时候翻倍，差的时候腰斩。 你不会用预测大米的方法去预测机床，可到了公司分析里， 很多人却用同一条增速去套一家公司的所有业务。

Alphabet 恰好是三种性质叠在一起：广告像大米，云像机床，订阅像宽带月费。 这一节就把三把尺子分别交代清楚——它们各自看什么数、各自的领先指标是什么、 各自会在什么时候骗你。

广告这块的需求来源，是全社会一年愿意花在营销上的总预算。 这个总盘子跟着名义经济增长走，再叠加一个长期趋势——预算从线下往线上搬。 所以它的增速通常是「名义经济增速 ＋ 线上化的那几个点」，一年个位数到十几个点，不会突变。

谷歌能拿到多少，取决于它在这个盘子里的份额，而份额由第 1 节那四个零件决定。 一家海外大行给出的搜索收入路径是：2026 年约 $2,596 亿 → 2027 年约 $2,938 亿 → 2028 年约 $3,306 亿， 年均十来个点。这个数的形状值得记住：它不像 AI 故事那样陡， 但它是整家公司现金的地基。

这把尺子最容易出错的地方是周期。广告预算在经济转弱时收缩得非常快， 而且第 1 节讲过价格是竞价出来的——景气一弱，单次点击价格自己就会往下走， 不需要任何人做决定。所以看广告增速必须先看宏观基数，第 2 节那道算术题就是这么来的。

云完全是另一回事。它不是靠猜市场有多大，而是靠数合同——因为云的大客户是按三到五年 承诺采购量签约的，签的时候一次性记进一个叫在手订单的口袋，之后按实际用掉多少逐季确认成收入。

所以这块的领先指标非常硬：在手订单不是预测，是合同。 2026 年二季度这个数是 $5,140 亿，环比增加 $520 亿，同比 2025 年二季度的 $1,082 亿增长 375%， 其中略超一半预计在未来 24 个月内确认为收入。 它领先收入大约两到三年——今天的订单，是后年的报表。

合同金额大不代表能变成收入，所以要交叉验证订单的成色。这一季有三个数可以用： 客户实际消耗超出自己承诺量 50% 以上（上一季是 45%），新客户获取速度同比翻倍以上， 财富 100 强中约 90% 在用 Gemini Enterprise。其中第一个最值钱—— 签约金额可以谈、合同期限可以拉长，但「客户用掉的比自己承诺的还多一半」这件事， 只能来自真实的工作负载。

第三块最小也最好懂：订阅、平台与设备，2026 年二季度 $129.11 亿。 里面是视频会员、云存储、应用商店分成和硬件。它的算法就是付费用户数乘单价， 和宽带、话费是一回事。

这块的意义不在规模，在性质。广告收入随经济波动，订阅收入不太波动—— 一个人的会员费不会因为今年经济差就不交了。所以订阅在报表里扮演的是稳定器。 顺带一提 YouTube 的量级：日活约 20 亿、人均每天观看约 80 分钟， 2025 年广告加订阅合计约 $600 亿——如果它是一家独立公司，规模已经相当可观。

把三块合起来，就是这家公司的需求全貌：一块又大又稳但增速有限， 一块增速极快且已被合同锁定，一块小而抗周期。 理解了这个组合，才能理解第 7 节那张利润结构表为什么长成那个样子。

前三节讲的是这门生意本身，这一节把它摆进整条链里看。

看产业链图有个很省事的读法：顺着箭头往上，是「它要花钱买谁的东西」； 往下，是「谁付钱给它」；横着一排，是「跟它抢同一批客户的人」。 把一家公司放进这三个方向，它在链上的位置基本就清楚了。

这张图会有一处让你以为画错了——同一家公司出现了两次。 那不是失误，恰恰是这门课最想说明的一件事：它既在买，也在卖。

图看完了，现在把「全栈」这个词拆开。它不是一句形容，是四件具体的事。

第一，它自己设计芯片。TPU 从 2015 年前后做到今天， 架构是自己定的，Broadcom 做协同设计， 台积电制造。第二，它自己有云。 Google Cloud 是全球第三大云平台，和 AWS、 Microsoft 正面打。 第三，它自己做模型。Gemini 是少数几个第一梯队的模型家族之一。 第四，它自己有分发。搜索、安卓、YouTube、地图、浏览器—— 全球最大的几个用户入口，有好几个在它手里。

四样都有的公司，全球只此一家。有的对手占三样，有的占两样， 但「自研芯片 ＋ 自有云 ＋ 自有模型 ＋ 自有分发」这四样凑齐的，目前只有它。

全栈听起来很威风，但要说清楚它到底值钱在哪，否则就成了口号。它换来的是三样具体的东西。

第一样是成本。同样跑一次 AI 回答，用自己设计的芯片、在自己的机房里、 跑自己的模型，中间没有任何一环要付给别人利润。第 12 节会把这笔账算出来。 第二样是速度。模型团队想要某种算子，芯片团队下一代就能加进去； 反过来芯片的特性也会影响模型的设计。这种来回在跨公司之间要走商务流程，在内部只要走楼梯。 第三样是选择权。它可以不买别人的芯片，也可以把自己的芯片卖出去—— 一家同时站在货架两侧的公司，在谈判桌上的位置和只能站一侧的公司完全不同。

代价也要说：四件事都要自己养，每一件都很贵。 养芯片团队、建数据中心、训练前沿模型、维护分发入口—— 这就是为什么它的资本开支两年涨到三倍多（第 13 节）， 以及为什么这家公司必须同时打三场仗（下一节）。

要判断一家公司守不守得住，先要知道它当年是怎么赢的。因为让它赢的那几件事， 如果现在还在，它大概率还能守；如果其中一件失效了，那才是真正要警惕的地方。

1990 年代末的搜索引擎很多，谷歌是后来者。它赢在三件事上，顺序很重要。 第一件是排序：当时的搜索靠页面里出现了多少次关键词来排名， 很容易被人钻空子；谷歌换了个思路——看有多少别的网页链接到你、链接你的网页本身重不重要， 相当于让整个互联网互相投票。结果是结果质量拉开了代差。

第二件是把广告做成拍卖（第 1 节讲过）。别家卖的是版面，谷歌卖的是每一次点击， 还让广告主自己竞价。这使得它的变现效率远高于同行，而钱多就能投更多机器、更多工程师， 再反过来把结果做得更好。第三件是买入口： 用真金白银买下浏览器和设备上的默认搜索位，让用户根本不必做选择。

三件事咬合成一个循环：更好的结果 → 更多用户 → 更多数据和收入 → 更好的结果。 这就是常说的数据飞轮。今天它依然在转——但第 2 节说过， 新形态的入口可能绕开这个循环的第一环。

现在的挑战者不是另一个搜索引擎，而是另一种交互形态。 OpenAI 的对话产品、 Perplexity 这类带引用的问答产品， 都在试图让用户「直接要答案」而不是「翻结果」。

但这一仗的胜负条件，和大多数人想的不一样。对手要赢，不能只是产品更好用， 它还得解决两件事：怎么拿到入口，以及怎么把回答变成钱。 第一件很难——默认位被买走了，装机量在别人手里； 第二件更难——问答产品天然缺少「用户主动说出购买意图」这个前提， 而那恰恰是第 1 节说的那门好生意的地基。

反过来，谷歌的风险也不在「产品被比下去」，而在入口迁移： 如果设备厂商把默认助手换成别人的，用户的查询就不会走到它这里来。 所以这条战线要盯的不是谁的模型评分更高，是默认位和装机量的归属。

云这条战线的处境正好反过来：搜索是守，云是攻。

AWS 起步最早、企业客户最厚， Microsoft 靠办公软件和企业关系把云卖进了同一批客户的采购清单， Google Cloud 是这三家里最晚成气候的， 历史上一直被诟病「技术很强、销售很弱」。

AI 给了它一次换道的机会，原因在第 4 节讲过：它是唯一一家芯片、云、模型都在自己手里的。 对一个要训练大模型的客户来说，这意味着它可以给出别人给不了的组合—— 自研加速器的成本、自家模型的调优经验、以及从底层到接口的一整条栈。 结果写在数上：2026 年二季度云收入同比 +81.8%，营业利润率从一年前的 20.7% 升到 35.6%。

请注意这个组合的意义：收入涨 82% 的同时利润率还提升了将近 15 个百分点。 打折抢份额的样子是收入涨、利润率掉；这里两个一起涨， 说明它不是在靠降价抢客户，而是在靠规模摊薄已经建好的固定成本。

第三条战线最拧巴，因为对手和客户是同一批人。

Anthropic 的模型和 Gemini 在同一批企业客户那里正面竞争；与此同时，Anthropic 是 Google Cloud 的大客户， 计划使用多达一百万块 TPU；再同时，谷歌还投资了 Anthropic 超过 $30 亿， 是它的股东之一。竞争、供货、持股三重关系叠在一家对手身上。

这种结构在产业里并不罕见，但它会让「谁赢谁输」这个问法失效。 更实用的问法是：不管哪家模型赢，钱会不会从它手里过一道。 从这个角度看，它三条路都铺好了——对手用它的云、用它的芯片，而它还持有对手的股份。

1998 年，两位斯坦福大学的博士生把一个课题项目变成了公司。那个课题解决的问题很具体： 当时的搜索引擎按「页面里出现了多少次这个词」排名，很容易被人钻空子—— 谁把关键词堆得多，谁就排在前面。

他们的想法来自学术圈的惯例：判断一篇论文重不重要，不是数它自己说了多少次， 而是数有多少人引用它，以及引用它的人本身重不重要。 把这个思路搬到网页上，就成了那套著名的排序方法——让整个互联网互相投票。

这段出身值得记住，因为它解释了这家公司后来的性格：它的核心资产从第一天起就是 「怎么把海量信息组织好」这件事的能力，而不是某一款产品。 搜索、地图、视频、后来的模型，本质上都是这同一件事的不同形态—— 这也是为什么第 10 节讲模型的时候，你会看到它并不是从零开始追赶。

2004 年上市时，它做了一个在当时颇受争议的选择：双层股权。 简单说就是同样是股票，投票权不一样。

这么做的理由，创始人在上市信里写得很直白——他们不想让公司被季度业绩牵着走， 想保留做长期而且可能失败的事情的自由。代价是外部股东的话语权被大幅削弱。 2014 年又增发了一类完全没有投票权的股票，用来发员工激励和做收购， 这样股份不断稀释的同时，创始人的控制权不会被稀释掉。

对读者来说，有一件实际的事要分清：市面上有两个代码——一个带投票权，一个不带。 两者对应同一家公司、同样的分红权，差别只在投票。 所以研究这家公司时，「谁说了算」这个问题的答案不在持股比例表里，在股票类别里。

2015 年那次重组，表面上像是改了个名字，实际上改的是账。

在那之前，自动驾驶、生命科学这些长周期项目的开销，和搜索的利润混在同一张表里。 问题很现实：外面的人看不清核心生意到底多赚钱，里面的人也很难为一个五年不见收入的项目要预算。 重组的办法是分口袋——把搜索、广告、安卓、YouTube、云装进一个叫 Google 的口袋， 把那些实验性项目装进另一个叫 Other Bets 的口袋，外面套一个控股公司 Alphabet。

同一年，Sundar Pichai 出任 Google 的 CEO，两位创始人退到 Alphabet 层面； 2019 年他们不再参与日常管理，Pichai 同时接手整个 Alphabet。 但请注意：管理层换了，投票权没换——B 类股还在创始人手里。 这是这家公司治理上最需要记住的一条。

那个装实验的口袋现在长什么样？2026 年二季度收入 $3.82 亿，营业亏损 $17.99 亿—— 收入连亏损的四分之一都不到。主体是做自动驾驶的 Waymo。

数字难看，但它的性质和前面几门生意不一样。它不是一门正在经营的生意， 更像一沓已经付过钱、还没开奖的票据：每年花掉约 $70 亿， 换回若干个「万一做成会很大」的方向。花出去的钱是确定的，回报是不确定的， 这正是期权的形状。

$70 亿大约占公司营业利润的 4%。量级摆在这儿，处理办法也就清楚了： 建模时把它当成一个固定的负数扣掉即可，不必试图精细预测。 把同样的时间花在云和资本开支上，回报高得多——这是第 15 节做账本时会再用到的一条纪律。

最后用一条时间线收口。把关键节点排在一起会看出一个规律： 这家公司的大动作，几乎都是在别人还没觉得重要的时候提前买下能力。

想知道一家公司有几门生意，最省事的办法是翻财报分部。但分部是按管理口径划的， 不一定按生意的性质划。就像超市把「生鲜」当成一个货架，里面其实混着当天卖不完就扔的蔬菜 和放一年不坏的调味品，周转、毛利、进货逻辑没有一样相同。

Alphabet 只报三块：Google Services、Google Cloud、Other Bets。 麻烦出在第一块——Services 里面塞了四门性质完全不同的生意， 同比增速从 +16.8% 到 −0.7% 都有。混成一个数看，等于什么也没看。

拆完收入还不够。一家餐厅堂食和外卖各占一半营业额，听着是两条腿走路； 可外卖要给平台抽成、给骑手付钱，真正落进老板口袋的可能只有堂食的零头。 所以收入结构和利润结构，得当成两张图分开看。

这家公司两张图现在还不算差得离谱，但方向值得盯住： Google Services 用 79% 的收入贡献了约 82% 的营业利润，云用 21% 的收入贡献约 18%。 这道缝正在收窄，而收窄的原因不是 Services 变差，是云的利润率一年之内提升了将近 15 个百分点。

这一节最值得单独讲的，是云那一格发生了什么。

公有云是一门先建后卖的生意：机房、网络、服务器都要先花钱建好，客户才能一小时一小时地租。 所以它前期几乎必然亏损——固定成本已经花光，机器却没坐满。 Google Cloud 多年亏损正是这个阶段的标准形状。转折点出现在利用率越过某条线之后： 机器坐满以后，每增加一块钱收入，需要新增的成本很少，利润率就会陡峭地往上抬。

这一季的读数刚好把这个过程拍了下来：收入同比 +81.8%，营业利润率从一年前的 20.7% 升到 35.6%，增量营业利润率 54%——每多赚 100 元收入，有 54 元变成了营业利润。 第 15 节会用账本再验证一次这条曲线。

五门生意里只有一门在缩：网络联盟广告，2026 年二季度 −0.7%，已经连续多个季度负增长。

要看懂它为什么缩，先分清两种卖东西的方式：一种是自己开店卖自己的货，收多少算多少； 另一种是替别人代卖，卖完把大头分给货主，自己留一点抽成。 搜索是前者，网络联盟是后者。谷歌把广告投到第三方网站和应用上， 收上来的钱大部分要以流量获取成本的名义分给站长。

代卖这门生意有个天生的命门：货主随时可以自己卖。 这几年发生的正是这件事——展示广告的预算在往两头走，一头是有自有闭环流量和第一方数据的平台， 一头是零售商自建的媒体网络。夹在中间转卖第三方库存的广告网络，两边受挤。

整家公司可以压缩成一句话：搜索赚钱，云花钱、现在也开始赚钱，Other Bets 只花钱， 网络联盟在慢慢消失。

这句话里藏着一个结构性推论，值得单独写下来：搜索是这套逻辑的单点故障。 后面要讲的每一分钱资本开支，来源只有三条——经营现金流、发债、发股票， 而后两条是补充，主干始终是第一条，第一条主要是搜索挣的。 所以搜索的增速一旦掉到个位数，要重估的不是广告业务，是整套 AI 投入还撑不撑得住。 这就是为什么第 2 节那个争议，是这家公司最重要的争议。

专用和通用的差别，拿工具就能说明白。瑞士军刀什么都能干，但每一样都不是最顺手的； 厨房里的片刀只干一件事，可切起菜来就是比军刀快，还便宜。 通用芯片是军刀，为特定负载定制的芯片是片刀——它省下来的， 正是那些你这个活儿根本用不上的能力。

代价也一样明显：片刀得专门定制，做坏了没人赔，换个菜式可能还不好使。 落到芯片上，就是要自己养设计团队、自己承担一次流片失败的风险、软件生态得自己建。 所以自研芯片从来不是「更强」的选择，是「更省」的选择—— 而且只有当你自己的用量大到足以摊平那些固定投入时，这笔账才算得过来。

2015 年前后谷歌开始用第一代 TPU 的时候， 这个判断在当时是超前的：那时几乎没人认为一家软件公司需要一条自己的芯片线。 今天回头看，这一步的价值不在省了多少电费，而在于它让这家公司在十年后 拥有了一个别人没有的选项——可以不买，也可以卖。

有个常见的误解要先纠正：TPU 不是谷歌关起门来一家做出来的。

真实分工是三段：谷歌定义架构（这颗芯片要为什么样的计算服务）， Broadcom 做协同设计并提供高速接口这类关键 IP， 台积电负责先进制程与封装制造。 这条合作关系已经持续了十多年，覆盖了多个代际。

这正是本课和另一门课的接口：Broadcom 那门课 是从乙方视角写的——一家定制芯片供应商怎么靠这类客户赚钱、怎么读客户的承诺硬度； 本课是甲方视角——花这笔钱的人图什么、这笔钱最后怎么变回收入。 两门课对着读，同一条产业链的两端就齐了。

2026 年还发生了两件与分工有关的事：公司把 联发科 引为第二家设计伙伴，并在 6 月向 Intel 下达了超过三百万颗 下一代 TPU 的代工订单。引入第二家设计方、第二家制造方，这个动作本身的含义， 第 14 节会专门讲。

公司从来没有公布过「自研一共省了多少钱」，所以这笔账只能从结构上算， 但结构本身已经足够说明问题。

第一笔是单位算力成本。芯片面积只服务自家的计算方式， 同样的电、同样的机柜能产出更多有效算力；而且中间没有一层供应商的利润要付。 第二笔是议价权。手上有自己的方案，谈判时就不是只能接受对方的报价与排期—— 这一条在算力最紧张的年份价值最大。第三笔是供应保障： 当通用加速器全行业排队时，它至少有一条自己的产线在跑。

三笔加起来的结果，可以在第 7 节那张表上看到一个侧面证据： 云的营业利润率一年之内从 20.7% 升到 35.6%。 利用率提升当然是主因，但一个不为通用能力付钱的底层算力结构， 是这条曲线能抬得这么快的原因之一——第 12 节会把这笔成本账算得更具体。

2026 年二季度，这件事出现了一个性质上的变化：谷歌第一次确认了 TPU 系统产品的销售收入。 金额公司没有单独披露，卖方估算在十亿美元以上——金额不大，但记账方式很关键。

这里要分清两种记法。一种是你把菜谱授权给别人开店，每月收一笔提成—— 账上只记提成，金额小，几乎没有成本，毛利率极高；另一种是你自己把整桌菜做好卖出去—— 账上记整桌的价钱，同时也记整桌的成本，金额大，毛利率就是做菜的正常水平。 前者会计上叫净额法，后者叫总额法。

卖方的判断很明确：谷歌是在直接把整套系统卖给客户，按总额法确认。 这一个选择决定了后面所有推演的形状——收入会很大，毛利率会很低。 另有估算认为，$5,140 亿在手订单里约有 $880 亿与 TPU 相关， 这个数不是公司披露，要打折看，但它给出了一个量级。

「卖芯片」三个字落到实际操作里并不像开个店那么简单：买家得先有机房、有电、有人运维， 最后还得有人真的愿意用。这一整套东西不是谷歌准备的，是别人凑起来的。

这类安排听着复杂，其实和买房出租是一个道理。房子是开发商盖的，钱是银行借的， 装修是装修队干的，日常打理交给托管公司，最后租客按月付租金。 五方各干一件事、各担一份风险，谁也不用把整条链吞下去。

照这个排一遍就清楚了：出资方设立项目公司买下芯片，第三方数据中心提供机房与电力， 专业公司负责运维，Anthropic 这类 AI 实验室按预定费率承租。 谷歌在这五个角色里只干一件事——把芯片卖给项目公司。

一门生意的护城河，说白了就是「新来的人要花多少钱、多少年才追得上」。 对这家公司来说，第一道也是最厚的一道，是分发。

分发就是「用户从哪个门进来」。搜索本身是一个门，安卓是几十亿台设备上的门， 浏览器是桌面上的门，视频和地图各自又是一个门。新对手就算做出了更好的产品， 也还要解决一个问题：怎么让几十亿人知道它、并且改掉已经用了十几年的习惯。 这件事花钱也未必买得到，因为好几个门本身就在这家公司手里。

但这道护城河有一处缺口，第 2 节已经说过：最大的那扇门不完全属于它—— 苹果设备约贡献搜索收入的一半，这个位置是花钱租来的。 所以更准确的说法是：它拥有很多门，但最值钱的那扇是租的。

第二层比第一层隐蔽。每天几十亿次搜索里，用户点了哪条、几秒钟后退回来、 最终停在哪一页——这些行为数据不断告诉系统「什么叫好答案」。 这是一条外部无法复制的回路：要拿到这种数据，你先得有这么多用户； 可要有这么多用户，你又得先做得足够好。

这条回路在 AI 时代的价值不降反升。模型的通用能力可以靠公开数据训练出来， 但「什么样的回答能让人满意」这件事，靠的是真实用户持续的反馈， 而这正是第 1 节那三个便宜里的第一个——意图是用户自己交出来的——在数据层面的延伸。

不过要诚实地说清楚边界：这条回路保护的是搜索结果的质量，不保护入口。 如果用户根本不来，再好的反馈回路也没有输入。所以护城河的第一层和第二层是串联的， 不是并联的——第一层破了，第二层会跟着枯竭。

第三层来自第 4 节和第 8 节：芯片、机房、模型、分发都在自己手里。 它的直接效果是成本——跑一次 AI 回答，中间没有一环要付给别人利润。

但更厉害的是它的间接效果：耐力。 因为成本低、因为搜索每季度还在送钱进来，它可以让一个产品连续几年不赚钱， 只为换用户习惯；而一家只做模型的公司必须算清楚每一次调用能不能覆盖成本。 这就是第 5 节那句话——耐力差不是能力差。 在一场要打很多年的仗里，补给线的长度常常比单场战斗的胜负更决定结果。

这一层的代价也很直白：全栈意味着每一层都要自己掏钱建。 一家过去靠零边际成本发家的软件公司，正在把自己改造成一家要不断买机器的重资产企业—— 第 13 节和第 15 节会把这个改造的代价算清楚。

第一条短板是结构性的，而且没有干净的解法。

商业史上有一类反复出现的困境：一家公司明知道新技术是方向， 却很难全力去做，因为新技术会先伤到自己现在最赚钱的那块。 这家公司正处在这个位置的正中央——搜索结果页顶部那块版面是它最值钱的资产， 而它自己正在把 AI 答案放上去。

它的处理方式是第 2 节说的那种：与其被别人革命，不如自己先动手。 这个选择在战略上几乎无可指摘，但它没有消除代价，只是把代价换了个形式—— 从「被别人抢走」变成「自己承担转换期的不确定」。 所以这条短板的正确读法不是「它会不会掉队」，而是「转换期有多长、 期间四个零件各自怎么走」，也就是第 2 节那张分量表。

第二条短板是监管，而且它和第一层护城河是同一件事的两面。 正因为分发份额高、正因为默认位是花钱买来的独家安排， 这家公司才长期处在全球反垄断的靶心上。

已经落地的部分包括：欧盟针对安卓的反垄断罚款在最终上诉中败诉， 英国的监管机构对通用搜索提出了公平排名与数据可携带方面的行为要求； 美国方面围绕搜索分销安排的诉讼与救济也在推进中。 这类案子的经济影响通常不在罚款金额，而在「以后还能不能这么做生意」—— 默认位的独家性、数据的可携带性，才是真正会改变第 1 节那个四零件模型的东西。

第三条短板最平淡但最真实：组织效率。产品线极长、内部利益极多、 决策要过很多层。对照一家只做一件事的创业公司，同样一个功能从想法到上线的时间差可能是几倍。 这条短板没有硬数据可以跟踪，但它会以「明明先做出来却被后来者抢走用户」的形式反复出现—— 这家公司在过去十年里已经经历过不止一次。