亚马逊CEO：2200亿美元押注AI基础设施， AWS三年AI营收超250亿

亚马逊CEO Andy Jassy在最新播客访谈中罕见地系统阐述了自己对AI时代基础设施建设的判断。他透露，亚马逊今年将投入约2200亿美元资本支出，但即便如此，仍会"把大量需求留在桌上"——2026年产能已售罄，2027年基本售罄，2028年相当大一部分也已售出。这场对话信息密度极高，涉及数据中心投资逻辑、自研芯片战略、组织重构以及AI对就业结构的影响。

需求远超供给：产能售罄背后的投资逻辑

Jassy给出的数字相当直白：AWS的AI业务在生成式AI浪潮的前三年就达到了超过250亿美元的年化营收规模，而AWS云业务最初三年才做到6000万美元年化收入，速度相差数百倍。也正因如此，他明确表示"即便花2200亿美元，我们仍然留了相当多的需求没有满足"。

这种投资决策并非盲目。Jassy拆解了现金周期的两个层次：数据中心需要提前约两年投资，但使用寿命长达30年，且只投一次；服务器和网络设备只需提前几个月决策，平均三年回本、五到六年折旧，且多数合同为五年期。这种"先建壳、后装芯"的节奏让亚马逊能在看到明确客户需求后才启动服务器采购，从而控制风险。不过他也坦承，高速扩张期自由现金流会承压，要等几年后数据中心全部上线并货币化才能反转。

自研芯片十年布局：从Annapurna到Trainium

访谈中最具技术含量的部分，是Jassy回顾2015年收购Annapurna Labs的决策。当时并非为了AI芯片，而是因为亚马逊发现EC2服务器中太多算力被虚拟化、网络、安全等环节消耗，希望把尽可能多的服务器资源留给客户计算。Annapurna团队先做出卸载这些功能的网卡，随后被委以自研CPU的重任，最终诞生了Graviton——如今亚马逊前1000大EC2客户中99%都在使用，性价比比同类x86处理器高约40%。

同样的剧本在AI时代重演。Jassy指出，当某个市场由单一供应商主导时，对方往往不会专注性价比，而是追求更多功能和收入。这正是亚马逊分拆团队开发Trainium AI加速器的原因，其性价比同样比同类产品高30%到40%。他强调，推理成本目前"仍然贵了一个数量级"，只有把成本降下来，企业才有动力把现有CPU应用改写到AI加速器上，这也是AI从少数实验室走向普遍应用的关键杠杆。

Annapurna Labs 是一家以色列芯片初创公司，2015年被亚马逊收购，此后成为亚马逊自研芯片体系的核心团队。其最初产品是网络卸载卡，用于将虚拟化、网络和安全等功能从主CPU卸载到专用硬件上，从而释放更多算力给客户。随后该团队开发了 Graviton 系列基于ARM架构的服务器CPU，以及 Trainium 和 Inferentia 系列AI加速器。Graviton的成功证明了亚马逊具备从需求定义到芯片落地的全栈能力，也为后续AI芯片的快速迭代奠定了基础。这种“自研芯片+云服务”的垂直整合模式，使亚马逊能够控制成本、优化性能，并减少对单一供应商的依赖。

数据中心争议：被夸大的水资源消耗与真实的电网欠账

Jassy对当前反数据中心情绪做了正面回应。他引用了一个对比数据：高尔夫球场和杏仁种植业消耗的水远超数据中心，高尔夫球场两天用水量就超过亚马逊所有数据中心一年的用水量。关于污染，他指出监管要求按备用发电机满负荷运行来登记排放量，但实际每年只运行约10小时用于维护。

但他也没有回避真实问题：美国电网基础设施投资长期不足，AI的爆发只是把这个问题推到了临界点。他以印第安纳州圣约瑟夫县为例，亚马逊在当地已缴税约30亿美元，并承诺未来五年再投入10亿美元用于社区建设。他判断，一旦电网容量跟上，数据中心将成为这些地区最大的纳税人，电价最终会趋于平稳甚至下降——印第安纳、佐治亚、密西西比都出现了类似趋势。

组织重构：六人76天重写推理引擎

Jassy分享了一个在亚马逊内部被反复引用的案例：Bedrock团队用6名工程师、76天重写了推理引擎，而按传统方式需要40人干一年。类似的还有消费者业务中的一个agent原型——周四拍板，四五个人周末加班，到周日就做出了80%可交付的版本。

这些案例正在改变亚马逊对组织设计的理解。Jassy认为，过去企业越成功、产品越大，分工就越细，一个产品经理只管定价或某一个切片。但AI让模型能完成80%的基础工作，团队可以更小、更跨职能，每个人从更高的起点出发。他预测未来企业用的人会更少，但不是不用人，而是新岗位会出现在AI、机器人和太空开发等领域。他还提出一个判断：所有公司都将不得不重写几乎全部代码，使其具备agentic能力，否则在安全威胁以分钟级响应的新世界里将毫无胜算。

Bedrock 是亚马逊云科技（AWS）推出的生成式AI托管服务，提供对多种基础模型（如Anthropic的Claude、AI21 Labs的Jurassic等）的API访问，并支持模型微调、检索增强生成（RAG）和代理（Agent）构建等功能。其核心价值在于降低企业使用大模型的门槛，无需管理底层基础设施。Bedrock的推理引擎负责高效调度模型推理请求，优化延迟和成本。Jassy提到的“六人76天重写推理引擎”正是针对该组件的重构，旨在提升性能并降低推理成本，体现了AI工具对开发效率的颠覆性提升。

安全才是当下最紧迫的AI风险

Jassy对当前AI风险讨论的优先级提出了不同看法。他认为业界过度聚焦于"邪恶机器人网络接管一切"这类科幻场景，而忽视了眼前的网络安全威胁。模型发现漏洞的能力远超人类，攻击面正在快速扩大，企业的响应时间将从过去的数天压缩到数分钟。亚马逊为此推出了Continuum服务来识别漏洞并生成补丁，但Jassy承认，安全工程师稀缺、安全工作不够"性感"，导致多数公司的安全实践并不到位。

Continuum 是亚马逊推出的AI驱动安全服务，能够自动识别软件漏洞并生成修复补丁，旨在应对AI时代漏洞发现速度加快、攻击面扩大的挑战。该服务利用大模型分析代码和系统配置，将传统需要数天甚至数周的漏洞响应压缩到分钟级。Jassy强调，随着AI使漏洞挖掘成本大幅降低，企业必须将安全响应自动化，否则将难以抵御高频攻击。Continuum的推出也反映了亚马逊将AI能力嵌入安全运维（SecOps）的战略方向，但Jassy同时指出，安全人才短缺和文化障碍仍是企业落地此类工具的主要瓶颈。

对年轻人的建议：拥抱工具，但别放弃独立思考

访谈尾声，Jassy给18岁的年轻人提了建议。他的态度很明确：无法回避AI，大学也不应与之对抗，年轻人需要大量使用它、尝试舒适区之外的事情。但他同时强调，AI不能替代批判性思维。他以商学院案例教学为例——AI能让所有人快速到达一个更高的起点，但把碎片拼成战略、做出判断和发明，仍然需要人的判断力和创造力。他还提到，在亚马逊这样的写作文化中，AI写的文字"一眼就能看出来"，因为逻辑拼接就是不对。

这场对话的核心信息可以归结为一句话：AI基础设施的竞赛才刚刚开始，供给短缺将持续数年，而真正的胜负手不在谁建得多，而在谁能把推理成本降下来、把组织重构到位、把安全短板补上。