当华尔街对AI基础设施的巨额投入忧心忡忡时，亚马逊交出了一份让人意外的答卷——营收增长20%，云服务收入亮眼，股价盘后大涨10%。但比数字更值得追问的是：为什么云巨头越投AI越赚钱？
■ 一、数字背后：不只是"超预期"
亚马逊2026年第二季度的财报摆在桌面上时，市场看到的不只是"beat"。净销售额增长20%，AWS云服务在其中扮演的角色远比数字本身更有故事性。
关键在于两点。第一，亚马逊没有像市场担心的那样削减数据中心支出——恰恰相反，CEO安迪·贾西明确表示AI工作负载正成为AWS增长的核心驱动力。第二，自研AI芯片Trainium和Inferentia开始产生实际回报，为客户提供了性价比更高的AI算力选择。
说实话，财报发布前市场上流行一种叙事："投资者对AI投资回报失去耐心了。"亚马逊用实际数字回应了这种担忧——不是所有AI投资都叫"烧钱"，关键是投在哪里、怎么投。
把目光放到行业整体，微软和谷歌的云业务也在同期录得AI相关的强劲增长。微软Azure AI服务收入同比增长超过50%，谷歌Cloud的AI贡献从"可忽略"变成了"两位数百分比"。三家巨头的财报放在一起看，清晰的信号是：AI正在从"成本中心"变成"利润中心"。
■ 二、云巨头的三重护城河
为什么云巨头是AI浪潮的最大受益者？让我想到三个层面。
算力即基础设施。 训练和推理大模型需要的GPU集群不是随便一家公司能建的。亚马逊、微软和谷歌在过去三年投入了超过3000亿美元建设数据中心，这种资本密度形成了天然壁垒。新晋AI公司可以租用算力，但无法复制基础设施本身。一个简单的数字足以说明问题：训练GPT-5级别的模型需要数万张H100 GPU，而全球能调集这么多GPU的机构不超过20家。
平台锁定效应。 企业一旦将AI工作负载迁移到AWS，数据存储、模型训练、推理部署就在同一个生态内完成。这不是简单的"换个云服务商"的问题——迁移成本高得让绝大多数企业望而却步。亚马逊的调研数据显示，超过70%的AWS AI客户同时使用了至少3项以上的AWS服务，意味着迁移的摩擦成本远高于单纯的GPU租赁成本。
从工具到平台。 AWS提供的不是单一的GPU租赁，而是从数据湖、模型训练平台到推理API的完整工具链。企业客户不需要自己搭建MLOps基础设施，直接用SageMaker等服务就能完成从数据到模型的全流程。这种"开箱即用"的体验对于急于拥抱AI但又缺乏技术储备的传统企业来说，是巨大的吸引力。
这三个层次的叠加效应，让云巨头在AI时代占据了结构性优势。简单来说：企业不只是买算力，买的是整个AI基础设施的"管理服务"。
■ 三、自研芯片：打破NVIDIA依赖的关键一步
AWS的自研AI芯片战略之所以值得关注，不是因为它在性能上超越了NVIDIA的H100/B200——事实上差得远——而是因为它改变了游戏规则。
Trainium和Inferentia定位很明确：不算最强，但足够好，且成本低得多。对于大多数推理场景和中小规模训练任务来说，性价比远比绝对性能重要。AWS客户可以选择用NVIDIA GPU跑最高端的训练任务，用Trainium跑日常推理——这种灵活性本身就是差异化优势。
更重要的是，自研芯片让AWS不再受制于NVIDIA的供货周期和定价策略。在AI芯片供不应求的大环境下，掌握自己的芯片供应意味着更稳定的服务和更有竞争力的定价。
■ 四、竞争格局：三足鼎立但各有软肋
AWS、Azure、Google Cloud在AI云服务上的竞争已经进入白热化阶段。
AWS的优势在于先发优势和客户基数——它拥有最多的企业客户和最成熟的云服务体系。Azure的差异点在于与OpenAI的深度绑定——如果OpenAI的模型持续领先，Azure就能分到最大的蛋糕。Google Cloud则有自研的TPU和Gemini模型，在AI原生应用上走得最远。
但三家都有各自的隐忧。AWS面临的挑战是：如果自研芯片性能跟不上NVIDIA的迭代速度，高端AI工作负载可能流向Azure。Azure的风险是过度依赖OpenAI——当微软开始自研Phi系列模型并与Anthropic合作时，这种依赖关系正在变得复杂。Google Cloud虽然技术储备深厚，但在市场份额上始终是第三名，企业信任度不如前两家。
■ 五、亚马逊财报的启示：AI商业化进入"验证期"
亚马逊的这份财报，放在更大的时间尺度上看，可能标志着AI商业化进入了一个新阶段——从"讲故事"到"看数字"。
过去两年，每一家AI公司都在强调"增长"。GPT的用户数、Claude的API调用量、Copilot的订阅数——这些都是增长指标，不是商业回报指标。但亚马逊的财报让人们开始关注另一个问题：当AI基础设施投入达到数千亿美元级别后，投资回报到底在哪？
答案是：对于拥有基础设施的公司来说，回报已经开始显现了。AWS的AI相关收入同比增长远超整体云服务增速。但对于单纯提供AI模型的公司——哪怕是OpenAI——商业模式的不确定性仍然存在。
■ 六、对AI创业者的启示
亚马逊的财报对AI创业公司来说，同样有重要的参考价值。
首先，不要试图复制云巨头的算力优势。创业公司最宝贵的资源不是GPU数量，而是对特定场景的深度理解。在亚马逊、微软和谷歌覆盖的通用AI服务之外，仍有大量垂直场景需要定制化的AI解决方案。
其次，模型层正在变成commodity。当基础模型的能力趋于同质化后，差异化的价值从"谁有更好的模型"转向"谁能更好地解决客户的实际问题"。这恰恰是创业公司的机会——它们比云巨头更接近终端用户。
最后，成本控制能力将成为核心竞争力。随着AI模型的参数规模从数千亿向数万亿增长，推理成本的控制能力将决定产品的商业可行性。能够用更少的算力做更多事的创业公司，将在竞争中占据优势。
*这也许是亚马逊财报在AI热潮中最值得品味的注脚：卖铲子的人可能比挖金子的人更早赚到钱，但挖金子的人里总有人能找到云巨头看不到的矿脉。*
──────────────────────────────
*本文基于TechCrunch报道及公开财报信息，观点仅代表编辑部立场。*
──────────────────────────────
─ END ─
Florx科技观察 · 每日精选
关注我们，获取最新科技资讯
