Jim Friedland（投资者关系主管）
Sundar Pichai（首席执行官）
Philipp Schindler（首席商务官）
Thomas Kurian（Google Cloud 首席执行官）
Anat Ashkenazi（首席财务官）
Douglas Anmuth（摩根大通）
Brian Nowak（摩根士丹利）
Eric Sheridan（高盛）
Ross Sandler（巴克莱）
Justin Post（美银美林）
Mark Shmulik（AllianceBernstein）
Michael Nathanson（MoffettNathanson）
大家好。感谢各位在线等待参加 Alphabet 2026年第三季度业绩电话会议。[Operator Instructions] 现在，我将把会议交给今天的发言人、投资者关系主管 Jim Friedland。请开始。
谢谢。大家下午好，欢迎参加 Alphabet 2026年第三季度业绩电话会议。今天与我们一同参会的有 Sundar Pichai、Philipp Schindler、Thomas Kurian 和 Anat Ashkenazi。现在我简要说明一下安全港声明。我们今天就公司业务、运营和财务表现所作的部分陈述可能被视为前瞻性陈述。此类陈述基于当前的预期和假设，并受多项风险和不确定性的影响。实际结果可能存在重大差异。请参阅我们的 10-K 和 10-Q 表格，包括其中的风险因素。我们不承担更新任何前瞻性陈述的义务。在本次电话会议中，我们将同时介绍 GAAP 和非 GAAP 财务指标。非 GAAP 与 GAAP 指标的调节表包含在今天的业绩新闻稿中，该新闻稿已通过我们位于 abc.xyz/investor 的投资者关系网站发布并向公众提供。除非另有说明，我们的评论将基于同比比较口径。现在我将会议交给 Sundar。
谢谢 Jim，大家好。第三季度对 Alphabet 而言是一个强劲的季度。我们深厚的全栈方法正在推动整个业务的发展势头，前方还有诸多机遇。让我为大家快速概述本季度的情况。Alphabet 收入同比增长25%。我们目前的年化收入运行率已达到0.5万亿美元。这是非常显著的增长。搜索业务势头强劲。我们的 AI 投资正推动使用量和整体查询量的增长，包括商业查询。事实上，我们的查询量同比增长率是过去五年中最高的。Google Cloud 收入增长了103%。我们的 AI 基础设施和解决方案是云业务增长的主要驱动力，客户视我们为这一领域的领先提供商，因此需求巨大。我们正在努力上线更多产能以满足这一长期需求。同时，我们看到各类客户对 TPU 系统的需求强劲，并预计随着规模扩大，这一趋势将持续。我很高兴欢迎 Thomas 参加本次电话会议，他将分享更多关于云业务发展势头的信息。在 AI 模型方面，客户对我们模型的使用量前所未有。我们的第一方模型 API 目前每分钟处理近320亿个 token，较上季度增长40%，是一年前处理量的4倍以上。凭借 Gemini 4 Argon 以及今天我们宣布的 Carbon，我们很高兴能够处于前沿领域的领先地位。Gemini 应用目前已拥有10亿用户，是 Google 历史上增长最快的产品。最后，我们在全球范围内的 YouTube Music 和 Premium 订阅用户（含试用用户）已超过1.5亿。今天，我将更多地谈论我们在 AI 方面的进展、以搜索和 YouTube 为首的全球消费者平台，以及我们的长期押注项目。首先谈 AI，其亮点是我们的 Gemini 4 系列前沿模型。我们看到两周前推出的 Argon 需求和用量强劲。事实上，在我们的开发者平台上，即使存在产能限制，首周的使用量攀升速度也比 Gemini 3 快3.5倍。事实证明，Argon 在金融、法律、网络安全和科学等领域表现出色。开发者和云客户已经在使用它来处理诸如梳理遗留代码库、加速科学研究、机器人技术、发现产品改进以及需要深度推理的特定领域任务等事项。而在 Google 内部，仅在过去几周，Chrome、广告和搜索团队就使用 Argon 更快地编写和优化代码，代码交付量增加35%，错误减少30%。Argon 只是 Gemini 4 系列的开端。今天，我们宣布了 Carbon。这是我们最强大的前沿模型，具备最先进的网络安全和长周期能力。它在近期更新的 Artificial Analysis Intelligence Index 中以59分排名第一。Carbon 在几乎所有领域都优于 Argon，例如全栈网页开发、多模态理解、复杂知识工作和科学推理。我们将在扩大访问范围之前，首先向一部分受信任的网络防御者推出 Carbon，并且它正在接受美国政府的测试。除 Gemini 4 系列外，昨天我们宣布了 Genie 4，这是我们迄今最先进的世界模型，可实时模拟具有原生音频的安全、逼真、交互式世界。这是训练机器人和智能体的重要基础模块。这一快速进展凸显了我们惊人的模型发展势头。我们正处于 AI 帮助我们提升训练和发布速度的阶段。由于 RSI，我预计未来12个月将继续加速。我们很快还将推出更多模型，包括更高效的版本，以帮助开发者优化速度和成本，并在我们数十亿用户中进行部署。接下来谈谈搜索，它比世界上任何其他产品都让更多人受益于 AI。正如十多年前我们向移动端转型一样，我们专注于打造最佳搜索用户体验，随后才是变现。我们正在 AI Overviews、AI Mode 和传统搜索之间构建无缝的统一体验。人们越来越多地使用我们的 AI 功能，以全新的方式进行搜索。他们的查询更长、更个性化且多模态化。AI Mode 中的查询平均长度是传统搜索的三倍，全球每五次 AI Mode 搜索中就有一次使用语音、图像或文档。我们目前每月视觉搜索量已超过500亿次。令我感到兴奋的一个领域是帮助人们完成任务，无论是预订、填写表格、安排预约还是购物。随着 AI 变得更加个性化并开始为个人和企业采取行动，信任和安全比以往任何时候都更加重要。人们已经在日常生活中信任 Google 来帮他们完成任务，我们在这一领域的领导地位仍然是重要的差异化优势。我们首先专注于通过面向企业的 Gemini agent 完善这些智能体体验，因为对安全性、保障性和治理的要求极高。作为下一步，我们将把这些功能引入搜索，当然也会引入到 Gemini 应用的10亿用户中。人们已经在使用 Gemini 应用做更多事情，而不仅仅是提问。他们用它来办事，包括复杂的多步骤智能体查询。我们的 Gemini 4 系列在这方面迈出了非常大的一步，并且已经能够很好地处理这些复杂任务。智能体将作为统一层贯穿我们的产品。因此，你们将看到我们把这些智能体体验从搜索和 Gemini 应用扩展到 Chrome、Android 以及我们的 Workspace 产品。再来看 YouTube，按观看时长计算，它继续在美国客厅场景中保持第一大流媒体平台的领先地位。正如我所提到的，它的订阅用户也实现了良好增长。在上个月的 Made On YouTube 活动上，我们为创作者和观众宣布了30多项产品和功能。一个很好的例子是自定义信息流，你只需选择一个喜爱的主题，即可获得基于该主题的定制视频主页信息流。Philipp 将详细介绍 YouTube。接下来谈谈我们的长期押注项目。Waymo 发展轨迹良好。我们现在已完成超过3亿英里的全自动驾驶里程。Waymo 目前在美国15个主要城市运营，最近刚刚在圣安东尼奥、圣地亚哥和坦帕向公众开放服务，并计划扩展至加拿大、德国、新加坡和西班牙。我们在其他长期项目上也取得了强劲进展。Isomorphic 正在使用 Argon 支持药物设计研究。我们首次在量子计算中演示了 magic state cultivation，并通过 Project Suncatcher 将 TPU 送入太空。所以这是一个忙碌的季度，未来还有更多内容。我要感谢员工们在本季度的辛勤工作，现在交给你，Philipp。
谢谢 Sundar，大家好。我将重点介绍我们在搜索、YouTube 和合作伙伴关系方面的发展势头。我们继续加快在整个广告基础设施中部署 Gemini 模型，以提升我之前强调的三个领域的表现：广告质量、广告主工具和 AI 用户体验。首先是广告质量。将 Gemini 模型整合到我们的广告基础设施中，正在改善我们解读用户意图和提升广告相关性的方式。例如，在第三季度，我们对商品详情广告进行了十年来最大规模的更新，增加了新的 AI 功能，帮助用户做出更有信心的购买决策。我们已经看到满意度提升了19%，不满意度下降了一半以上。我们还看到 AI 模型能够实现更好的点击和转化预测、更强的整体表现以及更深层次的广告个性化。例如，通过在个性化建模方面的多项创新，我们在2026年为 Discover Ads 带来了18%的广告主增量价值，用户好感度提升了8%。总体而言，AI 正在加速我们的广告开发，并推动了我们大部分的产品发布。其次是广告主工具。我们正在确保每一位广告主，从全球品牌到小型企业，都能无缝参与我们的 AI 服务。AI Max 和 Performance Max 继续获得广泛采用。为了给营销人员提供更多控制权，我们现在推出了一种方法，可在单个 AI Max A/B 测试中跨多个搜索广告系列测试不同的预算和投资回报率目标。为了提升效果，我们将 AI 创意工具直接整合到了 AI Max 中。仅在第三季度，Gemini 模型就帮助广告主生成了超过15亿个广告素材资源，同比增长超过7倍。例如，通过使用 AI Max 捕获长尾和多语言查询，Telstra 的转化量提升了52%，单笔订单成本降低了36%，无论其客户如何搜索，都能在关键时刻展现。第三是 AI 用户体验。Sundar 提到了随着用户提出全新类别问题时所观察到的明显行为变化。我们从整体上看待搜索，它是一个涵盖传统结果和 AI 驱动搜索的统一产品。在 AI Mode 中，许多这类查询属于漏斗上层查询，使我们能够捕获新的高价值商业意图。此外，大多数 AI Mode 查询都是增量的，随时间推移创造了更多变现机会。另外，我们的用户研究表明，人们对这些界面上的广告感到习惯，并认为它们高度相关。在 AI Mode 中，赞助商品列表项与自然商品列表项的点击率已经相近。基于这些综合结果，我们现在正在向更多用户和查询推广 AI Overviews 和 AI Mode 中的高质量广告。这包括首次将我们的变现覆盖范围推向全球。今天，我们宣布将 AI Mode 中的广告扩展至国际市场，同时在美国推出 AI Mode 中的多轮对话广告。一如既往，我们的方法是审慎的，优先考虑用户体验和互动，然后才规模化那些能为广告主带来已验证投资回报率的格式。正是这种纪律性为我们未来的强劲、持久基础提供了保障。正如 Sundar 所提到的，我们在各项服务中的智能体体验仍处于早期阶段，并对未来的商业机会感到兴奋。Universal Commerce Protocol（UCP）正被零售商迅速采用。如今，UCP 使数十万个品牌能够在 Google 平台上实现直接结账，包括 Chewy、Nike、Tapestry 等。在我们构建未来商业的过程中，我们将其与 Agent Payments Protocol 相结合。我们的重点涵盖两个方面：解锁代表消费者行事的智能体能力，以及设计能赋予购物者信心和控制权的实用工具。本季度我们推出了 Universal Cart 以支持第二个方向，反映了人们如今在 Google 上的实际购物方式。这使零售商能够维持与客户的关系，同时有助于促成销售并避免购物车遗弃。接下来谈 YouTube。我们将 YouTube 视为创作者、观众和广告主的飞轮。首先是创作者。每天有超过2000万个视频被上传。我们通过 YouTube Studio 中新的生成式 AI 工具，以及 Shorts 和 YouTube Create 中的对话式编辑助手，让创作变得更轻松。再看观看量。在 Made On YouTube 活动上，我们推出了短剧系列，创作者可以将其 Shorts 组织成季和集。顺序播放让观众能够无缝发现新的 Shorts 并持续观看。第三部分是变现，从广告开始。我们的重点仍然是在整个漏斗中提供价值。在第三季度，客厅场景占 YouTube 广告总收入的三分之一以上。中小型广告主继续采用 Demand Gen，推动直接响应。在 YouTube 上，Wayfair 的 Demand Gen 广告系列带来的广告支出回报率是传统视频覆盖面广告系列的2.3倍。我们的 YouTube Creator Partnerships 项目将品牌与超过300万名创作者联系起来，以推动高成效的广告活动。像 Lexus 这样的品牌继续与 Colin and Samir 等创作者合作，使品牌考虑度提升了11%。全球已有超过130万个频道加入了 YouTube Shopping。在此势头基础上，我们最近宣布 Amazon 加入 YouTube Shopping。美国创作者现在可以在其视频、Shorts 和直播中直接标记 Amazon 商品，从而推动直接转化。重要的是，我们的订阅生态系统继续与广告业务形成互补。在 YouTube Music Premium 的带动下，订阅业务的增速继续快于广告业务。YouTube Premium 拥有超过1.5亿订阅用户。通过 Premium 和 Premium Lite，观众有了选择。随着越来越多的人选择高级体验，这对观众、创作者和我们的业务都是共赢。订阅有助于资助创作者生态系统并推动平台向前发展。最后是战略合作伙伴关系。企业选择 Google，是因为我们将云、AI、广告和消费者平台结合在一起，加速他们的转型。我们扩大了与 American Express 的合作，以支持其联络中心的持续现代化，并在搜索和钱包领域开展智能体商务合作。Unity 签署了一项扩大的多年期云协议，将使用我们的全套 AI 技术栈为下一代游戏引擎提供支持。我们的商业优先事项很明确：扩大广告主的投资回报率、系统性地提升我们的 AI 变现效率，以及扩展生态系统合作伙伴关系以支持下一个发现时代。最后，我要感谢各地 Googler 出色的执行力，以及客户和合作伙伴持续的信任。Thomas，交给你了。
我们强劲的发展势头源于由芯片、模型、数据、安全和智能体平台组成的集成式 AI 产品组合，所有这些都是为协同工作而设计的。我们在产品线、行业和客户方面实现了良好的多元化。Google Cloud 目前有18条产品线的年收入均超过10亿美元。本季度的增长由 Google Cloud Platform 的强劲增长推动，AI 和核心 GCP 均表现强劲。TPU 系统销售也是重要的贡献因素。在过去12个月中，超过2600家客户使用了至少1000亿个 token，近75家客户在 Gemini Enterprise 上使用了至少10万亿个 token。近90%的财富100强企业在使用 Gemini Enterprise，而在2025年第三季度使用 Gemini Enterprise 的客户，其对我们的支出同比增长了三倍以上。客户使用 Gemini 的一个重要方式是知识工作。在我们所有的 AI 服务中，我们已售出超过1亿个知识工作席位。Gemini Enterprise 现在包含了深度整合到我们整个云产品组合中的 Gemini agent。它可以通过一个智能体、一个 API 和一个提示窗口进行研究并回答问题、编写和运行代码以及自动化流程。它为企业提供了强大的安全和成本控制，以及最广泛的前沿模型选择。客户包括 BNP Paribas，该公司正在向超过65000名员工部署 Gemini Enterprise，以简化工作流程，同时保持严格的企业级安全和数据治理。Tata Steel 在短短九个月内部署了300多个专用 AI 智能体，以提升制造安全性、优化供应链并将客户服务时间缩短50%。Ulta Beauty 构建了 Ulta AI 购物助手，其转化率是其网站上传统浏览方式的3倍。Gemini 还在加速推动我们的数据库、分析和网络安全产品。Gemini 现在可以帮助用户从结构化和非结构化数据中查找、分析和可视化信息。Gemini 使用我们的 Knowledge Catalog 查找正确的信息来源和定义，从而提高准确性、降低 token 成本并使响应更可靠。Gemini 使用我们的 Lakehouse 以零复制方式访问来自多个系统的信息。为响应智能体分析需求，BigQuery 的查询速度同比提升超过40%，同时查询处理成本同比降低超过50%。客户包括 Deutsche Telekom，该公司使用 BigQuery、Cloud Storage 和 Knowledge Catalog 在40多个传统本地系统之上构建统一的数据湖仓。Etsy 将三 PB 的数据迁移到了统一的湖仓。通过使用 BigQuery 和 Iceberg，他们现在执行关键数据连接的速度提高了多达60%。网络安全威胁风险的不断增加也推动了对我们 AI 驱动安全平台的强劲需求。我们的 Gemini Flash 网络模型是前沿模型，可自动发现20种编程语言的漏洞，修补可靠性比其他模型高2.6倍。随着我们推出 Argon 和 Carbon，性能还将进一步提升。我们的安全平台整合了威胁情报、网络响应优先级排序、自动扫描、代码修复和监控。Gemini 和 Google Threat Intelligence 每天自主分析数百万个外部事件，准确率达98%。超过95%的 Wiz 客户正在采用 AI 驱动的功能，且增长仍在继续。这些安全工具保护着关键基础设施，包括 Banorte 和 Jack Henry 等金融机构，以及 AT&T 等电信服务提供商。所有这些都由我们领先的 AI 基础设施提供支持，涵盖我们的 TPU 系统、Axion CPU、最新的 Nvidia GPU 以及专为 AI 智能体设计的 Agent Compute Engine。TPU 系统是专为 AI 构建的专用系统，将硬件、计算存储和网络与系统组件以及针对训练和推理优化的软件相结合。与我们上一代 TPU 相比，TPU 8t 和 8i 分别可提供高达2.7倍的训练性能提升和80%的推理性价比提升。为了让开发者轻松地将工作负载移植到 TPU，我们最近与 Meta 密切合作推出了 TorchTPU，允许用户使用他们已经熟悉和依赖的工具在 TPU 上训练、服务和部署 PyTorch 模型。目前已有近100家客户使用 TPU，我们还看到许多其他客户的强劲且不断增长的需求。除了我们与 Anthropic 的合作（包括直接合作以及通过 Broadcom 合作），以及像 Apple 这样的公开参考客户（他们正在最新一代 TPU 上扩展其基础模型的预训练）之外，我们还与新的前沿模型公司合作，包括 Mirendil 和 Physical Intelligence；与资本市场公司合作，包括 Citadel Securities 和 jump trading；与大学合作，如 Caltech；以及与公共部门服务提供商合作，包括 Cassava 和 Cirrascale。鉴于需求持续强劲且不断加速，我们最近已与 Crux AI 和 Oracle 达成合作以交付 TPU 系统，还有更多合作正在进行中。
交给你了，Anat。
谢谢 Thomas。除非另有说明，我的评论将侧重于第三季度的同比比较。我将首先介绍 Alphabet 层面的业绩，然后介绍各分部业绩。最后，我将对2026年第四季度和全年的展望作一些说明。我们度过了一个强劲的第三季度，实现了连续第13个季度的两位数收入增长。合并收入为1276亿美元，按报告口径和固定汇率口径均增长25%。总收入成本为514亿美元，增长24%。流量获取成本（TAC）为164亿美元，增长10%。其他收入成本为351亿美元，增长32%，主要受硬件成本（主要与 TPU 系统销售相关）、折旧增加、内容获取成本以及技术基础设施运营成本推动。总运营费用增长20%至356亿美元。研发费用增长36%，主要受薪酬（主要是对 AI 人才的投资）以及折旧推动。销售和营销费用增长22%，原因是针对 Gemini 的投资和薪酬。一般及行政费用下降17%，主要原因是去年同期第三季度发生的较高法律费用基数效应，部分被本年度的法律费用所抵消。营业收入增长30%至406亿美元，营业利润率为31.8%。其他收入和支出为负82亿美元，主要是由于第三季度 SpaceX 股价下跌导致我们对其投资产生的未实现亏损。净利润和每股收益因 OI&E 下降而减少。第三季度我们产生了423亿美元的强劲经营现金流，过去12个月为1796亿美元。经营现金流受到 TPU 系统销售库存增加的负面影响，以及在上诉程序结束后支付的52亿美元2018年欧盟委员会罚款现金。第三季度资本支出为514亿美元，其中绝大部分用于技术基础设施，以支持我们在 AI 方面的投资。第三季度我们在技术基础设施方面的投资约65%与服务器和网络设备相关，这些资产的使用寿命通常为六年。其余35%用于数据中心，使用寿命为7至40年。受资本支出投资推动，第三季度自由现金流为负91亿美元。第三季度的自由现金流还受到前述为支持 TPU 系统销售而进行的库存增加以及支付欧盟委员会罚款的影响。过去12个月的自由现金流为197亿美元。本季度末，我们拥有2651亿美元的现金和有价证券，其中包括904亿美元的有价权益证券。长期债务为1251亿美元。我们还签订了多年期协议以确保技术基础设施和库存的产能，以及租赁和能源供应。截至第三季度末，我们有9240亿美元的未来采购承诺，以及1520亿美元的尚未起租租赁和其他义务。这些美元金额反映了最高合同义务。然而，其中许多协议具有可变定价和数量灵活性，可能导致实际支出较低。此外，正如我们在新闻稿中所述，董事会宣布每股普通股派发现金股息0.22美元，将于12月支付。转向分部业绩，Google 服务收入增长11%至963亿美元，反映出搜索和订阅业务的强劲增长。广告总收入增长11%，所有主要垂直行业均实现增长。正如我们在上季度展望中所述，外汇对同比增长率构成轻微逆风，并对环比产生更显著的影响。Google 搜索及其他广告收入增长12%至633亿美元，其中零售业的贡献最大，其次是金融业。YouTube 广告收入增长9%至112亿美元，其中品牌广告的贡献最大，客厅场景表现尤为强劲。网络广告收入为75亿美元，增长1%。本季度订阅平台和设备收入增长11%至143亿美元，主要受 YouTube 订阅（尤其是 YouTube Music 和 Premium）的强劲增长以及 Google One 中 AI 套餐的强劲需求推动。Google 服务营业收入增长17%至392亿美元，营业利润率为40.7%。Google Cloud 分部在第三季度实现了创纪录的增长。云业务收入增长103%至307亿美元，主要受 GCP 的强劲增长推动，其中 AI（包括 AI 基础设施和 AI 解决方案）以及核心 GCP 均表现强劲。TPU 系统销售也是重要的贡献因素。GCP 占第三季度产生收入的绝大部分。剔除 TPU 系统影响后的云收入增长率再次表现极其强劲。云业务营业收入为111亿美元，同比增长两倍以上。营业利润率从去年第三季度的23.7%提升至36.2%。我们在上次电话会议中讨论的第三方桥接产能在第三季度末才刚刚上线，因此对本季度利润率的负面影响有限。第三季度 Google Cloud 的积压订单为5610亿美元，其中大部分与典型的 GCP 合同相关。我们预计在未来24个月内将略高于55%的总积压订单确认为收入。在其他赌注（Other Bets）方面，收入为3.72亿美元，营业亏损为20亿美元，因为我们继续扩展 Waymo 的业务并投资于关键的其他赌注项目。在 Alphabet 层面活动中，营业亏损为77亿美元，主要受共享 AI 研发费用推动。现在我来谈谈对2026年剩余时间的展望。首先，在收入方面，按当前即期汇率计算，我们预计第四季度外汇对合并收入的逆风将略大于上一季度。这一影响将主要体现在搜索和 YouTube 广告中。在 Google 服务方面，我们将继续面临去年第三季度开始的搜索表现加速的基数效应，这将对第四季度的收入增长构成压力。在 Google Cloud 方面，我们预计 TPU 系统销售将在第四季度继续扩大规模，随后在2027年实现显著的收入增长。关于云业务利润率，鉴于供应受限的环境，我们在第三季度末开始使用第三方计算产能，并将在第四季度扩大使用量。我们预计在短期内使用这些产能时将面临利润率逆风。转向投资方面，我们2026年全年1950亿至2050亿美元的资本支出指引区间保持不变。我们继续预计2027年资本支出将大幅增加，并将在第四季度电话会议上提供更多细节。在费用方面，我们在技术基础设施方面投资的大幅增加将继续以更高的折旧费用和相关数据中心运营成本（如能源）的形式对损益表造成压力。在进入问答环节之前，我想就我们如何看待投入资本回报率和自由现金流说几句。我们处于一个独特的位置，能够通过触达数十亿用户和企业的众多产品来实现 AI 投资的变现。我们在搜索方面的 AI 投资正推动我们五年来最高的查询量增长。年初至今，Google Cloud 已产生数百亿美元的 AI 收入，而受 AI 套餐需求推动，Google One 是我们增长最快的订阅产品。在整个投资周期中，我们预计将产生具有吸引力的 ROIC，使其显著高于我们的资本成本，并预计将产生强劲的经营现金流。我们在技术基础设施方面的巨额投资以及随着 TPU 系统业务扩大规模而进行的库存增加，将对自由现金流构成压力。第三季度是一个强劲的季度，其亮点在于我们在业务各个领域的创新和纪律严明的执行，包括 Gemini 4.0 的推出。我想借此机会感谢员工们对我们业绩的贡献。现在我们将进入问答环节。
谢谢。[Operator Instructions] 我们的第一个问题来自摩根大通的 Doug Anmuth。您的线路已接通。
感谢解答问题。一个问题给 Sundar，一个给 Philipp。Sundar，在最近的一档播客中，你说2027年可能成为 Google 生产力的黄金时代，因为新一代模型以及它们将如何与你的其他产品整合。我希望你能详细说明一下，并分享更多关于你如何看待未来机遇的看法。然后是 Philipp，关于查询量增长，虽然是五年来最快的，但显然搜索增长有所放缓。你能否帮助我们理解这其中的脱节？是否仅仅是因为在 AI Overviews 和 AI Mode 中展示的广告较少，而这部分现在在整体查询中所占比例越来越大？谢谢。
谢谢 Doug。我想说，随着我们的模型在长周期任务、智能体编码等方面变得更好，我们确实从内部的3.8 Flash 开始看到了阶跃式的变化。但一旦我们开始在内部部署 Argon，绝对看到了一个巨大的拐点。这是我们在软件工程方面见过的最有意义的内部生产力杠杆之一，直接体现在提交的高质量代码、提交速度以及回滚数量的减少上。但更重要的是，人们正在解决大规模问题，而且我们开始看到通过部署这些模型在产品和消费者体验方面带来的创新。但这一切都发生在大约四周前。我们现在正在内部部署 Carbon，而 Carbon 相比 Argon 是一个显著的提升。因此，随着我们推出它，并用更多的算力让所有 Googler 广泛使用，这就是我所指的内容。自从我在播客中说了那番话之后，我更加兴奋了，我认为未来一年将是我们在提高生产力方面的黄金之年，所以对未来的创新感到非常兴奋。Philipp？
Alphabet 首席商务官 Philipp Schindler：是的，Doug，关于你问题的第二部分，看，在第三季度，搜索业务同比增长12%至630亿美元。当你看第二季度到第三季度的增长率变化时，有几个驱动因素。首先是外汇。相对于第二季度，它是搜索业务放缓的最大单一驱动因素。其次是特定垂直行业的动态。在零售业，我们的一些亚太地区广告主受到了欧盟取消小额豁免政策的影响。在媒体和娱乐业，在由国际足联世界杯推动的非季节性强劲的第二季度之后，支出回归正常，由于六月的比赛场次多于七月，因此分配在六月的广告预算实际上多于七月。另外，关于你问题的下一部分，值得注意的是，AI Mode 查询的强劲增长产生了影响，因为我们在 AI Mode 中看到的变现水平较低。需要明确的是，我们对这里的发展轨迹感觉非常好。我们的广告实验显示了令人鼓舞的结果，我们现在正在向更多用户和更多查询推广 AI Overviews 和 AI Mode 中的广告，包括我提到的国际市场以及美国的多轮对话广告。
。谢谢。
我们的下一个问题来自摩根士丹利的 Brian Nowak。您的线路已接通。
感谢解答我的问题。我有两个问题。先从智能体开始。你们在全年向部分用户推出了 Spark，我知道，Sundar，你多次谈到要向更广泛的用户群推出更多智能体产品。你能否帮助我们稍微了解一下，要向全部用户群推出智能体产品，你们在技术上必须克服哪些关键障碍？是模型效率吗？是产能吗？还是技术尚未准备好？我们在技术上需要做些什么才能实现这一点？然后第二个问题，接着 Doug 关于搜索的问题。Anat，你能否帮助我们更好地理解你所谈到的影响搜索业务的搜索表现比较基数因素，以及当我们进入第四季度、第一季度时，仅从比较基数的角度该如何看待这一问题？谢谢。
谢谢，Brian。首先，关于智能体（agents），这是一个令人兴奋且充满活力的领域。我认为，当我们审视新模型，看到它们能够以自动化方式承接并高质量执行复杂任务的能力时，很明显，我们所有人所设想的智能体能力将成为现实。因此，我非常期待将下一代智能体体验带给我们的用户。关于你的问题，我想说几点。我认为 Gemini 4 模型系列非常重要。我们正在开发 Carbon 模型的蒸馏版本，以便能够在十亿用户规模上高效部署，无论是在算力、延迟还是质量方面。因此，这一直是一个重要的投资领域。在规模化层面，你绝对需要的不仅仅是一个能力强大的模型。你需要一个稳健的运行框架。你需要一个高度安全的运行环境，而这正是 GCP 发挥作用的地方，它能够为我们的每一位用户提供具备全天候可用性的云端安全运行环境，以及合适的技能与连接器生态系统。
所有这些都是基础。我们一直在努力工作，并决定先向企业客户推出，也就是我们宣布的面向企业的 Gemini 智能体，主要是因为他们对安全治理和控制的要求最高。该产品反响良好，我们正在推进扩展。今年晚些时候，我们将把同样的体验带给消费者，显然会从我们 Gemini 应用中的十亿用户开始。我们已经看到，该应用中的用户正在从聊天转向任务和类似智能体的体验。
因此，用户对我们产品的信任，以及他们所有的上下文信息都已就绪这一事实，我认为为我们奠定了良好的基础。但作为一家公司，我们真正专注于在各产品间提供统一的体验，你们应该会在今年晚些时候看到大量进展。
谢谢。关于第二个问题，就我的评论而言，我认为你指的是有关搜索业务的前景。我提到了几个动态因素。其一是环比方面与汇率逆风影响相关，本季度与上一季度相比我们都看到了这一点。因此，按照目前的即期汇率，我们预计这将对第四季度业绩构成一定程度的逆风。其次，当我们看同比比较时，本季度我们开始面临 2025 年、即 2025 年下半年搜索业务增长加速的高基数效应。相较于第三季度，我们大约留下了 3 个百分点的增长缺口，然后我们预计这种情况将在第四季度延续，即受到 2025 年底所见增长加速带来的约几个百分点的高基数影响。
好的。感谢两位。
下一个问题来自高盛的 Eric Sheridan。您的线路已接通。
非常感谢你们解答这个问题。Sundar，根据你最近关于算力限制的一些评论，能否为我们更新一下，随着算力在整个组织内逐步到位，你在算力应用方面的关键优先事项是什么？第二部分，也许是问你或 Thomas，具体在 Google Cloud 内部，相对于外部 TPU，你们关于将算力应用于云客户需求的看法是如何持续演变的？非常感谢。
谢谢，Eric。我先开始，然后由 Thomas 回答后半部分。毫无疑问，由于需要进行前瞻性规划，算力分配是我们投入大量时间的一个领域。我首先要说，我们感到很幸运，面前有一系列非凡的机遇。我们正在运营一项触达数十亿人的规模化消费者业务，一项势头强劲的超大规模云业务，当然还有整个 Google 和 Alphabet 中一系列其他非常重要的领域。我们始终采取长期规划。因此，我们的每个业务领域都会提交长期计划，并遵循非常严格的 ROIC 框架。所以，我大致会将所有这些视为一个长期规划过程，而不是短期的分配工作。显然，我们的 AI 模型是我们所做一切的基础，从搜索和 YouTube 到云业务再到 Waymo 等等。因此它是基础，我们将其视为一种高杠杆的方法。全栈方法不仅带来了很高的效率，也让我们在广泛多样的机遇中拥有很多选择权。所以显然这是基础，我们也为此进行长期规划。除此之外，正如我所说，我们确实会审视各项业务，并采取严谨的长期规划方法。对我们而言，显然我们在广泛多样的领域看到了非常非常强劲的需求信号。因此，我们将其视为一系列非凡的机遇，并正在为这一时刻进行投资。Thomas？
Eric，关于云业务的需求，我们一直在管理产品组合，以确保拥有广泛的客户群，并且拥有不同类型的客户，包括数字原生企业、AI 实验室、传统企业、金融和资本市场客户。因此这是一个广泛的客户群体。其中许多客户已经开始使用 TPU 系统，例如在我们的云中。我们有超过 100 家重要的 TPU 客户从我们的云起步。他们学习使用 TPU。请记住，TPU 系统是硬件、系统软件、编译器的结合体，是作为一个系统组装起来的整体，包括光网络等组件。对于如何将 TPU 推向客户，我们采取了非常审慎的方法。第一是构建合适的芯片。因此我们有用于训练的 8t 和用于推理的 8i。与前几代产品相比，两者都提供了显著的价格性能优势和性能提升。第二，我们优化了软件。软件优化不仅是为了让系统运行得更好、提供出色的性能，也是为了让可移植性变得无缝。例如，我们最近引入了 PyTorch，通过在 TPU 上优化 PyTorch，为我们打开了大得多的市场。第三，我们正在拓宽分发渠道。过去，你只能在我们的云中使用 TPU。现在，对于希望在自有数据中心使用 TPU 系统的客户，我们正在让 TPU 系统在其数据中心可用。我们还在将可用性扩展到其他提供商。例如，我们宣布了与 Oracle 的合作，并与 Blackstone 一起达成了一项针对 Crux AI 的协议，这是一家为客户提供 TPU 系统的合资企业。我们看到了来自 AI 实验室、资本市场、金融机构和企业的非凡需求和强劲增长。如果你设想这 100 多家客户增长到更多，并将其使用规模扩展到 TPU 系统，我们认为未来需求将会很强劲。
下一个问题来自巴克莱银行的 Ross Sandler。您的线路已接通。
谢谢。我想继续讨论你刚才提到的 TPU 转售业务话题。Anat，上个季度，我记得你说过收入将在系统销售时确认。那么，如果一吉瓦的 TPU 完整系统（包括算力及周围所有组件）成本约为 350 亿美元，我们实际确认的收入占其中的百分比是多少？相对于目前 Google Cloud 分部的利润率水平，这在利润率结构方面会有怎样的传导效应？我想问题的第二部分是，当你们帮助像 Anthropic 这样的公司引入更多自有的一方基础设施时，这对 Alphabet 的资本支出强度意味着什么？因为你们开始将未来的一部分资本支出移交给 AI 实验室，可能不再需要在自己的数据中心保持那么高的资本支出强度。希望能听听你对这些问题的想法。谢谢。
是的，让我把这两个问题结合起来回答。首先，显然我们不会提供产品层面的具体财务数据。但让我说明一下应如何看待与 TPU 系统销售相关的财务状况。当然，提醒一下，Thomas 也可以进一步详细说明，TPU 系统不仅仅是一块芯片，而是一个结合了多种要素的专用系统，包括硬件、算力、存储和网络。因此，我们销售的远不止一块芯片，还包括软件、训练、推理，我们为购买 TPU 系统的客户提供了显著的附加价值。其运作方式是——这也与你问题的第二部分相关联——当我们与客户签署销售 TPU 系统的协议后，一旦签署该协议，你首先会看到它体现在我们的积压订单中。然后我们开始建立库存。所以请从资本支出与现金的角度来思考这个问题。我们在获得收入流之前先建立库存。我想我在上一次电话会议中提到过这一点。你会看到库存余额上升，而此前库存余额主要来自我们的一些硬件产品。现在那些尚未售出的 TPU 系统也会体现出来，所以你会看到现金流出，而我们正在积累库存基础。然后，随着我们开始交付并就这些 TPU 系统向客户开具账单，你就会看到现金流入。因此，这并不是你所想的那种传统意义上的资本支出，我认为这就是你问题的核心，而是一种不同的现金流产生周期。现在，鉴于我们正处于建设和扩大该业务的过程中，你会在我们的现金流量表中看到这些现金需求，并看到那些库存的积累。迄今为止，我们已将部分系统销售确认为收入，但预计到 2027 年会有更多收入入账。
下一个问题来自美国银行的 Justin Post。您的线路已接通。
好的。谢谢。我对智能体转型有一些问题。你们确实推出了 Universal Shopping Cart。显然，人们喜欢并正在使用智能体应用场景。随着这类情况增多，你们计划如何管理搜索向智能体使用的过渡？你认为这可能成为逆风吗？第二，你认为从长期来看，智能体是否实际上能为你们的流量带来更多变现？然后我再问一次 TPU 利润率的问题。我们想知道，你认为这对你们来说是一项非常好的业务吗？原因是什么？如果你不能告诉我们利润率，为什么你认为这是利用所有这些产能的好方法？谢谢。
Justin，我们正处于智能体发展的早期阶段，但也许直接回答你问题的第二部分，我们明确认为智能体体验具有增量价值。我们的重点是构建用户喜爱的、可信、安全、超大规模的体验，坦率地说，这些体验建立在诸如你提到的通用商务、购物车、智能体、支付、协议等智能体商务基础模块之上。当用户购物时——这一点很重要——旅程中有一部分是他们不喜欢的，即繁琐的苦差事，坦率地说，用 AI 实现自动化是非常棒的。但我们也希望增强而不仅仅是自动化掉人们在很多情况下真心喜爱的发现体验。用户喜欢选择，他们考虑的因素远不止价格，比如品牌忠诚度、客户服务等等。因此，我们在设计这些智能体工作流时，刻意为用户留出探索这些选择的时间和空间。举个简单的例子，智能体可以这样回应：这是我们找到的保险产品，这里还有另一个不错的选择，其中一个保费较高，但免赔额可能较低，而且他们目前正在提供非常特别的折扣。因此，鉴于决策几乎从来不存在唯一完美的选项，我们实际上有信心能够为智能体应用场景提供真正有趣、有吸引力的广告模式。显然，你可以想象除了我们之外，还会有订阅和其他支付方式。但我实际上对智能体世界中的广告机会感到非常兴奋。
总体而言，我想补充一点，我会将其视为一个扩张机会，对吧？任何时候都是如此，就像几年前，能够在搜索中整合 AI 聊天应用场景让人们可以在搜索中提出更多问题、做更多事情，这正是我们使用情况中所呈现的。我认为智能体将再次成为一个机会，扩展我们为用户解决的问题类型。我认为人们总是低估了为用户交付这些智能体——这些复杂体验所需的所有组件。搜索表面上看起来很简单，但背后有着极其深厚的投入以及我们随时间构建的东西，知识图谱就是一个例子。还有我们对世界的理解等等。所以我对智能体感到兴奋，我会将其视为一个新的前沿，为搜索带来一组新的应用场景，因此我们很高兴能推进这项工作。
关于 TPU 系统和利润率，我们不单独披露个别产品或基础设施组件的利润率。然而，我们从设计和制造 TPU 系统中看到了若干益处。首先提醒大家，TPU 系统不仅仅是一块芯片，而是一个完整的系统。鉴于 TPU 系统相对于竞争对手的价格性能优势、对加速计算不断增长的需求以及加速计算的稀缺性，我们非常专注于在扩大业务规模的同时持续改善利润率。另外两点。首先，当 Anat 提到我们采购组件以建立库存时，我们只有在签署合同之后才会这样做。TPU 系统的所有库存都与已承诺的合同相关联。此外，通过将 TPU 系统部署在第三方设施和客户数据中心，我们能够拓宽可寻址市场。对于某些行业，他们的数据位于本地，无法迁移到云端，这使我们能够将加速计算带到数据所在之处。此外，这也抵消了我们为托管这些 TPU 系统而必须预先建设设施的需求。
下一个问题来自 AllianceBernstein 的 Mark Shmulik。您的线路已接通。
是的，感谢解答这些问题。我将围绕同样的几个主题提问。Philipp，关于智能体，我们观察了 Gemini AI Mode 中一些早期的、更具智能体风格的应用场景，并关注了一些与 Google 资产的第三方集成，有什么让你感到意外或改变了你看法的事情吗？我知道我们谈了很多关于商务的内容，但或许也可以谈谈消费者生产力方面。然后请问 Thomas 或 Anat，关于云业务增长，你们能否分享一下剔除 TPU 系统销售后的 Google Cloud 增长率？其中有多少受到了产能的限制？随着第四季度部分第三方产能上线，假设 Google Cloud 业务会加速是否合理？谢谢。
好吧，也许我来回答第一部分，关于我们对这些早期智能体风格应用场景的观察。我们确实看到了。就在最近，我们在 Gemini 应用中添加了一个任务标签页，人们实际上正在输入智能体式查询，所以我们可以观察到这一点。要知道，在所有这些当中，用户真正想要的是——他们希望获得惊喜，所以他们实际上是在寻找——他们有很高的标准。促使重复使用的是你处理这些更长任务并最终交付满意结果的能力。就像我们在其他领域（包括编程等）所看到的那样，当你做到 70% 时，它看起来好像不起作用，直到你跨过某个门槛，它才真正腾飞。我们正在从中密切学习，找出差距，奠定我之前谈到的所有基础。我有信心，在今年晚些时候到 2027 年的过程中，你们将在我们的各个产品界面上看到该领域的诸多进展。在我们向 TPU 过渡的过程中，关于 TPU 系统我想说的一点是，在半导体行业，规模经济很重要。因此，我认为我们既能在自有数据中心部署 TPU，又能将 TPU 系统部署在其他人的数据中心，这种能力就是扩大产品规模的能力，这直接转化为更好的经济效益。
好吧，也许我来回答第一部分，关于我们对这些早期智能体风格应用场景的观察。我们确实看到了。就在最近，我们在 Gemini 应用中添加了一个任务标签页，人们实际上正在输入智能体式查询，所以我们可以观察到这一点。要知道，在所有这些当中，用户真正想要的是——他们希望获得惊喜，所以他们实际上是在寻找——他们有很高的标准。促使重复使用的是你处理这些更长任务并最终交付满意结果的能力。就像我们在其他领域（包括编程等）所看到的那样，当你做到 70% 时，它看起来好像不起作用，直到你跨过某个门槛，它才真正腾飞。我们正在从中密切学习，找出差距，奠定我之前谈到的所有基础。我有信心，在今年晚些时候到 2027 年的过程中，你们将在我们的各个产品界面上看到该领域的诸多进展。在我们向 TPU 过渡的过程中，关于 TPU 系统我想说的一点是，在半导体行业，规模经济很重要。因此，我认为我们既能在自有数据中心部署 TPU，又能将 TPU 系统部署在其他人的数据中心，这种能力就是扩大产品规模的能力，这直接转化为更好的经济效益。
最后一个问题来自 MoffettNathanson 的 Michael Nathanson。您的线路已接通。
谢谢。我有两个问题要问 Sundar。在之前回答 Eric 关于 TPU 和云业务的问题时，我们听到了你们愿意与一些竞争对手或在模型和云领域可能被视为竞争对手的公司合作。我想知道你们如何看待与可能在竞争的人合作的理念，以及为什么从长期来看这一战略是一个机会而非风险，是合理的。其次，关于智能体消费者行为，争论之一围绕安全性和信任。你能否与我们分享到目前为止你们在安全性和信任方面了解到了什么，这些是消费者关心的变量吗？如果这些变量很重要，你们在构建智能体消费者工具时，打算如何保护消费者的信任和隐私？谢谢。
谢谢，Michael。很好的问题。关于第一个问题，长期以来，我们一直将所构建的事物分为两类：一类是我们作为产品构建的，另一类是我们作为平台构建的。你需要清楚地分辨哪些属于哪一类。当你将事物作为平台构建时，你真的需要努力使平台变得出色，并确保它对所有人都适用。我们在运营众多平台方面有着悠久的历史，无论是浏览器、操作系统，还是极其成功的云平台。在所有这些方面，我们都努力向所有参与者提供平台并成为优秀的服务方。你们已经看到我们与其他公司在模型上开展合作，包括在许多领域与我们竞争的 Apple。同样，我们将 TPU 系统视为我们正在构建的一个重要平台。我们希望在其构建方式上达到世界一流水平。这意味着你要让它接受市场力量的检验、测试，并去争取那些会在其上运行最苛刻工作负载的客户。我认为这能确保这些团队继续保持在前沿。这就是我们的思考方式。随着时间的推移，我认为这最终总会扩大机遇，而在很长一段时期内，我们采用这种方法一直做得很好。第二，关于智能体行为，回到之前的问题，我认为我本应强调，当人们接触这些智能体体验时，我们清楚地看到人们对安全性和信任非常关注。这是他们决定如何使用这些东西的一个非常重要的因素。几十年来，我们通过以安全的方式在众多拥有数十亿用户规模的消费者产品中交付这些体验而建立的信任，以及我们在构建模型和智能体时端到端地落实这一点、通过广泛测试进行部署、在大规模部署时所进行的实时监控，我认为所有这些最终将成为巨大的差异化优势。我们已经从用户那里听到了反馈，我认为随着这一前沿领域的发展，他们会用实际行动做出选择。
谢谢。
谢谢。今天的问答环节到此结束。我想将会议交还给 Jim Friedland，看他是否有进一步的发言。
感谢大家今天参加我们的会议。我们期待在 2026 年第四季度的电话会议上再次与大家交流。谢谢，祝大家晚安。
[接线员结束语]