2026 财年，微软从经营活动取得 1829.35 亿美元现金，又支付 1159.48 亿美元购买物业和设备。两项相减，只剩 669.87 亿美元。也就是说，每收到 1 美元经营现金，约 63 美分又被送进数据中心、服务器和其他长期资产。

同一年，Azure 及其他云服务收入增长 41%，第四季度增速还抬到 43%。管理层说客户需求继续超过可用容量，新增加的算力几乎很快就会被使用。增长看起来只差更多机器，但机器要先买，收入随后才按客户使用量进入报表，折旧、电力和运维成本却不会等到每张 GPU 都满载以后才发生。

微软的 AI 生意因此出现一个与传统软件不同的时间差。客户已经在排队，资本也已经花出去，最后留下多少利润和现金，要看这批芯片、机房与电力能否长期保持高利用率。需求旺盛只能证明入口打开了，不能替微软完成后面的回收。

先花出去的 1159 亿美元

微软过去最让人熟悉的生意，是把同一套软件授权给更多客户。Office 或 Windows 完成开发后，多卖一份许可证不需要再建一座工厂。云服务改变了这个顺序。Azure 客户增加一次模型训练、推理或数据库查询，后台都要有真实的处理器、内存、网络与电力承担工作。

2026 财年的现金资本开支比上一年增加约 514 亿美元。到了第四季度，包含融资租赁的资本开支为 410 亿美元，其中约三分之二投向寿命较短的资产，主要是 CPU 和 GPU；其余才是土地、建筑和其他寿命更长的基础设施。公司预计 2027 财年第一季度资本开支还会超过 500 亿美元。

短寿命设备与机房建筑的经济含义不同。建筑和供配电设施可以服务多代服务器，折旧期较长；GPU 价格高、更新快，几年后可能被更高性能的产品替代。若设备很快投入生产并维持高使用率，较短寿命会让资本更快转成收入。若客户项目推迟或新芯片迅速改变性价比，同样的折旧速度会先压住毛利。

现金流已经显示这种压力。经营现金流达到 1829.35 亿美元，说明微软仍有强大的内部融资能力。扣除 1159.48 亿美元现金资本开支后的简化自由现金流为 669.87 亿美元，只相当于经营现金流的约 37%。这项算法没有计入融资租赁，也没有调整营运资金和投资收支，不能当成微软可永久分配的现金，但它准确揭示了当前增长要先经过一张更重的资产负债表。

截至 6 月底，现金及短期投资为 768.43 亿美元，短期与长期债务合计 402.94 亿美元，净现金约 365.49 亿美元。微软有能力继续投资，每一轮投资的回报率仍可能下降。规模足以承受错误，却不会抹掉成本。机房选址、电力接入或芯片组合判断偏差，最终仍会通过折旧、减值和较低的现金收益率回到股东报表。

资本开支需要与新增容量带来的收入、毛利和现金对照。若资本开支连续快于收入，云毛利率继续下降，新增设备可能只是在追赶需求；若收入随后增长更快、毛利率稳定、自由现金恢复，提前建设才逐渐成为规模优势。

折旧会把这段时间差摊进以后多个季度。服务器到货并达到可使用状态后，成本不会在付款当季一次性进入利润表，而会按预计寿命逐期计入收入成本。于是，现金流先感受到采购，利润率稍后感受到折旧。只看当季经营利润，容易低估正在形成的资本负担；只看当季自由现金，又可能把尚未投产的建设全部视为经营恶化。两张表需要沿同一批设备的投产时间一起阅读。

租赁还会让表面数字出现另一层差异。第四季度 410 亿美元资本开支包含融资租赁，全年 1159.48 亿美元则是现金支付的物业与设备。前者更接近当期取得的资产，后者更接近当期流出的现金，二者不能直接拼成年度总额。微软扩大租赁并不会消除资本投入，只会改变现金支付、资产确认和债务义务出现的时间。

客户购买的是一段可以随时调用的计算

Azure 不把一整座数据中心卖给客户。企业选择某种虚拟机、模型服务、数据库或存储后，微软把底层设备切分、调度并按时间、调用量、存储量或网络流量收费。客户看到的是一个服务接口，微软承担的是接口背后的硬件采购、故障切换、软件栈、安全和全球网络。

这种安排给客户省下了前期投资。企业不必先判断三年后需要多少 GPU，也不必独自管理芯片更新和机房利用率。它可以从小规模试验开始，工作负载增加时再扩大用量。微软则把许多客户在时间和地区上的不同需求放进同一组基础设施，希望用更高的整体利用率摊薄成本。

规模经济并不自动出现。AI 训练会集中占用大量算力，推理负载又可能随用户时区和产品活动波动。不同芯片适合不同模型，客户对数据所在地、延迟与合规还有各自要求。一张 GPU 在某个地区缺货，不能简单用另一地区的空闲设备补上；一个客户预订的专用集群，也未必能在空档中交给别人。

微软 10-K 把风险写得很直白。云和 AI 投资发生在收入流完全形成以前，回报取决于客户是否持续在 Azure 上训练和运行工作负载，也取决于定价能否覆盖成本。需求若低于预计，设备会闲置；需求超过容量，又会让微软无法及时接住客户。供不应求并不是纯粹的好消息，它同样意味着当期收入受物理容量限制。

客户还可以买到替代方案。Amazon Web Services、Google Cloud 和 Oracle Cloud 都在扩建 AI 基础设施，大型企业也能保留自有机房，或把敏感工作负载放在私有云。开源模型降低了对单一模型供应商的依赖，云平台自己的芯片又改变 GPU 成本。微软必须同时提供足够多的模型、芯片和软件工具，让客户留下，同时避免选择过多把资源切得太碎。

传统软件的黏性来自文件格式、员工习惯、身份权限和开发生态。Azure 在此基础上又增加数据位置、网络架构与模型调优。迁移一个生产系统不只是复制数据，还要重做安全规则、监控、性能测试和人员流程。这些转换成本有助于留住客户，但客户规模越大，使用多家云的能力也越强。微软能获得稳定用量，最大的客户也能用采购规模要求折扣和容量保证。

LSEG 的使用量证明了什么

伦敦证券交易所集团的披露给出了一项来自客户侧的验证。2026 年上半年，LSEG 表示，LSEG Everywhere 已有超过 200 家客户参与 MCP、多云环境或直接接入客户 AI 技术栈的项目；Workspace AI Search 有 1.7 万名活跃用户，产品还加深了与 Microsoft Copilot 的整合。

这些数字不能拆出微软获得了多少收入，也不能证明每一项 LSEG 工作负载都运行在 Azure。它们能证明的是，企业 AI 已经从演示走向日常使用。金融数据要处理权限、审计、时效和监管，1.7 万名活跃用户意味着产品需要持续提供算力、数据和支持，而不是完成一次试验就结束。

客户采用要经过几层。员工开始使用工具后，频率要能提高，数据与工作流还要接进更多部门，云消费和订阅收入才可能持续增加。微软把 Copilot、Microsoft 365、GitHub 和 Azure 放在一起，试图让应用入口与底层算力共同增长。LSEG 的材料验证了入口，却没有替微软披露底层消费量。

这一区别很重要。Copilot 的席位可以按月收费，Azure 模型调用可能按用量计费，同一客户也可能在 Google 或 Amazon 上运行另一部分任务。客户说在使用 AI，并不等于微软取得了全部基础设施收入。文章若把用户数直接换成 Azure 收入，会跨过产品定价、使用强度和多云分配三道没有证据的门槛。

微软自己的合同储备提供另一种能见度。截至 6 月底，商业剩余履约义务达到 6780 亿美元，平均期限约 2.3 年，其中约 30% 预计在未来十二个月确认。这个数字包含 Microsoft 365、云服务和其他商业合同，也受到大额长期安排影响，不能全部归给 Azure 或 AI。

剩余履约义务与数据中心容量也不是同一种东西。合同说明客户已经作出某些承诺，收入仍要等服务交付；容量说明微软能否在正确的地区和时间提供计算。若合同增长快于可用算力，收入确认可能被交付能力限制。若微软为了合同提前建设太多，而客户实际消费慢于计划，资产利用率又会下降。

6780 亿美元带来的是时间，不是免费利润。它允许微软更有把握地签芯片、设备和电力协议，却也会把客户需求预测变成更早的资本决定。合同期限越长，管理层越敢扩建；技术变化越快，长期建设与短寿命芯片之间的错配风险也越高。

约 30% 的剩余履约义务预计在十二个月内确认，粗看是 2034 亿美元量级，但这不是下一年收入预测。履约义务会随新签合同、服务交付、外汇和合同调整变化，也混合了不同产品。它更适合回答收入有多少合同支撑，不适合回答新增 GPU 会产生多少回报。后一个问题仍要靠 Azure 使用增长、云毛利和资本开支共同判断。

芯片送到以前，电和土地要先到

一座 AI 数据中心不能靠增加采购订单马上完成。微软需要有建设许可的土地、输电接入、变电设备、冷却系统、光网络、服务器机架和维护人员。任何一项延误，其他已经到货的资产都可能等待。公司在年报中把可建设土地、电力、网络设备、服务器和 GPU 都列为容量约束。

电力尤其难以压缩时间。芯片可以跨州运输，输电线路、变电站和并网审批却固定在地点上。数据中心还要满足当地的水、电和环境要求，社区反对或监管变化都可能推迟投产。微软可以用长期购电安排提高可预测性，但无法让电网扩建速度与芯片产品周期完全同步。

供应安排已经进入报表。6 月底，与协助购买服务器组件有关的流动应收项目为 278 亿美元，一年前为 82 亿美元；根据一项供应商协议受限的投资为 113 亿美元。前者说明微软会为供应链中的组件采购提供资金安排，后者说明取得供应不只需要普通现货交易。

这些资产不等于库存，也不能简单相加后称为某一家的预付款。它们揭示的是微软在上游承担了更多资本角色。为了确保服务器能够按计划交付，公司可能先提供资金、锁定产能或限制部分投资用途。云平台从设备买家变成供应链融资者，换来的是交付确定性，承担的是供应商、产品迭代和需求判断风险。

第四季度资本开支中约三分之二是 CPU 和 GPU，也说明瓶颈并不只在水泥和电缆。短寿命设备占比较高，新增容量与当期收入的连接更直接，折旧压力也来得更快。若下一代芯片显著提高每瓦性能，旧设备仍可运行，却可能在价格竞争中需要降价。客户获得更便宜的算力，平台未必保留同样的毛利。

微软的规模可以同时采购多种芯片，并用自研加速器补充供应。这降低对单一供应商的依赖，却提高软件调度的复杂度。模型要在不同硬件上取得稳定性能，开发工具、编译器、网络和监控都要配合。硬件多样化若降低采购成本，会增加平台利润；若工程成本和碎片化抵消节省，账面上看到的仍是更高成本。

价值链上的议价权会随瓶颈移动。GPU 稀缺时，芯片供应商更容易保留利润；电力和并网稀缺时，拥有电源与许可的地点更值钱；客户用量不足时，云平台需要降价提高利用率。微软的优势是有资金、软件入口和全球客户，可以在多个环节做长期承诺。它的负担也来自同一处，承诺一旦写进机房和设备，就很难像软件价格一样快速调整。

这种约束也解释了云区域为何不能只按全球总容量计算。受监管的金融、政府和医疗客户常要求数据留在特定地区，延迟敏感的应用也需要靠近用户。另一地区即使有空闲 GPU，也未必能合法、经济地承接负载。微软需要在许多区域预留冗余，而冗余是可靠性的一部分，也是短期利用率的损失。全球规模带来调度空间，却无法把所有算力合并成一个没有地理边界的资源池。

41% 增长穿过了更低的云毛利

2026 财年，Microsoft Cloud 收入达到 2144 亿美元，同比增长 27%；Azure 及其他云服务全年增长 41%。智能云分部收入增加 315 亿美元，增幅 30%，经营利润也增长。客户需求不是抽象预期，它已经进入收入和利润。

成本增长得更快。智能云分部的收入成本增加 177 亿美元，增幅 44%，公司把原因归于为满足客户需求而投入 AI 基础设施。Microsoft Cloud 毛利率降至 66%，主要受基础设施投资和 AI 产品使用量增长影响，Azure 与 Microsoft 365 的效率改善只抵消了一部分。

这组数字把商业成功与单位经济放在同一张表里。更多客户使用 AI，收入会上升；每一次训练和推理也消耗芯片、电力与网络。传统软件新增用户的边际交付成本很低，生成式 AI 的每次回答都有计算成本。只有模型效率、芯片性能和数据中心利用率改善得足够快，收入增长才能重新快于成本。

66% 的云毛利率仍然很高，但方向比绝对水平更值得观察。若 Azure 保持增长，云毛利率在新增机房投产后稳定，规模经济正在吸收折旧与能源成本。若收入继续高速增长而毛利率逐年下降，微软可能通过更大的资本投入换取市场位置，AI 增长对自由现金的贡献就会小于收入数字给人的印象。

价格竞争会影响这条路径。云服务的公开价不是大型客户最终支付的全部价格，长期合同、承诺用量和战略关系都可能带来折扣。芯片效率提高会降低单位计算成本，也会让竞争者降价。微软需要把一部分效率让给客户以扩大使用，又希望留下一部分恢复毛利。两者之间没有固定比例。

研发同样不能从成本中拿掉。微软要训练和接入模型、改进 Copilot、维护安全与开发工具，还要让软件适配不同处理器。2026 财年研发费用继续增加，公司把增长归因于算力、AI 人才和数据投入。若这些支出使客户在微软产品之间更顺畅地使用数据与模型，它会提高留存和消费；若产品重叠、模型成本居高不下，研发规模只会与基础设施一起抬高门槛。

最强的反方不需要假设 AI 使用停止。企业可以继续增加调用量，但模型推理价格下降得比成本更快，客户也可能把稳定负载迁回自有设施或另一家云。那时 Azure 仍增长，微软的资本回报率却会下降。先出现的信号会是云毛利率持续下滑、资本开支仍快于经营现金增长，以及新增容量没有带来相称的自由现金。

反面的证据也很明确。容量投产后 Azure 增速保持，云毛利率停止下降，现金资本开支占经营现金的比例回落，说明昂贵的建设阶段开始转成可重复的使用收入。需求超过容量只是第一步，利用率与单位成本才决定这一步能走多远。

还有一项容易被忽略的比较：智能云收入增长 30%，收入成本却增长 44%。这不等于每一项 Azure 服务都在变差，因为新设备折旧、产品组合和外汇会同时影响分部数字。它至少要求后续年份给出反转。若成本增速回落到收入增速以下，前置投入正在被更大用量吸收；若两者长期保持倒挂，容量越大，修复利润率所需的效率提升就越高。

36800 亿美元市值没有只给 Azure 定价

2026 年 9 月 11 日，MSFT 收于 495.63 美元。用 7 月 23 日约 74.255 亿股流通股粗算，权益价值约 3.681 万亿美元。扣除 6 月底约 365 亿美元净现金，企业价值约 3.644 万亿美元。股价、股本和资产负债表日期没有完全对齐，这组数只用于识别预期量级。

微软全年经营利润为 1552.37 亿美元，粗算企业价值约为经营利润的 23.5 倍。GAAP 净利润为 1337.49 亿美元，其中 OpenAI 投资的税后会计影响增加 49.63 亿美元；剔除这项影响后的净利润为 1287.86 亿美元，对应权益价值约 28.6 倍。

把 OpenAI 投资收益分开是必要的。它进入其他收益，而不是 Azure、Copilot 或 Microsoft 365 的经营收入。投资价值变化可以增加净利润，却不能支付数据中心的日常电费，也不能证明 AI 产品单位经济改善。判断主营业务时，经营利润和剔除投资影响后的净利润更接近微软自己完成的经营结果。

自由现金提供了另一把尺。669.87 亿美元简化自由现金流相对粗算权益价值约为 1.8%。当前资本开支处在高位，这个收益率可能低估容量投产后的现金能力；融资租赁与后续建设又可能让它高估实际可分配现金。无论方向如何，市场价格都在等待未来现金明显高于今天。

可以做一个不对应证券价格的压力测试。假设未来五年总收入每年增长 10%，收入会从 3318.39 亿美元增至约 5344 亿美元。若届时经营利润率为 40%，经营利润约 2138 亿美元；再按 20 倍经营利润计，企业价值约 4.275 万亿美元，只比当前粗算企业价值高约 17%，而且这里还没有把五年后的价值折回今天。

这项计算只翻译当前价格所需的经营条件，不对应未来证券价值。总收入需要持续增长，AI 基础设施投入不能把全公司经营利润率长期压低，成熟期估值也不能大幅回落。若增长更快或利润率更高，经营结果会更好；若云毛利率继续下降、资本开支保持高位，收入增长未必能产生同样幅度的价值增长。

龙头压力也可以分别观察。增长回归时，Microsoft 365、Azure、广告和游戏需要由利润率接棒；利润率回归时，资本开支和研发要转成更高的客户消费；估值倍数回归时，现金增长必须补上价格压缩。三项同时发生并不需要微软失去行业地位，一家优秀公司也可能因为进入更重的投资周期而给出普通的资本回报。

微软的多业务组合提供缓冲。生产力软件、服务器、搜索广告、游戏和企业服务共同贡献利润，Azure 不必独自承担全部市值。组合也使分析变得更难，因为公司不单独披露 Azure 的收入金额和经营利润。用全公司倍数判断 AI 云，既会把成熟软件利润算进来，也会把游戏等非云业务的波动混在一起。这里的估值只能检验全公司预期，不能声称得出 Azure 的独立价值。

容量交付以后，利用率才开始作答

微软已经跨过商业验证。2144 亿美元 Microsoft Cloud 收入、41% 的 Azure 增长、LSEG 的实际用户和庞大的商业合同储备，都说明企业愿意为云与 AI 工具付钱。现在限制收入的部分，不再只是销售能力，而是芯片、机房、网络和电力能否按时组合成可用服务。

1159.48 亿美元现金资本开支把这个限制写进了现金流。设备交付后，折旧开始；客户把工作负载迁入后，使用收入才逐步增加。两者之间隔着安装、调试、软件适配和区域需求。微软说新增容量很快被使用，这为当前投资提供支持，但要证明资本效率，仍需看到更长时间的毛利率与现金变化。

一座新机房若持续满载，固定成本被更多调用摊薄，客户数据与工作流又提高转换成本，微软会从规模中取得双重回报。若它只在少数热门地区满载，其他区域利用率不足，或者模型价格下降快于计算成本，收入仍可能增长，资本回报却会被稀释。

下一阶段的分界是新增容量投产后，Azure 增长能否穿过 66% 的云毛利率，最后让经营现金重新快于资本开支。电和芯片到位只是把门打开，客户每天让多少设备保持忙碌，才决定微软装进数据中心的现金何时回来。