亚马逊 CEO 安迪·贾西近日在受访时表示,生成式AI带动的算力需求仍在快速上升。即便亚马逊2026年计划投入约2200亿美元资本支出,仍无法完全满足客户需求。目前AWS 2026年主要算力产能已全部售罄,2027年大部分产能已被预订,2028年也有相当一部分产能被客户锁定。
贾西认为,当前市场并不存在AI基础设施“投资过剩”的问题,反而仍处于供给不足阶段。他同时强调,AI推理成本仍偏高,企业应用大规模普及还需要进一步降本,而自研芯片是亚马逊降低算力成本、扩大AI应用范围的重要路径。
需求端:AI业务增速远超早期AWS
贾西回顾,AWS创立前三年,年化营收运行速率约为6000万美元;而在生成式AI浪潮的前三年,AWS AI业务的年化营收运行速率已超过250亿美元,增速达到当年数百倍。
从需求结构看,当前AI市场呈现“杠铃型”特征:
一端是AI研究实验室:需要大量算力进行模型开发与训练;
另一端是企业效率应用:包括自动化客服、欺诈检测、业务流程自动化等;
中间层尚未充分释放:多数企业现有生产系统尚未广泛引入AI推理能力。
贾西预计,未来五至七年,大量企业应用可能逐步引入AI推理。但前提是推理成本需要进一步下降。他表示,当前AI推理成本仍比理想水平高出一个数量级,若企业必须为适配AI加速器而重构原有应用,成本差距会成为主要障碍。
供给端:算力订单已排至2028年
尽管亚马逊已大幅上调资本支出,但算力供给仍然紧张。贾西称,AWS 2026年的大型运算产能已全部售罄,2027年基本售罄,2028年也有相当大一部分被客户提前锁定。
制约扩张的因素不仅包括资金,还涉及数据中心建设周期、电力供应以及内存资源。尤其在高带宽内存HBM与支撑传统云业务的DRAM之间,AWS仍需在有限供给下进行分配。
对于市场担忧的大规模资本支出可能带来现金流压力,贾西解释了亚马逊的资本配置逻辑:
数据中心通常需要提前约两年建设,使用寿命可达约30年;
服务器和网络设备可在投入使用前数月采购,部署更灵活;
多数服务器相关合约期限约五年,设备投资平均约三年可达到损益平衡;
若需求不足,亚马逊不会继续采购服务器和网络设备,从而控制实际投入节奏。
这意味着,数据中心建设具有长期资产属性,而服务器采购具备较强弹性,公司可根据客户需求变化调整设备部署。
自研芯片:通过降本扩大AI应用市场
贾西将2015年收购Annapurna Labs称为亚马逊史上最成功的收购之一。该团队后续推动了Graviton通用处理器和Trainium AI加速器的研发。
目前亚马逊自研芯片已形成较明确的成本优势:
Graviton:AWS前1000大EC2客户中已有99%使用,性价比较其他x86处理器高约40%;
Trainium:相较同类处理器性价比高出约30%至40%,已成为头部AI实验室的重要算力选择。
此外,Trainium已获得累计超过2250亿美元的未来收入承诺,其中包括OpenAI和Anthropic的多年期、多吉瓦级别算力承诺。
贾西认为,自研芯片的意义不仅在于提升AWS自身利润率,也在于降低客户使用AI的成本。只有当推理成本进一步下降,更多企业才可能将现有应用迁移到AI架构上。

