甲骨文(ORCL.US)Q1业绩会：预计2026财年云基础设施营收将增长77%至180亿美元

智通财经APP获悉，近日，甲骨文(ORCL.US)召开2026年Q1业绩说明会。公司高管表示，显然，我们今年迎来了一个极为出色的开局，因为 Oracle 已成为人工智能工作负载的首选平台。我们与 AI 领域的重量级公司签署了重要的云合同，包括 OpenAI、xAI、Meta、NVIDIA、AMD 等。第一季度末，公司未履行履约义务(RPO)达到 4,550 亿美元，同比大增 359%，较第四季度末增加 3,170 亿美元。我们的云 RPO 在去年的 83% 增长基础上又实现了近 500% 的增长。整体来看，季度总收入 149 亿美元，同比增长 11%，高于去年一季度的 8%。营业利润增长 7%，达到 62 亿美元。

公司高管称，在提供第二季度具体指引前，我想分享对 2026 财年及未来几年的总体看法。毫无疑问，这是一个非常出色的季度，Oracle 云基础设施的需求持续增长。我预计我们将签署更多数十亿美元级别的客户合同，RPO 可能突破 0.5 万亿美元。RPO 的大幅增长让我们得以大幅上调云基础设施业务的财务规划。我们预计 OCI 在 2026 财年增长 77%，达到 180 亿美元，并在未来四年分别增长至 320 亿、730 亿、1,140 亿和 1,440 亿美元。这些收入很大一部分已计入 4,550 亿美元的 RPO 中，我们今年开局非常强劲。

最终，AI 将改变一切。但此刻，AI 已经在从根本上改变甲骨文以及整个计算机行业，尽管并非所有人都完全意识到这场即将到来的“海啸”的规模。看看季度的数据，有些事实无可否认。多家世界级的 AI 公司选择了甲骨文来建设大规模 GPU 中心的数据中心，以训练他们的 AI 模型。原因在于，甲骨文建设的千兆瓦级数据中心在训练 AI 模型方面比全球任何一家都更快、更高效、更具成本优势。训练 AI 模型是一个万亿美元级的巨大市场。很难想象还有比它更大的科技市场。但如果仔细观察，你会发现一个更庞大的市场——AI 推理市场。数以百万计的客户将使用这些 AI 模型来运行企业和政府。事实上，AI 推理市场将远远大于 AI 训练市场。

Q&A

Q：听着，就连我自己也对未来的走势感到震撼。我的问题可能比较开放。甲骨文已经成为 AI 训练工作负载的事实标准，你们也从中盈利，我对这点很有信心。但显然，事情不止于 AI 训练，虽然它占了很大一部分。你们也谈到了这一点。那么能不能更详细地谈谈，还有哪些因素在驱动这些令人惊叹的前景?

A1：是的。很多人正在寻找推理算力。事实上，大家的推理算力已经不够用了。举个例子，我之前在上个季度或前一个季度提到过，有家公司打电话过来，说：“把你们全球所有未被使用的推理算力都给我们，不管在哪里。” 我以前从没接到过这样的电话，非常罕见。而且这是为了推理，不是训练。推理的需求非常巨大。

想一想，最终我们在训练上投入的所有资金，最后都必须转化为可以出售的产品，而这些就是推理。推理市场比训练市场要大得多。是的，我们和其他人一样，在用应用程序构建代理，但我们做的远不止这些。回想三年前 ChatGPT 3.5 发布时，大家惊叹于你只需和电脑对话、提问，就能得到基于最新最准确信息的合理答案——当然，那时只能针对公共数据。公共数据很多，但企业真正关心的是：如果把这些公共数据和他们的私有企业数据结合起来，在确保私有数据依然保密的前提下，让大语言模型仍能基于这些数据进行推理，比如回答“最新关税或钢材价格将如何影响我下季度的业绩、交付能力、营收或成本?” 这类问题。

为了回答这些问题，我们必须——而且我们确实已经做到了——从根本上改变数据库，使所有数据都能被向量化。大语言模型就是通过向量化的数据来理解信息的。然后，人们就能提出任何问题。我们已经实现了这一点。而且，除非你有一个安全可靠的数据库，能够与所有主流的大语言模型相连——我们已经做到了这一点——否则你很难在自己的数据与公共数据结合之上，提供类似 ChatGPT 的体验。这正是甲骨文独特的价值主张。我们掌管的数据规模远远超过任何应用公司。应用公司拥有的是应用数据，他们的客户以“数万”计，而我们管理的是“数百万”个数据库。所以我们认为，相较其他人，我们在推理市场更具优势。

A2：顺便说一下，除了 GPU 等领域，我们还已经成为许多客户的事实标准云。很多客户希望把部分业务部署在我们的公有云，或者竞争对手的公有云上，但仍要与 Oracle 数据库结合。同时，他们也有很多理由希望拥有所谓的“专属区域”或“云在客户”。我们为客户提供了极高的选择灵活性，很少有客户的需求我们无法满足。

此外，我们拥有从基础设施到数据库再到应用的完整技术栈。数据库是唯一合理的存储方式，用于支持 AI 模型;而我们的应用也正在快速增长。整个技术栈的不同层次相互联动，整体方向一致，并在协同使用时最大化地惠及客户。

A3：我想再提两件可能会让人震惊的事情。第一，我们已经把整个 Oracle 云的所有功能都缩减到可以装进几台机柜——3 个机柜，我们称之为“蝴蝶(Butterfly)”，成本 600 万美元。换句话说，我们可以给客户一个私有版本的完整 Oracle 云，包含所有功能、所有安全特性，一切都在其中，只需 600 万美元。而其他超大规模云厂商的成本可能是这个的 100 倍以上。

这意味着我们能够为客户提供完整的“云在客户”解决方案。像 Vodafone 这样的公司——当然我不能确定哪些客户名字可以提——很多大型企业实际上在购买他们自己的 Oracle 云区域，甚至是多个区域，因为他们不想与其他公司共享云环境，但仍希望拥有完整的云体验，按需付费，享受所有功能、安全性和灵活性，而无需自己购买软硬件。客户只需为使用付费，其余由我们提供和维护。我们的入门价格仅为竞争对手的 1%。这是第一点。

第二点，我们拥有最先进的应用生成器。甲骨文既是应用公司，也是云基础设施公司，所以我们自己要不断开发应用。而提高效率的方式，就是构建 AI 应用生成器，我们已经在这样做了。事实上，我们最新的一些应用并不是人工开发的，而是由 AI 自动生成的。在应用生成方面，我们远远领先于其他应用公司。这是另一个显著优势。

还有一点，我曾说过，我们不会对 AI 与应用分开收费，因为我们的应用就是 AI。我们正在构建的新应用，本质上就是由一组 AI 代理自动生成，并通过工作流连接起来的。它们就是应用。你无法将 AI 与应用分开收费。但应用变得更好，我们也希望因此卖出更多，这就是我们的盈利模式。

Q：我想我们大家都对结果感到震惊——当然是非常正面的那种震惊。Larry，没有比你刚刚展示的业绩更能说明计算领域正发生剧变的证据了。而甲骨文在过去近 50 年中，一直在转型中脱颖而出。但在企业应用方面，如今投资者的态度却相当悲观。我想听听你的看法，你认为整个行业会走向哪里?那些没有数据库、没有你们自下而上(直到芯片层面)优势的公司，它们的市场份额会如何?这是否可能是一场“灭绝事件”?我很想听听你的判断。

A：我认为我们有巨大的优势，因为我们既是一家基础设施公司，又是一家应用公司。这里有两件事很关键。作为一家应用公司，我们早就意识到必须开始“生成”应用，而不是依靠庞大的人工团队去开发。我们依然需要人手，别误会，但所需的人数大幅减少。而且通过生成方式，我们能够开发出比人工更优质的应用。我们已经在研究 AI 应用生成器一段时间了，而且现在真的在使用它们。

但重点在于，我们不仅仅在构建应用生成器。我们一方面在构建应用生成器，另一方面自己也在开发应用，这使我们获得洞察来不断改进生成器。这种“双重身份”——既是应用开发者，又是应用生成技术(AI 代码生成器)的开发者——带来了巨大的优势。

再给你举个例子，这是通常被视为劣势的地方：我们规模非常庞大。我们不再销售单个离散应用，而是销售应用套件。比如我们决定进入医疗行业，与 Epic 竞争，因为我们相信凭借规模能够解决更大范围的问题。顺便说一下，我们也比 Workday 和 ServiceNow 大得多。我们能够解决更完整的问题：我们可以覆盖整个 ERP，再加上完整的 CRM，而且所有模块都经过统一设计，能够无缝配合。这大大降低了客户的使用难度。

因此，我们认为在应用领域的优势非常显著。生成技术使我们能构建更好的应用，也让我们能构建更多应用，从而解决更多问题，客户不必再跨多个供应商做系统集成。我们可以直接提供一套完整的套件，每个模块都天然契合。我认为这给我们在应用领域带来巨大优势。

在 AI 推理领域我们也有很强的优势。下个月的 Oracle AI World 上，我们会展示如何利用所有客户数据——全部客户数据。我现在不想过早透露太多细节，但可以说，你能提出任何问题：

1)“谁是我区域内的销售人员?”

2)“谁是我区域的头号潜在客户?”

3)“我接下来应该向他们销售哪些产品?”

4)“我应该引用哪些最佳客户案例来说服他们使用我们的产品?”

这些问题，销售人员都能立即得到答案。工程师也能知道 Oracle Financials 哪些功能用户最容易出错，从而去优化和简化。你只需提问，因为所有数据都可供 AI 模型使用。

在做这些方面，还有其他公司吗?就我所知，没有。

Q：Safra，我的意思是，你们在第一季度新增了超过 3,000 亿美元的 RPO，这实在令人惊叹。但这将需要大量的基础设施建设。你能否详细说明一下，为了全面履行这些合同，大概需要多少资本开支(CapEx)和运营成本结构?我们应该如何看待未来几年这些成本的增长与收入增长的关系?另外，从投资者的角度，如何理解这些支出的投资回报率(ROI)?

A1：首先，正如我在发言中提到过的，也一再强调过的，我们并不拥有土地，也不拥有建筑物。我们所拥有和设计的是设备。这些设备是专门为 Oracle 云优化的，具有极为特殊的网络功能，以及 Larry 和他的团队提供的技术能力，使我们能够以远高于竞争对手的速度运行这些工作负载。结果就是，我们的成本比竞争对手更低，具体取决于工作负载。

因此，我们的做法是：只有在需要的时候才部署这些设备，而且通常速度非常快。一旦客户验收通过，我们就能立即开始产生收入。客户越快确认系统符合需求，越快开始使用，我们就能越快确认收入。从某种意义上来说，我不想用金融行业里的“轻资产”来形容，但这确实是相对轻资产的模式。这正是我们的优势。我知道有些竞争对手喜欢自己买楼盖楼，但那不是我们的专长。我们的专长在于独特的技术、独特的网络、存储，以及整体系统的集成方式。

而且，这些系统都是高度一致、非常简化的。这不仅让我们具备很强的盈利能力，同时还能为客户提供极具吸引力的价格。我之前已经提到，本财年的资本开支大约是 350 亿美元。但因为我们实时监控进度，设备一旦到货就立即安装，然后马上交付产生收入。所以我们对产能投放和资本开支的时点把控非常明确，几乎就是在产生收入前夕才花钱。

目前，我预计全年 CapEx 约为 350 亿美元。当然，它可能会更高一些，但如果更高，那反而是好消息，因为这意味着我获得了更多的机房空间。此外，正如你们也知道的，我们已经嵌入了竞争对手的云平台。在这些场景下，我们唯一需要承担的费用仍然只是我们的设备，而且设备一交付就能投入使用。最终我们将在竞争对手或合作伙伴的云中嵌入 71 个数据中心。

A2：我想补充两点，很简短。第一，我们刚刚为一位客户交付了一个巨型数据机房。理论上，他们的验收周期可能需要几个月，但结果只花了 1 周。也就是说，从我们正式拥有设备并交付测试，到客户开始为其付费，仅用了 1 周。这非常不寻常。我们的团队做得非常出色，确保设备能够快速上线，让客户尽快投入使用。客户也希望越快越好，因为他们要尽快开展工作、训练模型。

第二点，我们是网络设备、GPU 等硬件的超级大客户。正因为我们采购量巨大，我认为我们能从供应商那里获得比其他公司更好的融资条件。这对我们来说也是一个优势。我认为在财务端，我们也会表现得非常出色。

Q：我想聚焦在你们赢得的 AI 训练业务上。能否解释一下，甲骨文如何打造足够差异化的护城河，确保这项业务不会被商品化?即使训练市场放缓，你们又将如何继续推动强劲的盈利和自由现金流?我认为大家非常需要理解这一点。

A：我可以一句话回答。我们的网络能非常快地传输数据。如果我们能比别人更快地移动数据，如果我们的 GPU 超级集群在性能上有优势，那么在按小时计费的情况下，如果我们快一倍，客户的成本就只有一半。

Q：你们如何看待这一进程在未来几年的推进速度?在 Oracle AI 数据库推出后，你们预计企业客户，尤其是复杂客户，会多快开始以这种方式查询他们的企业数据?当前供应受限的环境会阻碍这类需求吗?还是说正在逐步解决?

A1：好的。谁会不想要这个呢?几乎所有人都在说他们想用 AI。首席执行官们想用，国家元首和政府首脑们也想用。我们以前从来没有过这样的客户。过去我们几乎不直接和 CEO 打交道，现在我们直接和 CEO 打交道，还和各国领导人打交道，因为 AI 太重要了。

大家都希望能在自己的数据之上使用 AI。但他们不知道如何安全地做到这一点，甚至根本不知道该怎么做。最大的风险之一是数据隐私问题。比如摩根大通不可能把所有数据分享给 OpenAI， 高盛也不会把所有数据分享给 xAI 或 Meta。企业必须确保数据保持私有。

因此，我们必须保证客户的私有数据既安全又保密，同时还能让最新、最强大的推理模型(来自 OpenAI、xAI 等)使用这些数据进行推理。凭借我们的数据库，我们能够将所有数据向量化;凭借数据库内的复杂安全模型，我们能确保安全。Oracle 数据库能做到这一切。

在 Oracle AI 数据库中，我们不仅让所有数据都能被向量化，便于大语言模型理解，还把数据库与各种 AI 模型打包在一起。这就是我们和 Google 合作的原因，你可以在 Oracle 云中获得 Gemini、Grok、ChatGPT、Llama 等等。我们将它们全部整合，使客户能够非常方便地在公共数据和企业数据的结合上使用这些模型。这样，他们就能针对任何重要问题提出问题并得到答案。

所有人都想要这个，我认为需求将是“难以满足”的。但在未来几年，我们能在整个云中交付大量数据库和 AI 服务，我们有很强的执行力。

A2：这也是 Oracle 数据库——目前仍占据企业市场大部分份额——最终大规模进入云端的重要原因。许多客户会迁移到公有云，使用 Oracle AI 数据库;但大型企业会希望使用专属区域或“云在客户”。这样一来，他们就能用任何他们想要的大语言模型处理自己的数据，而这些模型都已在我们的云中。