当谷歌交出2026年第二季度财报时，所有人都被那个数字震住了——1198亿美元的总营收，轻松超出分析师预期。但资本市场却给出了截然不同的反应：股价应声下跌。原因很简单，这家搜索巨头的钱花得更猛了。为了支撑其野心勃勃的AI基础设施，谷歌的资本支出已经飙升至历史高点，以至于公司首次出现了负的自由现金流。
这场由AI应用引发的“烧钱风暴”，正在重新定义科技巨头的财务逻辑。我们不禁要问：AI应用究竟有多“吃钱”？谷歌的豪赌背后，藏着怎样的AI原理和AI技术解析？而这一切，又将对整个行业产生怎样的深远影响？
营收破纪录：AI应用驱动搜索与云业务双增长
谷歌的财报亮点其实相当耀眼。搜索广告依然是最大的现金牛，贡献了633亿美元。但更值得关注的是谷歌云业务，248亿美元的收入环比增长了23.8%，这几乎是整个公司增速最快的板块。背后的推手，正是企业对AI应用需求的爆发式增长。
越来越多的企业开始将AI工具导航上的各类AI能力集成到自己的业务流程中，从智能客服到数据洞察，谷歌云提供的AI基础设施成为标配。与此同时，AI画图和AI图片生成等创意工具也带动了云服务的使用量。谷歌在财报电话会议上特别提到，其AI模型的调用次数同比翻了三倍，这直接转化为云计算的算力消耗。
不过，营收增长的另一面是成本结构的变化。谷歌的订阅、平台和设备业务贡献了129亿美元，YouTube广告收入111亿美元，环比增长超过12%。这些增长固然可喜，但相比AI基础设施的投入，它们更像是“添头”。
资本支出狂飙：AI基础设施的“军备竞赛”
谷歌的资本支出（capex）在第二季度骤增至290亿美元，同比增幅超过60%。这几乎是整个季度运营现金流（391亿美元）的75%。如此激进的投入，让谷歌的自由现金流首次跌入负值——约-45亿美元。
这些钱花在了哪里？答案很明确：数据中心、GPU集群、定制AI芯片（TPU）以及电力与冷却系统。谷歌正在全球范围内加速建设AI算力中心，以应对大模型训练和推理的爆炸式需求。从AI原理角度看，大模型的训练需要海量矩阵运算，每训练一次GPT-4级别的模型，成本就高达数千万美元。而谷歌不仅训练自己的Gemini系列，还要为外部客户提供算力。
这种“烧钱”并非谷歌独有。微软、亚马逊、Meta都在进行类似的AI基础设施投资。但谷歌的现金储备相对更厚，此次负现金流更像是一场主动的战略选择——用短期的财务压力，换取长期的AI生态主导权。值得注意的是，AI Agent技术的兴起进一步加剧了算力需求，因为智能体需要实时调用多个模型，这比单一推理更消耗资源。
现金流首次转负：谷歌的“烧钱”赌注是否值得？
当我们把目光从营收数字移开，聚焦到现金流时，问题就变得清晰了：谷歌的运营现金流虽然同比增长40%至391亿美元，但资本支出增速更快。公司历史上从未出现过负自由现金流，这一信号让投资者感到不安。
悲观者会认为，AI应用的商业化尚未成熟，谷歌却提前透支了未来。乐观者则指出，这和当年亚马逊长期亏损却投资物流基础设施如出一辙。关键在于，AI应用能否真正转化为可持续的收入增长。
谷歌的CFO在财报电话会上强调，70%的资本支出将用于AI基础设施，其中大部分是“必需”的——因为如果不建，就抢不到客户。企业数字化转型的浪潮中，AI能力已成为核心竞争壁垒。同时，AI工具导航上的各类工具（如抠图、背景去除）正从免费走向付费，帮助谷歌云获取更多中小客户。
但风险依然存在：如果AI应用的需求增速放缓，这些昂贵的算力资产可能面临闲置。谷歌的赌注，本质上是对AI技术解析中“规模定律”（Scaling Law）的信仰——更大模型、更多数据、更强算力，最终会带来更智能的应用。
搜索与云：AI应用的双引擎如何协同？
搜索业务依然是谷歌的基石，但AI正在深刻改变它的运作方式。谷歌搜索现在越来越多地集成AI生成答案（SGE），这需要消耗更多的计算资源，却可能减少广告点击。财报显示，搜索广告收入虽然增长，但增速在放缓。
相比之下，谷歌云成为了AI应用落地的核心载体。从初创公司到大型企业，都在使用AI图片生成、文生图等能力来提升产品体验。谷歌还推出了“Vertex AI”平台，让企业可以轻松调用预训练模型。这种“平台+应用”的模式，正在复制AWS当年的成功路径。
有趣的是，谷歌的AI工具也开始渗透到非技术领域。比如，AI诗词和藏头诗生成器、AI网名与昵称生成、艺术签名设计等，这些看似“轻量”的应用，其实背后都依赖谷歌云的大模型推理能力。它们虽然单个收入不高，但汇聚起来形成了一个庞大的“长尾”市场。
未来展望：AI投资何时迎来回报？
摆在谷歌面前的核心问题是：AI应用的回报周期有多长？目前来看，AI基础设施的投资回报率（ROI）还很不透明。谷歌云虽然增长迅猛，但利润率依然较低，因为要用低价抢夺市场份额。
从AI原理的角度看，大模型的训练成本仍在下降（得益于算法优化和硬件升级），但推理成本却随着用户规模扩大而上升。谷歌需要找到一种平衡：既不能过度投资导致财务压力，也不能投资不足失去市场。
另一个变量是监管。欧盟和美国对AI的监管政策可能影响谷歌的商业模式。例如，如果要求AI模型更加透明或对训练数据付费，将增加额外成本。但谷歌的规模优势，足以让它成为“赢家通吃”中的赢家。
对于普通用户而言，谷歌的巨额投入最终会带来更智能的助手、更精准的搜索、更丰富的AI工具箱。而对于企业决策者，AI工具导航上的各类应用正在降低使用门槛，让AI不再只是巨头的玩具。
这场AI应用驱动的“烧钱”竞赛，才刚刚开始。谷歌的负现金流，或许只是第一块多米诺骨牌。