2026年7月30日，Amazon CEO Andy Jassy在Q2财报电话会上说出了一句让华尔街既兴奋又不安的话：即便将全年资本支出计划提升至2200亿美元，Amazon仍然没有足够的算力容量来满足客户需求。（来源: Fortune, 2026-07-30）

这不是一句PR话术。它是对当下AI基础设施竞争格局最精确的注脚——当需求以指数级膨胀，而物理世界的数据中心、电力、芯片供应链以线性速度扩张时，谁能最快把资本转化为可用算力，谁就掌握了下一个十年云计算市场的定价权。

同一天公布的AWS Q2 2026营收达到约287亿美元，同比增速达到37%，创下18个季度以来的最高纪录。（来源: CNBC, 2026-07-30; Amazon IR, 2026-07-30）这意味着AWS正在以自2022年AI浪潮爆发以来最快的速度增长——不是在放缓，不是在触顶，而是在加速。按此季度营收计算，AWS的年化营收run rate已接近1150亿美元。

2200亿美元是什么概念？它超过了大多数国家的年度国防预算。它相当于Amazon在2023年全年资本支出（约485亿美元，含融资租赁）的4.5倍。（来源: Amazon 2023 10-K Annual Report）它意味着Amazon每天需要部署超过6亿美元的基础设施投资。这个数字不是远期规划，而是2026年单一财年的支出计划。

但市场的反应耐人寻味：股价先跌后涨。恐慌来自对利润率被侵蚀的本能反应，狂欢则来自对AWS增速加速的重新定价。这种分裂反应本身就揭示了一个核心矛盾——在AI基础设施的军备竞赛中，传统的资本回报率分析框架正在失效。

第一章：财报炸弹——37%增速与2200亿美元支出的同步落地

让我们先拆解数字。

Amazon Q2 2026的官方财报显示，AWS季度营收约287亿美元，同比增速从此前季度的水平跃升至37%。（来源: Amazon IR, 2026-07-30; CNBC, 2026-07-30）这个增速的含义需要放在历史背景下理解：AWS在2022年底至2023年经历了一轮增速下滑周期，当时企业客户在宏观不确定性下削减云支出，增速一度降至12-13%的低点。此后随着AI工作负载的涌入，增速逐季回升——从2024年中的17%左右，到2025年初的20%+，再到如今的37%。

37%意味着什么？按照AWS约287亿美元的季度营收（年化约1150亿美元），这意味着每个季度新增的营收增量约为78亿美元——本身就是一个大型SaaS公司的体量。更关键的是，这个增速是在基数已经极其庞大的情况下实现的——这不是一个初创业务的高增长，而是一个千亿级业务的再加速。

与此同时，Jassy宣布将2026年全年资本支出计划提升至2200亿美元。（来源: Fortune, 2026-07-30; Data Center Knowledge, 2026-07-30）这个数字的提升幅度本身就是新闻——它意味着Amazon在年中对需求前景进行了大幅上修，原有的支出计划已经无法匹配客户订单的增长速度。

华尔街的第一反应是恐慌。逻辑很简单：2200亿美元的资本支出意味着巨额折旧将在未来数年持续压制利润率。但折旧压力的计算需要分类讨论，而非笼统估算：

分类折旧测算：

  • 数据中心建筑与电力基础设施（约占40-50%，即880-1100亿美元）：折旧年限15-25年，年化折旧约44-73亿美元
  • 服务器与网络设备（约占30-35%，即660-770亿美元）：折旧年限5-6年（Amazon在2024年将服务器有效使用寿命从5年延长至6年），年化折旧约110-154亿美元
  • GPU/AI加速器（约占15-20%，即330-440亿美元）：实际有效寿命3-4年（技术迭代快），年化折旧约83-147亿美元

综合计算，2200亿美元资本支出对应的年化总折旧约为237-374亿美元——远高于简单按15-20年计算的110-150亿美元。这意味着折旧压力比乐观估计更为严峻。

然而，37%增速对应的年化营收增量约为310亿美元（按上年同期约210亿季度营收计算的增量年化），假设AWS的增量营业利润率在30-35%左右（AWS整体营业利润率约35%），增量营业利润约为93-109亿美元。这意味着单靠当期增量利润无法完全覆盖折旧——但如果增速持续2-3年，累积的营收基数扩大将逐步消化折旧压力。

这就是市场从恐慌转向谨慎乐观的算术逻辑——它不是一个”当期即回本”的故事，而是一个”3-5年回报周期”的故事。真正的问题不在算术，而在假设：37%的增速能维持多久？AI工作负载的需求曲线是持续上升还是会出现阶梯式回调？

第二章：需求侧证据——Bedrock爆发与企业AI落地的真实图景

Jassy在财报电话会上提供了一个极具冲击力的数据点：Amazon Bedrock（其托管式AI模型服务平台）的使用量已经超过了此前历史使用量的总和。（来源: Investing.com Earnings Call Transcript, 2026-07-30; GuruFocus, 2026-07-30）

需要明确标注的是：这是管理层在财报电话会上的定性陈述，Amazon未披露Bedrock的具体API调用量、活跃客户数或营收贡献的绝对数字。 因此，我们无法独立验证这一说法的精确含义——”使用量”可能指API调用次数、token消耗量、或活跃账户数，不同口径下的含义差异显著。

尽管如此，这个定性数据点的方向性意义仍然重要。它揭示了AI基础设施需求的非线性特征。Bedrock自2023年推出以来经历了典型的企业级产品采用曲线——早期试用、POC验证、小规模部署、大规模生产化。当使用量在单个季度超过历史总和时，它意味着大量企业客户同时从”实验”阶段跨入”生产”阶段。这是一个相变时刻。

Bedrock的商业模式值得深入分析。作为托管式服务，它允许企业客户通过统一API访问来自Anthropic、Meta、Mistral等多家提供商的基础模型，同时提供微调、RAG（检索增强生成）、Agent编排等企业级功能。这种”模型超市”模式的核心价值在于降低企业的切换成本和锁定风险——客户不需要押注单一模型提供商，可以根据任务需求灵活选择。

但从Amazon的角度看，Bedrock的真正价值不在于API调用的直接收入，而在于它作为”算力需求放大器”的角色。每一个Bedrock API调用背后都是GPU/加速器的算力消耗，而这些算力运行在AWS的基础设施上。当Bedrock使用量指数级增长时，底层基础设施的需求同步膨胀。这就解释了为什么2200亿美元仍然”不够”——Bedrock的增长本身就在创造新的产能缺口。

Jassy还以PGA Tour作为企业客户案例来说明AI驱动的业务转型。（来源: Fortune, 2026-08-01）PGA Tour的案例代表了一类新兴的AI使用场景：传统行业通过AI重构其核心业务流程和用户体验。这不是简单的”把模型接入现有系统”，而是围绕AI能力重新设计产品和服务。

这类案例的战略意义在于它们代表了”持久性需求”而非”一次性实验”。当一个组织围绕AI重构其核心业务时，AI基础设施就从可选项变成了必需品——它的使用量会随着业务增长而持续扩大，而不是在实验结束后归零。

从更宏观的视角看，Bedrock使用量的爆发反映了企业AI落地的一个关键转折点：从”AI-curious”到”AI-native”的跨越。在2023-2024年，大多数企业的AI投入集中在探索和验证阶段——预算有限、用例零散、ROI不确定。到2025-2026年，先行者已经完成了验证，开始大规模生产化部署。这种从实验到生产的转换带来的算力需求增长不是线性的，而是阶跃式的——因为生产环境的可靠性、延迟和吞吐量要求远超实验环境。

第三章：Jassy的安抚术——CEO如何在90分钟内重建华尔街信心

Andy Jassy在Q2 2026财报电话会上面临的挑战是双重的：他需要解释为什么Amazon要在单一财年花掉2200亿美元，同时还要说服投资者这笔钱不会变成沉没成本。（来源: CNBC, 2026-07-31）

根据财报电话会的公开记录，Jassy的安抚策略围绕三个支柱展开：

支柱一：需求可见性。 Jassy反复强调Amazon的资本支出决策是”需求驱动”而非”愿景驱动”的。他指出AWS的积压订单（backlog）和客户签约情况为支出计划提供了坚实的需求支撑。”Still won’t have enough capacity”这句话的潜台词是：我们不是在猜测需求，我们已经看到了超过供给能力的签约量。这将叙事从”赌博”转向了”执行”。

支柱二：回报路径清晰。 Jassy需要回答的核心问题是：2200亿美元投下去，什么时候能看到回报？他的回答策略是指向AWS已经实现的37%增速——这证明此前的资本支出已经在转化为营收增长。逻辑链条是：过去的投资→当前的增速→未来投资的回报可预期性。这是一个归纳法论证，其有效性取决于增速能否维持。

支柱三：竞争格局论证。 Jassy隐含的第三层论证是：如果Amazon不花这2200亿美元，竞争对手会。在AI基础设施的军备竞赛中，产能本身就是竞争优势——当客户面临算力短缺时，谁能提供容量，谁就赢得客户。这将资本支出从”成本”重新定义为”竞争武器”。

CNBC的分析指出，Jassy成功安抚了市场对巨额AI支出的担忧。（来源: CNBC, 2026-07-31）这种安抚的效果在盘后交易中得到了验证——Amazon股价在初始下跌后反弹。

但我们需要审视Jassy叙事中的潜在漏洞：

漏洞一：需求的持久性假设。 Jassy的论证建立在AI工作负载需求将持续增长的假设之上。但历史上，技术基础设施的需求曲线很少是单调递增的。

漏洞二：执行风险。 2200亿美元不是写一张支票就能花出去的。它涉及土地获取、电力接入、建筑施工、设备采购、人才招聘等一系列物理世界的约束。

漏洞三：折旧悬崖风险。 如第一章分析所示，真实的年化折旧压力可能高达237-374亿美元，远超简单估算。如果增速在2-3个季度后回落至20%以下，利润率将面临显著压力。

第四章：万亿美元云愿景——从基础设施到平台生态的跃迁

Jassy在财报后的媒体采访中描绘了一个更宏大的图景：他将云计算市场定义为一个万亿美元级别的机会。（来源: Fortune, 2026-08-01）这不是一个新说法——Microsoft的Satya Nadella和Google的Sundar Pichai都表达过类似观点。但Jassy的版本有其独特之处：他将这个万亿美元机会锚定在AI驱动的业务转型上，而非简单的”IT支出迁移”。

传统的云计算TAM（总可寻址市场）逻辑是：全球IT支出约4-5万亿美元（Gartner 2025年预测全球IT支出约5.6万亿美元），其中约20-30%将迁移到公有云，因此云市场的天花板约为1-1.5万亿美元。但Jassy的论证超越了这个框架——他认为AI将创造全新的工作负载类别，这些工作负载在传统IT时代根本不存在。换言之，AI不是在”迁移”现有支出，而是在”创造”新支出。

以PGA Tour为例。（来源: Fortune, 2026-08-01）在AI时代之前，一个体育联盟的IT支出可能主要集中在网站托管、票务系统、视频流媒体等传统工作负载上。但在AI时代，PGA Tour可以利用计算机视觉分析每一杆的轨迹、用自然语言处理生成个性化解说、用推荐算法优化观众体验、用预测模型辅助赛事运营。这些AI工作负载是”净新增”的——它们不是替代了某个现有系统，而是创造了前所未有的计算需求。

Amazon在这个万亿美元愿景中的定位是”全栈基础设施提供商”：

芯片层： Amazon通过自研Trainium和Inferentia芯片，建立了不依赖NVIDIA的替代算力供给。Trainium2已于2024年底开始规模部署，据Amazon称其性价比较上一代提升4倍。

模型层： 通过Bedrock平台，Amazon聚合了多家模型提供商（Anthropic、Meta、Mistral等），避免了对单一模型的依赖。同时，Amazon通过对Anthropic累计高达40亿美元的投资，确保了在最前沿模型上的优先访问权。

应用层： Amazon Q（企业AI助手）、CodeWhisperer（代码生成）、以及各垂直行业解决方案，构成了从基础设施到应用的完整价值链。

生态层： AWS Marketplace、Partner Network、以及庞大的ISV（独立软件供应商）生态，确保了客户在AWS上构建AI应用时拥有丰富的工具选择。

这种全栈策略的优势在于”粘性叠加”——客户在每一层的使用都增加了迁移成本，而层与层之间的集成优化又提供了性能优势。但全栈策略也有其风险：它要求Amazon在每一层都保持竞争力。如果Trainium在性能上持续落后于NVIDIA的Blackwell架构，如果Bedrock上的模型质量不如Azure OpenAI Service，如果Amazon Q的用户体验不如Microsoft Copilot——任何一个层面的短板都可能导致客户流失。

第五章：竞争格局——2200亿美元在三巨头军备竞赛中的位置

Amazon的2200亿美元资本支出计划不是在真空中做出的。它是对Microsoft和Google同样激进的投资计划的回应——或者说，是这场军备竞赛的最新升级。

横向对比（基于各公司最新公开数据）：

  • Microsoft： 在FY2025（截至2025年6月）全年资本支出约800亿美元，CEO Satya Nadella在2025年初表示FY2026资本支出将进一步增加。按照Microsoft此前的增长轨迹和公开指引，FY2026（截至2026年6月）的资本支出预计在1000-1200亿美元区间。Azure在2025年Q4的增速约为33%。（来源: Microsoft FY2025 Q4 Earnings, 2025-07）
  • Google（Alphabet）： 在2025年Q1财报中宣布全年资本支出计划约750亿美元，此后在Q2进一步上调。Google Cloud在2025年的增速约为28-30%。（来源: Alphabet Q1 2025 Earnings, 2025-04）
  • Amazon： 2026年全年2200亿美元，AWS增速37%。

三大云厂商2026年的资本支出总和可能逼近4000-4500亿美元——这个数字在5年前是不可想象的。Amazon的2200亿美元在绝对值上显著领先，但需要注意的是Amazon的资本支出包含了物流网络（仓库、配送中心、运输车辆等）的投入，不全是数据中心相关。不过Jassy明确表示，2026年CapEx增量的”绝大部分”（the vast majority）用于AWS和AI基础设施。

这种集体性的投资狂潮引发了一个根本性问题：AI基础设施是否存在”过度建设”的风险？

对这个问题的回答取决于你如何定义”过度”。从供需匹配的角度看，当三家厂商都声称”供不应求”时，过度建设的风险似乎很低。但从历史经验看，当所有参与者同时基于相同的乐观假设进行扩张时，集体性的过度投资往往在事后才被发现。

Amazon相对于竞争对手的独特优势在于其零售和物流业务提供的”内部需求缓冲”。AWS的算力不仅服务外部客户，也服务于Amazon自身的电商推荐、物流优化、Alexa语音助手等内部工作负载。这意味着即便外部AI需求出现短期回调，Amazon的基础设施仍有内部需求作为支撑。

另一个值得关注的维度是增速差异的含义。AWS 37%的增速显著高于Azure的约33%和Google Cloud的约28-30%。这个差距可能反映了几个因素：AWS在AI推理工作负载上的价格竞争力（得益于Graviton和Inferentia芯片的成本优势）、Bedrock多模型策略对企业客户的吸引力、以及AWS更大的全球区域覆盖。但也可能部分反映了基数效应——Azure的绝对营收增长额可能与AWS相当，只是因为基数差异导致增速不同。

第六章：大多数人没看到的——2200亿美元背后的电力政治与供应链博弈

当分析师们聚焦于AWS增速和利润率时，一个更深层的约束正在浮现：电力。

根据行业估算，一个典型的AI训练集群每个机架消耗40-100kW电力，远高于传统云计算的5-15kW。按照2200亿美元中约40-50%用于数据中心建设的比例，以及当前大型AI数据中心每GW容量约100-150亿美元的建设成本估算，Amazon 2026年新增的数据中心电力容量可能在6-11GW范围内。加上Amazon此前已有的全球数据中心容量（估计约5-8GW），其总电力需求正在逼近一个中等国家的用电规模。

这不是一个简单的”花钱就能解决”的问题——电力基础设施的建设周期通常为3-7年，远超数据中心本身的12-18个月建设周期。这意味着Amazon今天面临的真正瓶颈不是资金，不是GPU供应，而是电力接入。

Amazon的电力策略已有具体动作可循：

  • 2024年3月，Amazon宣布从Talen Energy收购宾夕法尼亚州一座960MW核电站旁的数据中心园区，获得直接核电供应。（来源: Reuters, 2024-03）
  • 2024-2025年间，Amazon签署了多项大型太阳能和风能PPA（电力购买协议），累计可再生能源采购容量超过20GW。
  • Amazon已公开表达对小型模块化反应堆（SMR）的兴趣，与多家核能初创公司进行了接触。

Jassy所说的”still won’t have enough capacity”，其深层含义可能不是”我们买不到足够的GPU”，而是”我们无法足够快地获得电力接入”。这解释了为什么Amazon的资本支出中有相当一部分流向了电力基础设施——包括变电站、输电线路、备用发电系统、甚至自建电厂。

从这个角度看，云计算巨头正在从”IT公司”演变为”能源+IT”复合体。这个转变的战略含义是深远的。当Amazon控制了从电力生产到算力交付的完整价值链时，它的护城河就不再仅仅是软件生态和客户粘性，而是物理世界的能源基础设施——这是最难复制的竞争优势之一。一个初创云厂商可以在18个月内写出竞争性的软件平台，但它无法在18个月内获得数GW的电力接入。

另一个被忽视的维度是地理政治。2200亿美元的数据中心投资必须分布在全球多个区域——这涉及与各国政府的谈判、环境审批、社区关系、税收优惠等一系列非技术因素。在欧洲，数据主权法规（如GDPR）和环保要求可能显著增加建设成本和时间。在中东和东南亚，政府的积极招商（如沙特的NEOM项目、马来西亚的数字经济特区）可能提供有利条件。Amazon如何在全球范围内优化其数据中心布局，将直接影响2200亿美元投资的回报率。

第七章：对立视角——看空者的论据与公允评估

任何严肃的分析都必须正视对立观点。以下我将呈现三个看空论据，并对每个论据给予公允的权重评估，而非简单地”立靶击倒”。

看空论据一：AI需求可能是周期性的而非结构性的。

历史上，每一次技术浪潮都经历了”过度投资→产能过剩→行业整合”的周期。2000年的光纤泡沫是最常被引用的类比——当时电信公司基于”互联网流量每100天翻倍”的预测大举铺设光纤，最终需求增长虽然持续但远不及预期速度，导致大量产能闲置和企业破产。

公允评估： 这个类比有其合理性，不应被轻易否定。当前AI算力需求中确实有相当比例来自模型训练——而训练是一次性工作负载，一旦模型训练完成，对应的算力需求就会消失。如果模型架构的效率持续提升（如从dense transformer转向MoE架构，或推理优化技术的进步），单位工作负载的算力需求可能下降。Epoch AI的研究显示，AI训练的算力效率每年提升约2-3倍——这意味着同样的任务，明年可能只需要今年一半的算力。

但也有重要的差异： 与光纤不同，AI算力的需求来源极度多元化。即便训练需求趋于稳定，推理需求（serving已部署模型的实时请求）正在以更快的速度增长。Meta在2025年透露，其AI推理算力消耗已超过训练。当AI被嵌入每一个应用、每一次搜索、每一个客服交互时，推理需求的增长几乎没有上限。

我的判断： 周期性回调的风险是真实的，概率约为25-30%。最可能的情景不是需求崩溃，而是增速从37%回落至15-20%——这仍然是健康增长，但可能不足以在短期内消化2200亿美元投资的折旧压力。

看空论据二：竞争将压缩利润率至不可持续的水平。

当三大云厂商同时大规模扩张产能时，2027-2028年可能出现阶段性的供过于求。历史上，云计算的定价权从来不是由单一厂商决定的——AWS在2014-2019年间经历了持续的价格下降周期，年均降价幅度约5-10%。如果AI算力也进入类似的价格竞争阶段，2200亿美元投资对应的单位利润可能远不及预期。

公允评估： 这个风险不容忽视。特别是考虑到Google和Microsoft都有强烈的动机通过价格战来争夺AI工作负载的市场份额——Google有搜索广告的利润池作为补贴来源，Microsoft有Office 365的订阅收入作为缓冲。如果价格战真的爆发，AWS的利润率可能从当前的约35%下降至25-28%。

缓解因素： AI工作负载的差异化程度确实高于传统IaaS。但差异化能否转化为持久的定价权，取决于客户的迁移成本是否足够高。目前来看，AI工作负载的迁移成本（涉及数据管道重建、模型重新部署、延迟优化等）确实显著高于传统虚拟机工作负载。

我的判断： 利润率压缩的风险中等偏高，概率约为35-40%。但即便利润率下降5-7个百分点，AWS的绝对利润额仍将因营收增长而扩大。关键是增速能否维持在25%以上。

看空论据三：Amazon的执行能力是否匹配2200亿美元的规模。

这是最容易被忽视但可能最致命的风险。2200亿美元的年度资本支出在人类商业史上几乎没有先例——即便是沙特阿美在石油价格最高峰时期的年度CapEx也未超过500亿美元。将这个量级的资金在12个月内高效转化为可用产能，对组织能力、供应链管理和项目执行提出了极端要求。

具体的执行瓶颈包括：

  • GPU供应： NVIDIA的Blackwell系列产能仍然紧张，即便Amazon是最大客户之一，交付时间仍可能延迟3-6个月
  • 电力变压器： 全球大型电力变压器的交付周期已从疫情前的12个月延长至24-36个月
  • 合格人才： 数据中心建设和运维需要大量专业电工、机械工程师和项目经理，这些人才的供给是刚性的
  • 环境审批： 在多个司法管辖区同时推进大型建设项目，审批延迟是常态而非例外

我的判断： 执行风险是最被低估的风险。概率约为40-50%——不是说2200亿美元花不出去，而是说可能有15-25%的计划产能会延迟6-12个月上线。这种延迟不会是灾难性的，但会影响短期的资本效率指标。

第八章：我的判断——护城河，但有裂缝

综合以上分析，我的明确判断是：Amazon的2200亿美元AI基础设施投资更接近”护城河建设”而非”高风险赌博”，但这条护城河并非没有裂缝。

看多的核心理由：

第一，需求证据是硬的。37%的AWS增速、Bedrock使用量的爆发性增长、”still won’t have enough capacity”的产能约束——这些指向真实的、超出供给的需求。（来源: CNBC, 2026-07-30; Fortune, 2026-07-30）

第二，竞争逻辑是清晰的。在AI基础设施的军备竞赛中，产能本身就是竞争优势。先发优势在基础设施领域的价值远大于在软件领域——因为物理资产一旦部署，就构成了难以复制的壁垒。

第三，电力控制权是被忽视的护城河。当Amazon控制了从电力生产到算力交付的完整价值链时，后来者的追赶难度呈指数级增加。

看空的核心理由（我认为市场低估了这些风险）：

第一，折旧压力被系统性低估。真实的年化折旧可能是乐观估计的2-3倍，这意味着AWS需要维持30%+的增速至少3年才能消化投资。

第二，执行风险在这个规模上是前所未有的。没有任何公司有过在单一年度部署2200亿美元物理基础设施的经验。

第三，37%的增速可能是峰值而非常态。企业AI从实验到生产的”相变”可能在2026-2027年集中释放，之后增速可能回归至更可持续的20-25%水平。

净判断： 我给予Amazon这笔投资60-65%的概率实现其隐含的回报预期（即在5年内实现正的增量ROIC）。这意味着它更可能成功而非失败，但远非确定性事件。对于投资者而言，这是一个”正期望值但高波动”的赌注。

从投资者的角度看，真正需要监控的先行指标：

  1. AWS增速的持续性：如果增速在未来2-3个季度维持在30%以上，看多论据增强
  2. 产能利用率：如果Amazon持续报告产能受限，说明投资仍在追赶需求
  3. 增量营业利润率：如果AWS的营业利润率在CapEx大幅增加的同时跌破30%，需要警惕
  4. 竞争对手的定价行为：如果Azure或Google Cloud开始激进降价，利润率压缩风险上升

结语：当2200亿仍不够用时，真正的问题是——对谁而言不够？

Andy Jassy说”still won’t have enough capacity”时，他实际上在传递一个更深层的信息：在AI基础设施的竞争中，速度比规模更重要。（来源: Fortune, 2026-07-30）

但我们需要追问一个更尖锐的问题：这个”不够”是对所有客户而言，还是对愿意支付溢价的客户而言？如果是后者，那么产能约束实际上是Amazon维持高利润率的工具——稀缺性创造定价权。当产能充裕时，这种定价权将消失。

2200亿美元听起来是一个天文数字。但如果Jassy的万亿美元云市场愿景成为现实（来源: Fortune, 2026-08-01），如果AI工作负载的需求继续以当前速度增长，如果每一个行业都在经历AI驱动的重构——那么2200亿美元可能只是起点。

但”如果”这个词出现了三次。每一个”如果”都对应着一个非平凡的概率分布。对于行业观察者而言，Amazon的这个决策标志着一个时代的转折：科技公司的竞争优势正在从”软件创新能力”转向”物理基础设施部署能力”。在AI时代，最稀缺的资源不是算法、不是数据、不是人才——而是算力本身。

Amazon的2200亿美元赌注，本质上是在赌一个简单的命题：AI不是泡沫，而是下一个计算范式。目前大多数需求侧证据指向这个命题成立。但历史反复教育我们：当所有人都确信某件事时，恰恰是需要保持警惕的时刻。

真正的风险从来不是单一方向的。它既可能是”花得不够快”，也可能是”花得太快而世界变化的方向与预期不同”。清醒的观察者应该同时持有这两种可能性。

参考资料

  1. Andy Jassy said Amazon will spend $220 billion this year—and still won’t have enough capacity — Fortune, 2026-07-30
  2. Amazon (AMZN) Q2 earnings report 2026 — CNBC, 2026-07-30
  3. Andy Jassy soothed concerns over Amazon’s massive AI spending — CNBC, 2026-07-31
  4. Amazon’s Andy Jassy sees a $1 trillion cloud built on businesses like the PGA Tour — Fortune, 2026-08-01
  5. Amazon.com Announces Second Quarter Results — Amazon IR, 2026-07-30
  6. Amazon tops Q2 2026 estimates as AWS growth accelerates — Investing.com, 2026-07-30
  7. Amazon Lifts 2026 AI Capex to $220B, Still Capacity-Constrained — Data Center Knowledge, 2026-07-30
  8. Amazon.com Inc (AMZN) Q2 2026 Earnings Call Highlights — GuruFocus, 2026-07-30
  9. Amazon 2023 Annual Report (10-K Filing) — 来源: SEC EDGAR / Amazon IR, 2024-02
  10. Amazon’s AWS growth jumps to 37% as Jassy raises 2026 capex plan to $220 billion — MLQ.ai, 2026-07-30