贾西：2200 亿美元 AI 扩建之下，AWS 算力仍已订满到 2028 年

仅 2026 年一年，亚马逊在 AI 基础设施上就要花掉 2200 亿美元，却依然跟不上需求。在a16z Show 播客 10 月 23 日发布的一期长达一小时的对话中，亚马逊 CEO 安迪·贾西透露，AWS 的算力在 2026 年基本已全部订满，2027 年的大部分也已被预订，而 2028 年的需求已经达到他所说的惊人水平。这一披露把原本可能被看作超大规模云厂商鲁莽烧钱的行为，重新定义为一件更不寻常的事：在企业史上资本最密集的技术扩建中，出现了结构性的供给缺口。

AWS 营收增速创 18 个季度新高，却仍供不应求

结合财务数据看，这个算力信号更加醒目。根据亚马逊 2026 年第二季度财报，AWS 第二季度营收 422 亿美元，同比增长 37%，是 18 个季度以来最快的增速。该业务的年化营收规模约为 1690 亿美元，合同积压订单达到 4960 亿美元，两项数字都反映出需求承诺远远超过了当前的交付能力。

AWS 内部的 AI 业务增长更快。贾西说，AI 服务和亚马逊自研的 Trainium 芯片业务的年化营收都已各自突破 250 亿美元，两条业务线均实现三位数同比增长，据亚马逊 2026 年 4 月的致股东信。贾西提到，十八年前 AWS 推出首批公开云服务时，头三年总营收约 6000 万美元；AI 业务在头三年就突破了 250 亿美元。这个类比的意义不只在规模，也在轨迹：AWS 早年同样长期面临算力短缺。

2200 亿美元的资本开支数字是从早先约 2000 亿美元的预估上调而来，原因正是内存部件成本高于预期，它并不是为投机性需求下的对冲。数据中心需要十八到二十四个月的建设周期，而服务器和网络硬件可以在接近部署时再采购。因此，亚马逊当前的投入反映的是真实的多年客户预订，其中包括提前数年预留算力的 AI 实验室和大型企业。

Bedrock 的 Trainium 重建：以软件的速度做基础设施

贾西播客发言中运营层面的重头戏，也是最容易被普通观察者低估的进展，是亚马逊重建 Bedrock 推理引擎的经过。这个内部代号 Mantle 的项目，通常需要约四十名工程师干上一年左右，据亚马逊介绍。结果六名工程师借助亚马逊的智能体编程工具 Kiro，用七十六天就完成了。

Mantle 重建主要讲的并不是人效。它证明智能体 AI 工具已经成熟到可以用于生产级 AI 基础设施本身，而不只是应用层功能。亚马逊重建的是如今把 Bedrock 大部分生产负载路由到 Trainium 芯片上的核心推理系统，这是一个需要深厚系统知识、性能工程和严谨正确性保证的基础设施项目，而它几乎是以软件迭代的速度完成的。如果这一结果能在同等复杂度上复现，就意味着 AI 平台提供商如今能以十八个月前在结构上不可能的方式压缩基础设施开发周期。

延伸阅读：亚马逊拟 70 亿美元收购 Decart，撬动英伟达的软件护城河

Trainium 是亚马逊的第三代 AI 加速器，采用台积电 3 纳米工艺。每颗芯片在 FP8 精度下的峰值吞吐量为 2.52 PFLOPS，配备 144 GB HBM3e 内存。亚马逊使用超以太网联盟（Ultra Ethernet Consortium）的网络技术实现 Trainium 芯片的大规模互联，而不是英伟达的 InfiniBand 或 NVLink。亚马逊称，与同等的 GPU 配置相比，Trainium 可将训练和推理成本最多降低一半。截至发稿，这一说法尚未在公开的第三方基准测试中得到独立复现；考虑迁移的工程师还必须算上把针对 CUDA 优化的代码移植到亚马逊 Neuron SDK 的成本，对于已有成熟 GPU 工作流的团队来说，这一直是个不小的阻力。

尽管存在迁移成本，采用曲线依然陡峭。Bedrock 如今把大部分推理负载都交给 Trainium，而不是 GPU 实例。Anthropic 已承诺使用最多 5 吉瓦的 Trainium 算力，OpenAI 已承诺自 2027 年起使用约 2 吉瓦。据亚马逊 2026 年第二季度财报披露，Trainium 算力到 2027 年都已售罄。

推理成本仍然太高，难以支撑企业大规模采用

贾西在播客中最具战略意义的观察并不是关于算力稀缺，而是关于成本。他认为，即便 Trainium 声称相比 GPU 方案能把推理成本降低一半，AI 推理的价格仍高于大多数企业能够接受的门槛，难以在现有业务流程中持续运行。

这个论点有特定的结构。目前企业 AI 需求集中在两个极端：一端是消耗巨量算力的大型 AI 实验室和高增长消费类应用，另一端是谨慎探索窄领域 AI 用例的大型机构。两极之间是企业软件的广阔中间地带，包括客服自动化、反欺诈、文档处理、供应链优化、业务流程自动化。在这些领域，接入 AI 的经济理由真实存在，但需要推理成本进一步下降，回报才会明显超过算力账单。

推理成本每一次显著下降，都会打开一层新的市场。按当前价格，一家大规模运营客服中心的企业可能会发现，实时通话辅助的 AI 推理成本相对于生产力提升高得难以承受；成本减半后，账可能就算得过来了。这一动态解释了为什么从贾西的角度看，亚马逊的资本开支轨迹（在需求已经超过供给的情况下仍大举建设基础设施）是自洽的：供给短缺是短期问题，而推理成本问题决定了市场的长期天花板。Trainium 的存在，本质上是亚马逊在押注：随着这个天花板抬升，掌握推理的基础设施经济学将在未来十年给 AWS 带来结构性优势。

Alexa 的生成式 AI 改造与小团队模式

推动 Mantle 重建的同一逻辑，正在重塑亚马逊各处的产品开发。贾西介绍了另一个项目：一个四五人的团队周四开始搭建产品原型，到周日已完成大约八成的开发工作。Alexa 的重新设计，则是同一转变在产品规模上最引人注目的例子。

亚马逊没有在现有 Alexa 架构上叠加生成式 AI 能力，而是决定从零重建这款产品。成果 Alexa+ 运行在六亿个活跃终端上。用户与 Alexa 的对话量是旧版的两倍，时间更长，话题也更广。归因于 Alexa 交互的购买量增至三倍，通过 Alexa 的音乐播放增长了 25%，智能家居交互增长了 50%。这些是亚马逊 2026 年 4 月致股东信中由公司自行公布的数字，也是这款重新设计的产品目前最具体的公开表现数据。

贾西明确说出了这些内部案例对人员结构的含义：随着 AI 加持的团队以更少的人完成更多工作，一些传统岗位会减少。他还认为，岗位之间的技术边界正在模糊。过去发布一个功能，需要产品经理、设计师、前端工程师和后端工程师协同工作；如今一个能借助 AI 跨越这些边界的小团队可以快得多。他提到，自己的孩子并不是软件开发者，却已经用 AI 工具做出了应用，这具体说明了创造的门槛正在如何变化。

亚马逊的扩建与其他超大规模云厂商相比如何

亚马逊 2026 年 2200 亿美元的资本开支并非孤例。据第二季度财报披露，谷歌已把 2026 年资本开支指引上调至约 1950 亿至 2050 亿美元。微软 2026 自然年的投资约为 1900 亿美元，Meta 已把 2026 年指引上调至 1250 亿至 1450 亿美元。仅这四家最大的云和 AI 基础设施运营商，2026 年的资本开支合计就超过 7500 亿美元，这是单一技术周期中前所未有的资本集中投入。

在这一领域，亚马逊占据最大的云市场份额，约为 28%，Azure 约为 20%，谷歌云约为 15%，据 Synergy Research Group 的 2026 年第二季度数据。Trainium 差异化战略正是为了在 AI 时代拉大这一差距：微软 Azure 的技术栈主要运行在英伟达硬件上，对已经使用 CUDA 的团队来说软件迁移阻力更小，但 Azure 没有自研芯片的成本优势。谷歌的 TPU 系列提供了类似的自研芯片战略，但谷歌商用云的市场份额仍然小得多。

贾西说，AWS 的服务器和网络设备运行不到三年就能收回资本成本，而数据中心的物理基础设施可用寿命超过三十年。这种不对称的回报结构（硬件回本快、设施折旧长），是亚马逊在支出规模压低短期自由现金流的情况下仍继续投资的关键结构性理由。

网络安全与日益紧迫的速度要求

贾西指出，网络安全是一个日益突出、却在大多数基础设施叙事中被低估的运营问题。AI 系统如今能够找出以往因过于隐蔽或数量过多而无法被传统安全工具发现的软件漏洞。结果是，从漏洞披露到被利用的时间窗口正在压缩：从传统安全流程所针对的数周或数月，缩短到可能只有几分钟，贾西在播客中说。

在漏洞公开后几分钟内就可能被利用的情况下，靠缓慢的跨部门流程应对安全威胁的组织（为漏洞开工单、转给负责团队、排期打补丁、经预发环境部署）在结构上就处于暴露状态。贾西的言下之意是，AI 加速的威胁检测需要从头重新设计软件架构和安全响应流程，而不是在现有的慢周期流程上打补丁。

AWS 的万亿美元轨迹

贾西明确预测 AWS 可能成为年营收万亿美元的业务，这一判断建立在短期和结构性因素的叠加之上。短期看，4960 亿美元的已签合同积压，加上延伸到 2028 年的需求信号，意味着即便没有新客户，营收也能持续增长。更长远看，贾西的论点是，推理成本的下降将打开大众企业市场，也就是按当前价格尚不具备经济合理性的广阔中间层，从而形成比当前更大的第二波需求。

这一预测有几个前提：Trainium 在规模化后兑现其成本承诺；Neuron SDK 生态成熟到足以降低以 CUDA 为主的开发团队的迁移门槛；以及没有结构性冲击（一种新架构、一套监管制度或一次地缘政治供应冲击）打断当前的轨迹。若有独立基准测试在生产规模上复现亚马逊对 Trainium 性能和成本的说法，每一项假设的风险都会大幅降低；而这类测试的缺失，仍是亚马逊当前叙事与外部验证之间最大的空白。在这种验证出现之前，这笔 2200 亿美元的 AI 基础设施押注，正如贾西在 a16z Show 上所说，是对一个亚马逊认为真实存在的需求信号做出的审慎投入，而不是该信号必将持续的证明。