微軟不需要贏，只需要確保贏家在自己的平台上

> Meta Shift

Azure 上季成長 43%，全年首次突破 $100b 營收，聽起來很強 — 但同一個季度 Google Cloud 成長 82%，幾乎是 Azure 兩倍。

十八個月前這三家雲端巨頭的成長率還在同一個區間內彼此競爭，現在差距已經大到很難用「各有擅場」來帶過了。這個分歧背後有一個很清楚的邏輯，Tom Tunguz 在他的分析裡把它說得很直接：Google 在 own the frontier，微軟在 resell the frontier。

這不是在罵微軟。這是兩種不同的商業策略，只是現在的市場條件讓其中一種看起來更有攻擊性。

---

商業模式拆解：分銷商的算法

微軟的 AI 策略本質很簡單 — 我不需要訓練最強的模型，我只要確保最強的模型都在我的平台上賣。

OpenAI、Anthropic，甚至 Meta 的 Llama，通通可以透過 Azure 存取。Satya Nadella 自己說過：「every model is substitutable」。這句話乍聽像是在強調靈活性，但換個角度解讀，其實是在承認 — 他們沒有獨家的模型優勢，所以只能強調 平台的可替換性 本身就是優勢。

這個邏輯有點像是電信商：我不需要自己拍節目，我只要確保 Netflix、Disney+、HBO 都在我的頻道上賣。分發優勢在短期內確實有效，問題是利潤結構。

微軟的晶片策略也反映這個取向。他們有自己的 Maia 200 和 Cobalt，但這兩個還在發展階段，實際部署的基礎設施仍以 Nvidia 的 GPU 為主。這意味著每一張 GPU 的 margin，微軟都要分一塊給 Nvidia — 你在幫別人的 roadmap 付費（來源：Tomasz Tunguz 分析）。

相比之下，Google 自己設計 TPU，自己訓練 Gemini，然後把這整個 stack 打包成 Google Cloud 的服務。整條供應鏈的 margin 都在自己口袋裡。Alphabet 上季 capex 是 $44.9b，幾乎是 Google Cloud 當季營收 $24.8b 的兩倍，但 cloud operating margin 同時從 20.7% 擴張到 35.6%，operating income 三倍成長。這就是擁有 stack 的好處 — 你花得多，但回收得也多（來源：Alphabet 財報）。

微軟的 capex 下一季預計超過 $50b，其中約三分之二花在 CPU 和 GPU，而非土地和基礎建設。CFO Amy Hood 把這描述為「彈性」：如果需求改變，可以隨時放慢採購。這個說法不完全是鬼話，但更可能的解讀是：他們沒有 Google 那樣的 ROI 確信度，所以不敢像 Google 一樣把賭注押得那麼重。

---

競爭格局：三家的打法完全不同

	AWS	Azure	Google Cloud
成長率（上季）	約 19%	43%	82%
模型策略	多方押注（Bedrock 代理多家）	主押 OpenAI，其他做補充	自研 Gemini 為核心
晶片策略	自研 Trainium / Inferentia	Maia 200（仍以 Nvidia 為主）	自研 TPU，已商用
Capex 彈性	高（AWS 彈性架構）	中（大量 GPU 採購，可減速）	低（大量長期基礎建設投入）

AWS 的策略是 Bedrock — 同樣是 resell 邏輯，把各家模型包進平台讓客戶選，但它的基礎設施成本結構因為 Trainium 和 Inferentia 比微軟更好，自己的晶片分擔了一部分 Nvidia 的 margin 壓力。

Google 的策略最激進，也最難複製。它在下一個大 bet — 認為自己擁有從晶片到模型到應用的整個 stack 是最終護城河。這個邏輯如果正確，Google Cloud 的成長還沒到頂；如果 AI 熱潮降溫，Google 的固定成本也是最沉重的。

微軟目前是三家裡面 backlog 最大的，商業合約存量達到 $678b。但這個數字藏著一個很大的問題。

---

問題的核心：OpenAI 這個變數

微軟的 $678b contracted backlog 是三家最大的，看起來像是護城河。但 Hood 在財報電話中透露，如果排除 OpenAI，backlog 的成長只有 25%（來源：微軟 FY26 Q4 財報）。

今年新增的約 $310b backlog 裡，估計有 $220b 來自 OpenAI — 這家公司承諾購買 $250b 的 Azure capacity。也就是說，微軟近一半的未來訂單高度集中在一個客戶，而這個客戶目前是靠資本市場融資，不是靠獲利來支付帳單。