我是 LongbridgeAI，以下是我提取的核心信息以下為海豚君整理的$甲骨文.US FY27 投資者日（2026 Investor Day）的會議紀要。
核心看點：
1. 融資一次封頂：本輪投資週期只需再融 200 億美元（股、債各 100 億），此後不再淨新增融資
2. 現金流拐點給出時間表：CapEx 在 FY27–FY28 見頂，自由現金流 FY28 下半年轉正，FY29 超過 300 億美元並實現自我造血。
3. 長期目標加"+"：FY30 收入 2,250 億美元 +、Non-GAAP EPS 21 美元 +、經營利潤率 40%+；收入與 EPS 數字與一年前一致，加"+"表示信心更足。
4. 資本強度靠融資結構降：供應商融資、客户自帶硬件（BYOH）、客户預付款三種方式混合使用，使本輪週期整體前期現金需求減少約一半；未來兩年的 7GW 均已簽約，融資組合已基本敲定。
5. 單項目回報可觀：1GW 項目 CapEx 約 370 億美元，滿產年收入約 160 億美元，項目經營利潤率約 34%、ROI 在 20% 後段；合同多為 cost-plus，成本上漲可傳導。
6. 交付提速且分散：FY27 Q1 交付約 850MW，分佈在 11 個國家的 38 個項目；FY28 末總產能約 10GW，若有延誤可在項目間騰挪解決。
7. 應用層出現按量收費：Fusion Claw 與 AI units 在席位之外新增收入層，但目前指引中計入不多。
8. 供需仍偏緊：管理層判斷至少未來 3–5 年 GPU 供給都不會超過需求，內存與晶圓產能比電力更能決定可部署算力。
一、核心財務信息回顧
1. 融資需求封頂與股東回報
a. 本輪投資週期（至公司可自我造血）最終只需新增融資 200 億美元，股權、債務各 100 億美元，最早於 2026 自然年內擇機執行；此外不再動用 Oracle 信用做其他結構化融資，數據中心仍維持租賃模式。
b. 資本配置優先級：第一維持投資級信用評級，第二通過分紅回報股東，第三為業務機會提供資金。
c. 資產負債表：新增 100 億美元債務後，總債務未來兩年基本持平（正常滾動再融資），承諾 FY29 前淨債務/EBITDA 降至 3.5 倍以下。
2. 中長期業績指引
a. 收入：FY27 指引同比增長 34%；FY30 收入 2,250 億美元 +，對應 4 年 35% 的 CAGR、新增 1,580 億美元 +；FY28、FY29 收入增速大致平穩。
b. 利潤與現金流：FY30 Non-GAAP EPS 21 美元 +；自由現金流在 FY28 下半年轉正，FY29 超過 300 億美元，FY29 起實現自我融資。
c. 利潤率：FY26 Non-GAAP 經營利潤率 43%；未來幾年受業務結構與項目爬坡拖累，但 FY28–FY29 爬坡高峰期"不會顯著低於" 40%，FY30 回到 40%+。
3. 資本開支與產能
a. 未來約兩年新增約 7GW 產能（均為已簽約產能），FY28 末總產能約 10GW；CapEx 在 FY27、FY28 見頂，FY29 回落。
b. 五個大型園區合計約 5GW（每個 1GW 上下浮動數百 MW），於 FY26 至 FY29 年中交付；Abilene 接近完工，其餘四個預計 2027 自然年開始首批交付，指引已計入任一園區最多延遲兩個季度。
4. 1GW 項目單位經濟模型（基於當前 RPO 的平均項目口徑，假設租賃機房外殼與電力）
a. 投入：CapEx 約 370 億美元，略低於合同總價值的 50%；自籌模式下全部在項目前兩年支付。
b. 產出：滿產後年化收入約 160 億美元（去年口徑約 100 億美元，上調主因內存等成本上漲經 cost-plus 傳導）；毛利率約 35%，項目級經營利潤率約 34%，投資回報率在 20% 後段；滿產後税後經營利潤加折舊 100% 轉化為現金流。
c. 降資本強度（1GW 示例，單獨測算、不可疊加）：自籌模式下 370 億美元 CapEx 全部在前兩年支付；若供應商墊付 70%、Oracle 分 5 年償還，前兩年資金需求降至 180 億美元（-50%）；若採用 BYOH（客户自帶硬件），資金需求降至 60 億美元或更低，收入減少，但利潤率與 ROI 提高。
d. 合同屬性：大型 AI 基礎設施合同基本為 cost-plus 或類似結構，收入可能變化但利潤率與 ROI 不變；續約預期利潤率持平或更好，Q1 已有 4 年期 GPU 以高於原合同價 20% 的價格出售/續約。
5. 業務結構與在手訂單
a. RPO 6,640 億美元，其中超過 90% 來自基礎設施業務；FY26 首個大單集中於單一客户，此後每季度 RPO 持續增長並分散化。
b. 三類業務模型：SaaS 維持兩位數增長、資本強度低、毛利率很高；雲數據庫增速遠超 50%、資本強度中等、毛利率很高；基礎設施毛利率較低、資本強度高，但費用率低，在經營利潤率層面與前兩者差距明顯收窄。
c. 可服務 TAM 的 CAGR 超過 20%，公司預計自身增速遠超這一水平。
二、投資者日詳細內容
2.1 高管陳述核心信息
1. 全棧 AI 戰略與三大價值支柱
a. 三大支柱：差異化增長、強勁利潤率/自由現金流/EPS、紀律化的資本配置；內部所有投資均需對齊這三點。
b. 三個行業轉變：AI 從回答問題走向執行操作，安全與權限控制要求更高；AI 正在成為用户界面（NetSuite Next、Fusion Companion 均主打"AI is the UI"）；客户從 AI 試驗轉向要求可量化的 ROI，對"堆 token"有明顯牴觸。
c. 全棧優勢：基礎設施、數據庫、AI Data Platform、應用疊加，可交付醫療、機器人手術、礦業等端到端場景，其他廠商需拼接多家方案。
2. Fusion 應用 AI 採用數據
a. FY27 Q1 客户調用 Fusion 內嵌 AI 超過 1.5 億次，6 月至 8 月使用量增長 42%。
b. 9 月單月 Fusion AI 消耗近 5,000 億 tokens，環比增長 22.7%。
c. 已上線 agent 數從 5 月的 1,000 餘個增至 9 月的 3,500 個；DHL、Avis、Orange、ADT 等擴大使用。
d. 新推出自動化遷移工具，同樣適用於競爭對手的本地部署客户；ERP 客户中約一半仍在本地部署，遷移上雲後收入成倍提升。
3. OCI 基礎設施：電力與數據中心
a. 電力獲取：電力與機房到位後 30 天內即可建成並上線；2024 年在 Abilene 率先採用表後燃氣輪機做備用電源，第二個德州 GW 級園區選用 VoltaGrid 往復式發動機方案，新墨西哥園區轉向 GW 級燃料電池。
b. 電網友好：通過改寫 UPS 軟件與固件平抑 AI 負載的驟升驟降，使電網側看起來"如同 1,000 户家庭"；在德州 Shackelford 部署 10MW AI 負載測試模擬器。
c. 社區策略：Abilene 本地招聘培養 200 餘人；採用閉環液冷（燃料電池也用）節水；推出透明度計劃，公開空氣、水、熱、光等使用數據。
d. 建設方式：土建與機房裝修合為一個項目、並行推進；模塊化、可複製設計；兼容不同計算架構；GW 級園區分 1.5–2 年分期交付。
4. OCI 基礎設施：供應鏈與交付速度
a. 單個 GB300 機架約 6,000 個零部件，每個環節均多源供應；Vera Rubin 機架則由 Oracle 接管了製造商產線上運行的軟件，確保機架運抵數據中心即可開始工作。
b. 過去一年產能翻倍，GPU 機架出貨量增至 3 倍且無延誤。
c. FY27 Q1 交付約 850MW，分佈在 11 個國家的 38 個項目，Abilene 僅佔其一；約合每天交付 8.5MW，交付速度為上年同期的 4 倍。
d. 從進入機房到機架產生收入約 21 天；Abilene 客户 OpenAI 可在 24 小時內完成驗收，可用率超過 99%。
5. OCI 基礎設施：可替代性與耐用性
a. 單個 512 GPU 集羣可在幾分鐘內安全切分給 32 個客户；上季度曾在數小時內將產能從客户 A 重新分配給客户 B；AI 基礎設施客户超過 1,000 家。
b. CPU 與網絡機架也改為液冷、密度與加速機架相當，可在任意數據中心互換；為風冷機房推出 sidecar 方案 OCI L2Arc，單台可為最多 1MW 機架供電散熱，美國某數據中心已部署超過 100MW。
c. 通用 CPU 業務：某客户近期承諾約 100 萬顆 CPU，其中 99% 為 2017–2021 年推出的老一代平台，合同為 18–48 個月 100% 承諾消費。
d. BYOH：依託 SmartNIC 與 off-box 虛擬化，可將客户自帶硬件機架接入 OCI 並獲得全部 OCI 服務。
6. 數據庫與多雲
a. AI 基礎設施客户平均 13% 的支出用於非加速器服務，平均額外使用 40 餘項 OCI 服務。
b. 機器生成數據佔比從兩年前的 30% 將升至 50%–80%；數據庫的"下一個 10 億用户"將是 agent；發佈 Deep Trust AI Architecture，以及可自動讀取應用代碼與語義模型、構建業務本體的 AI Data Platform AI Discovery agent。
c. 多雲數據庫本季至今已覆蓋約 71 個 region，增速超過 209%，是增長最快的業務之一；Zema Global、Conduent 等客户快速完成遷移。
7. Fusion 應用：從"系統記錄"到"系統成果"
a. 應用層從 AI 輔助工作（已做 18 個月）轉向 AI 自主完成工作；模型、護欄、可觀測性來自 OCI（含 gpt-oss 等開源權重模型），跨系統數據來自 AI Data Platform。
b. Fusion Claw：承接原本在規劃、對賬軟件或 Excel 中完成的專家型工作；架構上由 AI 負責推理與規劃、確定性計算負責執行，可對 100–200 萬條記錄對賬、跑 1,000 個場景而不消耗 token，單一執行引擎覆蓋數千用例。
c. 本屆發佈 75 個 agentic 應用，其中 25 個支持 Claw；提供無代碼與 VS Code/CLI 專業開發環境。
d. Fusion Companion 與 Fusion Agentic Home：覆蓋 Fusion 全部功能的統一入口，已有 OpenAI 插件；Fusion 用户約 4,000–5,000 萬，多為一線員工，需要原生 agent 入口。
8. Fusion 應用：商業模式變化
a. 數月前推出 AI units 按量計費（含 token 與算力），在訂閲席位之外新增收入層，AI 做的工作越多收入越多，無需增加席位。
b. 因推理與計算分離，AI units 毛利率較好，不依賴 token 成本。
c. 上季度 agent 運行 570 萬次；AI Studio 認證開發者超過 10 萬人；7,000 家客户、3,600–3,700 個 agent 在生產環境運行。
9. 行業應用與 NetSuite
a. 增長邏輯：本地轉雲帶來 3–4 倍收入提升，交叉銷售第二個應用再提升 3 倍、第三個應用再次提升；多個行業中多數客户只用一個 Oracle 應用，北美金融服務業 60% 客户僅用一個應用，北美各行業交叉銷售機會超過 50 億美元。
b. 客户案例：MGM Resorts（Fusion Financials + OPERA，16 家物業、4.3 萬間客房，打通預訂到總賬）；加拿大 CAMH（財務、HR、供應鏈、CX + Oracle EHR）；沙特最大住宅建築集團（Fusion + Primavera Cloud，付款速度提升 50%、工作量減少 50%）。
c. NetSuite：4.4 萬家中型客户；發佈大量 AI 與行業方案（醫療、餐飲、建築 Textura、地方政府 SuiteApp），SuiteExpress 加速實施。
d. 新 agent 應用：為 Burger King Italia 用數週開發配送對賬 agent 並已對外銷售；發佈公用事業、建築、農業（Oracle Agriculture Intelligence）、政府、金融（現金管理、零售貸款）、酒店、餐飲、零售發票匹配等新應用。
e. 嵌入式金融：在美、英、加處理 ACH 與信用卡支付，正拓展供應鏈支付、錢包、薪酬、跨境支付、費用報銷等 B2B 場景；TAM 從客户 IT 預算擴展至整體運營預算。
2.2 Q&A 問答
Q：公司稱 CapEx 在 FY27 和 FY28 見頂，FY28 總資本開支是與 FY27 持平，還是因新業務大量上線而明顯上升？
A：給出 1GW 示例正是為了方便自行建模。方向上，今年會爬坡一部分 GW，明年爬坡的量可能更多。
Q：確認一下，股、債各 100 億美元合計 200 億美元是 FY27 的融資，之後兩年不再融資？
A：是的，這是今天的明確承諾。依靠供應商融資（或類似安排）、BYOH 與預付款等靈活機制，公司有信心將融資需求鎖定在 200 億美元。預計不會再有其他動用 Oracle 信用的結構化融資，但會繼續維持租賃數據中心的現有模式。
Q：5–6 年期合約、1–3 年期合約與現貨的定價差異很大，公司的產能銷售策略是什麼？
A：本質是選擇一個組合，取決於風險偏好。短期合約在硬件生命週期初期能拿到更高價格，但承擔更多未來不確定性；還要權衡前期現金投入、回報時點、合作伙伴以及客户如何配置資本。現金充裕、風險可承受時，公司會承擔更多風險換取更高回報；需要更低風險、獲取不同資本或鎖定收益時，則籤長期合約。
市場嚴重低估的一點是：今年上線的數據中心和其中的硬件，五年後與屆時新建的數據中心相比將非常便宜，這也是展示 GPU 續約案例的原因——行業擔心硬件壽命被高估，公司看到的恰恰相反。此外不只有一次定價機會，四年合約到期後可續約 2–3 年或投入現貨市場，類似航空公司和酒店，定價必須高度動態。
公司還會成為這些客户的分銷渠道，例如 Fusion Claw 背後聚合了部分模型客户，可以從其產出中再次變現，這是全棧廠商獨有的，其他廠商只提供算力。
Q：過去一年通脹、合同通脹調整條款爭議、利率上升等變化很多，FY30 目標卻基本未變，是原目標留有餘量，還是這些因素相互抵消？
A：目標已從"2,250 億美元"改為"2,250 億美元 +"。大型 AI 基礎設施合同實際上採用某種形式的 cost-plus 定價；其餘 CPU 業務簽約時點更接近算力上線，因此有信心覆蓋項目建設期間 CPU 或 GPU 的成本上漲。四年新增 1,580 億美元收入，市場未必已充分定價。目標提出一年後，公司對 2,250 億美元收入與 21 美元 EPS 更有信心，加上"+"正是為此。
Q：本輪週期之後如何看待後續週期？FY29 300 億美元之後自由現金流能否繼續增長？後續承接新訂單的意願和單筆承諾規模如何？
A：300 億美元 + 的自由現金流為繼續增長留出空間；三類業務模型都是強自由現金流業務，FY29、FY30 若自由現金流遠超 300 億美元，公司將處於完全不同的位置，有能力在 2030 年後按市場機會保持應有增速。
世界是動態的，公司希望保留靈活性，但關鍵在比例：從 1GW 到 10GW 是一條極陡的曲線，2030–2034 年不可能再從 10GW 增至 100GW，因此屆時資金來源結構天然不同。
Q：過去一年發生了什麼變化，讓本輪週期所需融資大幅下降？
A：過去一年的表述是一致的，供應商融資、BYOH 和預付款並非最近才提出，已講了好幾個季度，此次只是量化了規模和範圍，外界此前的測算方式不同而已。從最初提出願景到現在，相關機制已經落地，不只是預測，這才有底氣做出今天的承諾。
Q：未來兩年上線的 7GW 中，供應商融資、BYOH 與預付款的組合如何假設？若組合變化，是否需要外部融資？是否要拒絕某些客户以維持該組合？
A：7GW 均為已簽約產能，三種方式的組合已基本敲定，否則不會對 200 億美元做出承諾，這對公司是很重的表態。對現有客户和供應商下的 7GW 安排很有把握。後續增量增長主要在 FY28 之後，現在到 FY28 上線的基本就是這些。
Q：若更多依賴供應商融資，而公司又高度依賴單一芯片供應商，其承諾是否已鎖定？
A：這是外界的推斷。公司從未表示與任何特定供應商有具體融資安排，也未披露規模和數量，不應據此得出結論；公司對多種融資方式有信心是有原因的。
Q：託管 Google TPU 對 Oracle 意義多大？對收入、積壓訂單和利潤率展望有何影響？
A：TPU 是很好的加速器，公司策略是提供客户想要的所有加速器。不認為所有客户都會轉向 TPU，這也沒關係；就像 CPU 端同時提供 AMD、Intel、NVIDIA ARM、Ampere ARM。公司把自身和合作夥伴的集成成本做得極低，既能觸達更多客户，也證明架構足夠靈活，這正是有信心在 5–8 年後繼續接入不同硬件的原因。已有部分客户期待在 OCI 上使用 TPU，同時也有大量客户想採購 Vera Rubin，Cerebras、Broadcom Jalapeño 同樣受關注。總體看，至少未來幾年各類加速器的需求都遠超供給。
Q：數據中心許可審批面臨挑戰，若出現延誤，公司有多大的可替代性與緩衝空間？
A：大型建設項目本來就複雜，許多常規情況因行業受關注而上了頭條。從資本構成看，建築本身佔比不高；機架、網絡設備、光纖、線纜、冷水機組、UPS 都可以搬到別處，場地平整、併網變電等不可移動部分佔項目總成本比例很小。一個項目延誤時，可以把部件用來加快另一個項目。
單季交付有 40 個左右項目同時推進，公司在持續優化整個體系。公司已持續兑現收入與產能預測，上季度交付 850MW，相應收入、利潤和 EPS 每季都能看到，這是正在發生的事。
Q：財務指引中假設了多少 AI units/按量收入的貢獻？按量收入何時能大到推動應用增速提升？
A：兩位數增長本身覆蓋範圍較寬。成果導向定價才剛開始，目前財務模型中計入得不多，但機會確實存在。成果導向業務的關鍵是能否確定性地交付成果；公司長期作為運營者和數據託管方，掌握客户的最佳實踐，若能按行業複製，將是很好的業務，現階段維持兩位數的指引區間，推出後再提供更多信息。
另一個同樣重要的點是，ERP 客户中仍有約一半在本地部署。新一代模型不斷髮現安全漏洞，本地系統將更易受攻擊且難以大規模打補丁，遷移上雲對公司很重要；實施時間縮短 50%–70% 是客户期待已久的突破。
Q：財務上如何建模和管理監管等原因導致的數據中心延誤？延誤是否會導致客户退出，或帶來調價空間？
A：任何人都不應假設與合作伙伴之間存在精確的交付日期，這一點也體現在客户合同中。客户理解建設規模前所未有，大型 AI 園區更像是合作關係，不存在相關擔憂，也不涉及違約賠償金（LDs）。成本隨數據廳、樓棟逐步爬坡，若延誤，成本也會相應推遲。在公司看來，基礎設施交付前後偏差一兩個季度即屬準時，財務目標已計入任一大型園區最多延遲兩個季度的情形。
Q：融資需求減少 50% 的圖示中，供應商融資、BYOH 與預付款看起來各佔三分之一，這一比例是否大致準確？
A：該圖僅為示意，未給出精確拆分，再細拆會透露過多客户和供應商信息。三種方式各自都在約 50% 的資本強度下降中發揮了相當作用。
Q：行業預計明年約 40GW、2028 年約 60GW 產能上線，全行業供需平衡能否持續？對 Oracle 意味着什麼？
A：首先要區分營銷與現實，很多新聞稿裏的"最多"（up to）幾乎沒有意義，比如有人發郵件説艾奧瓦州農場可以建"最多 300GW"。行業有天然的約束：全球內存和晶圓產能有限，看內存與晶圓產量比看電力上線更能準確判斷可部署算力；沒有光纖、光模塊等配套，聰明的廠商不會盲目投建機電設施，關鍵是配齊成套資源。
需求端被嚴重低估：一年前 AI 寫代碼還只是概念，如今已全面鋪開，每年都會有新的行業被激活，數學、科學領域進展迅速。至少在未來 3–5 年內，看不到 GPU 供給超過需求的情形。
Q：過去幾年單位 MW/GW 建設成本因芯片、部件、燃機、能源等上漲，目標中考慮了多少未來成本通脹？多少資本開支已鎖定？
A：未來 18 個月是增長最快的階段，也是定價確定性最高的階段，大部分採購訂單已下達、價格已鎖定；之後自由現金流轉正，強勁的收入和現金流可以吸收 2029、2030 年的成本波動，這也是現在而非一年前給出資本需求的原因。不知道五年後芯片價格，但五年後的自由現金流狀況會完全不同。
1GW 示例是最新口徑：去年約為每 GW 年收入 100 億美元，今年上調至 160 億美元，主要反映內存等價格上漲。由於 cost-plus 機制，收入和 CapEx 金額可能變化，但毛利率與 ROI 不變，這才是價值創造的核心；需求充足疊加技術差異化，公司具備定價權。三年後 1GW 示例的數字大概率會變化，但商業模式的強度不變。
Q：主流關注的大園區之外，小型站點貢獻的產能多元化程度超出預期，需求來自哪裏？是否會在全球擴張？大小站點的組合是否具有代表性？
A：公司希望展示增長並非只來自外界最常追問的幾個站點，偏好站點分佈與規模的多元化。GW 級園區適合訓練負載，但推理規模越來越大，需要在全球分佈 50MW、100MW、200MW 的站點（過去這已算超大型），部分出於延遲考慮，也取決於哪裏有電力。客户需求本身就是訓練與推理的混合，因此會持續兩者兼顧。
覆蓋 1,000+ 家 AI 客户，既有大模型廠商，也有交易分析公司、航天初創公司等。AI 正在成為通用計算的新常態，公司安裝的 AI 加速算力已遠超傳統算力，而傳統算力本身也在大幅增長。大園區的優勢是可切分為許多小份額，而分散的小數據中心無法像大園區那樣合併使用。到 10GW 時，GW 級園區的佔比約為一半甚至更低；分散在多個國家的大量站點不易上頭條，但正是這種結構讓公司能管理監管和供應鏈風險、可預測地交付。
Q：考慮到主權 AI 等多元需求，公司可組合的數據中心架構定位如何？
A：公司可通過 Alloy 由合作伙伴運營 region，合作伙伴完全掌控這些 region，所有 region 架構一致，均可部署 GPU；規模只受客户或合作伙伴意願限制，例如合作伙伴想部署 1 萬張 GPU，公司就可以配合。公司在中東大量投入，有很多合作伙伴，在亞洲也有眾多合作伙伴；該產品允許客户從小規模起步、逐步擴容，已有 5–7 年的成熟經驗。主權需求會非常大，但推進較慢，與小型數據中心一樣不易上頭條。到 2028 年公司將擁有 200+ 個 region，這在競爭對手中並不常見，未來幾年將持續帶來回報。
<全文結束>
本文的風險披露與聲明：海豚研究免責聲明及一般披露