市场预期差——与其内耗“杀手级应用何时诞生”，不如聚焦确定性高、布局完善的科技巨头。在AI浪潮席卷全球的当下，市场亟需明确一个核心问题：AI投入如何实现商业回报？我们认为，与其频繁追问“杀手级应用何时落地”，不如聚焦于具备完整AI战略闭环的科技龙头，Google作为全球少数具备“AI基础硬件+大模型+终端应用群”全面布局的科技巨头，正逐步验证其AI战略的可行性与商业化路径。
基础财务数据验证AI驱动增长，云业务引领商业化突破。25Q1总营收902.3亿美元（YoY +12%），净利润345亿美元（YoY +46%），营业利润率33.9%；其中，谷歌云营收123亿美元（YoY +28%），增速领跑全业务，25年初至25Q1期末Vertex AI Studio和Gemini API的活跃用户数量增长了超过200%；广告业务AI Overview功能覆盖15亿月活用户，使用Demand Gen的企业在购买和潜在客户等目标上的单位支出转化率同比平均增长26%，Demand Gen与产品Feed结合使用时平均单位支出转化率同比增长超过一倍，抵消传统搜索流量见顶压力。
我们认为，AI杀手级应用不只是个体创新，而是硬件+大模型+应用生态的三维协同。当前AI产业链正进入系统性优化阶段，具备从底层算力、自研模型、应用整合能力的大型科技公司，更有可能率先孵化出具规模的商业化应用。Google的战略特点在于，没有走大部分AI创业公司单点突破的道路，而是构建出一个““基础设施-模型-场景”三位一体的闭环系统。Google凭借多年积累的自研芯片（TPU）、全球范围的数据中心部署、领先的Gemini大模型体系以及广泛的底层应用生态（包括Search、Workspace、Android、YouTube、Cloud等），已经初步形成全链路优势。这种““自研硬件障算算力率率、大模型驱动技迭代、、全 应用反哺数据飞轮”的战略组合，有望成为未来AI应用规模化落地的重要依托：
（1）硬件层：TPU+OCS重构AI基础设施标准 Google在AI基础设施方面持续自研，TPU与自建光互连网络构成其核心算力优势。谷歌第六、TPU Trillium单芯片计算性能相比第五、提升4.7倍，内存带宽提高一倍，节能67%，第七、TPU Ironwood作为首款转为大规模推理设计的TPU，与之前最高性能TPU对比计算速度提升十倍以上；Apollo OCS光交换136端口功耗仅为108W，同等136端口的EPS功耗为3000W，且交换速度更快、灵活性更高，可向前和向后兼容谷歌数据中心的任何带宽或波长。我们认为，TPU+OCS的基础硬件储备，让谷歌在AI热潮下可能面临的“芯片卡脖子”风险，具备更强的应对弹性。
（2）模型层：Gemini多模态持续演进 大模型是AI能力的核心，Gemini体系展现出Google自研路线下的代、能力与多模态优势。自2023年12月推出Gemini 1系列以来，谷歌不断更新代、大模型，目前的Gemini 2.5系列通过架构创新与开源策略，构建技迭-生态双壁垒。从技迭上看，Gemini 2.5 Pro支持百万级Token上下文窗口，在GPQA和AIME 2025等数学和科学基准测试中障持领先；从商业应用来看，Vertex AI平台集成Gemini API，过去一年使用量增长超40倍，目前每月数十亿API调用次数。
（3）模型层：全 场景渗透激发“数据飞轮”率应 多点应用群体孵化AI付费场景，深度集成至亿级用户产品矩阵。杀手级应用并非一蹴而就，而是由多类高频、刚需场景聚合而成，目前谷歌已经实现核心产品AI化，同时布局新兴场景突破，已将或正将AI能力嵌入至Search、Gmail、Docs、YouTube等多个平台，形成多点触达用户的能力，比如AI Mode支持多模态输入，可针对图像本身提出多个问题并提供比传统搜索更详细的信息；Gmail智能回复功能可节省用户时间并增加回复多样性；集成Veo模型的YouTube可生成视频背景或以生成六秒钟的独立视频短片等。同时，用户日均产生海量交互数据，反哺模型代、速度提升。
综上，我们认为Google已构建起芯片-模型-应用三位一体的AI体系，并在资本支出、产品演进和生态联动层面持续发力，具备长期价值重估基础，建议关注后续进展。此外，我们认为海外算力复苏趋势已经较为显著，坚定推荐算力产业链相关企业如光模块行业龙头中际旭创、新易盛等，建议关注光器件“一大四小”天孚通信+仕佳光子/太辰光/博创科技/德科立，同时建议关注受关税影响跌幅较大，但具有新增量逻辑的公司如威腾电气（母线）等。
