← Timothy P. Morgan 主页
G
GOOGL · Alphabet · Timothy P. Morgan 的视角

谷歌母公司

Timothy P. Morgan × GOOGL

Alphabet 是同时拥有模型、云、搜索流量、TPU 自研加速器和全球数据中心的 AI 超大规模平台，核心驱动是 Gemini/Vertex AI 与 TPU/Ironwood 把训练和推理成本内化，关键约束是资本开支、电力容量、企业云份额和自研 TPU 生态能否在 NVIDIA/CUDA 标准之外持续扩张。

速览 · 10 秒看懂数据截至 2026-06-16

Alphabet 是同时拥有模型、云、搜索流量、TPU 自研加速器和全球数据中心的 AI 超大规模平台，核心驱动是 Gemini/Vertex AI 与 TPU/Ironwood 把训练和推理成本内化，关键约束是资本开支、电力容量、企业云份额和自研 TPU 生态能否在 NVIDIA/CUDA 标准之外持续扩张。

他的立场看多15 条发声
观点印证台账1 条 · 待验 1不按表现排序
估值位置见财报块历史/同业分位待补

下面各块可点导航跳转：前瞻研判（他怎么看未来）· 观点印证台账 · 我们的数据验证 · 真财报 · 产业逻辑深析。所有当前数字以「财报」块为准（实时）。观点 更新于 2026-06-16；前瞻周更；页面以重建为准。

前瞻研判 · 他怎么看接下来

未来怎么走、盯什么事、什么信号验证或推翻

下面是 Timothy P. Morgan 本人对 GOOGL 的前瞻判断与该盯的催化剂——我们如实呈现他的研判，不替你下结论，判断仍归你自己；历史观点只作为公开事实复盘背景。

他的前瞻判断

2026-2028
Google被TPM视为全栈AI玩家，TPU、云、网络和CapEx共同构成平台优势

「他写Google Cloud已经接近十年前Google整体规模且利润更高，并把TPU 8与新网络一起评估。」

原推 · 2026-05-02 ↗

催化剂日历 · 未来什么事会推动它

待定 利多
TPU 8部署、Google Cloud利润率和Anthropic相关需求

能验证Google全栈路线是否真的把自研芯片转成云收入和系统效率。

他提及 ↗

事件与时间为客观日历 / 他公开提及；方向标注代表对该票的潜在影响，非买卖建议。

观点印证台账

公开观点与后续公开数据是否一致

数据截至 2026-06-16
⚠️ 待验
Google被TPM视为全栈AI玩家，TPU、云、网络和CapEx共同构成平台优势
观点日期 2026-05-02 裁决日 2028-12-31 SEC 13F · signal_position_change

2026-03-31: 10580 家机构申报, 合计净增 1500.5M 股, 持仓市值约 $2.47T, 持有机构数较上季 增加 669 家

原始观点 公开数据轨

价格时间轴仅帮助理解公开观点发生的时间位置；本区不按表现排序，不展示由价格涨跌推导的结果。

我们的独有数据 · System2

他的判断，被 13F 资金 / 实物硬数据验了吗

他最近在 GOOGL 上怎么说

中性2026-06-16

TPM把Tensordyne Converts AI Matrix放进平台框架，重点看GOOGL系统瓶颈、钱流和验。

原帖 ↗
中性2026-06-16

明年将掀起风暴，AI 芯片新秀 Tensordyne 推出用于张量流的对数动力引擎。$GOOG $AMZN $NV。

原帖 ↗
中性2026-06-07

Money Math用公开CapEx、服务器收入和网络份额估算利润池迁移，重点是量级。

原帖 ↗
看他在 GOOGL 上的全部 15 条观点流 →
财报与关键数据 · 数据采集中心

真财报 + 13F + 信号

SEC XBRL · 截至 2026-06-16
US$402.8B
FY2025 FY 收入
SEC XBRL companyfacts
59.7%
毛利率 GM
FY2025 FY
32.0%
营业利润率 OPM
FY2025 FY
US$73.3B
自由现金流 FCF
FY2025 FY
✓聪明钱看点
  • TPU 外部客户采用和区域可用性比单次模型发布更能说明 Google 是否把自研算力变成云差异化。
  • Gemini 在 Search、YouTube、Android、Workspace 与 Cloud API 的调用闭环，是 Alphabet 相对纯云厂商的最大杠杆。
  • HBM、先进封装和数据中心电力是 TPU 扩容的实际瓶颈，需同时跟踪芯片和基建供给。
  • Google Cloud 若能在大模型训练客户之外获得企业推理和数据平台工作负载，AI 投入回报会更稳定。
⚠口径风险
  • Alphabet 的 AI 价值分布在广告、订阅、云和基础设施之间，外部很难精确拆分各产品收入贡献。
  • TPU 是差异化但也可能形成生态边界，客户迁移成本、框架兼容和 CUDA 惯性不可忽视。
  • 财报、持有人和雷达数据块未接入本文件，本文不伪造收入、利润、估值或 13F 数字。
  • 监管、隐私、版权和反垄断风险会影响 AI 功能在搜索、广告和 Workspace 中的部署速度。

SEC XBRL companyfacts · FY2025 FY
  • ✓FY2025 FY 毛利率 59.7%，毛利 US$240.3B
  • ✓FY2025 FY 营业利润率 32.0%，营业利润 US$129.0B
  • ✓FY2025 FY 净利率 32.8%，净利润 US$132.2B
  • ✓FY2025 FY FCF US$73.3B
毛利率 GM 59.7%
营业利润率 OPM 32%
净利率 NM 32.8%

AI 收入结构

集团收入趋势 · US$B
FY2024Q3FY2024Q1FY2024Q2FY2024Q3FY2025Q1FY2025Q2FY2025Q3FY2026Q1

Alphabet在AI产业链依赖谁、被谁依赖、和谁竞争？

上游 / 下游 / 竞品
上游
  • Broadcom
  • Taiwan Semiconductor Manufacturing Company
  • SK hynix
  • NVIDIA
  • Arista Networks
  • Vertiv
下游
  • Anthropic
  • Snap
  • Spotify
  • Walmart
  • Reliance Jio
  • Palo Alto Networks
竞品
  • Microsoft
  • Amazon Web Services
  • Oracle
  • Meta Platforms
  • OpenAI

Alphabet靠哪些产品/平台支撑收入？

含收入贡献 / 量产状态

Google Cloud Vertex AI

Vertex AI + Gemini API

模型开发、微调、评估、MLOps、RAG 和企业级生成式 AI 平台

收入贡献Google Cloud AI 商业化的核心平台入口
量产成熟度
量产

Google TPU

Ironwood/TPU v7 及前代 TPU

面向大规模训练和推理的自研 AI 加速器，以 Pod 形态接入 AI Hypercomputer

收入贡献降低内部 Gemini/广告/推荐推理成本，并作为 Cloud 差异化算力产品
量产成熟度
量产

AI Hypercomputer

TPU/GPU + storage + networking + software

把加速器、Jupiter 网络、存储、调度和软件栈组合为大模型训练/推理系统

收入贡献承载大模型客户和内部 AI 工作负载的基础设施平台
量产成熟度
量产

Gemini

Gemini 3/多模态模型家族

用于搜索、Workspace、Android、Cloud API 和企业智能体的基础模型

收入贡献带动广告体验、订阅、企业 API 和云算力消耗
量产成熟度
量产

BigQuery + Looker

云数据分析与 BI 平台

企业数据仓库、向量搜索、治理、分析和 AI 应用数据底座

收入贡献把企业数据存储与生成式 AI 应用绑定，支撑 Cloud 消费
量产成熟度
量产

Google Workspace with Gemini

Workspace AI

在 Gmail、Docs、Sheets、Meet 等办公入口中提供生成、总结、检索和自动化

收入贡献企业订阅与 AI 增值服务收入承载
量产成熟度
量产

US$B · SEC XBRL companyfacts · FY2026Q1
口径FY2025Q1FY2025Q2FY2025Q3FY2026Q1
收入 90.23496.428102.346109.896
毛利 53.87357.38960.97768.625
营业利润 30.60631.27131.22839.696
净利润 34.5428.19634.97962.578
FCF 18.953——10.116

缺失期项以 — 表示，未用估算填充。

供应链上每个环节的上行/下行情景是什么？

·

自研加速器·Broadcom/TSMC

依赖TPU ASIC 设计协同、先进制程流片、CoWoS/先进封装、高速 SerDes 和系统级良率

↑Ironwood/后续 TPU 量产顺利，Google 把内部推理和云客户训练成本压低，减少对外部 GPU 稀缺性的暴露
↓流片、封装或互连良率不达预期，TPU 供给无法支撑 Gemini 和云客户需求，Google 被迫高价采购更多 NVIDIA GPU

HBM·SK hynix/Samsung/Micron

依赖HBM3E/HBM4 容量、带宽、热设计和与 TPU/GPU 封装认证

↑HBM 供应稳定且通过 TPU 平台认证，Ironwood Pod 的大模型推理吞吐和总拥有成本优势更可验证
↓HBM 排产被 NVIDIA/AMD 高端 GPU 挤占，TPU 扩容受内存约束而非芯片设计约束

云网络·Arista/Broadcom

依赖400G/800G 以太网、光模块、交换 ASIC、拥塞控制和集群调度软件

↑AI Hypercomputer 的网络和调度可将 TPU/GPU 集群利用率做高，Google Cloud 用性能/成本差异争取大模型客户
↓网络尾延迟、故障域或光互连供应限制导致大集群效率下降，客户转向 OCI、Azure 或 neocloud

数据中心电力散热·Vertiv/Schneider/GE Vernova

依赖高压接入、变压器、UPS、液冷、冷板/CDU、备用电源和电网互联

↑Google 通过长期电力、液冷和园区建设能力锁定高密度集群容量，Gemini 和 Cloud 不受短期电力瓶颈压制
↓电网排队、液冷改造或变压器短缺延迟新区域上线，资本开支形成沉没成本但收入释放滞后

模型与开发者·Gemini/Vertex AI

依赖基础模型质量、上下文窗口、多模态能力、企业安全、MLOps 和 API 可用性

↑Gemini 与 Vertex AI 把搜索、Workspace、Android 和 Cloud 客户流量转为模型调用，TPU 成本优势在应用层兑现
↓模型能力或开发者生态落后 OpenAI/Anthropic，Google 拥有算力但无法获得足够高价值推理流量

企业云渠道·Accenture/Deloitte/SIs

依赖行业解决方案、迁移服务、数据治理、合规和企业采购关系

↑系统集成商把 Gemini Enterprise、BigQuery 和 Vertex AI 打包进企业项目，Google Cloud 获得粘性工作负载
↓企业客户继续把核心 AI 项目放在 Azure/AWS，Google Cloud 只承担边缘数据分析或实验性模型调用

谁在公开披露里持有 GOOGL？

完整历史 = Pro
持有主体披露市值权重来源 · as_of
B BlackRock, Inc.
US$233.2B 4.1% SEC 13F · 2026-03-31
V VANGUARD CAPITAL MANAGEMENT LLC
US$195.5B 4.8% SEC 13F · 2026-03-31
S STATE STREET CORP
US$118.3B 4.1% SEC 13F · 2026-03-31
F FMR LLC
US$99.2B 5.2% SEC 13F · 2026-03-31
G GEODE CAPITAL MANAGEMENT, LLC
US$75.4B 4.7% SEC 13F · 2026-03-31
M MORGAN STANLEY
US$55.3B 3.3% SEC 13F · 2026-03-31
A ARK ARKK/ARKQ/ARKW/ARKX
US$44.8M 1.3% ARK日频 · 2026-06-23

和主要同业的定位差在哪？

· 2026-06-24
公司定位关键差异
AlphabetAlphabet
 搜索/广告入口、Google Cloud、Gemini、TPU 和全球数据中心一体化平台 自研 TPU 与内部巨量推理负载结合，既能优化成本又能把模型分发到 Search、YouTube、Android、Workspace
MicrosoftMicrosoft
 Azure、OpenAI 合作、Microsoft 365 Copilot 和企业软件入口 企业办公与开发者入口强，Google 的差异在 TPU 自研栈和搜索/YouTube 消费入口
Amazon Web ServicesAmazon Web Services
 IaaS 龙头、Bedrock、Trainium/Inferentia 和 EC2 GPU 云基础设施覆盖最广，Google 的差异在前沿模型自研和 TPU 长周期沉淀
OracleOracle
 OCI 裸金属 GPU、RDMA Supercluster 和企业数据库云 OCI 强在大规模 GPU 集群和数据库客户，Google 强在模型、TPU 和消费级流量闭环
Meta PlatformsMeta Platforms
 社交广告、Llama 开源模型和自建 AI 基础设施 Meta 强在开源模型扩散和社交流量，Google 强在云商业化和 TPU 对外服务能力
CoreWeaveCoreWeave
 GPU 专用 neocloud CoreWeave 专注 NVIDIA GPU 快速供给，Google 提供更完整的模型、数据、TPU/GPU 混合和企业云服务

什么公开信号会推翻当前叙事？（反证阈值·非预测）

产业链
  • ⚠Google 公开减少 TPU 外部云客户供给或延迟 Ironwood/后续 TPU 区域可用性，且原因指向量产、封装或可靠性问题。
  • ⚠Gemini 在核心基准、企业客户采用或开发者 API 使用上连续落后 OpenAI/Anthropic，导致 TPU 成本优势无法转化为高价值需求。
  • ⚠Google Cloud 大型 AI 客户公开迁移训练集群到 Azure、AWS、OCI 或 neocloud，并把原因归结为性能、价格或容量不足。
  • ⚠Alphabet 资本开支继续上行但 Google Cloud AI 收入和利润贡献无法同步改善，说明算力投入回报周期被拉长。
  • ⚠数据中心电力、液冷或变压器短缺导致多个已宣布区域延期上线，且延期影响 Gemini 或 Google Cloud AI 服务可用性。
  • ⚠NVIDIA CUDA/Blackwell/Rubin 生态在软件效率上继续扩大优势，使 TPU 只能服务内部负载而难以成为外部客户通用训练平台。
产业逻辑深析

为什么是这门生意：产业链位置 / 护城河 / 竞争 / 误读纠偏

产业链位置护城河与壁垒竞争格局他对这只票的独特读法与误读纠偏

产业链位置

在 Citrini 的 chain_ledger 中，GOOGL 与 NVDA 一起处于“AI 一阶 · 资本开支函数起点”，但角色不同。NVDA 更像训练/推理基础设施平台，GOOGL 则是模型、云、TPU、搜索、YouTube、Android 和企业应用分发的复合体。Citrini 曾在 2025-08 将 Google 视作“最不对称的大盘 AI 赢家”（2026-06 复盘口径称随后约 9 个月翻倍，仍需按公开市场数据独立复核），这个判断的重点不是单纯估值，而是市场可能低估了 Google 同时拥有 AI 基础设施、模型能力和分发入口。

从主题迁移角度看，GOOGL 的产业链位置横跨三段：上游是 TPU、GPU、HBM、封装、电力和数据中心；中游是 Gemini、Vertex AI、Google Cloud、TPU 云服务和开发者生态；下游是 Search、YouTube、Workspace、Android、广告主和企业客户。它既是 AI capex 消耗者，也是 AI 服务提供者和 AI 分发者。Citrini 会关注这种“既有一阶基础设施，又有应用分发”的不对称性：如果 AI 采用加速，Google 可能通过 Cloud 和广告/搜索产品吸收价值；如果 token 经济学压低前沿模型溢价，Google 的自研 TPU、分发和数据入口也可能成为成本优势。

护城河与壁垒

GOOGL 的护城河在 Citrini 框架下不是单点模型，而是多重分发和垂直整合。Search 和 YouTube 提供消费端注意力与广告变现，Google Cloud/Vertex AI 提供企业端入口，TPU 提供自研算力和成本控制，Android/Chrome/Workspace/Gmail/Maps 构成产品网络。AI 主题进入 token 经济学阶段后，拥有分发、数据、模型和算力的公司，比只拥有单点模型的公司更容易测试不同定价和成本结构。

但护城河也有反面。Search AI experiences 如果提升用户体验但削弱商业点击，广告利润池可能被重估；Cloud AI 如果增长依赖高 capex，现金流质量需要检验；TPU 如果不能被足够多外部客户采用，成本优势会被质疑。Citrini 的方法不会只写“Google 有护城河”，而会追问护城河如何进入财务：AI 是否增加查询和广告 ROI，Cloud 是否把模型需求变成收入，TPU 是否改善单位经济性，Workspace/Gemini 是否产生真实付费。

竞争格局

GOOGL 的竞争对手跨越多条线：Microsoft/Azure/OpenAI 在企业 AI 和办公入口竞争，Amazon/AWS 在云基础设施竞争，Meta 在开源模型和广告效率竞争，Anthropic、OpenAI、xAI 等在模型心智竞争，NVIDIA/ASIC 生态则影响算力成本。Citrini 会把竞争拆成“能力竞争”和“经济竞争”。能力竞争看模型表现、产品体验和开发者使用；经济竞争看 token 成本、API 定价、云毛利、客户 ROI 和分发效率。

如果 AI 继续沿“大模型能力竞赛”推进，GOOGL 需要证明 Gemini、TPU 和 Cloud 能保持前列；如果市场转向“good enough will do”，它又需要证明自己能用分发和成本优势承接够用模型的大规模调用。与纯模型公司相比，GOOGL 的优势是已有流量和云客户；与纯云公司相比，优势是搜索和广告分发；与硬件公司相比，优势是能把 AI 直接嵌入消费和企业工作流。

他对这只票的独特读法与误读纠偏

Citrini 对 GOOGL 的独特读法，是把它当作 AI 主题中被市场误读的大盘复合期权：既有 AI 基建消耗，又有自研 TPU 对冲；既有模型能力，又有 Search/YouTube/Workspace 分发；既有 Cloud 收入出口，又有广告主 ROI 反馈。这种结构让它不只是“会不会被 AI 颠覆的搜索公司”，也可能是 AI 采用扩散中的低估分发层。

常见误读有三类。第一，只把 GOOGL 看成搜索被颠覆风险，忽略它也拥有模型、云、TPU 和产品分发。第二，只看 Gemini 模型榜单，忽略 AI 商业化最终要回到 token 成本、广告 ROI、Cloud 收入和企业预算。第三，把 Citrini 的“最不对称大盘 AI 赢家”当成无条件结论。该判断有日期和复盘口径，也需要持续验证：Search 商业点击是否稳固，Cloud AI 是否增长，TPU 外部采用是否扩张，capex 是否转化为现金流。本文不构成买卖建议、评级或目标价。引用来源为仓库深研、思想体系，以及 Citrini Research 公开复盘和相关二手报道口径。来源口径：仓库深研_citrini.md、思想体系.md；引用公开 Citrini Research《AI: Global Equity Beneficiaries》(2023-05-31)、《US Fiscal Primacy》(2023-09-18)、《Citrindex One Year Anniversary》(2024-06-02)、《Interconnects 101》(2024-07)、《2028 Global Intelligence Crisis》(2026-02-22)、《State of the Themes: June 2026》(2026-06-08)，以及 Oninvest/Bloomberg/Fortune/Benzinga 等二手报道。本文只做研究拆解，不构成投资建议。

仅保留不随行情过期的产业逻辑章；时效性内容以上方财报与前瞻块为准。

◆ 单人通 · 解锁完整研报

Timothy P. Morgan 看 GOOGL · 完整个体视角研报锁后

免费看结论与关键指标；完整交付 = 他的前瞻研判（判断/催化剂/触发点） + 13F 仓位/调仓回放 + 真财报数据 + 产业逻辑深析 4 章 + 他的完整观点流——开通单人通看全文。

开通单人通 · $79/年← 回 Timothy P. Morgan 主页

本页整合公开披露/SEC 真财报 + 独立深度研究 + Timothy P. Morgan 公开观点与我们的跨源交叉验证；仅供研究学习，不构成投资建议、无估值/目标价；观点台账只记录公开观点与后续数据是否一致；提及不等于持仓；引用以来源为准。观点随发声日更、前瞻周更，页面新鲜度以重建为准。