2026年4月29日，科技史上罕见的一幕出现了。

Amazon、Alphabet（Google母公司）、Meta、Microsoft——四大科技超级云厂商——在同一天下午，陆续向华尔街递交了各自的Q1 2026财报。结果几乎如出一辙：全部超出市场预期，全部将功劳归于AI投资的提前兑现。

Alphabet云业务Google Cloud同比增长63%（据CNBC 2026年4月29日报道）；Microsoft Azure增长40%；Amazon AWS展示了数十亿美元的AI相关新签约；Meta的广告AI基础设施也在季度内显示出明显的效率提升，驱动广告业务超预期增长。

整个华尔街像是在看一场精心排练的协奏会，四把乐器奏出了同样的主题：AI正在产生真实的商业价值。

但就在这场协奏的背景里，漂浮着一个无人提及却人人在想的名字：OpenAI。

八千五百亿估值下的失速信号

按私人市场最新估值计算，OpenAI的价值已超过8500亿美元，超过了沃伦·巴菲特旗下伯克希尔·哈撒韦的市值，接近埃克森美孚。它是这个时代对AI最大的单一押注——没有之一。

然而就在四大云厂商财报发布的同一天，华尔街日报（WSJ）发出了一个令人不安的信号：据知情人士透露，OpenAI的实际营收增速和用户增长数字，均未能达到公司内部设定的预期。

这两条消息的同时出现，制造了一个奇怪的张力场：

一边，是四家全球最大的科技公司，用真实的财报数字证明AI投资正在产生回报。另一边，是那家被视为”AI皇冠上的明珠”的公司，却在内部增长赛跑中悄悄落后于计划。

AI概念股在这一天出现了短暂的波动。尽管最终四大云厂商的实际财报超出市场预期，让市场在收盘前得到了安慰，但这一波动本身已经说明了一个深刻的问题：

整个市场对OpenAI的估值，已经不再只是对一家公司的押注，而是对”AI产业本身”的信心投票。

当OpenAI的增速出现哪怕一个季度的低于预期，不只是OpenAI的股价（如果有的话）会受影响——连四大云厂商的股票都会跟着颤抖，尽管它们自己的业绩毫无问题。

这种高度的相关性，是AI产业现阶段的独特特征：一个私人公司的内部预期数字，成为了公开市场的情绪锚点。这件事本身，就已经不寻常到值得被认真分析。

要理解为什么会出现这种奇特的依赖关系，我们需要回顾过去两年AI投资热潮的逻辑起点。四大云厂商在AI基础设施上投入了天文数字的资本，部分依据是AI需求的持续爆发性增长。而这种需求增长的最直接代理指标，就是ChatGPT和OpenAI API的使用量。当外界开始质疑OpenAI自己的增长是否达标时，整个AI投资叙事的基础都会被连带质疑。

云厂商赢，但赢的是哪门子生意？

要理解这个故事，需要先理解一个基础的商业逻辑：在AI时代，谁最终受益？答案比想象中复杂。

过去两年里，一个主流叙事是：大型AI模型公司将主导未来。它们拥有最强的模型，因此拥有议价权，可以以高价向企业出售API访问权。

但现实正在展示一个不同的结构。四大云厂商的财报数字，本质上是一个关于AI基础设施的盈利报告。它们不生产AI本身，它们租赁运行AI所需的一切：算力、存储、网络、安全框架、合规工具。

Google Cloud的故事：Q1营收63%的增速，相当程度上来自企业为AI推理和训练支付的算力账单。当一个金融机构需要每天处理数百万笔交易的AI分析，它需要云算力——Google提供算力，收取租金，与用哪家的AI模型无关。Google Cloud还从Vertex AI平台的企业订阅中获益，企业越来越依赖Google的AI开发工具链，而不只是购买单一模型API。

微软Azure的故事：40%的增速，很大程度上来自Copilot和Azure OpenAI Service的企业订阅。微软将OpenAI的能力封装进了自己的企业产品，最终账单上写的是”Microsoft M365 Enterprise Suite”，而不是”OpenAI API”。微软收走了客户关系和账单收入，OpenAI只拿到分成。这意味着即便OpenAI的直接营收增速低于预期，微软通过自身的分发能力，依然可以从AI需求中获益。

AWS的故事：CEO Andy Jassy在财报电话会议上直接提到，AI相关业务是AWS增速的核心驱动力之一，当季新签约金额达到历史高位。Bedrock平台上托管的模型来自Anthropic、Meta、Mistral、Amazon自研Nova系列，现在又加上了OpenAI——每一次API调用，都在向AWS机房里的服务器付费，无论哪家模型提供商最终”赢”了。

Meta的故事：Meta本身不是云提供商，但它的广告业务从AI能力提升中受益匪浅。更精准的广告定向、更智能的内容推荐、更高效的广告创意生成——这些AI能力的提升，直接转化为每次广告展示的货币化效率提升。Meta还通过开源Llama系列，成为了整个AI生态的”基础设施提供商”，将其定位从单一平台扩展为生态系统中心。

这些数字讲述的，不是AI模型的胜利，而是AI基础设施租赁业务的胜利。

换一个更直接的比方：就像19世纪40年代加州淘金热时期，卖锹镐和牛仔裤的商人（李维斯）比真正挖金子的矿工赚了更多钱。云厂商卖的是AI时代的锹镐和牛仔裤，而OpenAI卖的是金矿图。当每个人都有金矿图可买时，金矿图的价值会随时间递减；但锹镐和牛仔裤，只要有人挖矿，永远都有需求。

从独占到多云：五年微软合作终结的24小时

2026年4月28日，也就是四大财报发布前一天，发生了一件改变AI产业格局的关键事件。

OpenAI宣布其模型——包括最新的GPT-5.4和即将发布的GPT-5.5——将正式登陆Amazon Bedrock，以限量预览形式向企业用户开放。这是OpenAI与微软五年独占协议实质性终结后，第一天即与AWS达成的扩展合作。时间点的选择绝非偶然。

根据Amazon官方公告，这次合作包含三个明确的产品层次：

第一层：OpenAI模型on Bedrock

企业可通过Amazon Bedrock的统一API访问OpenAI前沿模型，同时继承AWS的IAM权限管理、PrivateLink私有网络连接、Guardrails安全护栏、CloudTrail审计日志等完整企业控制层。关键细节：OpenAI在AWS上的消费支出，可直接计入企业已有的AWS云承诺额度（cloud spending commitment）。对于已与AWS签订每年数千万甚至数亿美元云承诺合同的大型企业，这意味着他们可以在不增加新采购流程的情况下直接使用OpenAI，大幅降低企业采购的摩擦成本。

第二层：Codex on Bedrock

OpenAI的编程Agent Codex（目前全球拥有超过400万名周活跃用户）进入AWS企业环境。开发团队可在AWS已有的代码仓库和部署流水线中直接使用Codex，无需将代码暴露给OpenAI的外部API端点。这对有数据主权要求的大型企业至关重要——源代码通常是企业最敏感的资产，很多公司法务和安全部门明确禁止将代码发送到第三方API。Codex on Bedrock通过”在AWS内运行”的架构，绕过了这个障碍。

第三层：Bedrock Managed Agents, powered by OpenAI

企业可在AWS云上快速构建生产级的OpenAI驱动Agent，利用Bedrock已有的Agent框架和超过300个企业工具集成。与此同时发布的，还有Amazon Connect四大行业解决方案（供应链、招聘、客服、医疗），以及Amazon Quick AI工作助手。AWS在4月28日那天像是集中引爆了过去半年的产品积累，OpenAI模型的加入让整个生态的”智能密度”在一天内跃升了一个台阶。

微软并未出局：主要云提供商地位保留

微软虽然失去了对OpenAI的独占，但并未因此出局，甚至可能还赚了一笔。

根据The Register对双方新协议的报道，在重新谈判的条款下：微软仍是OpenAI的主要云提供商，保留访问OpenAI核心技术的权利；但微软被解除了此前的收入分成义务（这是对微软的实质性经济补偿）。OpenAI获得了自由与其他云厂商合作的权利。

这意味着微软换取了财务负担的减轻，OpenAI换取了战略自由。双方都得到了自己更需要的东西。这也解释了为什么当天微软股价并未因”失去OpenAI独占”而大幅下跌——华尔街认为这是合理的条款重谈，而非零和博弈的输家。Azure那个季度40%的增速，侧面说明微软对OpenAI的依赖已在降低：Copilot企业版、Azure OpenAI Service的有机增长，已形成独立于”OpenAI独家”的收入支柱。

OpenAI多云的350亿美元算力赌局

在OpenAI多云战略背后，有一笔不容忽视的财务逻辑。

The Register报道了一个关键细节：AWS与OpenAI的合作，是今年2月达成的更大协议的一部分兑现——Amazon承诺为OpenAI提供最高350亿美元的融资，但条件是：OpenAI必须在Amazon的Trainium AI加速器上启动超过2吉瓦（GW）的算力规模。

2吉瓦的算力规模，相当于约150万到200万颗高端AI芯片的持续运行功耗——这意味着OpenAI实质上需要将相当一部分AI训练和推理工作负载迁移到AWS的Trainium硬件上。OpenAI登陆AWS不只是一笔API合作协议——它是一笔规模庞大的”算力-资金置换”交易。

这笔交易揭示了AI产业当前阶段一个冷峻的现实：即便是估值8500亿美元的OpenAI，也需要通过”算力采购承诺”来换取基础设施巨头的战略加持。AI模型公司的上游依赖——算力——仍然是最核心的战略资源。

AWS获得了Trainium的重量级用户（这对推广自有AI芯片、与NVIDIA争夺市场份额具有巨大标杆价值），OpenAI获得了最高350亿美元的资金支持以及触达AWS数百万企业客户的渠道。这是一笔双方都需要的交易，但它也暗示了：当前AI经济的定价权，更多仍握在基础设施提供商手中，而非模型开发者手中。

失速的解读：两种叙事都有道理

让我们回到开头的问题：OpenAI的增速低于内部预期，到底意味着什么？有两种截然不同的解读，都有其支撑证据。

解读A：AI模型商品化压力开始显现

如果OpenAI的营收增速低于内部预期，最可能的原因之一是模型市场竞争的结构性加剧。

过去18个月里，可商业使用的高质量AI模型数量急剧增加：Google Gemini系列、Anthropic Claude系列（企业合规性最强的选项之一）、Meta Llama 4系列（完全开源，可私有化部署）、Mistral、DeepSeek V4（开源，据第三方分析比较其API定价远低于GPT-5.5）。

Amazon Bedrock上现在同时提供来自十多家供应商的模型。一个企业开发团队可以在同一界面评估Anthropic Claude、Meta Llama 4、OpenAI GPT-5.4的性能和价格，然后按任务类型分配调用。在这种”多选一”的采购环境下，OpenAI最强大的模型在技术上的领先优势，可能无法完全转化为商业定价权。

这是AI模型商品化假说的核心论点：模型能力最终会趋同，但价格竞争会持续压缩领跑者的利润空间。

有一个数字可以作为商品化压力的代理指标：Bedrock Managed Agents现在支持来自多个供应商的模型，而AWS的定价结构将这些选择的成本差异直接呈现给了企业采购决策者。当OpenAI的API调用比同等能力的替代品贵出明显倍数时，大批量部署的企业会开始重新计算ROI。

解读B：预期管理失误，而非结构性失速

另一个同样有力的解读是：OpenAI的增速本身可能依然很快——只是其内部设定的预期过于激进，导致了”相对失速”的感观。

一家估值8500亿美元的公司，隐含的增速期望极高。私人市场对OpenAI的定价，假设的是未来五年内年均营收增长超过某个极高的倍数。如果实际增速是50%，但内部预期是80%，就会出现”增速很快但未达预期”的悖论状态。

而且，我们需要承认信息不对称：作为外部观察者，我们不知道OpenAI的”内部预期”究竟是多少，也没有独立来源能核实其实际营收数字。”未达内部预期”的表述来自WSJ知情人士引用，不是OpenAI的官方披露。

这两种解读不是非此即彼的。AI模型商品化压力是真实存在的长期结构性力量；OpenAI的预期设定可能也确实过于激进。两者都可以同时为真。关键问题是，在接下来的几个财报季里，哪种力量会以更快的速度显现。

合规边界：Goldman Sachs在香港切断Claude

在这场四大云厂商财报盛宴的同一天，另一则消息在金融行业引发了更直接的震动。

彭博社和路透社同时报道：Goldman Sachs已悄然限制香港员工使用Anthropic的Claude AI工具。限制针对特定地区，访港的海外员工在港期间同样受限。该工具主要被软件工程师使用。

单看这则消息，似乎只是一家银行的地区性合规决策。但结合背景来看，它揭示了AI商业化在金融行业遇到的一个日益重要的障碍：地缘政治正在成为AI工具采购的新变量。

Anthropic此前被美国国防部（DOD）列入供应链风险考量名单，相关合规担忧已在金融机构内部引发讨论——特别是那些在香港等地区运营的机构，面临着来自多个监管方向的合规压力。一方面是美国对AI供应链的安全审查趋严；另一方面是香港当地的数据合规要求；两者之间的张力，让银行合规团队不得不做出保守选择。

这个案例对AI行业有深远含义。在早期，AI工具的采购主要是技术和成本的问题。现在，它越来越变成一个政治和合规的问题：你的AI供应商是否在某个国家/地区的”白名单”上？你的AI供应商与哪些政府机构有合作关系？你的AI数据流向是否会触发跨境数据传输的监管要求？

Goldman Sachs对Claude的限制，可能只是这个趋势的一个早期迹象。随着AI工具在金融、医疗、政府等高合规行业的渗透深度加深，类似的地区性和供应商特定的限制可能会成为常态。

第三层洞察：AI经济分配的历史宿命

这场财报季揭示了一个大多数人还没完全看清楚的结构性矛盾，而这个矛盾在互联网时代有明确的历史先例：

AI经济的价值分配，正在朝着与互联网时代相同的方向演进——但速度更快，规模更大。

互联网时代，最终赚到最多钱的不是内容生产者（媒体、作家、音乐人），而是内容分发平台（Google、Facebook/Meta）；不是应用开发商，而是操作系统平台（Apple App Store、Google Play）。价值总是流向控制分发渠道的那一层，而不是创造内容或应用的那一层。

AI时代的类似逻辑正在清晰地呈现。赚钱的可能不是AI模型公司本身，而是：

  • 运行AI的云基础设施平台（AWS、Google Cloud、Azure）
  • 将AI能力封装进企业工作流的软件套件（Microsoft Copilot in M365、Salesforce Agentforce）
  • 拥有高质量独特数据的垂直行业公司（医疗记录、金融数据、法律文献）

OpenAI正面临的困境，在某种程度上与当年Netscape面临的困境存在结构性的相似之处：Netscape发明了商业互联网时代的浏览器，但当微软将IE预装进Windows、通过分发渠道的绑定让IE无处不在时，Netscape的商业模式就被釜底抽薪了——不是因为IE在技术上胜出，而是因为平台绑定的胜利压倒了产品能力的竞争。

今天的云厂商，正在将OpenAI整合进Bedrock、Azure OpenAI Service、Vertex AI。它们不需要OpenAI的模型”比自己强”，它们只需要让整合足够顺滑，让用户的转换成本足够高，然后慢慢将账单重心从”OpenAI API费用”转向”AWS基础设施服务费”。这个过程不会在一个季度内完成，但方向已经清晰。

然而，Netscape的故事也有一个关键的不同之处值得注意：Netscape确实被微软打败了，但万维网本身并没有消亡——它孕育出了谷歌、亚马逊、Facebook。类似地，即便OpenAI在商业模式上受到云巨头的压力，AI模型技术本身也不会因此消亡。OpenAI在AGI研究上的持续投入，或许正在下一个更大的赌注，而不是困在当前的API计费模式里。

这两种叙事——”被整合的Netscape”和”下注未来的先行者”——都在同时发生在OpenAI身上。投资者需要判断的，是哪条曲线的走速更快。

三个值得持续追踪的指标

在这场季度财报盛宴之后，有三个数字将在未来几个季度成为观察AI经济健康度的关键指标：

指标1：四大云厂商合计资本支出与AI营收的比值

Amazon、Alphabet、Meta、Microsoft在2026年的资本支出投入规模均处于历史高位，四家合计年度资本支出达到数千亿美元量级，其中AI相关基础设施占据绝大部分。这些投资需要通过AI服务的营收来偿付。

如果未来两到三个季度内，AI营收增速低于资本支出增速，这将向市场传递一个关键信号：AI基础设施可能正在超建，价格压力将在供给侧显现。反之，如果AI营收持续超越资本支出增速，则说明需求端的消化能力强于预期，”AI基础设施超建”的担忧是多余的。这个比值，将是AI投资叙事能否持续的核心数字。

指标2：OpenAI的实际收入披露或IPO进程

OpenAI目前的8500亿美元估值，建立在没有公开财务报告的基础上。这是AI产业信息不对称最极端的体现之一——一家估值堪比全球十大上市公司的企业，不需要向公众证明任何一个财务数字。

如果OpenAI在未来12个月内完成IPO，它将首次需要向公众披露真实的营收、增速、亏损规模和现金消耗速度。那将是AI产业估值体系重新校准的重要时刻。如果届时披露的数字与私人市场估值存在显著差距，整个AI一级市场的定价逻辑都将被迫重新审视。

指标3：开源模型的企业生产环境渗透率

DeepSeek V4、Meta Llama 4、Mistral等开源模型的企业级采用率，将直接影响OpenAI的定价权空间。目前这些开源模型主要用于实验和内部工具，在生产关键应用中的部署比例仍相对有限。

如果未来两个季度内，企业开始在生产环境中大规模部署开源模型（而非仅停留在实验环境），OpenAI在ToB市场的议价能力将面临真实的考验。云厂商的财报电话会议中，管理层对”托管API vs 自部署模型”使用量比例的措辞变化，可以作为代理指标来追踪这一趋势。

尾声：诉讼开庭的那一天

2026年4月29日，在四大云厂商财报发布的同一天，另一件具有象征意义的事情也在美国加利福尼亚州奥克兰联邦法院发生了：Elon Musk起诉OpenAI的法律诉讼正式开庭。

Musk声称，OpenAI违背了他当年参与创立时的核心承诺——”非营利使命，对全人类有益，以安全为优先”——要求法院裁定OpenAI的营利化转型为非法，并要求相关赔偿。

这场诉讼的最终走向充满不确定性。但它的开庭时机，带有某种历史性的隐喻：

就在OpenAI被四大云厂商争抢、私人估值达到8500亿美元历史高点、同时又被曝出增速低于内部预期的这一天，一个曾经帮助奠基这家公司的人，在法庭上质问它究竟还是不是它原本应该成为的样子。

云厂商赚到了钱，投资人拥有了估值，开发者使用了工具，全球用户使用了ChatGPT，Goldman Sachs的香港银行家被限制了访问——这场AI盛宴，在不同地区、不同角色的人眼中，呈现出截然不同的面貌。

这个问题，可能需要比一个财报季更长的时间来给出答案。但提出这个问题，本身就有价值。

参考资料

  1. CNBC, “OpenAI looms over earnings from tech hyperscalers”, 2026-04-29: https://www.cnbc.com/amp/2026/04/29/openai-looms-over-earnings-from-tech-hyperscalers.html
  2. Amazon About, “AWS and OpenAI announce expanded partnership”, 2026-04-28: https://www.aboutamazon.com/news/aws/bedrock-openai-models
  3. The Register, “OpenAI jumps out of Microsoft’s bed, into Amazon’s Bedrock”, 2026-04-28: https://www.theregister.com/2026/04/28/openai_climbs_into_amazons_bedrock/
  4. AWS Blog, “Top announcements of the What’s Next with AWS, 2026”, 2026-04-28: https://aws.amazon.com/blogs/aws/top-announcements-of-the-whats-next-with-aws-2026/
  5. Bloomberg, “Goldman Staff in Hong Kong Lose Access to Anthropic’s Claude”, 2026-04-29: https://www.bloomberg.com/news/articles/2026-04-29/goldman-staff-in-hong-kong-lose-access-to-anthropic-s-claude
  6. Reuters, “Goldman Sachs bars Hong Kong bankers from Anthropic AI use”, 2026-04-29: https://www.reuters.com/world/china/goldman-sachs-bars-hong-kong-bankers-anthropic-ai-use-ft-reports-2026-04-29/

补充视角：企业用户的真实处境

在这场关于云厂商营收和OpenAI估值的宏大叙事背后，有一个视角往往被分析师忽略：普通企业用户——那些真正使用AI工具的中大型公司——在这个快速变化的格局中，究竟面临着怎样的决策难题？

难题1：供应商锁定 vs 最优能力

企业正在被推向一个两难局面：一方面，AWS/Azure/Google Cloud都在积极推进”AI一站式平台”策略，鼓励企业将所有AI工作负载集中在单一云平台，享受集成优势和承诺额度折扣；另一方面，不同供应商的模型在不同任务上存在明显差异，真正的最优方案往往需要混合使用。

OpenAI登陆Bedrock这件事，表面上像是扩大了企业的选择范围。但更深层的逻辑是：AWS希望企业把OpenAI的费用也算入AWS的消费承诺，进一步加深与AWS的绑定深度。企业在获得便利的同时，实际上在加深对AWS这一层的依赖。真正意义上的多云AI策略（同时在AWS/Azure/GCP上部署，根据价格和性能动态切换），在实践中仍然极为罕见，因为整合成本和认知负担都太高。

难题2：合规要求正在碎片化AI工具格局

Goldman Sachs的案例不是孤例。在过去12个月里，金融、医疗、国防等高监管行业的AI工具采购已经出现了明显的地区化和供应商分化趋势：

美国国防承包商已开始明确区分”可用于ITAR敏感项目”和”不可用”的AI工具名单；欧盟AI法案（EU AI Act）的实施细则要求某些高风险场景的AI应用必须满足特定的透明度和人工监督要求；中国大陆市场实际上已形成相对独立的AI工具生态，国际主流AI模型的企业应用受到明显限制。

这种合规碎片化意味着：未来的全球AI工具市场，不会是赢家通吃的单一市场，而是按地区和行业分层的多个子市场。那些能够满足多地区合规要求的AI服务商，将比纯粹追求技术领先的公司拥有更宽的商业护城河。

难题3：AI代替人的成本核算变得复杂

四大超级云厂商都在财报中谈到了AI带来的效率提升，但很少有公司系统性地公开披露AI使用成本与员工成本的真实比较数据。

Salesforce公开披露了一个案例：其Agentforce在自身客服场景中处理了260万次客户对话，自动解决率达63%，数百名客服工程师成功转岗到增长业务线。但这个数据没有披露Agentforce的实际运营成本。当AI的使用成本（按量计费的API调用成本、基础设施成本、维护成本）被系统性地纳入ROI计算时，很多早期被描述为”革命性效率提升”的AI应用案例，实际回报远比宣传的复杂。

这不是说AI不值得部署，而是说当前很多关于AI效率提升的数字，都是在没有充分计算全成本的情况下给出的。企业决策者需要对”AI节省了X%的人工成本”这类表述保持审慎——它们往往只计算了最显眼的直接人工成本，而忽略了AI基础设施投入、提示工程成本、质量监控成本和边缘案例处理成本。

为什么这场财报季值得被长期记忆

回到这场财报季的历史意义。

2026年第一季度，将是AI历史教科书中的一个关键注脚，原因不是这四家公司的业绩（尽管都很出色），而是因为在这一季度里，AI产业的几个基本命题同时在同一周内被现实检验了：

命题一：AI基础设施投资会产生真实回报——Q1财报给出了肯定的答案，至少在基础设施层面是这样。

命题二：AI模型公司的商业价值与技术领先成正比——WSJ关于OpenAI增速低于预期的报道，给这个命题打了一个问号。

命题三：AI能力是全球可自由流动的商品——Goldman Sachs在香港的Claude限制，以及此前的Anthropic DOD黑名单，开始让这个假设出现裂缝。

命题四：技术进步与人类利益方向一致——奥克兰法院里开庭的Musk vs OpenAI诉讼，在提问这个问题时带着不同寻常的重量。

这四个命题，在不同的人看来，答案可能截然不同。但它们同时在同一天被现实直面，本身就构成了这个时代的真实面貌。

AI产业的未来，并不是一幅清晰的画。它更像是四个相互交织的故事，每一个都有可能朝着截然不同的方向发展，而它们的交织，才构成了我们正在共同书写的历史。