腾讯26年Q2财报自由现金流转负
从DeepSeek的梁文峰到腾讯的马化腾，一致性的预期是当前阶段硬件投入是高回报的生意。
腾讯发布2026年Q2财报。
刚结束的Q2电话会：528亿资本开支背后，腾讯说了什么...
完整听了腾讯的电话会。整个电话会听下来，我最大的感觉是：腾讯已经不再是那个保守的腾讯，加大 AI 的投入是认真的。腾讯还是那个腾讯，从来都是直面回答分析师问题，不会躲闪、避重就轻。
这次腾讯财报最大的亮点是，Q2 的资本开支 528 亿元，同比大涨 176%，环比增长 65%。资本开支增长的背后，是腾讯大幅加大了对算力的投入，当然也包括国产卡的采购。
先简单交代一下财报背景。Q2 腾讯总收入 2048 亿元，同比增长 11%；毛利 1184 亿元，同比增长 13%；Non-IFRS 经营利润 756 亿元，同比增长 9%。如果剔除新 AI 产品的影响，Non-IFRS 经营利润为 861 亿元，同比增长 19%。研发开支 272 亿元，同比增长 35%，主要投向混元模型增强、微信 AI 项目以及各产品线的 AI 能力建设。
值得注意的是，本季度自由现金流为 -138 亿元。管理层解释，这主要是大额 AI 基建资本开支和算力采购预付款所致；如果剔除算力采购预付款，自由现金流实际为 376 亿元。资本开支成了这次电话会 Q&A 的绝对主线，分析师的几乎每个问题，最后都会绕回到算力和 AI 投入上。
分析师第一个问题，就是关于资本开支的回报周期。
伯恩斯坦的 Robin Zhu 问得很直接：这个季度资本开支 530 亿量级，年化就是 2000 多亿，这些投入带来的折旧成本，能在多大程度上被 AI 带来的增量收入覆盖？还是说它本质上是在侵蚀未来几个季度的利润？回报周期到底有多长？
管理层没有回避这个问题。James Mitchell 的回答很坦诚：考虑到当前算力租赁市场的供需和定价，腾讯其实可以立刻把买来的算力租给第三方，马上覆盖折旧并获得不错的回报——就像很多新兴云厂商正在做的那样。但腾讯选择了一条不同的路：把绝大部分新增算力投入到自研模型和自有 AI 应用上，先把模型做到领先水平、把应用做到市场第一，再通过更强的智能换取更长期的经济回报，比如通过 WorkBuddy 销售 token。
刘炽平补充了一个重要的分析框架，他建议把腾讯拆成两块业务来看：一块是现有的成熟业务，增长稳健、经营杠杆明显，现金流依然强劲；另一块是正在从零构建的 AI 原生业务，资本开支也应该一分为二地看待。他还透露了一个细节：几个月前下单采购的部分算力，如果今天转手卖出，可以获得超过 30% 的利润，但公司还是选择把算力优先用于自建模型、再做应用、最后才轮到对外出租。管理层的态度很明确：短期能赚的钱不赚，是为了换一个更大、更持久的 AI 原生生意。
关于 WorkBuddy 的定位，管理层的回答也很有意思。
Robin Zhu 追问：每家 AI 实验室都有动力做自己的应用，WorkBuddy 究竟是一个挂在腾讯会议、腾讯文档旁边的企业软件，还是一个全新的平台？
刘炽平的回答很明确：这是一个新平台，一个灵活的 Agentic AI 工作空间，目标是解决办公人群乃至「一人公司」的所有生产力需求。更关键的是，腾讯把自己定位为「编排者」（orchestrator）——平台会接入多种模型、多种由第三方开发者提供的技能（skill），由平台来选择用哪个模型、哪个技能，既保证任务完成质量，又控制成本。混元会是其中的主要模型之一，但不是唯一的模型。这个表态其实信息量很大：腾讯做的不是又一个封闭的大模型应用，而是一个开放的智能体分发平台。
关于微信智能体「小微」的商业化，分析师表达了担忧，管理层直接反驳。
瑞银分析师的问题代表了市场的一种典型疑虑：智能体简化了交易路径，会不会只是把原本用户在小程序里自己完成的交易，平移到成本更高的智能体上，并没有创造多少净新增 GMV？更短的交易链路，会不会反而减少了高利润的广告曝光库存？
刘炽平的回应非常直接：「你提到的这些风险，我认为都不成立。」他的逻辑是，AI 让微信生态变得更智能之后，生态对用户会更有用，蛋糕本身会变大。他用了一个类比：PC 时代的 QQ 只是通讯工具，移动互联网时代的微信，把 QQ 的价值放大了十倍以上；AI 时代，微信生态有同样的机会，先被 AI 赋能，最终进化为 AI 原生的生态。至于算力成本，小微背后是自研的微信定制模型 WLM，设计目标就是隐私、成本效率和微信内场景，管理层认为成本是可控的。
关于 AI 云的利润率，管理层给出了一个反直觉的答案。
瑞银分析师追问：国内 API token 价格快速商品化，云市场价格战激烈，腾讯 AI 云的利润率怎么看？
James Mitchell 的回答是：国内 token 价格确实低，但 token 的生产成本更低，「远低于外界普遍估计的水平」。所以即便在当前价格下，token 业务已经可以实现正毛利；WorkBuddy 付费用户的毛利和模型即服务（MaaS）的毛利，目前已经可以比肩腾讯云整体的毛利水平。他还透露，由于内存等上游成本上涨，腾讯云已在 5 月全面提价，并且大幅收缩了折扣，国内云的定价环境已经不像过去那么艰难。
关于混元 4 和模型路线，管理层画出了清晰的路径图。
有分析师问：混元 3 主打成本效率，下一代混元 4 要在更大参数级别上竞争，差异化在哪里？
刘炽平的回答是：混元 3 虽然是个「小模型」，但能力可以越级对标大得多的模型，而且专注真实使用场景而非刷榜，这是它能在 OpenRouter 上按 token 用量稳居全球前三的原因。混元 4 会延续这个思路——更大的模型，但同样能越级打赢更大的对手，同样以实用为先。而且腾讯的产品和模型是协同设计的，模型升级会直接放大产品的能力。混元 4 之后还有混元 5，腾讯会逐步逼近 SOTA，最终形成覆盖不同尺寸、不同成本效率档位的模型家族。
关于算力分配优先级，答案的顺序是：训练、推理、云。
针对「会不会像美国同行一样把更多资本开支转向云」的问题，James Mitchell 把优先级讲得很清楚：当前资本开支的第一用途，是训练更大更好的混元模型；第二用途是为混元、DeepSeek 等模型在 WorkBuddy 上的推理提供算力；到今年底、明年，GPU 产能更充裕之后，才会加大腾讯云对外出租裸金属 GPU 和 MaaS 的力度。在出租 GPU、MaaS 和为 WorkBuddy 生产 token 这三者中，管理层认为为 WorkBuddy 生产 token「具有最持久的经济价值」，所以排在最优先。他还透露，WorkBuddy 的订阅现金回款正在快速放量，只是从收到现金到确认为报表收入存在时滞，这部分收入会在下半年逐步体现。
关于 Agent-to-Agent 交易和端侧推理，管理层聊了更远的未来。
花旗分析师问到智能体之间的交易闭环和端侧推理。刘炽平描绘的远景是：未来用户只需给智能体下一个复杂指令，商户侧也有自己的智能体，最终用户的智能体和商户的智能体可以互相交互、完成交易，腾讯正在一步步搭建支撑这个未来的架构。至于端侧推理，他的判断是，长期看大部分推理会回到设备端，就像今天 CPU 计算主要发生在本地一样，这是计算产业的「常态回归」。到那时，算力资本开支不再只由模型公司承担，而是由整个生态分摊，跑模型、跑应用的回报率会更高。
关于广告 22% 的增长能否持续，管理层拒绝线性外推。
James Mitchell 明确表示，广告收入增速过去有上有下，未来也一样，不应该直线外推。他拆解了本季度的情况：应用内广告（IAA）小游戏贡献了约 2 个百分点的增长，但这块业务对腾讯、乃至对全球都还是新产品，增长轨迹尚不清晰；国内消费和广告大盘也仍有波动。但他同时强调，腾讯一直在显著跑赢中国广告市场，并且有信心继续大幅跑赢，底气来自 AI 广告定向、视频号库存和参与度的增长，以及闭环广告带来的更高定价。
关于回购和资本配置的取舍，回答很坦率：是动态平衡，且资本开支不是无限增长。
美银分析师问：5 月以来回购加码、资本开支也在加速，未来 12 到 24 个月怎么排优先级？James Mitchell 的回答是动态调整——如果算力投入的回报更优，就会把更多现金投向资本开支，相应地投向回购的现金可能减少。
刘炽平随后补充了一段我认为是整场电话会最重要的话：AI 原生业务的资本开支更像是今明两年的一笔「一次性集中投入」（lump sum），不应该假设它每年都会创新高。模型训练的算力需求更接近固定成本，到位之后并不需要逐年加码；推理算力则会根据业务回报来决定是否追加——「只有当它能产生很好的回报时，我们才会持续投入」。他还强调，这笔投入不是只拿经营现金流去衡量，而是综合考虑资产负债表上的现金、投资组合、新增经营现金流以及审慎的债务空间。
最后一个问题关于 SOTA 的商业价值，可惜实录到这里就断了。
摩根大通的姚橙问：混元 3 靠成本效率取胜，如果真做出更大、更贵的前沿模型，它能创造什么现在创造不了的价值？刘炽平的回答是：微信智能体并不依赖混元达到 SOTA，WLM 有自己的定位；但 SOTA 模型能支撑起一个真正有分量的 token 生意，能让 WorkBuddy 完成更高难度、更高附加值的任务——甚至帮用户赚钱，从而解锁更多商业模式；达到 SOTA 之后，还可以蒸馏出一批面向特定任务的模型家族。
