Alphabet发布的2026年第二季度财报，其净利润数据让不少人感到意外。

一家市值达4万亿美元的巨头企业，其净利润竟然同比暴涨了3倍之多。

更令人咋舌的是，这份财报同时披露了谷歌TPU的销售信息，并且这一季度还出现了自2004年上市以来的首次负数自由现金流。

财报公布之后，股价在盘后出现了大约3%的下跌。

这份财报为何如此引人关注？难道谷歌真的实现了某种突破？我们不妨仔细分析一番，将其内容一一拆解清楚。

2026年第二季度的财报数据显示，Alphabet实现总收入1198亿美元，同比增长24%，这已是公司连续第12个季度录得双位数增长。经营利润达到408亿美元，同比增长30%，经营利润率从32%提升至34%。

净利润总额为1121亿美元，同比增长298%，每股收益为9.11美元。

但在这笔巨额利润中，有一大块与谷歌的核心业务关联不大。财报里特别列出了一项"Other income (expense)"，指的是主营业务之外的收入和损失。本季度这项数据为980亿美元，而去年同期仅录得27亿美元。

这980亿美元的绝大部分来自股权证券的未实现收益。简单来说，就是谷歌投资的其他公司股价上涨带来的账面收益。

扣除税收后，这部分收益大约为771亿美元。

谷歌方面表示，这部分收益的主要来源是SpaceX在6月上市后股价大幅飙升，带动了谷歌投资的账面资产增值。

剔除这部分影响后，谷歌核心业务的季度净利润约为350亿美元。去年同期为282亿美元，增长率从298%回落至大约24%，与收入增速趋于一致。

这才是更能反映谷歌实际经营状况的数字。

在厘清净利润的构成之后，我们才能看清谷歌真正的增长动力所在——谷歌云业务。

云业务收入达到248亿美元，同比增长82%。此前市场普遍预计的增长率约为64%左右。

云业务经营利润为88亿美元，而去年同期仅为28亿美元，利润率从20.7%增至35.6%。这意味着谷歌云不仅实现了收入快速增长，而且已经发展成一门真正能够创造利润的业务。

Cloud backlog（云业务已签约但尚未确认收入的订单）更是高达5140亿美元。

谷歌CEO Sundar Pichai指出，谷歌云业务的快速增长得益于"AI组合"的推动，这个组合包括芯片、模型、数据、安全和Agent平台。在这个组合中，最基础也是需求最刚性的是算力基础设施。

财报显示，谷歌现在开始将整套TPU硬件直接销售给部分客户，因此在确认销售收入的同时，也必须将制造这些TPU的成本计入当期"销货成本"。

这是谷歌首次在财报中披露TPU的直接销售收入。CFO Anat Ashkenazi在电话会议上表示，大部分TPU的收入要到明年才会集中体现。

除了芯片销售，谷歌云还提供算力租赁服务。企业可以借助谷歌的TPU和英伟达GPU来训练自己的AI模型。

电话会议透露的信息显示，谷歌云的客户包括Ineffable Intelligence、Kakao、Deutsche Börse Group、Pfizer、Roche、World Labs等知名企业。

当被问及TPU分配问题时，皮查伊强调，分配的首要任务是确保AGI（通用人工智能）前沿研究所需的算力，即谷歌内部的Gemini训练项目；其次是核心产品Search和YouTube；最后才是云业务客户。

在云业务内部，谷歌会优先将算力分配给模型服务（Vertex AI、Gemini Enterprise）和核心解决方案（数据分析、网络安全）。

对于业界普遍关注的Gemini性能是否逊于GPT和Claude的问题，皮查伊给出了如下解读。

"企业客户采购的是一套完整解决方案，包括算力基础设施、数据整合、安全合规、Agent开发工具、企业级支持。模型只是其中一个组成部分，但并非全部。"

以谷歌云安全业务为例，目前美国《财富》杂志排名前100的企业中，已有约90%开始使用该服务。这套系统能够发现网络威胁、识别最危险的漏洞、自动扫描代码并提出修复建议，同时持续监控安全风险。

Gemini主要负责部分分析工作，但客户最终购买的是"能否有效减少安全事故"，而非单纯的Gemini基准测试成绩。

皮查伊表示，过去12个月里，接近500家谷歌云客户各自处理了超过1万亿个Token，超过2000家企业分别处理了超过1000亿个Token。谷歌的Agent开发工具下载量也接近7000万次。

容易被忽视的一点是，Search广告本季度也实现了17%的增长，收入达到633亿美元。

谷歌已将Gemini集成到整个广告体系中。AI技术使谷歌搜索更加便捷，搜索结果更加精准。与此同时，谷歌利用AI提升了广告匹配度和投放效率。只要用户继续使用谷歌搜索，广告业务就能保持增长态势。

谷歌将广告业务产生的巨额现金流全部投入AI基础设施建设。

Q2单季度资本支出高达449.2亿美元。与去年同期224亿美元的资本支出相比，整整翻了一番。但本季经营现金流约为391亿美元，因此自由现金流为负58亿美元。

这是谷歌历史上首次出现自由现金流为负的季度。

资金缺口如何解决？通过融资。

本季度，谷歌发行了股票和强制可转换优先股，净融资496亿美元；又发行了高级无担保票据，净融资203亿美元。一家长期以股票回购回报股东的公司，不仅本季度没有回购股票，反而开始通过资本市场筹集资金。

值得注意的是，这并非孤立现象，整个2026年谷歌都将投入巨额资金。

2026年全年的资本支出指引，从之前的1800亿到1900亿美元，上调至1950亿到2050亿美元。阿什肯纳齐在电话会议上明确指出，2027年的支出将"显著增加"。

阿什肯纳齐的解释是："过去三年，我们已大幅提升产能，但需求仍超过投资。"她还提到，产能交付速度快于预期，也是上调指引的原因之一。

换言之，谷歌并非盲目投资，而是看到了足够的市场需求。Cloud backlog达到5140亿美元，正是他们信心的来源。

然而，股东们对此持保留态度。在电话会议中，他们向谷歌提问，这些数据中心、服务器、TPU和电力设施能否带来足够回报？

阿什肯纳齐的回答是，谷歌不会因为AI热就不顾成本地建设数据中心。每笔投资前，公司都会评估未来收益和投资回收期。

如果服务器、芯片和电力成本继续上涨，谷歌也会将部分成本转嫁给云业务客户，不会长期承担全部费用。

对于一些金额较大的云计算合同，谷歌在签约初期可能不盈利。为了满足客户需求，谷歌需要提前采购TPU和GPU、建设数据中心并确保充足的电力和网络。合同开始的前几个月，投入可能超过当期收入。

但这类合同的周期通常较长，前期投入完成后，设备可长期运行，客户也会持续支付服务费用。因此，谷歌评估合同价值的标准是其全生命周期收益。

分析师对这一逻辑提出了疑问。

第一个问题是，如果企业对AI算力的需求在未来两三年内放缓，谷歌建设的数据中心就会成为沉没成本。

皮查伊对此表示，企业"才刚接触AI的早期阶段"，两三年内需求不会减弱。

第二个问题更直接，分析师询问皮查伊，TPU能否在与英伟达GPU的竞争中保持优势。

皮查伊回答，TPU的优势目前主要体现在与谷歌自有软件栈（JAX、PyTorch、vLLM、SGLang）的深度融合，以及谷歌新推出的Virgo网络。

Virgo可以将分散在不同数据中心的100万个AI芯片连接为一个超级计算机。

另一个新因素是谷歌为Agent推出的Axion CPU，号称比同类产品每美元性能高30%。

谷歌高管表示，这些因素共同构成了谷歌区别于"英伟达GPU+标准云服务"的差异化竞争策略。

关于Gemini 3.5 Pro的发布，今年5月谷歌I/O大会上曾宣布将于6月推出。但截至电话会议时，谷歌高管表示3.5 Pro仍处于"合作伙伴测试阶段"。

在发布3.6 Flash和3.5 Flash-Lite的博客文章中，谷歌曾写道："在Gemini 3.5 Pro完全准备好后，我们将尽快进行广泛发布。"

过去几个月，Anthropic和OpenAI持续推出面向企业的模型升级，中国开源模型也在快速迭代。

谷歌曾凭借Gemini 3 Pro积累的优势，但目前这种领先地位已经不复存在。

电话会议上，多位分析师向皮查伊询问关于模型竞争力的疑问。

皮查伊承认，在AI编程和Agent方面谷歌有所欠缺。

皮查伊的表态是："我们在很多领域仍处于前沿位置，但也承认需要在某些方面改进，编程和Agent就是典型代表。"

尽管3.5 Pro尚未正式发布，但谷歌已经启动了迄今为止最大规模的预训练工作，为开发Gemini 4做准备。皮查伊表示团队正投入大量算力和精力，目标是在新一代模型上保持领先优势。

那么为何在3.5 Pro未发布的情况下就开始训练4呢？两个版本同时开发背后的逻辑是什么？

从技术角度看，大模型开发分为几个阶段：预训练、后训练（包括指令微调、人类反馈强化学习等）、对齐和安全测试、内部评估、外部测试、正式发布。

如果按谷歌说法，3.5 Pro目前处于外部测试阶段，意味着其预训练和后训练已经完成，正处于最后调整和验证阶段。

而Gemini 4处于预训练阶段，处于整个流程的最初环节。

3.5 Pro和Gemini 4在开发周期上并不冲突，一个临近发布，一个刚刚启动。这两个阶段需要不同的资源和技能，确实可以并行推进。

但从资源分配角度看，并行开发有代价。

预训练是整个流程中最消耗算力的环节。如果Gemini 4的预训练占用了大量TPU资源，将不可避免地影响3.5 Pro的算力分配，从而延缓3.5 Pro的开发进度。

另一个可能的解释是战略选择。

皮查伊在电话会议中提出了"parade of Frontiers"（前沿模型队列）的概念，即谷歌要在不同价格点上提供最合适的模型选择，例如Flash Lite专门服务于低成本高吞吐场景，Flash适用于主流应用场景，Pro则提供旗舰级能力。

这一策略的逻辑是，并非所有客户都需要最强大的模型，大多数企业更需要"够用且价格合理"的模型。

从这个角度分析，3.5 Pro的推迟可能并非单纯的技术问题，而是资源优先级的权衡。如果Flash系列已经能满足大部分企业需求并带来增长，继续开发3.5 Pro的回报可能不如投入Gemini 4的预训练。

因为从长远看，一个全新的模型比打磨现有模型更有战略价值。

电话会议中还有一句值得注意的话，皮查伊表示："我们对在下一代保持前沿地位既非常投入也非常有信心。"

这印证了3.5 Pro未达预期竞争力，谷歌正将希望寄托在Gemini 4上。

皮查伊还提到，谷歌将加快发布节奏。I/O大会上发布3.5 Flash后，很快推出3.6 Flash，未来还将有更多迭代更新。

皮查伊指出，谷歌意识到在模型迭代速度上落后了，正在尝试通过更频繁的小版本更新来弥补。

但频繁发布小模型迭代，与发布Pro级旗舰模型，是完全不同的问题。

Flash系列表现再好，也无法替代旗舰模型在编程和Agent场景中的重要作用。

至于谷歌能否成功解决这一挑战，关键要看Gemini 4何时推出，至少目前来看，3.5 Pro的发布前景并不明朗。