核心观察：AI算力扩张的竞争，正在从“谁能买到更多芯片”延伸到谁能把芯片、网络、数据中心、电力和客户需求组织成可持续交付的云服务。Alphabet已披露的经营指标显示云与模型调用需求强劲，也宣布新一代TPU、面向部分企业的直接供货和数据中心能源项目；但ima反馈中关于具体卡量、客户分配、租赁价格与ARR的数字缺少公开交叉验证，不能直接当作财报事实或供应链订单。
尤其需要把“用量增长”“算力供给受限”“商业化收入”分开观察。API处理量、云业务收入、合同backlog和已投运的电力容量属于不同指标，任何一项都不能单独证明某家上游厂商拿到订单，也不能替代对实际交付、利用率和现金回收的跟踪。
01｜需求指标很强，但不等于所有AI业务都能同步放量
Alphabet在2026年第二季度公开讲话中披露，Google Cloud收入同比增长82%，Cloud backlog达到5140亿美元；第一方模型API处理量约为每分钟220亿tokens，高于前一季度的160亿tokens，公司同时表示模型需求旺盛、供给仍受约束。Search与Other Ads、YouTube Ads当季分别同比增长17%和13%。这些数字给出了云服务、模型调用和广告业务的公开经营背景。
不过，tokens/分钟反映调用规模，不是收入或毛利；backlog代表未来履约义务的合同储备，也不是当期现金收入。Cloud增长、模型调用和消费者产品活跃度之间存在转化过程，需结合容量、定价、推理成本和合同履约周期判断。相关Q2口径可在Alphabet第二季度CEO讲话中核对。
02｜TPU的商业化从自用扩展到云服务和有限直供
Google Cloud公布第八代TPU分为训练侧TPU 8t和推理侧TPU 8i，体现出芯片架构按负载分化的方向：训练更看重集群规模、互联带宽和有效计算时间，推理则更强调低时延与成本效率。官方介绍将两类芯片纳入AI Hypercomputer体系，而不是孤立销售单颗器件。关于Google TPU互联拓扑及器件配比，可参阅站内的TPU 6D拓扑与AI互联拆解。
Alphabet在2026年6月投资者材料中表示，面对AI计算需求，将向部分企业客户提供可部署在客户自有数据中心的TPU；5月公布的Google与Blackstone合作，则由Blackstone作出初始50亿美元股权承诺，双方计划在2027年带来预期500MW容量，Google负责提供TPU、软件和服务。两者分别对应有限直供与第三方基础设施承载的云服务模式，不能简单概括为全面开放TPU市场。500MW是预期容量，不代表已经建成或并网。
从产业链看，TPU的价值也不仅在芯片本身，还取决于主机、内存、网络、软件栈、冷却和集群可用率。Google公开资料提到的系统级设计，提示投资者需要观察整机架构与互联方案如何变化；相关背景可延伸阅读Google TPU与OCS、光模块及高速PCB的关系。
03｜电力、并网和建设周期会限制芯片落地速度
加速器到货并不意味着可立即形成可售算力。数据中心需要完成供电、并网、冷却、网络、机房建设与集群调度，任何一环延后都会降低已采购设备的利用率。Google在2026环境报告中表示，AI基础设施建设速度快于电网脱碳进展，电网接入等待、市场碎片化、供应链延误和监管流程都会拖慢新增清洁能源供给。
公司披露的能源项目也应按阶段理解。Google于2026年10月公布与Constellation Energy合作，为美国电力系统增加890MW核电容量，并称重启与增容项目累计促成超过1.5GW新增核电容量。此类公告说明大型数据中心正在参与能源供给建设，但容量承诺、项目建成、并网发电和为特定机房供电仍是不同节点；不能据此推导某个季度可用的AI卡数。
04｜云业务与消费级AI之间存在资源配置和单位经济权衡
企业API、Cloud基础设施和消费者AI产品争用同一套算力与资本预算，但收入模式、使用强度和回收周期并不相同。企业服务通常按席位、调用量或云资源收费；消费者产品则要在免费体验、订阅、广告和推理成本之间寻找平衡。Alphabet第二季度公开讲话披露Gemini App月活接近9.5亿，同时模型API调用和Cloud业务也在增长，说明用户规模与企业用量可以并行扩张，但并不能由此得出内部算力分配比例。
ima反馈将部分消费端功能收缩归因于算力紧张，也讨论了智能体免费补贴和用户习惯迁移；然而“Manus/Muse”等名称混用，相关配额、补贴金额、活跃度及竞品付费率都未由可核验公开材料证实。更稳妥的研究框架是跟踪付费转化、单位推理成本、留存、广告变现和企业续约，而不是仅比较免费功能多少。关于算力资源如何影响生态与硬件链条，可参考站内Gemini算力与相关供应链复盘。
05｜芯片直售、云上租赁和内部自用的利润结构不同
自研芯片可以通过三类路径变现：留给自有模型和产品使用、以云实例形式出租，或直接交付给选定客户。云租赁把芯片与软件、网络、运维和容量调度打包；直接销售则把更多部署与利用率责任交给客户。不同模式在资本占用、服务收入、客户锁定、毛利结构和供给保障上的差异，决定了“外售多少”并不是孤立的销量问题。
公开材料确认Google正探索向部分企业客户直供TPU，也通过Blackstone合作扩大TPU云供给；但反馈中关于TPU总存量、给Anthropic的具体份额、V8外售比例、单卡售价和相对GB300性能价格比，未找到可靠公开依据。未经核实的客户配给与价格数字不适合用于测算收入或供应商受益。
06｜映射到A股产业链，先找订单证据再谈受益
自研加速器扩张可能带动服务器、先进封装、存储、交换网络、光互联、液冷、电源和数据中心建设等环节，但具体架构会改变各部件的价值量和需求节奏。Google TPU相关的OCS、光模块和板级互联讨论，可结合站内AI算力集中与基础设施重构分析继续拆解；技术路线变化本身不等于某家公司的供应关系已经成立。
本轮可核验的Google与合作方公开资料没有确认特定A股公司获得相关TPU、服务器、电力或数据中心订单。因此，更适合把行业资本开支视为需求背景，把上市公司公告、客户验证、产能利用率、出货结构、回款和毛利率作为兑现证据。若缺少客户或产品级信息，不宜把概念关联当作订单映射。
07｜后续观察重点是交付、利用率与现金回收
后续可沿着几条可验证路径跟踪：TPU 8t/8i实际可用时间及客户采用情况；Blackstone TPU Cloud从融资、建设到并网的进展；Cloud backlog向收入和利润转化的节奏；CapEx与经营现金流的匹配；模型调用增长能否覆盖推理成本；以及电力项目从公告走向实际供电的节点。
主要风险包括推理效率提升削弱单位算力需求、数据中心并网延误、供应链交期变化、客户集中、资本开支回报周期拉长，以及消费级智能体变现低于投入。市场交流中出现的Q3 ARR、卡量和客户配给等数字，在缺少官方材料或可追溯合同前仍应视为未验证信息。判断AI基础设施景气，最终要回到真实交付、利用率和现金回收，而不是单一的需求叙事。