从Amazon Q2财报看AI:是泡沫还是重工业?一份给中国企业的战略解剖

编者按：

1、借AI东风aws重新进入发展快车道，未来有望成为年营收1万亿的业务。

2、这也印证了我分析的，AI的获利者是有客户，有内容的企业的判断。

AI大模型应用机会属于哪类企业？属于有客户的企业，和懂行业Know-How的企业。

3、积压待交付订单，说明需求旺盛，同时也注定Amazon继续加大基础设施投入。

4、AI战略：从"卖云主机"升级为"算力+芯片+模型商场+工具链+行业交付"的全栈AI工厂。

开发者生态完整，这也是云的精髓，生态必须有平台和工具，面向开发者构建生态，约900万开发者调用token。

9、从运营利润率看，AI业务是高毛利，不是很多人认为的算不过来账。

2026年7月30日，亚马逊交出一份让华尔街改口的季报：

1、总营收2006亿美元（同比+20%），

2、AWS营收422亿美元（同比+36.7%，18个季度最快），

3、AI业务与自研芯片业务各自年化营收突破250亿美元、均三位数增长，

4、AWS待交付订单（backlog）堆积到4960亿美元。

5、但另一边，全年资本开支上调到2200亿美元，过去12个月自由现金流转负76亿美元。

一、Amazon财报里AI部分到底长什么样

1. AI业务营收

• AWS AI相关业务（含Bedrock、Trainium实例、AI数据/推理服务等）：年化营收 >250亿美元，同比三位数增长。
  
  


• 自研芯片业务（Trainium+Graviton）：年化营收 >250亿美元，同比三位数增长；Graviton已被98%头部EC2客户采用，Trainium拿下Anthropic、OpenAI多年多GW级承诺。
  
  


• AWS整体：单季422亿，年化1690亿，营业利润率39.4%，是公司利润压舱石。

2. AI存量待交付订单

• AWS整体待执行订单 4960亿美元，同比三位数增长；贾西明确说"2026、2027年算力不够卖，2028年订单已被提前锁定"。
  
  


• 这不是PPT意向金，而是企业客户+AI实验室签下的多年期算力/服务合约，构成亚马逊敢把CapEx加到2200亿的底气。

3. AI战略：全栈+双轨+重交付

• 底层：Trainium（训练）/Graviton（通用）自研芯片，降低对英伟达单一依赖，向外谈单独售Trainium。
  
  


• 平台层：Bedrock聚合多模型（Anthropic/OpenAI/开源等），不押单一模型；SageMaker、AgentCore覆盖智能体开发。
  
  


• 交付层：砸10亿美元建AWS Forward Deployed Engineering（现场AI工程师）团队，把人嵌进客户办公室帮落Agent。
  
  


• 定位：从"卖云主机"升级为"算力+芯片+模型商场+工具链+行业交付"的全栈AI工厂。

4. AI业务预测

• 短期：Q3总营收指引1970-2020亿（Prime Day提前致基数扰动），但AWS增速大概率维持30%+。
  
  


• 中期：贾西口径——AWS"极可能"长成年营收万亿美元级业务；AI+芯片两条线按当前斜率，3-4年内各自从250亿向千亿级跑。
  
  


• 资本开支：2026年2200亿，2027年底电力容量较2025翻倍；服务器3年回本、IDC用30年，管理层叙事是"先重后轻"。～

二、AI泡沫真实存在吗？——分三层看

• 需求是实的：4960亿backlog、AWS增速创18季新高、Anthropic/OpenAI/Uber/Pinterest用真金白银锁Trainium产能——这说明企业AI从POC走入了预算制，不是demo玩具。
  
  


• 财务杠杆是悬剑：亚马逊自由现金流转负76亿，四大云厂（亚马逊/微软/谷歌/Meta）年AI CapEx合计冲数千亿。如果2027年后推理成本因算法/芯片跃迁而陡降，或企业AI ROI不及预期，长期合约会变成沉重固定资产，这是"重工业泡沫"而非"互联网泡沫"。
  
  


• 一级市场有虚火：大模型初创估值、部分AI应用概念股确实含泡沫；但亚马逊这种"用云利润养芯片+用芯片反哺云毛利"的闭环，目前被财报验证为能自我造血。
  
  


• 贾西自己的判断很直白："即便投2200亿，需求仍满足不了"——这是供给约束型繁荣，不是需求幻觉型繁荣。

简单说：AI底层基础设施（云+电+芯片）处于稀缺周期，像早年建IDC/光纤；上层套壳应用公司才是泡沫重灾区。

三、Amazon AI战略对本企业的启发（通用管理层视角）

1. 不要只卖算力，要卖"全栈转化率"
   
   
   单纯IaaS降价必死。亚马逊把AI收入拆成芯片、Bedrock抽成、Agent交付三块，每一层都吃毛利。企业做AI业务，至少要卡住"模型接入+工作流嵌入+计费闭环"中的两段。
   
   


2. 自研与开放并行不悖
   
   
   亚马逊既押Trainium也捧Bedrock多模型，既投Anthropic也服务OpenAI。自研为控成本与差异化，开放为留客户——避免被单模型绑定，也避免自研烧穿利润表。
   
   


3. 敢下重注但要锁长期订单
   
   
   2200亿CapEx能讲通，前提是4960亿backlog托底。重资产AI玩家必须学会用"多年长约+预付款+产能预留"把需求显性化，否则现金流会先死。
   
   


4. 交付下沉到客户现场
   
   
   10亿美金建FDE团队是个信号：AGI时代云厂商得干"高级施工队"。技术差距拉平后，谁帮客户把Agent接进ERP/客服/供应链，谁拿续费。
   
   


5. 接受自由现金流转负，但要有回本叙事
   
   
   市场容忍亚马逊转负，是因为AWS营业利润166亿、芯片自研省了GPU溢价。纯烧钱无毛利结构的AI项目，融不到第三轮。
   
   

四、对中国企业的借鉴意义（云厂/AI公司/SaaS三层）

对阿里云、腾讯云、华为云、百度智能云、火山引擎

• 抄全栈作业，但不必抄2200亿：亚马逊的backlog来自全球多区域+AI实验室集群，中国厂商应把有限CapEx倾斜到推理侧性价比（国产卡+推理加速）和政务/制造垂直Agent，而非全面对标训练集群。
  
  


• 自研芯片必须走"自用→生态"路径：Graviton模式证明自研CPU/加速卡先喂饱自家云、再外售最稳；国产芯（昇腾/寒武纪/海光）需绑定云厂真实负载迭代。
  
  


• Bedrock思路本土化：国内可做成"开源权重+商业模型+行业微调"的中立模型商场，避免既当裁判（自研大模型）又当运动员（平台）引发ISV不信任。

对AI创业公司（大模型/ Agent / Infra）

• 别硬刚前沿预训练，做亚马逊不想干的交付层：行业知识库、合规网关、旧系统连接器——这正是AWS FDE团队外包出来的缝隙。
  
  


• 收入确认学亚马逊：年化run-rate单独披露（>250亿那句话让股价涨9%），融资时拿合约backlog说话，别只拿DAU讲故事。

对SaaS/传统企业IT

• 亚马逊把AI推理放在客户原有数据旁边——企业做数字化转型时，先盘自己有哪些高价值私有数据工作流可被Agent重构，再买云；避免被锁死在单一云的智能体体系里。
  
  


• 关注Trainium类性价比算力：未来3年推理成本下行，企业AI预算应从"试点费"转为"人均Agent订阅费"模型。

五、一句话收口

数据底稿：Amazon 2026 Q2 SEC 8-K、财报电话会实录、华尔街见闻/财联社译析。

------/////------//////-----/////-----/////--

深度交流请进群：

1、AI大模型加速人机协同时代的到来

AI大模型推动智能替代人时代的到来，人该怎么做？人机协同，发挥人的思想和创造优势，用好机器的标准和重复执行优势，共建美好新世界。

2、AI时代，大学生专业选择

AI时代专业选择，计算机成为基本工具，懂计算机跟懂英语一样重要。专业选择“数学/IT/AI+X”更合适。

3、AI大模型，改变了软件产业范式

GPT对软件行业的影响，软件研发范式的变革。