Insights Investing
Alphabet Inc.: Szybki rozwój innowacji w dziedzinie sztucznej inteligencji w obliczu rosnących nakładów inwestycyjnych
Podcast · Słuchaj (20 min)
Alphabet (GOOG) — Neutral? Alphabet's $200B AI Moat vs. Its Free Cash Flow
Spis treści
- 1. Model monetyzacji i ekonomika jednostkowa sztucznej inteligencji
- 2. Trwałość fosy ekonomicznej i wyróżniki techniczne
- Pozycja w ogólnym rankingu
- Wyspecjalizowana fosa ekonomiczna: przywództwo w cyberbezpieczeństwie
- Rozumowanie w długim kontekście i autonomiczne wykonywanie zadań
- Obszary presji konkurencyjnej
- Dystrybucja i efekty sieciowe
- 3. Alokacja kapitału i dynamika bilansu
- 4. Margines bezpieczeństwa i realia wartości wewnętrznej
- 5. Kluczowe liczby
- 6. Co zmieniłoby naszą ocenę
- 7. Nasze nastawienie
- 8. Źródła
Alphabet Inc. rozszerza skalę działalności i możliwości techniczne dzięki premierze najwyżej sklasyfikowanego modelu sztucznej inteligencji Gemini 4 Carbon oraz podwojeniu przychodów Google Cloud (+103% YoY do $30.709 mld). Jednak bezprecedensowy wzrost kwartalnych nakładów inwestycyjnych do $51.355 mld — o 114% rok do roku — sprowadził FCF (wolne przepływy pieniężne) do wartości ujemnej (-$9.065 mld) i obniżył kwartalny zysk netto o 24%. Dla inwestorów kierujących się wartością tak szybkie angażowanie kapitału stwarza kluczowy dylemat: choć fosa ekonomiczna Alphabet poszerza się dzięki portfelowi zamówień usług chmurowych o wartości $561 mld, rekordowemu wzrostowi liczby zapytań w wyszukiwarce i bezpośredniej sprzedaży układów TPU, tempo zużywania gotówki silnie ogranicza krótkoterminowe marginesy bezpieczeństwa. Inwestorzy muszą ustalić, czy ten agresywny cykl reinwestycji tworzy trwałą, długoterminową wartość wewnętrzną, czy przejściowo osłabia zwroty dla właścicieli w dążeniu do dominacji w infrastrukturze sztucznej inteligencji.
1. Model monetyzacji i ekonomika jednostkowa sztucznej inteligencji#
Alphabet osiągnął w Q3 łączne przychody w wysokości $127.577 mld, co oznacza wzrost o 25% rok do roku i 13. kolejny kwartał dwucyfrowego wzrostu przychodów. Wzrost ten utrzymał się we wszystkich głównych segmentach operacyjnych:
- Wyszukiwarka i pozostałe: Przychody osiągnęły $63.35 mld (+12% YoY). Wzrost liczby zapytań w wyszukiwarce osiągnął najwyższy poziom od pięciu lat, a zapytania wykorzystujące tryb sztucznej inteligencji stały się bardziej złożone i były średnio około trzy razy dłuższe od tradycyjnych zapytań.
- Google Cloud: Przychody podwoiły się do $30.709 mld (+103% YoY), czemu towarzyszył wzrost marży operacyjnej z 23.7% do 36.2%. Google Cloud posiada portfel zamówień komercyjnych o wartości $561 mld, a zarząd prognozuje, że ponad 55% tego portfela zostanie ujęte jako przychody w ciągu 24 miesięcy.
- Komercjalizacja sprzętu i układów scalonych: Alphabet rozszerzył zakres monetyzacji poza zarządzane usługi chmurowe, sprzedając przedsiębiorstwom jednostki przetwarzania tensorowego (TPU) bezpośrednio do instalacji w centrach danych należących do klientów oraz w obiektach partnerów infrastrukturalnych, nawiązując partnerstwa w zakresie dostaw z takimi dostawcami jak Oracle i CoreWeave.
Na poziomie API modelu Gemini 4 Carbon oferuje konkurencyjną strukturę cenową w połączeniu ze wzrostem efektywności wykorzystania tokenów: - Mechanika poziomów cenowych: Promocyjna struktura cenowa Carbon wynosi $2.00 za mln tokenów wejściowych, $10.00 za mln tokenów wyjściowych i $0.10 za mln tokenów wejściowych w pamięci podręcznej. Standardowe ceny katalogowe wynoszą $4.00 za mln tokenów wejściowych i $20.00 za mln tokenów wyjściowych. - Ekonomika pamięci podręcznej i koszty zmiany dostawcy dla przedsiębiorstw: Rabat w wysokości 95% na dane wejściowe w pamięci podręcznej ($0.10/M tokenów wejściowych w pamięci podręcznej) działa jako mechanizm uzależnienia przedsiębiorstw od dostawcy. Łącząc znaczące obniżki cen danych w pamięci podręcznej z oknem kontekstowym Carbon o wielkości 1-mln tokenów, Alphabet zachęca klientów korporacyjnych do trwałego wprowadzania baz kodu i repozytoriów dokumentów przedsiębiorstwa obejmujących wiele mln tokenów do pamięci podręcznej kontekstu Gemini, utrwalając wysokie koszty zmiany dostawcy. - Ekonomika jednostkowa na poziomie zadania: Carbon wykonuje przebiegi oceny porównawczej, wykorzystując ~123,000 tokenów wyjściowych na przebieg — co daje przewagę efektywności tokenów wyjściowych o 29% nad Claude Opus 5.5 (~173,000 tokenów). W rezultacie średni koszt oceny zadania w Carbon wynosi $7.76 na przebieg, co oznacza oszczędność 23% względem Claude Opus 5.5 ($10.04), choć nadal przewyższa koszt GPT-6 Astra ($6.24). - Przepustowość przetwarzania API: Wykorzystanie modelu wzrosło, a przepustowość API osiągnęła w Q3 około 32 mld tokenów na minutę, co oznacza ponad czterokrotny wzrost rok do roku.
2. Trwałość fosy ekonomicznej i wyróżniki techniczne
Z perspektywy Benjamina Grahama / Warrena Buffetta fosa ekonomiczna Alphabet opiera się na czołowych wynikach testów porównawczych, skuteczności w specjalistycznych dziedzinach i szerokiej dystrybucji, choć presja konkurencyjna utrzymuje się w określonych obszarach narzędzi programistycznych.
Pozycja w ogólnym rankingu
W Artificial Analysis Intelligence Index v5.0 (opublikowanym 28 października) Gemini 4 Carbon zdobył pierwsze miejsce w rankingu ogólnym z wynikiem 59 punktów, wyprzedzając Claude Opus 5.5 (58 punktów) i GPT-6 Astra (57 punktów). Carbon zajął pierwsze miejsce w 12 z 14 oficjalnych podstawowych testów porównawczych (oraz w 15 z 17 po uwzględnieniu systemów oceny społeczności). Osiągnął pozycję #1 w tekstowym teście porównawczym Arena (1528 punktów Elo) oraz pozycję #2 w indeksie agentów.
Wyspecjalizowana fosa ekonomiczna: przywództwo w cyberbezpieczeństwie
Alphabet zbudował wyspecjalizowaną fosę ekonomiczną w obszarze bezpieczeństwa przedsiębiorstw, wykazując kompleksową skuteczność w wykrywaniu podatności, weryfikacji sposobów ich wykorzystania i automatycznym tworzeniu poprawek: - Identyfikacja podatności (SEC-bench Pro): Carbon uzyskał 88.2% w 183 rzeczywistych zadaniach dotyczących podatności wysokiego ryzyka, przewyższając GPT-6 Astra (85.4%). - Weryfikacja wykorzystania podatności (ExploitGym): Carbon osiągnął 54.8% wobec 42.4% dla GPT-6 Astra. - Usuwanie podatności (CWE-bench): Carbon odnotował skuteczność 71.0% przy pojedynczej próbie w przypadku 120 rzeczywistych podatności oprogramowania, rosnącą do 81.0% przy dopuszczeniu 4 iteracji naprawy. Zespoły inżynieryjne Chrome zgłosiły poprawę 10x+ w generowaniu wysokiej jakości poprawek bezpieczeństwa względem konkurencyjnych modeli. Niezależne testy przeprowadzone przez Wiz dodatkowo potwierdziły przewagę Carbon w testach porównawczych testów penetracyjnych aplikacji internetowych. - Wewnętrzne zabezpieczenia i precyzja operacyjna: Carbon ograniczył przekraczanie uprawnień/nieautoryzowane operacje o 26% i zmniejszył liczbę powierzchownych lub niekompletnych rezultatów pracy o 29% względem Argon, jednocześnie ponad dwukrotnie zwiększając wewnętrzne wskaźniki skuteczności generowania bezpiecznego kodu.
Rozumowanie w długim kontekście i autonomiczne wykonywanie zadań
W ocenie ultradługiego kontekstu GraphWalks (okno od 256K do 1M tokenów) Carbon osiągnął wynik 96.2%, wyprzedzając GPT-6 Astra (71.8%) i Claude Opus 5.5 (66.8%). W środowiskach agentów terminalowych Carbon uzyskał 65.2% w Terminal-Bench 4.0, wyprzedzając Claude Opus 5.5 (59.6%) i GPT-6 Astra (59.1%). Testy wewnętrzne potwierdziły zdolność Carbon do realizacji wielodniowych, ciągłych procesów inżynieryjnych w rozległych bazach kodu.
Obszary presji konkurencyjnej#
Pomimo przywództwa w indeksie ogólnym pozostają ograniczenia w poszczególnych dziedzinach: - Tworzenie aplikacji internetowych: Carbon zajmuje 4. miejsce w WebDev Arena (1768 punktów Elo). - Testy porównawcze inżynierii oprogramowania: Carbon osiągnął 61.2% w FrontierSWE 2, ustępując GPT-6 Astra (65.5%). - Operacje w systemie operacyjnym: Carbon uzyskał 81.5% w OSWorld-2.1, za Claude Opus 5.5 (87.2%). - Uzależnienie od ekosystemu narzędzi: Carbon zintegrowany ze środowiskiem Antigravity firmy Google uzyskał 59 punktów w indeksie agentów programistycznych, ustępując zestawowi Claude Code + Opus 5.5 (62 punkty). W samodzielnym rankingu wiedzy Elo plasuje się za Grok 4.7, Muse Wonder i Kimi K3.1 Pro.
Dystrybucja i efekty sieciowe#
Baza użytkowników Alphabet zapewnia skalę dystrybucji: konsumencka aplikacja Gemini osiągnęła 1 mld aktywnych użytkowników, a penetracja rynku przedsiębiorstw sięgnęła niemal 90% wśród korporacji z listy Fortune 100 korzystających z Gemini Enterprise.
3. Alokacja kapitału i dynamika bilansu
Alokacja kapitału przez zarząd została zdecydowanie przekierowana na fizyczną infrastrukturę sztucznej inteligencji, powodując wyraźne obciążenie bilansu w świetle zasad klasycznego inwestowania w wartość:
- Przyspieszenie nakładów inwestycyjnych: Nakłady inwestycyjne w Q3 wzrosły o ~114% rok do roku do $51.355 mld. Zarząd podtrzymał całoroczną prognozę nakładów inwestycyjnych od $195 mld do $205 mld, wyraźnie sygnalizując w komentarzach znaczący wzrost nakładów inwestycyjnych planowany na 2027.
- Ograniczenie zysków właścicielskich: Przy zastosowaniu metody zysków właścicielskich Benjamina Grahama ($\text{Net Income} + \text{D&A} - \text{Capital Expenditures}$) zdolność Alphabet do generowania zysków ulega poważnemu osłabieniu w krótkim terminie. Przy spadku zysku netto w Q3 o ~24% rok do roku do $26.468 mld i wzroście nakładów inwestycyjnych do $51.355 mld standardowe zyski właścicielskie i FCF (wolne przepływy pieniężne) spadły do głęboko ujemnej wartości -$9.065 mld w kwartale.
- Korekta wyceny rynkowej: Rynki akcji zareagowały na rozbieżność między tempem zużywania gotówki a generowaniem przepływów pieniężnych w krótkim terminie, wywołując po publikacji wyników wyprzedaż akcji i spadek o niemal 10% w handlu posesyjnym.
- Ograniczanie ryzyka przy komercjalizacji narzędzi cyberbezpieczeństwa: Aby zarządzać ryzykiem związanym z możliwościami podwójnego zastosowania — ofensywnego i defensywnego — zarząd wdrożył etapową komercjalizację. Dostęp do Carbon początkowo ograniczono do wyspecjalizowanych podmiotów zajmujących się obroną w ramach dobrowolnego programu testów przedpremierowych rządu USA, następnie udostępniono go wyłącznie na zaproszenie w ramach inicjatywy zaufanych partnerów Fairwind, przed ogólnym publicznym udostępnieniem API.
4. Margines bezpieczeństwa i realia wartości wewnętrznej
Perspektywa inwestowania w wartość wymaga oddzielenia przejściowych nastrojów od strukturalnego tworzenia wartości wewnętrznej:
- Defensywne nakłady odtworzeniowe a ofensywne nakłady na wzrost: Kluczowym pytaniem dla inwestorów długoterminowych jest to, czy kwartalne wydatki $51.355 mld stanowią ofensywne nakłady na wzrost (zwiększające zdolności usług chmurowych/TPU generujące przychody), czy defensywne nakłady odtworzeniowe (wydatki konieczne, aby nadążyć za szybkim starzeniem się modeli). Jeśli okresy półtrwania modeli skracają się do dwutygodniowych cykli publikacji, część wydatków infrastrukturalnych należy przeklasyfikować jako nakłady odtworzeniowe służące utrzymaniu konkurencyjności.
- Trajektoria rekurencyjnego samodoskonalenia: Spekulacje społeczności wskazują na wczesny etap rekurencyjnego samodoskonalenia — bezpośredniej optymalizacji przez modele sztucznej inteligencji treningu, architektury i baz kodu kolejnych modeli — jako główną przyczynę skrócenia okresu rozwoju między Argon a Carbon do dwóch tygodni. Jeśli zostanie to potwierdzone, zdolność do rekurencyjnego samodoskonalenia może ograniczyć przyszłą liczbę iteracji badawczo-rozwojowych, z czasem kompensując koszty samej infrastruktury.
- Kompromisy dotyczące halucynacji i osobowość modelu: Wskaźnik halucynacji Carbon wzrósł z 4% w Argon do 11% w Carbon. Wzrost ten odzwierciedla strukturalną zmianę podejścia: Argon działał jako konserwatywny system, który często odmawiał odpowiedzi na niepewne zapytania, natomiast Carbon przyjął proaktywne podejście do udzielania odpowiedzi. Zmiana ta zwiększyła bezwzględny odsetek poprawnych odpowiedzi w AA-Omniscience z 48% do 58%, choć kosztem wyższego bezwzględnego poziomu halucynacji (który pozostaje poniżej poziomu ~50% w największych wariantach konkurencyjnych modeli).
- Wskaźniki bezpieczeństwa zgodności z założeniami: Carbon wyeliminował skuteczne oszukiwanie w Terminal-Bench 4.0 (wskaźnik oszukiwania 0.0%, wskaźnik stosowania skrótów 0.4%), osiągnął wskaźnik skuteczności ataków 0.0% w 15 próbach pośredniego wstrzykiwania instrukcji w Gray Swan i zmniejszył liczbę wewnętrznych alertów wysokiej wagi dotyczących zgodności z założeniami o niemal 80%.
5. Kluczowe liczby#
- Przychody w Q3: $127.577 mld (+25% YoY)
- Przychody Google Cloud w Q3: $30.709 mld (+103% YoY)
- Marża operacyjna Google Cloud w Q3: 36.2% (wzrost z 23.7%)
- Portfel zamówień Google Cloud w Q3: $561 mld
- Przychody segmentu Wyszukiwarka i pozostałe w Q3: $63.35 mld (+12% YoY)
- Zysk netto w Q3: $26.468 mld (-24% YoY)
- FCF (wolne przepływy pieniężne) w Q3: -$9.065 mld
- Nakłady inwestycyjne w Q3: $51.355 mld (+114% YoY)
- Całoroczna prognoza nakładów inwestycyjnych: od $195 mld do $205 mld
- Tempo przetwarzania tokenów przez API modelu: ~32 mld tokenów na minutę (Q3)
- Wynik Gemini 4 Carbon w Artificial Analysis: 59 punktów (v5.0, 28 października)
- Standardowe ceny Gemini 4 Carbon: $4.00/M tokenów wejściowych, $20.00/M tokenów wyjściowych
- Średni koszt zadania Gemini 4 Carbon: $7.76 na przebieg oceny
6. Co zmieniłoby naszą ocenę
- Odbudowa FCF (wolnych przepływów pieniężnych): Powrót FCF (wolnych przepływów pieniężnych) do trwale dodatniego poziomu, gdy wzrost nakładów inwestycyjnych przestanie podążać za wzrostem przychodów.
- Realizacja portfela zamówień usług chmurowych: Spadek wskaźnika konwersji portfela zamówień usług chmurowych o wartości $561 mld znacznie poniżej prognozowanego przez zarząd poziomu >55% w horyzoncie 24-miesięcznym.
- Zmiana w infrastrukturze programistycznej: Utrata przywództwa w narzędziach programistycznych, jeśli integracje konkurencyjnych modeli i narzędzi (np. ekosystem Claude Code) obniżą wzrost zużycia tokenów API poniżej obecnych poziomów (~32 mld tokenów/min).
- Wzrost nakładów inwestycyjnych ponad prognozę: Roczne nakłady inwestycyjne przekraczające przedział $195B–$205B bez odpowiedniego przyspieszenia wzrostu marż operacyjnych usług chmurowych powyżej 36.2%.
7. Nasze nastawienie#
Neutralna. Podstawowe motory wzrostu Alphabet — widoczne w podwojeniu przychodów Google Cloud, rekordowym wzroście liczby zapytań i komercjalizacji sprzętu TPU — potwierdzają, że jego fosa ekonomiczna pozostaje nienaruszona. Jednak wzrost kwartalnych nakładów inwestycyjnych do $51.355 mld i wynikająca z niego wartość FCF (wolnych przepływów pieniężnych) wynosząca -$9.065 mld znacząco ograniczają obecny margines bezpieczeństwa. Inwestorzy kierujący się wartością powinni poczekać na normalizację nakładów inwestycyjnych względem zysków właścicielskich przed zaangażowaniem dodatkowego kapitału.
Aby zapoznać się z większą liczbą ogólnodostępnych analiz spółek lub ocenić wartość wewnętrzną akcji, odwiedź platformę DeepValues Research i wypróbuj aplikację DeepValues.
8. Źródła
Film na YouTube: „Gemini 4 Carbon: Google aktualizuje model co dwa tygodnie i odzyskuje pierwsze miejsce, ale na razie nie możesz z niego korzystać”, autor: 最佳拍档 (Najlepszy Partner), prowadzący: 大飞 (Da Fei). Raport z wyników finansowych Alphabet Inc. za Q3 i komentarze kadry zarządzającej. Raport z testów porównawczych Artificial Analysis Model Intelligence Index (v5.0).
Oglądaj
Linki do źródeł
Oglądaj i słuchaj
- Alphabet's $200B AI Moat vs. Its Free Cash Flow YouTube · EN
- Google雲端翻倍、AI奪冠,自由現金流卻轉負90億美元 YouTube · 中文
- Alphabet (GOOG) — Neutral? Alphabet's $200B AI Moat vs. Its Free Cash Flow Podcast · EN
- Alphabet(GOOGL)中性?Google雲端翻倍、AI奪冠,自由現金流卻轉負90億美元 Podcast · 中文