搜尋廣告面對 AI 競爭是否有被侵蝕？
搜尋業務展現強大韌性，AI 實際上擴大了搜尋的使用情境與頻率。
- 營收成長強勁： Google 搜尋與其他廣告營收在 2026 年第一季達到 604 億美元，年增 19%，主要由零售和金融服務領域帶動。
- 查詢量創新高： 執行長 Sundar Pichai 指出，搜尋查詢量正處於歷史新高。用戶對 AI Overviews (AI 總覽) 和 AI Mode 等新體驗反應良好，並因此更頻繁地回到搜尋頁面。
- 廣告轉換效率提升： AI 的導入顯著提升了廣告的相關性。透過 Gemini 優化的智慧出價 (Smart Bidding) 和廣告工具 (如 AI MAX)，廣告主看到了更高的投資回報率 (ROI)。例如，Hilton EMEA 透過 AI 工具，在減少 20% 支出的情況下，點擊量增加了三分之一。
Cloud 營收成長速度是否維持高檔？
Google Cloud 營收不僅維持高檔，甚至出現顯著的加速成長。
- 營收突破性成長： Google Cloud 營收在本季達到 200 億美元，年增率高達 63%，這是 Cloud 營收首次突破 200 億大關。
- 積壓訂單翻倍： 雲端業務的積壓訂單 (Backlog) 達到 4,620 億美元，較上一季幾乎翻了一倍。
- GenAI 驅動力： 來自生成式 AI (GenAI) 產品的營收年增近 800%，新客戶獲取速度翻倍，並簽署了多個數十億美元級的大型合約。管理層指出，若非受限於算力供應 (Compute Constrained)，雲端營收甚至會更高。
- 雲端業務的差異化核心： 執行長 Sundar Pichai 指出，Google Cloud 是唯一一家在整個企業級 AI 堆棧（AI Stack）中提供「第一方解決方案」的供應商。這種將底層基礎設施（TPU/GPU/CPU）、頂層模型（Gemini）與平台工具（Vertex AI）整合的能力，才是 Google Cloud 在市場中脫穎而出的關鍵。
營業利潤率效率提升還是支出失控？
Alphabet 在大幅增加 AI 投資的同時，仍成功提升了利潤率，展現了良好的營運槓桿。
- 利潤率全面提升： 整體營業利潤率從去年同期的 33.9% 提升至 36.1%。Google Cloud 的營業利潤率更從 17.8% 大幅躍升至 32.9%。
- 支出確實大幅成長： 資本支出 (CapEx) 本季達 357 億美元，主要用於伺服器 (佔 60%) 與數據中心 (佔 40%)。2026 全年資本支出指引上調至 1,800 億至 1,900 億美元區間，且預計 2027 年資本支出將比 2026 年顯著增加 (管理層未透漏具體數字)。
- 效率優化： Alphabet 透過「科學流程創新」和內部 AI 工具 (如 Antigravity 代理程式編碼) 來優化成本。自升級至 Gemini 3 以來，核心 AI 回應的成本已降低了超過 30%。
AI 展望：Gemini 如何變現？
Alphabet 已建立多層次的 Gemini 變現路徑，涵蓋企業、個人訂閱與廣告整合。
- 企業端 (B2B)： Gemini Enterprise 的付費月活躍用戶 (MAU) 季增 40%，大型企業如 Bosch、Mars Inc. 已開始採用。此外，透過 API 提供模型的使用量也大幅增加，處理代幣 (Tokens) 達到每分鐘 160 億個。
- 個人訂閱 (B2C)： 透過 Gemini App 推動的消費者 AI 方案成長強勁，帶動 YouTube Premium 和 Google One 訂閱總數達到 3.5 億。
- 代理商電商 (Agentic Commerce)： 推出「通用商務協議」(UCP)，讓用戶能在 AI Mode 或 Gemini 中直接完成結帳，Ulta Beauty 等合作夥伴已開始導入此功能。
總結而言，Alphabet 正處於 AI 驅動的加速成長期，雖然資本支出預算極大，但強勁的營收成長與 Cloud 業務利潤率的改善，說明了其 AI 投資正轉化為實質回報，但潛在風險仍是回報不及支出速度的可能性。
Alphabet TPU 重點加映 (發展與台廠供應鏈息息相關)
1. 商業模式與策略轉型：從雲端服務延伸至硬體供應
- 直接交付模式：Alphabet 正在進行重大策略調整，開始將 TPU 硬體直接交付至特定客戶的數據中心，而非僅限於透過 Google Cloud 提供服務。
- 營收認列展望：TPU 硬體協議已納入高達 4,623 億美元的雲端業務積壓訂單 (Backlog) 中。預計 2026 年底將認列小部分營收，絕大部分營收將在 2027 年實現。
- 獲利邏輯：此舉旨在擴大可服務市場 (TAM)，並透過規模經濟降低整體運算成本，支持公司持續投入下一代技術研發。
2. 技術規格與效能優勢：第八代 TPU 登場
- 產品線分工：在 Cloud Next 大會推出的第八代 TPU 針對工作負載進行細分
- TPU 8t (訓練)：專為高效能模型訓練設計，處理能力是前代 (Ironwood) 的 3 倍，效能提升 2 倍。
- TPU 8i (推理)：專為低延遲推論設計，每美元效能比前代提升 80%。
- 垂直整合優勢：Alphabet 強調其「全棧式」(Full-stack) 方案，將自研晶片、邊界模型 (Gemini) 與平台工具深度整合，形成核心競爭門檻。
3. 客戶群分析：鎖定專業與大規模運算需求
- 重點客戶領域：主要針對需要大規模、專業化且偏好在自有設施運行架構的機構
- AI 實驗室：對模型訓練有極高算力需求的尖端研發單位。
- 資本市場：如 Hudson River Trading 等需要高效能運算進行交易分析的公司。
- 高效能運算 (HPC) 與機器人：包括 Thinking Machines Lab 與 Boston Dynamics。
4. 供應鏈格局與製造風險
- 自研與代工並行：Alphabet 自行設計 TPU 晶片，但其伺服器與網絡設備的生產仍依賴少數合格供應商與合約製造商進行組裝。
- 產能受限 (Compute Constrained)：目前面臨算力供應短缺的挑戰。管理層坦言，若能滿足所有需求，雲端營收將會更高。
Alphabet 在AI競爭優勢的核心在於「垂直優化」(Vertically Optimized) 的架構。由於 Alphabet 同時擁有自研晶片、邊界模型、平台及廣泛的應用生態，各層級組件能更緊密地協同開發，這不僅能推動產品創新，還能透過硬體與工程突破顯著降低 AI 回應的成本 (如 Gemini 3 降低超過 30%)，因此 TPU 預期會是公司持續加大投入的方向之一。
