微软财报里的算力真相：Copilot的钱不是问题，工艺节点才是

我注意到一个有意思的细节。微软2026财年第四财季的业绩会实录里，管理层反复强调算力供给依然不足，但同时云业务创下四年来最快增长。这听起来像是好消息，但作为一个天天盯着功耗墙和工艺节点吃饭的芯片工程师，我看到的不是乐观，而是更深层的焦虑。

先看报表。Azure增速确实亮眼，但更关键的是资本开支。微软在算力上的投入已经连续几个季度保持高位，而且还在加速。这个数字放在半导体行业里，意味着什么？意味着他们正在疯狂地抢购GPU、定制芯片，以及租赁数据中心空间。但问题在于，这些资源不是钱能立刻买到的。台积电的先进制程产能，尤其是CoWoS先进封装，早已被英伟达和AMD锁死。微软即使有无限预算，也拿不到足够数量的H100或B200，更别说自研的Maia芯片了。

所以，业绩会里那句“算力供给依然不足”不是客套话，而是真实的物理限制。你从芯片设计角度看，这个瓶颈不是短期能解决的。先进制程的良率爬坡周期是固定的，芯片的功耗墙也越来越难突破。一个5nm节点的GPU，功耗已经接近700瓦，再往上堆，散热系统会先崩溃。微软的云业务增长越快，对算力的需求就越迫切，但供给端却卡在半导体工艺的物理极限上。

再来谈Copilot变现。管理层说渠道丰富，这没错。但Copilot的商业模式本质上是算力集成商：你把大模型部署在云上，用户按token付费，你赚的是算力差价。但这块业务对算力的消耗是惊人的。一个企业级Copilot用户，每天生成的推理请求量，可能比传统云工作负载高出一个数量级。如果算力供给不足，Copilot的变现就会变成纸上谈兵。因为用户体验会掉，延迟会爆，用户留存率也会跟着下滑。

我注意到财报里其实没有披露Copilot的具体收入占比。这很关键。如果它只是靠现有客户加购，那增长可持续性存疑。如果它真的带来了新客户，那算力缺口会进一步放大。微软的算力投资逻辑，本质上是在赌一个正反馈循环：投入更多算力，吸引更多Copilot客户，然后赚更多钱，再投入更多算力。但这个循环的前提是，算力供给不被卡脖子。

现在的问题是，这个卡脖子的点正是工艺节点。微软的Maia芯片是很好的尝试，但它目前还无法替代英伟达的通用GPU。因为Maia是定制芯片，只针对特定模型优化，灵活性差。而英伟达的GPU凭借CUDA生态，几乎覆盖了所有AI工作负载。微软想用自研芯片降低对英伟达的依赖，但先进制程的产能分配权并不在它手里。台积电更愿意优先满足英伟达和苹果的大单，因为单量大、利润高。微软的订单规模相对小，谈判筹码有限。

所以，业绩会里那句“算力供给依然不足”，其实是在暗示一个更深的行业结构性问题：AI算力的增长，正在被半导体工艺的物理极限拖慢。这个瓶颈不是资本开支能解决的。你投再多钱，也改变不了3nm节点的设计规则、电力密度和散热效率。而且，越是先进的工艺，芯片设计难度越大，功耗墙越难突破。微软的工程师们现在应该非常头疼，因为他们要在有限算力下，想办法优化Copilot的推理效率，比如做模型压缩、量化、剪枝，甚至用更高效的网络架构。

我的结论是：微软的财报看起来光鲜，但算力供给不足才是真正的隐患。Copilot变现渠道丰富，但前提是算力能跟上。目前来看，这个瓶颈至少

原文链接：https://www.ithome.com/0/983/416.htm