AWS剑指万亿营收，Jassy称先烧钱再称王AI云

亚马逊CEO Andy Jassy近日放出豪言：AWS将成为公司首个营收突破1万亿美元的业务。但这条通往万亿的道路，铺满的是持续飙升的资本支出。在AI云计算的军备竞赛中，亚马逊选择先烧钱、再称王。

万亿目标背后的资本豪赌

据原始报道，Jassy在周四的发言中明确表示，亚马逊的目标是成为AI云计算领域的王者，并打造首个万亿美元营收的业务。这一表态将AWS的长期野心摆上了台面——不再只是云基础设施的领导者，而是AI时代算力底座的垄断者。

但Jassy同时承认，要实现这一目标，公司必须继续其资本支出的“狂欢”。这意味着短期内利润表将继续承受压力，自由现金流可能进一步收紧。对投资者而言，这是一个明确的信号：亚马逊的增长叙事已从“利润释放”切换回“重资产投入”。

资本支出的去向并不难猜。AI训练和推理对GPU、自研芯片、数据中心电力和冷却系统的需求呈指数级增长，AWS必须提前锁定产能，否则将在大客户争夺战中落于下风。

为什么AWS必须“先花后赚”

云计算的竞争逻辑在AI时代发生了根本变化。过去，规模效应体现在服务器利用率和边际成本递减上；现在，AI工作负载对算力的需求波动极大，且客户对延迟和吞吐的要求苛刻。谁拥有更多、更先进的算力储备，谁就能接下大模型公司和企业的核心业务。

Jassy的表态实际上揭示了一个残酷的现实：在AI云市场，资本支出本身就是护城河。微软、谷歌同样在疯狂扩建数据中心，AWS如果放缓投入，就等于把份额拱手让人。万亿营收的目标，本质上是用今天的巨额投入换取明天的定价权和客户粘性。

从财务角度看，这种策略并非没有风险。资本支出转化为营收需要时间，而折旧压力会持续侵蚀利润率。但Jassy显然认为，错过AI云窗口期的代价远高于短期的财务阵痛。

资本支出（CapEx）与自由现金流的关系值得展开。资本支出指企业用于购置或升级固定资产（如数据中心、服务器、网络设备）的支出，会计上不计入当期费用，而是资本化后按折旧年限分摊。因此，大规模资本支出会先体现为现金流出，压缩自由现金流（经营现金流减去资本支出），随后通过折旧逐年影响利润表。这正是Jassy所说“短期利润承压”的财务机制：AWS提前花钱锁定算力，收入却要等客户上量后才逐步兑现，期间折旧费用持续侵蚀利润率。投资者关注自由现金流，是因为它反映企业可自由支配的现金，而重资产投入阶段的云厂商往往呈现“营收增长但自由现金流收窄”的特征。

对行业格局的潜在影响

如果AWS真的将万亿营收作为锚定目标，那么整个云市场的竞争强度将被推上一个新台阶。中小云厂商将更难在算力军备竞赛中跟上节奏，行业集中度可能进一步提高。同时，亚马逊的自研芯片战略（如Trainium和Inferentia系列）若能在资本支出中占据更大比重，将有效降低对英伟达的依赖，改善长期成本结构。

另一个值得关注的维度是能源。大规模数据中心的电力需求正在成为新的瓶颈，AWS的资本支出计划必然包含对清洁能源和电网基础设施的投资。这不仅是成本问题，更是能否按时交付算力的前提。

自研AI芯片的战略意义需要补充背景。Trainium是亚马逊为AI模型训练设计的自研芯片，Inferentia则面向推理场景，二者均属AWS的定制硅战略。云厂商自研芯片的核心动机是降低对英伟达GPU的依赖——后者价格高昂且供应紧张，自研芯片可在特定工作负载上实现更优的性价比，并减少单一供应商风险。但自研芯片需要配套的软件生态（如编译器、框架支持）才能被客户采用，生态成熟度是其能否真正替代GPU的关键。若Trainium和Inferentia在AWS资本支出中占比提升，长期看有助于改善单位算力成本结构，但短期内仍难以完全摆脱对英伟达的采购依赖。

数据中心的电力瓶颈是AI算力扩张的硬约束。大规模GPU集群的功耗密度远高于传统云计算，单个AI数据中心的用电量可达数十至上百兆瓦，且对供电稳定性要求极高。电力供应涉及电网接入审批、变电站建设、清洁能源采购等长周期环节，往往比采购GPU更耗时。因此，云厂商的资本支出计划中，能源基础设施投资与算力采购同等重要。能否按时获得足够的电力，直接决定数据中心的上线节奏和算力交付能力，这也是AWS、微软、谷歌在选址和能源合同上激烈争夺的原因。

编辑观点

Jassy的万亿宣言更像是一场战略沟通：告诉华尔街和客户，亚马逊不会在AI云竞赛中保守出牌。短期看，资本支出会压制财务表现；长期看，这是AWS维持云霸主地位的唯一路径。真正的悬念不在于AWS能否花出这些钱，而在于花出去之后，能否换来与之匹配的客户锁定和利润回报。

对关注AI基础设施的从业者来说，AWS的投入节奏是观察算力供需关系的重要风向标。当全球最大的云厂商都在加速资本支出时，AI云的价格战和产能争夺只会更加激烈。