【美國】科技巨頭 2026Q1 電話會議：超預期獲利和核心業務加速，擺脫 AI 投報率不足疑慮
重點整理
4/30，Google 、 Amazon 、 Meta 和 Microsoft 公佈 2026Q1 財報及電話會議，以下是 M平方整理的重點：
1. 營運成績單：
Google：營收達 1098.96 億美元，年增率 22%（前 12%），優於市場預期的 1072 億美元。營業利益率達 36.1%（前 34.0%），稀釋 EPS 為 5.11 美元（前 2.82 美元），大幅優於市場預期的 2.68 美元。核心業務的 Google Service，年增率加速至 16%（前 14%），因 AI 概覽與 AI Mode 的導入帶動搜尋查詢總量創下歷史新高，Google Cloud 業務營收達 200.28 億美元（前 122.60 億美元），年增率高達 63%，營業利益率由去年的 17.8% 大幅擴張至 32.9% 。積壓訂單比上一季近乎倍增至 4620 億美元，由企業端 GenAI 解決方案強勁需求及 TPU 硬體銷售協議所推動。
Amazon：營收達 1815.19 億美元，年增率 16.6%（前 13.6%），優於市場預期的 1773 億美元。營業利益率創歷史新高 13.1%（前 11.8%），稀釋 EPS 也大幅創高至 2.78 美元（前 1.59 美元），遠優於預期的 1.64 美元。除了受惠於 AI 優化營運效率和裁員等因素外，也包含從 Anthropic 投資中所獲得的 168 億美元稅前非營業利益。核心的「電商部門」正在加速，北美和國際部門的營收增速分別為 12.1%（前 9.9%）和 18.7%（前 16.8%），而 AWS 作為爆發業務營收達 375.87 億美元，年增率達 28.4%（前 23.6%），創下過去 15 個季度以來的最快增速。 AWS 目前年化營收運轉率已達 1500 億美元，其中 AI 服務在最初三年內的年化營收貢獻已超過 150 億美元。
Meta：營收達 563.11 億美元，年增率 33%（前 23.8%），優於市場預期的 555.2 億美元，稀釋 EPS 為 10.44 美元（前 6.43 美元），年增率高達 62%，大幅優於預期的 6.65 美元。核心業務的 Family of Apps 營收成長加速 33.4%（前 24.3%），受惠於廣告展示次數年增 19% 及平均廣告單價年增 12%，Reality Labs 中的 AI 智慧眼鏡也呈現強勁成長。
Microsoft：營收達 829 億美元，年增率 18%（前 16.7%），優於市場預期的 813 億美元；毛利率 67.6%（前 68%）創低反映資料中心基礎建設潮的折舊成本，排除投資 OpenAI 影響後的稀釋 EPS 為 4.27 美元（前 5.16 美元），仍優於市場預期的 4.06 美元。核心業務的智慧雲端部門（Intelligent Cloud）年增率 29.6%（前 28.8%）。其中 Azure 及其他雲端服務營收的年增率高達 40%，表現優於預期，其他還有 Copilot 的付費席次也正式突破 2,000 萬，年增高達 250%。
2. Agentic AI 和 Workflows 全面爆發：各公司不僅只在推廣 AI 基礎模型，而是全面轉向開發具備商業價值可落地的「 AI Agent 」，例如：
Google正積極推動「 Agentic Commerce 」，與業界合作推廣通用商業協定，讓 AI 能在線上零售平台為用戶執行購物與結帳流程。
Amazon 的 Rufus 購物助理的參與度比去年同期飆升近 400%，而 Bedrock 託管代理服務，能讓企業能輕易建立具狀態的代理應用程式。
Meta 透過最新發布的 Muse Spark 模型，讓 Meta AI 已經能在 WhatsApp 和 Messenger 等平台上作為企業的數位客服代理，每週促成的對話數從年初的 100 萬次激增至 1,000 萬次。
Microsoft 正將 Copilot 從對話助理，進化為能執行長期任務的協同工作者 (async co-workers)，並推出 Agent 365 來協助企業管理龐大數量的代理工具。
3. 資本支出持續爆發：為了應對龐大的 AI 需求，四家公司都面臨著算力基礎建設限制，四家公司都在大幅增加硬體基礎設施的投資，並且坦言短期內零組件價格與基礎設施的供應跟不上需求。
Google： 將 2026 年全年的資本支出指引上調至 1,800 億至 1,900 億美元。
Amazon：2026Q1 的現金資本支出已高達 432 億美元，資金絕大部分用於 AWS 與生成式 AI 的產能擴張，且管理層認為在目前 AWS 處於高度成長的時期，資本支出的增速將明顯超越營收增速。因為 Amazon 必須提前為土地、電力、建築、晶片、伺服器和網路設備支付現金，這些前置投資通常比實際向客戶收費變現早了 6 到 24 個月。
Meta：將 2026 年資本支出預測由 1,150 ~ 1,350 億美元上調至 1,250 ~ 1,450 億美元。
Micorsoft：預期 2026 年的資本支出將高達 1,900 億美元，其中包含約 250 億美元是因為零組件漲價所致，預期至少在 2026 年結束前，產能依然會處於受限狀態。
4. 自研晶片趨勢爆發：除了為了擺脫單一供應商（Nvidia）的依賴外，由於 AI 進入推論和 Agent 的階段後，成本、功耗和延遲成為關鍵，因此針對不同推論任務和服務場景而設計的客製化 ASIC 就會是解方，例如：
Google：在 Cloud Next 大會上，正式推出專為應付最嚴苛代理式工作負載的 TPU 8i，其性價比（每美元效能）較上一代提升了高達 80% 。自研晶片除了有利於 Google 的「全端 AI 戰略」，包括內部產品和外部雲端服務的優化，也創造了新的商業模式（向第三方直接銷售 TPU 硬體）。
Amazon：管理層預計 Trainium 每年能為公司節省數百億美元的資本支出，且業務也正在向外擴張，包括提供給 Anthropic 與 OpenAI 的 Tranium 訂單（目前累計營收承諾超過 2250 億美元），以及 Graviton CPU 提供比其他 x86 處理器高出 40% 的性價比，這也讓 Meta 與 AWS 近期簽署了一項價值數十億美元的多年期協議。這讓自研晶片業務的「年化營收運轉率」已突破 200 億美元，年增達三位數的高速成長。
Meta：自研的 MTIA 就是專門用於 Facebook/Instagram 的推薦系統與推理任務。 Mark Zuckerberg 也強調發展自研晶片是「 Meta Compute 」倡議的重要目標，為的是優化長期營運成本，並正在與 Broadcom 合作開發自家的客製化晶片，且正準備部署超過 1 GW 的自研晶片算力。
Microsoft：Satya Nadella 強調為了迎接「代理運算時代」，微軟正針對每一層技術堆疊進行最佳化，從資料中心設計、底層自研晶片，再到系統軟體和模型架構，例如 Maya 200 負責高效的 AI 算力，且在成本效益上有顯著突破，與微軟機隊中最新的其他晶片相比，其「每美元可處理的 Token 數量」提升了超過 30%；Cobalt CPU 負責大規模的通用與關聯性工作負載，而 Azure Boost 晶片更將原本由伺服器 CPU 負擔的虛擬化、網路與儲存任務拉出來進行加速。
5. 其他科技進展：除了 AI 外，科技巨頭也在衛星通訊、自動駕駛、硬體機器人以及擴增實境等更長線的前沿科技上，有更多商業化進展，例如：
Google：Waymo 自動駕駛車隊已經進入指數型成長階段。目前每週的全自動駕駛搭乘次數已突破 50 萬次，在短短不到一年內就實現了翻倍的成長，2026 年至今已拓展了 6 個新城市，目前總計在美國 11 個主要城市營運。除了載客服務外，Waymo 也正與 Walmart 和 DoorDash 合作，進軍無人外送領域。
Amazon：低軌衛星業務已在太空中部署超過 250 顆衛星，並預計在 2026Q3 正式推出商業服務；自動駕駛乘車服務 Zoox 已經累積近 200 萬英里的行駛里程，並載運超過 35 萬名乘客，目前已在拉斯維加斯和舊金山向大眾開放；再者，Amazon 正在將最新一代的機器人與自動化技術導入物流網路，2026 年在美國新啟用的所有大型物流中心都將全面部署這些新世代機器人。
Meta：與 Ray-Ban 合作的 Meta AI 智慧眼鏡表現極佳，每日活躍用戶數較去年同期大增三倍。 Meta 計畫讓這款眼鏡從單純的「問答工具」，進化為「全天候陪伴的個人 AI 代理」，另外 Meta 也提到，消費者對於結合「 Meta 神經腕帶」的新一代顯示眼鏡展現出濃厚的興趣，這被視為智慧眼鏡產品線的下一個世代演進方向。
結論 四家科技巨頭的股價在電話會議盤之後表現不一，截稿前 Google 上漲 +7% 、 Amazon +2.74% 、 Microsoft +0.34% 、 Meta 卻下滑 -7%，Meta 大跌反映的是大幅上調 AI 資本支出後，短期折舊、零組件漲價對於利潤率壓抑，以及 AI 投入過大但回收不足的擔憂，但事實是 Meta 繳出了遠優於預期的獲利成績，且其他科技巨頭也有同樣的現象，證明了 AI 並非成本的黑洞，反而在 AI 導入後開始加速巨頭們的核心業務，同時達到降本增效的效益，尤其在 AI Agent 技術更加成熟後，提供了更多 Agentic 工作流商業落地的可能性，而這也讓 AI 支出更有變現的機會，繼續支撐持續投入大量 AI 資本支出的理由。
更多詳細財報和電話會議內容，可參考 美股財報資料庫