亞馬遜豪砸 2200 億美元仍不夠 AWS 算力訂單滿到 2028 年 Trainium 累計承諾收入逾 2250 億美元
Celine
AI 算力需求持續爆發 亞馬遜 2026 年資本支出上看 2200 億美元
生成式 AI 帶動算力需求持續升溫，即使亞馬遜（Amazon）大幅擴大資本支出，仍難以完全滿足客戶需求。執行長賈西（Andy Jassy）近日受訪時表示，亞馬遜 2026 年計畫投入約 2200 億美元資本支出，但雲端運算服務 AWS 的算力供給依然吃緊，客戶需求已提前排滿未來數年產能。
賈西指出，AWS 2026 年的主要運算產能已全部售罄，2027 年大部分產能也已被客戶預訂，2028 年則有相當一部分產能提前被鎖定。他認為，目前 AI 基礎建設並不存在市場擔憂的「投資過剩」問題，反而仍處於供不應求的階段。
這也凸顯 AI 產業的競爭已從模型開發延伸至底層基礎建設。雲端業者除了必須持續擴建資料中心、增加伺服器與網路設備，也需要確保電力及記憶體等關鍵資源供應，才能承接快速成長的 AI 工作負載。
AWS AI 業務成長速度驚人 企業 AI 應用仍有待全面爆發
賈西以 AWS 發展歷程對比生成式 AI 浪潮，指出 AWS 創立後前三年，年化營收運行速率約為 6000 萬美元；相較之下，生成式 AI 發展初期的前三年，AWS AI 業務年化營收運行速率已超過 250 億美元，兩者規模差距顯著。
從需求結構來看，目前 AI 市場呈現兩端快速成長的「槓鈴型」分布。一端是 AI 研究實驗室，持續投入大量算力進行模型開發與訓練；另一端則是企業效率應用，包括自動化客服、詐欺偵測及業務流程自動化等。
相較之下，企業既有的生產系統尚未普遍導入 AI 推論能力，代表企業 AI 應用仍有進一步擴張的空間。
賈西預期，未來 5 至 7 年，將有更多企業逐步把 AI 推論功能導入既有應用與工作流程。不過，能否真正大規模普及，關鍵仍在於推論成本能否持續下降。
他指出，目前 AI 推論成本仍比理想水準高出一個數量級。若企業還必須為了配合 AI 加速器而重新設計既有應用，不僅增加開發時間，也會墊高導入成本，成為企業擴大使用 AI 的重要障礙。
算力訂單排到 2028 年 資料中心、電力與記憶體成擴產瓶頸
即使亞馬遜已大幅提高資本支出，AI 算力擴張仍受到多重限制，並非單純增加資金就能立即提升供給。
賈西指出，資料中心建置需要較長時間，電力供應與記憶體資源也都是影響擴產速度的重要因素。其中，高頻寬記憶體（HBM）與支撐傳統雲端業務的動態隨機存取記憶體（DRAM），都需要在有限供給下進行配置。
在 AI 需求快速增加的情況下，雲端業者必須在 AI 加速器、一般運算伺服器及其他雲端服務之間分配資源，讓算力擴張不只考驗資本實力，也考驗供應鏈管理與設備部署效率。
對亞馬遜而言，2026 年主要算力產能售罄、2027 年大部分產能提前預訂，加上 2028 年部分供給已被客戶鎖定，顯示大型雲端業者正透過提前預約與長期投資，確保未來 AI 運算資源。
2200 億美元資本支出怎麼花？亞馬遜強調伺服器採購具有彈性
面對市場對大規模資本支出可能壓縮現金流的疑慮，賈西也說明亞馬遜的資本配置策略，強調資料中心建設與伺服器採購具有不同的投資週期。
亞馬遜通常需要提前約兩年興建資料中心，這類設施的使用壽命可達約 30 年，屬於長期資產；至於伺服器與網路設備，則可以在正式投入使用前數個月才採購，部署時間相對靈活。
此外，多數伺服器相關合約期限約為 5 年，設備投資平均約 3 年可達到損益平衡。若未來需求不如預期，亞馬遜也能減少後續伺服器與網路設備採購，控制實際資本投入的速度。
換言之，資料中心必須提前建置，但伺服器及網路設備的採購可以依照客戶需求調整。這種分階段投資模式，有助於亞馬遜在提前布局 AI 算力的同時，保留部分資本支出的調整空間。
自研晶片成降本關鍵 Graviton 性價比高 40%、Trainium 累計承諾收入逾 2250 億美元
除了擴建資料中心，亞馬遜也積極發展自研晶片，希望藉此降低運算成本，並提高 AWS 在 AI 市場的競爭力。
賈西將亞馬遜 2015 年收購安納普納實驗室（Annapurna Labs），形容為公司史上最成功的收購案之一。該團隊後續協助亞馬遜開發出 Graviton 通用處理器與 Trainium AI 加速器，逐步建立自有晶片產品線。
目前，Graviton 已獲得 AWS 前一千大 EC2 客戶中的 99％採用。亞馬遜表示，Graviton 相較其他同級 x86 處理器，性價比高出約 40％，有助客戶降低一般雲端運算成本。
在 AI 運算方面，Trainium 相較同類處理器的性價比則高出約 30％至 40％，並已成為大型 AI 研究實驗室的重要算力選項。
根據亞馬遜提供的數據，Trainium 已取得累計超過 2250 億美元的未來收入承諾，其中包括 OpenAI 與 Anthropic 簽訂的多年期、多吉瓦級算力承諾，顯示自研 AI 晶片正逐步成為 AWS 承接大型 AI 工作負載的重要支柱。
賈西認為，自研晶片的價值不只在於改善 AWS 自身的獲利能力，更重要的是降低客戶使用 AI 的成本。當推論成本下降，企業才更有誘因將 AI 導入既有系統，進一步擴大 AI 應用市場。
整體而言，亞馬遜一方面透過鉅額資本支出擴充算力，另一方面以 Graviton 與 Trainium 降低運算成本，試圖在 AI 基礎建設與晶片供應兩端建立競爭優勢。未來市場關注焦點，將不只是 AI 算力需求能否持續成長，也包括龐大投資能否轉化為穩定收入，以及自研晶片能否加速企業 AI 應用普及。
