AI产业链地图·知识库 公司深度研究 · Amazon
🚧 网站建设中 → 产业链图谱
AmazonAMZN.US
0/2
公司深度研究 · Amazon AMZN.US

订单簿 4,960 亿,自由现金流 −379 亿

Amazon 完全指南,与一堂关于「多久能回本」的课 —— 五个单元,节节带测验

这门课把一份深度研究报告拆成 5 个单元,一次只显示一个单元;单元内再分节,每节只讲一个主题、末尾 5 道题,选完立刻出反馈。全部做完给一张成绩单,低于 60 分的节次会标红并可以一键跳回去重读。正文里带虚线的词点开可以直接看知识库词条——假设你懂金融,但对这个行业一无所知,所有架构、会计口径、商业模式都从头讲起。

这门课和前 11 门有一个根本不同:主线不在利润表上。前 11 门讲的都是「利润从哪来」,这一门讲的是一个还没变成收入的数字——AWS 的未履约合同 4,960 亿美元,是当期年化收入的近三倍;而它的对面是自由现金流 −379 亿美元(2027 年预计 −1,244 亿)。这两个数字来自同一张财报,整门课就是在讲它们之间的关系。

你会顺带学到本系列第五个会计口径陷阱——收入比预期高 1%、经营利润高 15%、每股收益高 216%,以及第八种定价框架:不给倍数,算年数。

Unit 01 / 05

订单簿 4,960 亿,自由现金流 −379 亿

三个分部、一条横跨分部的广告线,和一个让每股收益比预期高 216% 的非经营项目。

阅读 约 15 分钟分节 4 节测验 20 题(每节 5 题)

这一单元不谈估值,只做一件事:把「这家公司报表上有几个抽屉、哪个抽屉决定股价」讲到你能自己拆账。读完你会知道为什么 AWS 只占收入 21% 却占了分析师 90% 的注意力+37% 这个增速要加上「而且体量已经翻倍」才算读懂,以及本系列第五个会计口径陷阱:收入高 1%、经营利润高 15%、每股收益高 216%

一.1

订单簿 4,960 亿美元,自由现金流 −380 亿美元

这两个数字来自同一张财报,本门课就是在讲它们之间的关系

约 4 分钟·1,183 字·5 题
01

先看这一张表

AWS 未履约合同
$4,960 亿
+154% yoy · 环比 +$1,320 亿
AWS 年化收入
$1,690 亿
2Q26 收入 $422 亿 × 4
2026 年资本开支指引
$2,200 亿
年初指引 $2,000 亿,7 月上调
2026E 自由现金流
−$379 亿
2027E −$1,244 亿(摩根大通)

2Q26 财报(2026-07-31 发布);自由现金流为摩根大通模型口径

这门课要教的第一件事:这张表不矛盾

一家公司同时出现「订单暴涨」和「现金流深度为负」,在大多数行业里是危险信号—— 意味着接了活但收不回钱。

但在这里,两者是同一件事的两端未履约合同是客户已经签字承诺、但服务还没交付的金额; 要交付它,得先把数据中心盖出来、把芯片装进去——这笔支出发生在收入之前

所以负的自由现金流在这里不是「亏钱」,是「预付了未来收入的成本」

但这个说法要成立,必须回答一个问题:这笔预付,多久能收回来? 这就是本门课第 10 节的内容,也是本系列的第八种定价框架

02

4,960 亿是个什么概念

2Q26 AWS 未履约合同
$4,960 亿
1Q26
$3,640 亿
4Q25
$2,440 亿
AWS 当期年化收入(参照)
$1,690 亿

公司披露。同期谷歌云 backlog 为 $5,140 亿,亚马逊差一点点没超过

但要立刻加一条警惕

环比增加的 1,320 亿里,约 1,000 亿来自一笔单一合同——2026 年 4 月与 Anthropic 签的协议。

Bernstein 的措辞很准确:「环比的跃升受益于约 1,000 亿美元的 Anthropic 协议, 但增幅之大仍然指向底层企业需求的强劲」——先承认大单的贡献,再说剩下的部分也不小。

这是读订单簿的第一个动作:把大单剥出来,看剩下的。 剥掉 1,000 亿之后仍有约 320 亿的环比增量,对应约 9% 的环比增长——这才是「底层需求」的读数。

第 17 节的清单里,第一条就是这个动作。

03

为什么这一门课要从订单簿讲起

主线放在哪一行
第 5–9 门(周期股 / 成长股 / 投入期 / 巨头 / 远期分歧)利润表——收入、毛利率、经营利润
第 10 门 阿里巴巴利润表的分部结构(一半加速、一半亏损)
第 11 门 腾讯控股利润表里被单独拉出来的一条费用线
第 12 门 亚马逊(本门)不在利润表上的一个数字——未履约合同

本系列自身的结构对照

先行指标第一次成为主线

收入是已经发生的事,订单簿是已经承诺、尚未发生的事。

前 11 门课里,订单簿要么不存在(零售、广告、游戏都是即时确认), 要么只是配角。到这一门,它变成了主角——因为管理层说「产能到 2027 年基本已被订满, 订单延伸到 2028 年的大部分」。

这句话把估值问题的性质变了:不再是「明年收入能涨多少」, 而是「已经签好的这些,能不能按时交付出来」。

摩根士丹利因此把 AWS 的增长斜率定义为「由数据中心产能上线速度决定」, 而不是由需求决定——需求已经在订单簿里了。

04

这一门课的路线

单元一 看懂生意
单元二 AI 在哪收钱
单元三 钱与回本
单元四 传导到你
单元五 争议与跟踪

三个分部、一条横跨分部的广告线,以及本系列第五个会计口径陷阱—— 一个让每股收益比预期高 216% 的非经营项目(第 4 节)。

两个 250 亿(AI 业务和自研芯片业务)、Trainium 怎么从「性能不行」走到被两个前沿实验室背书、 Bedrock 与「数据引力」,以及 52% 的增量利润率

2,200 亿资本开支为什么涨了 200 亿(答案是内存涨价,不是需求)、 「服务器不到 3 年回本、能用 5–6 年」这句话怎么用,以及负的自由现金流靠什么撑。

一个甲方、两条并行的采购链英伟达链 + Trainium 链), 以及一个残酷的分层:设计服务和先进封装在台链,A 股能拿到的是板子、光模块、电源和散热。

一份三个月前的看空清单和它后来的命运、第八种定价框架(不给倍数,算年数), 以及一张可以每季打勾的清单。

读完这一门课,你应该能做的三件事

① 拿到任何一家云厂商的财报,先把订单簿里的大单剥出来,算底层增量;

② 看到「自由现金流为负」时,不直接下结论,而是去找回本期和资产寿命;

③ 看到 GAAP 每股收益暴涨时,先问有没有非经营项目——本门第 4 节会给你一个极端例子。

这一节要带走的一句话 2026 年二季度,AWS 的未履约合同(backlog)达到 4,960 亿美元,同比 +154%、环比增加 1,320 亿美元。同期 AWS 的年化收入约 1,690 亿美元——订单簿是当期收入体量的近三倍。而摩根大通模型里,亚马逊 2026 年自由现金流是 −379 亿美元、2027 年 −1,244 亿美元。四家大行全部给买入或增持,目标价 320–375 美元。

检验一下:订单簿 4,960 亿美元,自由现金流 −380 亿美元

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

一.2

三个抽屉,和一条不在任何抽屉里的收入

北美 / 国际 / AWS,加上横跨它们的广告

约 3 分钟·1,008 字·5 题
01

三个分部,一句话各自说清楚

分部2Q26 收入同比是什么
北美$1,162 亿+16%美国 / 加拿大 / 墨西哥的零售、订阅、广告与实体店
国际$422 亿+15%其余所有国家的同类业务
AWS$422 亿+37%全球云计算,全公司的利润引擎
合计$2,006 亿+20%20 个季度以来最快

2Q26 财报。同比为报告口径;固定汇率口径合并增速为 +19.6%

收入占 21%,利润占多数——这是本课要盯的不对称

AWS 只占收入的约 21%,但摩根士丹利模型里 2027 年 AWS 经营利润 1,010 亿美元, 约占全公司经营利润的 60%

Bernstein 说得更直白:「我们和亚马逊有关的对话, 90% 在讲 AWS,10% 在讲其他一切——也就是这家公司 80% 以上的业务。」

这不是分析师偏心,是结构决定的:零售的经营利润率是个位数,AWS 是 39%。 一美元的 AWS 收入,落到经营利润上的量级是一美元零售收入的四到五倍。

02

广告:横跨分部的那一条

2Q26 广告收入
$198 亿
+26% yoy
1Q26 增速(固定汇率)
+22%
2Q 明显加速
3P 占售出件数
61%
1Q26 为 60%

2Q26 财报。广告加速的三个来源:AI 搜索广告新产品、CTV(联网电视)、Prime Day 附着率

为什么广告不单独成一个分部,你还是要单独看它

广告收入在报表上按收入类别披露(和「线上商店」「第三方卖家服务」并列), 但它的利润归在北美和国际两个分部里。也就是说,你在分部表上永远看不到「广告利润」这一行。

但它是零售利润率改善的主要推手之一:摩根大通把广告和 AWS 并称为 「亚马逊最赚钱的两条收入线」,并把北美经营利润率的多年扩张归因于它们的占比提升。

这是本系列反复出现的一种结构:一条高毛利的收入线被埋在低毛利的分部里, 导致分部利润率的改善看起来像「效率提升」,其实一半是「结构变化」。 第 11 门课(腾讯)第 3 节讲过同一个方法:看到利润率提升,先分清是成本降了还是结构变了。

03

零售这一侧这一季发生了什么

付费件数增速
+17%
Stores 收入增速(固定汇率)
+15.4%
1Q26 Stores 收入增速(固定汇率)
+10.2%

2Q26 财报。件数 +17% 是 2021 年一季度(疫情封锁期)以来最快

三个具体的动作,撑起了这个加速

生鲜:月活生鲜客户较年初 +50%;含生鲜的当日达订单,件数是平均订单的 3 倍以上; 生鲜产品占畅销榜前 20 中的 6 个

速度40% 以上的商品当日达或次日达;Amazon Now 本季新增 80 个城市

自动化:Cardinal 与 Sparrow 机械臂 2026 年计划翻倍以上; 新一代 Proteus 自主搬运机器人可搬 1,300 磅,并且能听自然语言指令。

一个可验证的效率读数:运费同比 +19%,件数 +17%,看起来运费涨得更快; 但剔除燃油与干线运价后,运费增速慢于件数增速——单位履约成本还在降。

04

一个必须先说清楚的干扰项:Prime Day

同一个促销,两年落在不同季度

2026 年 Prime Day 对亚马逊多数大市场(含美国)落在二季度,2025 年落在三季度。

后果有两个方向:

① 二季度的增速被垫高了(部分本该在三季度的销售被提前);
② 三季度的指引因此被压低——公司给的 3Q26 收入指引是 +9%~12%, 但明确说「剔除 Prime Day 时点影响,增速要再高约 400 个基点」

高盛把「三季度指引低于预期」列为本次财报的负面之一, 但同时注明这里面含约 80bps 汇率逆风和 400bps 的 Prime Day 时点影响—— 这就是负面清单的正确写法:先列现象,再拆掉可解释的部分。

可复用的动作:任何一家零售公司的季度对比,先查促销档期有没有挪窝。 第 11 门课(腾讯)的春节时点、这一门的 Prime Day,是同一类问题。

这一节要带走的一句话 亚马逊按地理与业务分三个报告分部:北美、国际、AWS。2Q26 合并收入 2,006 亿美元(+20%,20 个季度以来最快),其中 AWS 422 亿(占 21%)。但真正决定股价的是 AWS,因为它贡献了绝大部分利润——摩根士丹利模型里,2027 年 AWS 将产生 1,010 亿美元经营利润,约占全公司的 60%。广告收入 198 亿、+26%,横跨分部披露,不单独成一个分部。

检验一下:三个抽屉,和一条不在任何抽屉里的收入

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

一.3

+37%:18 个季度以来最快,而且是在体量翻倍之后

加速 900 个基点,发生在一个已经年化 1,690 亿美元的业务上

约 4 分钟·1,134 字·5 题
01

先把这个加速放进历史里

2Q26 AWS 收入增速
+37%
1Q26
+28%
4Q25
+24%
3Q25
+20%

公司披露。3Q25 的 +20% 已经是当时的加速(较上季 +3ppt),当时驱动是 Project Rainier 上线

「体量翻倍」这四个字要单独讲

增速的分母是去年同期的收入。一门生意越大,同样的绝对增量对应的百分比越小。

所以「18 个季度以来最快」这句话,如果不加上「而且现在的体量是当时的两倍」, 是会被低估的。Bernstein 特意补了这句话。

换成绝对数看:AWS 单季收入 422 亿美元,年化约 1,690 亿美元在这个体量上加速 9 个百分点,意味着一年的增量收入接近 150 亿美元—— 相当于凭空多出一家中型软件公司。

可复用的动作:看到「X 年来最快增速」,立刻问一句「当时的基数是多少」。 同样的百分比,在不同体量上是完全不同的成就。

02

三家云的这一季,要用绝对数比而不是百分比

2Q26环比新增收入环比新增经营利润经营利润率
AWS+$46.5 亿+$25 亿39%
谷歌云+$47.4 亿+$22 亿36%
Azure+$35–39 亿

摩根士丹利与 Bernstein 口径。AWS 39% 含约 6 亿美元一次性能源合约收益,剔除后约 37.9%

但这张表不是同口径的——这是本节最重要的一句话

摩根士丹利明确提醒:「这不是苹果对苹果的比较。」

谷歌把 TPU 整机的销售按总额法记进云收入(卖一台服务器,整台的价格都算收入); 而 AWS 在 Bedrock 上代销第三方模型时按净额法确认(只把自己抽的那一层记成收入)。

剔除 TPU 整机销售(约 10–15 亿美元)后,摩根士丹利估谷歌云环比新增约 30–40 亿美元低于 AWS,也更接近 Azure。

而且总额法记的整机销售结构性利润率更低——所以 「AWS 用更小的收入增量做出了更大的利润增量」这件事,比表面数字还要更强一点。

这是全课最实用的一处对照技巧:跨公司比云业务,先问收入是总额法还是净额法。

03

加速的四个来源

来源证据
产能上线管理层称容量可用性扩大;摩根士丹利把 AWS 的增长斜率定义为「由数据中心产能上线速度决定」
AI 需求AI 业务年化从 1Q26 的 >$150 亿跳到 >$250 亿,三位数增长
自研芯片芯片业务(Trainium + Graviton)年化 >$250 亿;Graviton 收入承诺环比约 3 倍
核心(非 AI)业务摩根士丹利估非 AI 收入增速从 1Q 的约 19–20% 加速到 20% 出头

2Q26 电话会与三家大行拆解

第四条比前三条更值钱

前三条是「AI 在涨」,这是所有人都预期到的。第四条是「不做 AI 的那部分也在加速」

摩根大通把这条单独拎出来:「我们同样受到核心 AWS 业务强劲表现的鼓舞, 它与 AI 收入高度相关,而且我们预计随着更多 AI 工作负载进入全面生产、 带动对核心服务的额外需求,这种关系会进一步加强。」

机制是:AI 应用不是孤立跑的——它要读数据库、要存对象、要走网络、要监控、要鉴权。 每一次推理调用,都会顺带消费一串传统云服务。

Bernstein 称之为「良性循环」:AI 负载带动核心云消费, 而 AWS 庞大的数据与基础设施足迹,又让它成为部署 AI 的首选环境。

这条如果成立,AI 对云厂商的价值就不只是「AI 收入」那一块, 而是「AI 收入 + 它拖动的核心收入」。第 7 节会讲这个机制的名字:数据引力。

04

一个野心,和它的意义

「AWS 可以成为年化一万亿美元收入的业务」

这是 2Q26 电话会上管理层给出的长期口径。从 1,690 亿到 10,000 亿,是约 6 倍。

这种数字的正确用法不是当预测,而是当「管理层认为天花板在哪里」的信号—— 它决定了公司愿意把资本开支推到多高,以及愿意推多久。

配套的两句话更实在:「产能到 2027 年基本已被订满,订单延伸到 2028 年的大部分」, 以及「AI 的回报与利润率,好于核心 AWS 在同一发展阶段时的水平」

第二句是本门课单元三的钥匙——它把「要不要继续花钱」这个问题, 变成了一个可以和历史对照的问题:当年核心 AWS 在这个阶段回报是多少,现在的 AI 比它好还是差。

这一节要带走的一句话 2Q26 AWS 收入同比 +37%,比 1Q26 的 +28% 加速约 900 个基点,是 18 个季度以来最快。Bernstein 的注脚是关键:「18 个季度以来最好的增速——顺便说一句,当时这门生意只有现在的一半大。」环比新增收入 46.5 亿美元,超过谷歌云(47.4 亿,其中含 10–15 亿 TPU 整机销售)与 Azure(35–39 亿);环比新增经营利润 25 亿美元,三家最高。

检验一下:+37%:18 个季度以来最快,而且是在体量翻倍之后

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

一.4

每股收益比预期高 216%,而这跟经营没有关系

本系列第五个会计口径陷阱,也是最漂亮的一个

约 4 分钟·1,138 字·5 题
01

把三个数字并排放

经营层面

GAAP 经营利润 $274.6 亿

摩根大通预期 $239.3 亿 → 高 15%

收入 $2,006 亿 vs 预期 $1,986 亿 → 高 1%

这是一个好但不夸张的季度。

同一份财报

每股收益层面

GAAP 每股收益 $5.75

摩根大通预期 $1.81 → 高 216%

摩根士丹利剔非经营项后估 约 $1.9

这是一个看起来炸裂的季度。

2Q26 财报 vs 摩根大通预期;剔除口径为摩根士丹利

中间那一大段差额是什么

经营利润以下、净利润以上的那一层——会计上叫「非经营性损益」。

本季这一层的主体是:亚马逊持有的 Anthropic 股权按可观察价格重估产生的收益。 高盛给的口径是本季其他收入约 534 亿美元;摩根士丹利按每股算约 3.9 美元/股(税前)

这不是第一次。1Q26 已经有过一次约 150 亿美元的同类收益, Bernstein 当时拆得很清楚:约 30 亿是「亚马逊持有的 Anthropic 可转债中一部分转成无表决权优先股」 产生的已实现收益重分类,约 120 亿是按 2025 年 12 月 31 日可观察价格做的向上重估

换句话说:Anthropic 的估值涨了,亚马逊的每股收益就涨。 一分钱现金没进账,一台服务器没多卖。

02

为什么这个陷阱特别值得学

因为它形成了一个闭环

把三条事实连起来看:

① 亚马逊持有 Anthropic 的股权
② Anthropic 2026 年 4 月和 AWS 签了约 1,000 亿美元的合同——这是本季 backlog 环比 +1,320 亿的主要来源;
③ Anthropic 的估值上升,让亚马逊的每股收益上升。

同一个客户,同时出现在三个地方:订单簿里、资产负债表的投资项里、利润表的非经营收入里。

这不是说有什么不合规——三笔账都是按准则记的。 但作为读者,你必须知道它们是同一件事的三个投影,不能当成三条独立的好消息各自加分。

第 15 节会把这条线继续展开:亚马逊向 OpenAI 投约 500 亿美元, OpenAI 承诺向 AWS 采购约 1,380 亿美元——同样的结构,换了一个对手方。

03

本季还有三个更小的口径扰动

项目金额落在哪剔除后
关税退款$6 亿北美经营利润北美经营利润率 7.9% → 约 7.3%
能源合约公允价值变动$6 亿AWS 经营利润AWS 经营利润率 39.4% → 约 37.9%
Anthropic 股权重估数百亿非经营性其他收入每股收益 $5.75 → 约 $1.9

2Q26 财报与三家大行拆解。此外 Bedrock 第三方模型消费按净额法确认,也在抬高 AWS 利润率

四种扰动同时出现在一个季度里

关税退款、能源衍生品公允价值、Anthropic 股权重估、Bedrock 净额法—— 这是本系列十二门课里见过口径最复杂的一份财报。

但请注意它们的性质不同

• 前两个是一次性的,明年不会重复,剔掉就行;
• 第三个是反复的(1Q26 和 2Q26 连续两季),只要还持有股权就会一直有, 所以每一季都要剔,不能剔一次就当过去了
• 第四个是结构性的,不是「扰动」而是「这门生意的记账方式」, 剔不掉,只能在跨公司比较时做调整(第 3 节讲过)。

可复用的动作:把口径扰动分成「一次性 / 反复的 / 结构性的」三类,处理方式完全不同。

04

把这一节接回本系列

会计口径陷阱本质
第 8 门 Microsoft资本开支指引「降」了 150 亿,一分钱没少花口径换了(自有 vs 租赁)
第 9 门 Meta2027 年市盈率比 2026 高分母在降,不是分子在涨
第 10 门 阿里巴巴CMR 名义 +1%、剔商家补贴后 +8%冲减收入项(contra-revenue)
第 11 门 腾讯控股游戏收入 +6%,递延收入 +28%收入被平滑,流水才是当期
第 12 门 亚马逊(本门)每股收益 +216%,经营利润 +15%非经营性投资重估

本系列自身的对照。五个陷阱,五种不同的机制

五个陷阱共享一个动作

看到一个「太好」或「太差」的数字,先问:这个数字和它上一行、下一行是不是一致?

本季的不一致极其醒目:收入高 1%、经营利润高 15%、每股收益高 216%。 这三个数字应该大致同向同幅——一旦出现数量级的差距,中间一定有非经营的东西。

这是一个不需要任何行业知识就能做的检查, 而它在本季能帮你避开一个 216% 的错误结论。

这一节要带走的一句话 2Q26 GAAP 每股收益 5.75 美元,摩根大通的预期是 1.81 美元——高出 216%。但同一份财报里,经营利润只比预期高 15%。差额来自经营利润之外的一笔巨额非经营性其他收入:主要是亚马逊持有的 Anthropic 股权重估。摩根士丹利明确:剔除后 2Q26 每股收益约 1.9 美元;2026 全年约 8.4 美元,而不是报表上的双位数。而 Anthropic 正是 AWS 那 4,960 亿订单簿最大的来源。

检验一下:每股收益比预期高 216%,而这跟经营没有关系

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

Unit 02 / 05

两个 250 亿,和一颗被两个前沿实验室背书的芯片

AI 业务、自研芯片业务、Trainium 的口碑转变、Bedrock 与数据引力,以及 52% 的增量利润率。

阅读 约 16 分钟分节 4 节测验 20 题(每节 5 题)

有了拆账的底子,才轮到「AI 到底在哪里收到钱」。这一单元有一处是全课最实用的:第 8 节教你自己算增量利润率——这个数字不在财报上,但两分钟能算出来,而且它比经营利润率更前瞻。第 6 节会讲一份靠飞到印第安纳、去县政府翻建设许可、和施工工人聊天做出来的研究报告;第 7 节讲这门生意最大的结构性风险,以及 AWS 用来对抗它的那个词——数据引力

二.1

两个 250 亿:AI 业务和自研芯片业务

一个季度从 150 亿跳到 250 亿,这个斜率本身就是信息

约 4 分钟·1,148 字·5 题
01

两条曲线,四个季度

季度AI 业务年化自研芯片业务年化披露来源
4Q25约 $100 亿电话会
1Q26>$150 亿>$200 亿2026-04 CEO 股东信
2Q26>$250 亿>$250 亿2Q26 电话会
同比增速三位数三位数

公司披露。自研芯片业务口径含 Trainium(AI 加速卡)与 Graviton(自研 ARM 服务器 CPU)

先解释「年化收入运行率」这个词

不是一年的收入,是把最近一段时间的收入按年折算—— 比如某个月收入 20 亿,年化就是 240 亿。

它的好处是能反映最新的运行状态(不被前面几个慢的季度稀释), 坏处是波动大、而且没有会计准则约束——不同公司算法可能不同,也不进财务报表。

所以正确的用法是:当趋势指标用(看斜率),不当估值输入用(不能直接乘倍数)。

本节真正值钱的是那个斜率:AI 业务一个季度从 150 亿加到 250 亿。 Bernstein 的比喻是「这是 Anthropic 式的增速」——用一家还在超速成长的模型公司来形容 一门跑在几千亿美元体量公司里的业务。

02

但立刻要泼一盆水:250 亿占多少

AWS 年化总收入
约 $1,690 亿
其中:AI 业务年化
>$250 亿(约 15%)
其中:自研芯片(BofA 估占比)
约 10%

摩根士丹利估 AI 占 AWS 年化收入的 15%;BofA 按收入运行率估自研芯片(Trainium + Graviton)约占 AWS 业务 10%

这个占比有两种读法,都对

看空的读法:AI 只占 AWS 的 15%,剩下 85% 还是传统云。 为了这 15% 一年花 2,200 亿美元资本开支,回报周期很长。

看多的读法(BofA 的原话):「自研芯片只占 AWS 业务约 10%, 这意味着巨大的成长空间。」——占比低说明渗透刚开始。

两种读法的差别不在数字,在于你相信这个占比会不会继续往上走。 而这件事有一个可观察的判据:斜率

AI 业务四个季度的斜率是「低两位数亿 → 150 亿 → 250 亿」。 只要这个斜率还在,占比低就是空间;一旦斜率平掉,占比低就是天花板。 第 17 节清单的第三条盯的就是这件事。

03

Graviton:本节最容易被忽略的一条

收入承诺环比约 3 倍

Graviton 是亚马逊自研的 ARM 架构服务器 CPU——注意,不是 AI 加速卡, 是跑普通程序的中央处理器。

2Q26 它的收入承诺环比增加约 3 倍。 管理层给的理由很具体:「客户希望推理跑在自己其他应用与数据的旁边,而这些东西大多跑在 AWS 上。」

这句话说的是:一次 AI 推理不是孤零零地跑一次模型—— 它前后要接业务逻辑、要读数据库、要走鉴权。这些活是 CPU 干的,而 CPU 越靠近数据越快越便宜。

Bernstein 由此给出一个判断:「如果 AI 工作负载更深地走向智能体, 那么 CPU 稀缺的问题就是 AWS 的优势。」——因为智能体要反复调用工具、反复读写状态,CPU 消耗比单次问答大得多。

这条把第 3 节的「非 AI 业务也在加速」落到了一个具体产品上。

04

把这一节接回第 6、7 门课

自研芯片这一门的位置
第 6 门 Broadcom为客户设计 ASIC(谷歌 TPU 训练芯片等)设计能力的那一方
第 7 门 AlphabetTPU,已到第 8 代,开始对外卖整机自研并外销
第 10 门 阿里巴巴平头哥,>60% 出货服务外部客户自研并外销,与 A 股同台竞争
第 11 门 腾讯控股无对外销售的自研 AI 芯片纯买方
第 12 门 亚马逊(本门)Trainium + Graviton,年化 >$250 亿自研但只在自己的云里卖

本系列自身的对照

第三种模式:自研,但不卖芯片,卖算力

亚马逊不把 Trainium 当芯片卖给别人,它把 Trainium 装进自己的数据中心,按小时租出去

这个差别很要紧:

• 卖芯片(Broadcom、平头哥):收入等于芯片售价,毛利率是芯片毛利率,一次性确认
• 卖算力(亚马逊):收入等于租金,按使用时长逐期确认,而且能顺带卖存储、网络、数据库。

所以「自研芯片业务年化 250 亿」这个数字,本质上是「跑在自研芯片上的算力租金」, 而不是「卖了 250 亿的芯片」。理解这一点,才不会把它和第 6 门课的 Broadcom 收入做错误对比。

顺带一提:第 3 节讲过谷歌把 TPU 整机按总额法记进云收入—— 那是「卖芯片」和「卖算力」两种模式同时存在于一家公司的例子,也是两家云不能直接比收入的原因。

这一节要带走的一句话 2Q26 AWS 的 AI 业务年化收入运行率超过 250 亿美元,1Q26 是超过 150 亿——年化收入运行率一个季度增加了 100 亿。自研芯片业务(Trainium + Graviton)同样超过 250 亿,1Q26 是超过 200 亿、4Q25 约 100 亿。Bernstein 的比喻是「这是 Anthropic 式的增速」。但 BofA 提醒:自研芯片目前只占 AWS 业务约 10%。

检验一下:两个 250 亿:AI 业务和自研芯片业务

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

二.2

Trainium:从「早期表现让人失望」到锁定 7 吉瓦

两个前沿实验室的背书,和一个还没被回答的问题

约 4 分钟·1,220 字·5 题
01

一条被公开记录下来的口碑曲线

Bernstein 2026 年 4 月的原话

英伟达仍是黄金标准,谷歌的 TPU 用七代(现在八代)赢得了自己的资历。Trainium 呢? 它一开始的接受度是怀疑的——早期表现让人失望很多——但随着 AWS 反复迭代,情绪逐渐回暖。」

这段话值得完整引用,因为它记录了一个还在进行中的口碑转变, 而不是一个既成结论。

接在后面的那半句才是关键:「投资者想知道——Trainium 的增长 反映的是真实的信心,还是仅仅因为供给紧张逼得客户没得选? AWS 一直在大量依靠价格让步把 Trainium 推进工作负载。」

02

公司这一侧给的数字

代次时间关键口径
Trainium2已量产性价比比同类 GPU 高 30–40%;年化收入数十亿美元;产能完全售罄
Trainium32026 年年中起爬坡性价比在 T2 基础上再提升约 40%;到年中产能几乎被订满
Trainium42027 年已在研发;OpenAI 的承诺横跨 T3 与 T4
Trainium5已展开前期合作讨论

2026-02-05 与 2026-07-31 电话会。「性价比」是公司口径,指每美元的有效算力

「性价比高 30–40%」这句话要小心读

不是说「性能比 GPU 强 30–40%」,是说「每花一美元拿到的有效算力多 30–40%」

这两句话差别巨大:性价比可以靠降价实现。 如果一颗芯片性能只有 GPU 的 70%,但价格只有 50%,性价比就高了 40%。

这正是 Bernstein 那个问题的技术含义: AWS 是靠把芯片做好了拿到这 30–40%,还是靠把价格压低拿到的?

Bernstein 给了一个可观察的判据:「AWS 能不能把 Trainium 的每吉瓦收入提上去, 还是必须继续依赖深度折扣?」——这是第 17 节清单里的一项。

03

两笔交易,锁定约 7 吉瓦

AnthropicOpenAI
时间2026-042026-02(在 2025-11 协议基础上扩大)
合同规模$1,000 亿原 $380 亿 / 7 年 + 追加 $1,000 亿并延 1 年 = 约 $1,380 亿 / 8 年
Trainium 承诺Project Rainier 全站点约 2GW,横跨 Trainium3 与 Trainium4
亚马逊的反向投入持有 Anthropic 股权(见第 4 节)承诺投资约 $500 亿(首期 $150 亿)
附加条款AWS 成为 OpenAI Frontier 的独家第三方云分发方;OpenAI 模型为 Bedrock 上的有状态运行环境供能;OpenAI 定制模型为亚马逊自家应用供能

摩根士丹利 2026-03-01《AWS OpenAI 协议的 5 个要点》与 Bernstein 2026-04 / 2026-07

OpenAI 这一笔为什么比金额更重要

摩根士丹利列的第 3 个要点是「对 Trainium 的进一步验证(和帮助)」

「OpenAI 对 Trainium 的承诺,标志着第二家主要大模型提供方采用了 AWS 的自研 ASIC 方案, 进一步印证了 Trainium 的竞争可行性。越多领先公司采用这颗芯片,亚马逊就越能学到效率与改进的方向, 这应该会为 Trainium 更广泛的采用铺路。」

注意括号里那个词——「和帮助」。 这不只是背书,还是免费的迭代反馈:前沿实验室的负载是最苛刻的, 它们踩到的坑会直接变成下一代芯片的改进项。

Bernstein 补的一条同样要紧:OpenAI 的加入 「降低了 Anthropic 的客户集中度风险」——在这之前,Trainium 几乎只有一个大客户。

04

Project Rainier:一座能被走访的证据

位置
印第安纳
St. Joseph 县 · 最终客户 Anthropic
2025-10 已上线
近 50 万颗
Trainium2;年底目标破 100 万颗
站点最大容量
约 30 栋
2025-10 中已上线 6–7 栋
造价(UBS 检查)
约 $150 亿
市场传 $110 亿 · 有上修偏向

UBS 2026-01-07《On the Ground in Indiana》:承包商访谈 + 卫星图 + 实地走访县政府查许可

这份报告本身就是一个方法论示范

UBS 做的事:和承包商对话、调卫星图、派人飞到印第安纳、去县政府翻建设许可、 在当地酒吧跟施工工人聊天。

他们自己解释了为什么:「五年多来我们每个季度做的都是需求侧研究—— 和客户、合作伙伴聊。但过去一年、尤其过去几个月越来越清楚:我们和投资者需要用供给侧的工作来补充它。」

因为在产能受限的时代,「能卖多少」不再取决于「有多少人想买」, 而取决于「有多少机器能开机」。摩根士丹利的表述是同一件事:AWS 的增长斜率由产能上线速度决定。

UBS 的结论:2025 年 10 月中已有 6–7 栋楼上线,年底再点亮 5 栋以达到 100 万颗芯片 「激进但可行」,未发现任何实质性延期证据。他们估 Anthropic 用 Rainier 贡献了 3Q25 那次 3 个百分点加速里的约 1 个百分点

Project Rainier 的技术结构(一句话版)

每台 UltraServer = 4 台 Trainium2 服务器 × 每台 16 颗芯片,用 NeuronLinks 高速互联; 数万台 UltraServer 组成一个 UltraCluster。AWS 与最终客户 Anthropic 共同设计, 称其提供的算力是 Anthropic 训练上一代模型时的 5 倍

州政府给的条件:50 年数据中心销售税豁免 + 最高约 1 亿美元绩效补助; 亚马逊 2024 年 4 月宣布对印第安纳州投资 110 亿美元

这一节要带走的一句话 Trainium 是亚马逊自研的 AI 加速卡。管理层称 Trainium2 的性价比比同类 GPU 高 30–40%,产能「完全售罄」;Trainium3 性价比在此基础上再提升约 40%,2026 年年中起爬坡。Anthropic(约 1,000 亿美元合同)与 OpenAI(承诺消化约 2GW Trainium 产能)两笔交易,合计锁定约 7 吉瓦未来产能。但 Bernstein 的问题仍未被回答:这是真需求,还是靠深度打折换来的?

检验一下:Trainium:从「早期表现让人失望」到锁定 7 吉瓦

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

二.3

数据引力:为什么 OpenAI 要把模型搬到 AWS 上

一个决定这门生意会不会商品化的机制

约 4 分钟·1,337 字·5 题
01

先说清楚 Bedrock 是什么

一句话:模型的应用商店

客户不用自己部署模型,直接在 AWS 上按调用量付费, 同一套接口下可以随时换模型——今天用 Anthropic 的,明天换 OpenAI 的。

2Q26 新增 10 个以上基础模型,来源包括 OpenAI、Anthropic、Google DeepMind、xAI。 注意这个名单:其中好几家是亚马逊自己模型业务的竞争对手,也是彼此的竞争对手。

Bernstein 的定性:「AWS 借此巩固了自己作为最全面的企业级 AI 平台之一的位置。」

近 6 个月新增客户
> 头两年之和
Bedrock 上线以来
2Q26 客户支出
> 此前所有季度之和
累计口径
客户数量级
数十万
2Q26 电话会

2Q26 电话会。「新增客户超过头两年之和」「支出超过此前所有季度之和」是两个累计式表述,注意它们描述的是加速度而非绝对量

02

Bernstein 的商品化警告

2026 年 4 月的原文(这是本课最重要的一段引用)

「前沿 AI 实验室正在成为一个潜在的新中间层,直接建立企业关系, 越来越成为客户消费 AI 的界面。如果这个轨迹继续,而且实验室获得了把推理负载路由到 算力最便宜的地方的灵活性,超大规模云就有被降级成无差别算力供应商的风险—— IaaS 会变成一场向下的竞赛。

AWS 约三分之二的业务在 IaaS,在这种情形下损失最大。 微软是后来者,靠深厚的企业软件关系从第一天起就落在更高的层次上, 它的业务大约三分之二是 PaaS。」

这段话把第 8 门课(微软)和这一门连了起来: 同样是云,两家的收入结构完全不同,而这个差别在「模型变成中间层」的情形下会放大。

AWS

2/3 是 IaaS(基础设施即服务)

卖的是裸算力、存储、网络

优势:规模、成本、数据在这里

风险:如果推理可以随处跑,这一层最容易被比价

同为云,结构不同

微软 Azure

2/3 是 PaaS(平台即服务)

卖的是托管服务、开发平台、和企业软件绑定的能力

优势:离业务流程更近,替换成本高

来源:从第一天起就靠企业软件关系落在更高的层次

Bernstein 2026-04-23

03

反证:数据引力

Bernstein 自己给出的反面论证

「拉远看,AWS 在 IaaS 上的主导地位确实带着商品化风险, 但考虑到数据引力的重要性,它可能恰恰是这家公司最被低估的结构性防御。

大部分企业数据就住在 AWS 上,而企业非常希望推理跑在数据旁边, 而不是跨云路由。最新的 OpenAI 协议就是一个有力的证据——OpenAI 选择去数据已经在的地方, 而不是试图把客户拉到一朵新的云上。」

「数据引力」这个词的含义:数据一旦积累到一定规模, 搬动它的成本(时间、带宽费、合规审查、业务中断)会超过换供应商省下的钱, 于是其他东西会被吸引到数据周围,而不是反过来

三个具体的成本:①出站流量费(把数据搬出云要按 GB 付钱) ②延迟(推理要读数据,跨云读慢很多)③合规(数据跨境、跨主体都要重新走审批)。

怎么判断这场争论谁对

这两个论证都不是可以靠推理决定的,只能靠观察。而它们各有一个可观察的信号:

商品化那一侧:AWS 的每吉瓦收入、AWS 的经营利润率、 以及是否出现「同一家实验室的同一个模型在多朵云上明显比价」的公开案例;
数据引力那一侧:像 OpenAI 这样的实验室是否继续选择去客户数据所在地, 以及第 3 节讲的「非 AI 业务是否随 AI 业务一起加速」——如果推理真能随处跑, 它就不会顺带拉动 AWS 的核心服务消费。

2Q26 的读数偏向数据引力那一侧:非 AI 收入加速了, AWS 利润率不降反升到 39%,Graviton 承诺环比涨 3 倍。 但这只是一个季度——Bernstein 的措辞是「这条争议没有被证伪,只是被推迟」。

04

顺带解决一个记账问题

Bedrock 的收入按净额法确认——这抬高了利润率

客户在 Bedrock 上花 100 美元调用 Anthropic 的模型, AWS 不把 100 美元记成收入,只把自己留下的那一部分记成收入。

后果有两个,方向相反:

• 收入的名义规模被压低(同样的客户支出,记出来的收入更少);
• 利润率被抬高(因为分给模型方的成本压根没进收入也没进成本)。

摩根士丹利在解释 AWS 这一季 39% 的经营利润率时明确提到 「Bedrock 更高利润率的净额记账起了一部分作用」, 同时把它列为跨公司比较时必须调整的一项(第 3 节讲过)。

这是一个反直觉但很有用的认识:一门生意越是「代销」, 它的利润率看起来越高,而收入规模看起来越小。零售业的 3P(第三方卖家)平台也是同一个道理—— 亚马逊自己就是这个记账方式的两侧样本。

这一节要带走的一句话 Bedrock 是 AWS 的模型市场:客户在上面调用 OpenAI、Anthropic、Google DeepMind、xAI 等十多个基础模型。2Q26 的三个数字:过去 6 个月新增客户数超过上线头两年之和;本季支出超过此前所有季度之和;现有数十万客户。Bernstein 提出的最大结构性风险是「IaaS 商品化」——前沿实验室可能变成新的中间层,把推理路由到最便宜的算力。而 AWS 的反证叫 数据引力

检验一下:数据引力:为什么 OpenAI 要把模型搬到 AWS 上

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

二.4

增量利润率 52%:新增的每一块钱收入,留下五毛二

本课最重要的一个盈利能力指标,也是最容易被忽略的一个

约 4 分钟·1,227 字·5 题
01

先分清两个利润率

经营利润率(存量)

经营利润 ÷ 收入

2Q26 AWS39.4%(剔一次性 约 37.9%

回答的是:「这门生意现在整体多赚钱」

它被历史拖着走——过去几年的成本结构还在里面。

同一份财报

增量利润率(边际)

新增经营利润 ÷ 新增收入

2Q26 AWS:约 52%(剔一次性)

回答的是:「下一块钱收入能留下多少」

它是前瞻的——告诉你规模继续扩大时利润率会往哪走。

摩根士丹利口径。2024 年四季度以来最高的增量利润率

为什么增量利润率更值钱

因为存量利润率会向增量利润率收敛

如果新增的每一块钱收入都能留下 52 分, 而现在整体只留 38 分,那么只要收入继续增长,整体利润率就会被往上拉。

反过来也成立:如果一家公司存量利润率 30%、增量利润率只有 10%, 那它的利润率一定在往下走,哪怕报表上这个季度还是 30%。

可复用的动作:拿到任何一个分部,用「(本期经营利润 − 上期经营利润) ÷ (本期收入 − 上期收入)」 自己算一遍增量利润率——这个数字不在财报上,但两分钟能算出来。

02

52% 是怎么来的

驱动说明
产能优化已建成的数据中心利用率上升——固定成本被摊薄,每多卖一小时算力几乎没有额外成本
Bedrock 净额法代销第三方模型只记净额,成本不进账——机械地抬高利润率(第 7 节)
核心业务加速非 AI 收入的边际成本极低(第 3 节)
效率提升管理层口径:「有纪律的效率提升与产能优化,抵消了大量投入」
一次性约 $6 亿能源合约公允价值变动(已在 52% 的计算中剔除)

摩根士丹利、Bernstein、摩根大通三家拆解

要对第二条保持警惕

产能优化、核心加速、效率提升——这三条是真实的经营改善

Bedrock 净额法不是。它是记账口径造成的: 同样一笔客户支出,因为记账方式不同,利润率就不一样。

这意味着:如果 Bedrock 在收入中的占比继续上升, AWS 的利润率会继续被机械地抬高,而这一部分不代表这门生意真的变强了。

摩根士丹利的措辞很有分寸:「虽然 Bedrock 更高利润率的净额记账起了一部分作用, AWS 的盈利能力确实令人印象深刻。」——先承认口径因素,再说剩下的部分是真的。

这跟第 1 节剥 Anthropic 大单、第 2 节剥 Prime Day 时点是同一个动作。 这门课到这里已经用了三次:先剥掉可解释的,再看剩下的。

03

把 52% 放进一个更大的判断里

摩根士丹利:30%–70%+

他们在 2026 年 7 月的一份专题里给出了一个区间判断: 「我们认为像 AWS(以及谷歌云Azure)这样的超大规模云, 在这一轮生成式 AI 推理时代能交付 30%–70%+ 的增量利润率。」

AWS 这一季的 52% 落在这个区间的中上部

这个区间为什么这么宽?因为它取决于三件事:

卖的是裸算力还是带服务的算力(裸算力边际利润率低);
折旧什么时候开始压下来(新建的产能一旦转固,折旧就进成本);
定价权(如果 IaaS 商品化了,增量利润率会滑向区间下沿——这正是第 7 节那条争议)。

所以 52% 不是一个稳定值,是一个「目前处于有利位置」的读数。 第 10 节会讲第二件事——折旧的时间形状。

04

零售那一侧同样要剔

项目报表数剔除后剔的是什么
AWS 经营利润率39.4%约 37.9%$6 亿能源合约公允价值变动
北美经营利润率7.9%约 7.3%$6 亿关税退款
零售经营利润(摩根士丹利口径)约 $113 亿(7.2%)关税退款 +$6 亿,燃油与干线成本 −$11 亿,净 −$5 亿

2Q26 财报与摩根士丹利拆解。摩根士丹利自己的预期是 $116 亿 / 7.4%——剔完之后基本符合预期

零售这一侧的剔除是双向的

注意这里有两个方向相反的一次性项:关税退款 +6 亿(利好)、燃油与干线运价 −11 亿(利空), 净影响约 −5 亿

剔完之后,摩根士丹利估零售经营利润约 113 亿美元(7.2% 利润率), 他们自己的预期是 116 亿(7.4%)——基本符合,没有惊喜也没有惊吓。

这就是为什么整份财报的注意力全在 AWS 上(第 2 节讲过): 零售这一侧交出了一个「不添乱」的季度,而 AWS 交出了一个「加速 900 个基点」的季度。

Bernstein 的措辞:「这是罕见的一个季度——AWS 和零售同时超出预期。 但这件事完全被 AWS 的公投盖过去了。」

这一节要带走的一句话 2Q26 AWS 经营利润率 39.4%(剔除约 6 亿美元一次性能源合约收益后约 37.9%),街道预期约 34%。但更值钱的数字是增量利润率:剔一次性后约 52%——2024 年四季度以来最高。摩根士丹利判断,超大规模云在这一轮推理时代的增量利润率将落在 30%–70%+。

检验一下:增量利润率 52%:新增的每一块钱收入,留下五毛二

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

免 费 部 分 到 此 结 束
还有 3 个单元、9 节没解锁

你刚读完的是Amazon这门课的前 2 个单元(8 节 · 40 题), 讲清楚了这家公司是做什么的、靠什么赚钱。
剩下的部分是这门课真正花功夫的地方:

  • 2,200 亿花出去,多久收回来3 节 · 15 题 · 3,892 字
  • 一个甲方,两条并行的采购链3 节 · 15 题 · 3,955 字
  • 看空清单的命运、第八种定价框架与该盯的信号3 节 · 15 题 · 5,637 字
登录 / 免费注册 →

会员一码解锁全部课程 + 深度报告档案 + 产业链大课 · 返回课程目录