三门生意，一张报表

绝大多数人第一次认识亚马逊，是从买东西开始的：下单、次日达、退货方便。 所以直觉上会把它归到「网上商场」这一类，跟沃尔玛、京东放在一起想。 这个直觉不算错，但它只覆盖了这家公司四成的利润。

把 2026 年二季度的报表摊开看，会看到一件很不像「网店」的事。 这一季公司收入 2,006 亿美元，其中北美零售 1,161.8 亿、国际零售 422.0 亿、AWS 422.3 亿。 AWS 的收入只有全公司的 21%——如果只看收入规模，它是三块里最小的一块。 但翻到利润那一栏，画面就完全变了：这一季公司经营利润 274.6 亿美元， 其中 AWS 一个分部就贡献了 166.2 亿，占 六成； 北美零售 91.2 亿、国际零售 17.2 亿，两块加起来还不到 AWS 的三分之二。

一块 21% 的收入，撑起 60% 的利润——这个反差就是这门课的起点。 它说明你面对的不是一家公司三个区域，而是三门赚钱逻辑完全不同的生意， 只是因为历史原因被装进了同一张报表。

零售这门生意的经济学，一句话就能说完：每一单赚得很少，但单数极多，而且钱先到手、货款后付。 北美 7.9% 的经营利润率听起来寒酸，但它其实已经是这家公司多年重构的成果—— 2022 年北美分部的经营利润率是 −0.9%（亏的），国际分部是 −6.6%。 三年时间把北美从亏损做到 7.9%，靠的是重排仓网、缩短送货距离、提高单仓吞吐， 这些事第 12 节会专门讲。

零售里还有一个容易被忽略的分层：自营和第三方卖家不是同一门生意。 自营（1P）是公司自己进货再卖出去，整笔销售额都算收入，毛利薄； 第三方卖家（3P）用亚马逊的平台和仓储卖货，公司只收佣金、履约费和广告费， 整笔交易额里只有自己抽的那一层进收入。 2026 年二季度，第三方卖家占了平台售出件数的 61%。 所以「收入」这个数字看起来比实际交易规模小很多——这是零售段第一个要记住的口径。

AWS 卖的是计算、存储、数据库和网络，按用量收钱。 它和零售最根本的差别在成本结构：零售每多卖一件货就要多进一件货，成本随收入同步涨； AWS 一台服务器建好之后，多跑一个客户的工作负载，增加的只是电费和一点点运维。 所以规模越大，利润率越高——这是一门天然带杠杆的生意， 下一节会专门讲这个机制为什么成立。

数字上的体现很直白：2022 年 AWS 经营利润 228.4 亿美元， 而同年北美与国际两个零售分部合计亏损 106 亿美元。 那一年，整个公司的利润全部来自 AWS，零售还在倒贴。 这个事实比任何描述都有说服力——它解释了为什么每一份关于这家公司的研究， 八成篇幅都在讨论 AWS。

广告是三门里最容易被漏掉的，因为它不是一个独立分部—— 广告收入被分摊进北美和国际两个零售分部里，你在分部表上找不到它。 但按公司单独披露的广告服务收入看，这条线的体量是： 2022 年约 380 亿美元，2025 年约 690 亿美元，三年年均复合增长约 22%； 一家机构估计 2026 年约 830 亿美元。

更关键的是它的利润率。同一家机构按约 46% 的经营利润率推算， 广告在 2026 年能贡献约 380 亿美元经营利润， 相当于该机构预测的全公司经营利润的约 36%。 换句话说，这条藏在零售分部里的收入线，利润贡献和 AWS 是同一个数量级的。

为什么广告能有这么高的利润率？因为它卖的是已经存在的流量—— 用户本来就在亚马逊上搜索商品，平台只是决定把哪个商品排在前面。 增加一次广告展示的边际成本接近于零，而广告主愿意付钱， 是因为这里的用户不是在浏览，是在准备掏钱。 这也是为什么第 7 节会把广告单独拎出来讲。

三门生意的赚钱方式完全不同，那把它们放在一家公司里的理由是什么？ 答案是贝索斯 2001 年画在餐巾纸上的那张图，公司内部叫飞轮： 更低的价格带来更多顾客，更多顾客吸引更多第三方卖家， 更多卖家带来更丰富的选品，选品丰富又进一步吸引顾客； 同时规模扩大摊薄了固定成本，让公司有本钱继续降价。 这是一个自我加强的循环，它的特点是启动很慢、一旦转起来很难停。

三门生意就挂在这个轮子的不同位置上。零售是轮子本身， 它制造流量、数据和顾客关系；广告是从轮子上取电的那根线， 不用自己造流量，只需要给已有流量标价； AWS 最初是轮子转起来之后长出来的一根轴—— 为了支撑自己的电商系统，公司必须把计算能力做成可自助调用的标准件， 做完之后发现这件事本身可以卖给别人。第 6 节会讲这段历史的真实版本。

所以「为什么装在一张报表里」的答案不是财务安排，而是它们共享同一批基础设施和同一批顾客关系。 理解这一点之后，你会发现读这家公司的报表有个固定动作： 先把三门生意拆开各看各的，再看它们之间有没有互相输血。 这个动作贯穿整门课，第 7 节做一次完整示范，第 15 节用账本再验证一次。

要理解云是什么，先想想没有云的日子。 2006 年以前，一家公司要上线一个网站，流程大致是这样： 估算峰值访问量，据此采购服务器，找机房托管，拉专线， 招运维工程师，等设备到货上架——从决定到能用，通常要几个月。 更麻烦的是这笔钱一次性花出去就锁死了： 按峰值买，平时九成算力闲着；按平均买，一到大促就宕机。

2006 年亚马逊推出 S3（存储）和 EC2（虚拟服务器），把这件事彻底改了： 算力变成了按小时计费的水电，一张信用卡、几分钟就能开出一台服务器， 不用了随时关掉、只按实际用量付钱。 这个转变的意义不在技术，在财务结构—— 企业的算力支出从「一次性资本开支」变成了「随业务量浮动的经营费用」。 创业公司不再需要先融一笔钱买服务器，这是过去二十年互联网创业成本坍塌的直接原因之一。

这门生意在业内有个分层的说法，第一次听要记住三个词。 基础设施即服务（IaaS）卖的是最底层的计算、存储、网络， 客户拿到的相当于一台「空的机器」，操作系统往上全部自己管； 平台即服务（PaaS）往上一层，把数据库、消息队列、开发工具都做好，客户只写业务代码； 软件即服务（SaaS）是最上层，直接卖做好的应用。 这三层的利润率和黏性依次上升，而 AWS 的收入结构里 IaaS 占的比重比同行更高—— 这个结构性特征在第 9 节讲短板时会再出现。

云的成本几乎全是先花后收的：数据中心要先建，服务器要先买，带宽要先铺， 这些钱在客户还没来的时候就已经花掉了。 接下来每多服务一个客户，增加的成本主要只有电费和一点运维摊销。 于是利润率不是一个常数，而是随规模爬升的函数。

具体是三条路一起省钱。一是利用率： 一家企业自建机房，峰谷差很大，平时利用率常常只有一两成； 云服务商把成千上万家客户的波峰波谷叠在一起，此消彼长，整体利用率能高得多， 同样一台机器摊出来的成本自然低。 二是采购：一次下几十万台服务器的订单和一次下十台，拿到的价格不是一个量级， 何况超大规模云还会自己设计服务器、自己谈内存和芯片。 三是摊销：自研的调度软件、运维体系、安全体系，开发成本是固定的， 客户越多，每个客户分到的那一份越薄。

这三条加在一起，结论是这门生意天然走向少数几家—— 后来者要么规模做不上去所以成本永远高，要么烧巨额资本追赶。 这也是为什么全球云基础设施市场至今是三家为主的格局，第 5 节会展开讲座次。

光有成本优势还不够，因为便宜是可以被跟的。云这门生意真正的护城河在转换成本。

转换成本由三样东西叠成。第一样是数据本身的重量： 数据存进云里通常不收进站费，但要搬出去，供应商会按流量收出站费—— 存了几个 PB 的公司，光搬迁账单就是一笔可观的数字，还不算搬迁期间的业务停摆。 第二样是架构绑定：企业用的往往不只是虚拟机，还有这家云独有的数据库、 消息队列、身份权限体系、监控告警，这些接口换一家就得重写。 第三样是人：团队熟悉的是这一套工具链，运维脚本、故障手册、值班流程全是围着它写的。

这三样加起来，就是 AWS 反复使用的那个词——数据引力： 当数据积累到足够规模，搬动它的成本超过换供应商省下的钱， 于是算力会被吸到数据旁边，而不是数据被搬到更便宜的算力旁边。 这个说法在 AI 时代有了一个很强的例证：前沿模型厂商在选择算力时， 也倾向于去企业数据已经在的地方，而不是试图把客户拉到一朵新的云上——第 7、10 节会用到这条线索。

讲完两根支柱，必须诚实地讲它的软肋，否则后面几节的争论会看不懂。

最底层的计算和存储，本身是同质的。 一台虚拟机就是若干核、若干内存、若干带宽，A 家的和 B 家的没有本质区别。 凡是同质的东西，长期都有被做成大宗商品的压力——谁便宜用谁，利润率被一路压下去。 云服务商对抗这件事的办法，就是往上走： 把越来越多的数据库、分析、机器学习服务做成自家独有的，让客户越用越离不开。 所以「IaaS 占比高」在增长期是好事（吃到最大的那块量），在竞争白热化时是隐忧（最容易被比价）。

这个隐忧在 AI 时代换了个形式回来。 训练和推理需要的是标准化的加速算力，客户关心的第一件事是「每单位算力多少钱」—— 这比传统企业 IT 更容易比价，因为工作负载更单一、更可迁移。 于是就有了一个尖锐的问题：如果模型厂商变成新的中间层， 把推理任务路由到当时最便宜的那朵云，云服务商会不会退化成纯粹的算力批发商？ 这就是这门生意在 2026 年最核心的争论，第 10 节整节讨论它。

最后补一句跨课的分工，免得你重复读同样的内容。 这一节讲的是云这门生意本身的机制——它为什么存在、钱从哪来、护城河在哪。 同系列的 Alphabet 那门课讲的是另一个侧面： 一家公司同时握着芯片、云、模型、分发四个位置时会发生什么。 两门课不重复，建议的顺序是先读这一节把行业机制立住，再去看全栈自研的那一套逻辑。

做公司研究最常见的偷懒，是用一个总的增速去套整家公司。 对亚马逊这种把三门生意装在一张报表里的公司，这么做必然算错—— 因为三门生意的需求来源完全不搭界： 零售取决于人们买不买东西，AWS 取决于企业花不花钱做技术， 广告取决于品牌方愿意为一次曝光付多少钱。 这三件事在同一个季度里可以朝三个方向走。

所以正确的做法是三把尺子分开量，再加总。 这一节把三把尺子的刻度一根根讲清楚，后面每一节讲到增速时，你就知道该往哪把尺子上挂。

零售的需求可以拆成三个相乘的因子。 第一个是社会零售总额，这是宏观变量，跟就业、收入、通胀绑在一起， 公司管不了，只能跟随。 第二个是线上渗透率，也就是这些零售额里有多大比例发生在网上。 一家机构的估计是：美国电商目前占调整后零售总额的不到 25%—— 这意味着即便大盘不增长，光是线上继续替代线下，这门生意还有多年可走的路。 第三个是自己的份额，同一家机构估计亚马逊占美国电商支出约 47%。

把三个因子并排看，结论就清楚了：亚马逊零售业务的增长，主要来自第二个因子而不是第三个。 份额已经接近一半，再往上抢的空间有限，而且会引来更强的监管注意； 但线上渗透率从不到 25% 往上走，每涨一个百分点都是实打实的增量。 这也解释了公司这几年为什么死磕当日达和生鲜—— 这两块正是线下最后的堡垒，把它们攻下来等于直接抬高第二个因子。 2026 年二季度的数据支持这个方向：平台售出件数同比 +17%，是 2021 年一季度以来最快； 含生鲜的当日达订单件数是平均订单的 3 倍。

AWS 的需求有两个来源，而且这两年它们的相对重要性正在换位。

老的来源是企业上云：企业每年花在信息技术上的钱是一个巨大的存量， 这笔钱正在从「自建机房」搬到「租云」。 一家机构估计目前只有不到 20% 的企业 IT 支出在云上—— 也就是说，即使一个新客户都不增加，光是存量搬迁也还有很长的路。 这条线的特点是慢而稳，因为企业迁移系统是以年为单位的工程。

新的来源是 AI 工作负载：训练模型要算力，跑推理更要算力， 而且推理的算力需求会随着用户使用量持续增长，不是一次性的。 另一家机构的拆解是：AI 相关收入到 2026 年底约占 AWS 收入的 26%，2027 年约 30%。 这条线的特点是快而颠簸——单笔合同金额巨大， 一份大单就能把某个季度的未履约合同推高一大截， 所以读数据时要学会把大单剥出来单看。第 8 节会做一次完整示范。

把两条线并起来，你会看到 AWS 在 2026 年的一个特殊状态： 2026 年二季度收入 422.3 亿美元、同比 +37%，是 18 个季度以来最快； 同时管理层说产能到 2027 年基本已被订满，订单延伸到 2028 年大部分。 换句话说，这门生意眼下的瓶颈不在需求，在供给—— 能不能把数据中心建出来、把机器点亮，决定了收入能确认多少。 这个判断是第 8 节资本开支那一整节的前提。

广告的需求算法最简单：你手上有多少次「有购买意图」的浏览， 以及每一次你能收到多少钱。前者是流量，后者是货币化率。

亚马逊在流量这一侧的优势非常特殊。 在搜索引擎或社交平台上，用户可能只是在闲逛； 而在亚马逊上搜索一件商品的人，几乎等同于已经站在货架前准备掏钱。 这就是为什么同样一次曝光，在这里能卖出更高的价钱—— 广告主买的不是眼球，是临门一脚的转化。 而且平台能把「看到广告」和「完成下单」这两件事在自家系统里闭环对上， 投放效果可以直接算出来，这在广告行业里是稀缺的。

货币化率这一侧则还有明显的空档。一家机构的口径是这样的： 零售媒体广告约占美国线上广告支出的 20%，规模在 650 亿美元以上； 美国线上广告的总盘子超过 3,350 亿美元，其中零售与日用消费品类广告约占 42%（1,400 亿美元以上）。 而亚马逊在美国零售与日用消费品线上广告里占约 39%， 它在美国电商支出里的份额却是约 47%。 39% 和 47% 之间的这个缺口，同一家机构折算成约 110 亿美元的美国广告收入空间—— 这就是这条线未来几年增长的算法来源。

另外还有新增的广告位。目前自家的搜索结果广告约占广告服务收入的八成， 而 Prime Video（月活 3.15 亿以上，是最大的付费级带广告流媒体服务）、 音频与游戏都是刚开始变现的位置， 同一家机构估计 Prime Video 在 2026 年能带来 70 亿到 80 亿美元的年化收入。 「新增广告位」是货币化率这个因子里最容易被低估的一块。

把这张表读完，你会得到一个对后文很有用的直觉： 三门生意里，只有 AWS 这一把尺子的刻度在 2026 年被重新画过。 零售和广告的算法这几年没有变，变的是数值； 而 AWS 的需求里凭空多出了一整块以前不存在的东西（AI 负载）， 并且这块东西的瓶颈跑到了供给侧。 这就是为什么接下来的产业链、竞争格局、军备与技术变化几节，重心都会压在 AWS 上。

前三节讲的是这门生意本身，这一节把它摆进整条链里看。 读产业链图有个省事的办法：顺着箭头往上，是「它要花钱买谁的东西」； 往下，是「谁付钱给它」；横着一排，是「跟它抢同一批客户的人」。 把一家公司放进这三个方向，它在链上的位置基本就清楚了。

这张图有两处和前面几门课不一样，先提醒你留意。 第一处是上游分了两条并行的线：一条通往英伟达，一条通往自研芯片的台系代工体系。 大多数超大规模云都在做自研，但同时把两条链都跑到量产规模的并不多。 第二处是下游分了两类完全不同的客户： 一边是企业采购部门签的多年期合同，一边是普通人点击「立即购买」。 这两类客户的决策周期、付款方式、价格敏感度没有一处相同， 却共享同一批数据中心和同一套技术体系。

第一件：上游那两条并行的线，毛利分布完全不同。 买英伟达的卡，钱主要付给芯片设计方和代工方； 自研这条线上，设计服务、先进封装、测试这几个环节毛利最厚，而它们基本都在台系体系里。 A 股能站的位置在更外围——板子、覆铜板、光模块、电源、散热。 这个分层是第 13、14 节的主题，这里先留个印象： 同一笔资本开支，落到不同环节的含金量差别很大。

第二件：Anthropic 在这张图上出现了三次。 它在下游的「买 AWS」那一格里，因为它签了约 1,000 亿美元的合约； 它也是自研芯片的主要使用方之一；同时亚马逊还持有它的股权。 同一个对手方同时是客户、是技术验证者、是被投公司—— 这个三重关系带来的好处和风险，第 8 节讲结构，第 14 节讲后果。

第三件：同层那三格彼此毫无交集。 云的对手是另外两家超大规模云，零售的对手是线下巨头和跨境低价平台， 广告的对手是两家流量巨头。 没有任何一家对手同时出现在三格里。 这意味着分析这家公司时，「竞争压力」不是一个总数，而是三个必须分开评估的数字—— 第 5 节整节做这件事。

如果把同系列几家超大规模云的产业链图叠在一起看，你会发现亚马逊这张多出来一整格： 上游那一栏里的「零售侧采购」。 仓储机器人、干线运力、末端配送、甚至自建的卫星宽带星座—— 这些是 Alphabet 和 Meta 的图上完全没有的东西。

多出这一格的代价和好处都很实在。代价是资本开支的口径更杂： 同一个「资本开支」数字里，既有 AI 数据中心，也有新建的仓库和送货车， 所以看这家公司的支出时必须先问「这笔钱是花在哪一门生意上的」—— 公开口径显示 2025 年 AWS 占了总资本开支的约 74%， 而 2020 年这个比例只有约 25%。光是这一个比例的变化，就说明了这家公司过去五年的重心迁移。

好处是它有一块别人没有的、可以被 AI 直接改造的成本池。 对只有云和广告的公司来说，AI 主要是新收入； 对亚马逊来说，AI 还可以回头去压自己的履约成本—— 仓库里每少走一步路、每少一次人工分拣，都是当期利润。 这条线第 12 节整节讲。先记住这个结构：它是链上少有的、同时在「买 AI」和「用 AI 省钱」两端都很重的公司。

先看座次。一家机构对 2026 年的估计是 AWS 约占全球云基础设施市场的 30%， 另外两家超大规模云分列二三位。这是十几年积累下来的位置，短期不会改变。 但如果只看这个数字，你会错过 2026 年这个战场上真正在发生的事。

真正在发生的事是增速的座次和份额的座次反过来了。 2026 年二季度，三家的同比增速是：AWS +37%，Microsoft 的 Azure +43%，谷歌云 +82%。 第一名跑得最慢。而且这不是一个季度的偶然—— 把三家在大三云市场内部的相对份额拉成一条线看， AWS 从 48.2% 一路滑到 43.2%， 连续六个季度在丢相对份额。 这就是外界说的「AWS 是 AI 云的追赶者」的数据依据。

但同一批数据换个口径看，结论会不一样，这一点很重要。 按同比新增的收入金额算：AWS 这一季多出来 114 亿美元， 另两家分别是 91 亿和 111 亿——AWS 是最高的那一个。 原因很简单：基数大。一个体量大三倍的业务，增速慢一半， 新增的绝对金额仍可能更多。 更进一步，按经营利润的环比增量看，AWS 也是三家里最高的。

那到底该信哪个口径？答案是两个都要看，但它们回答的是不同的问题。 增速回答「谁在抢新的需求」，金额回答「谁在赚更多的钱」。 对一个还在高速扩张的市场，增速更能说明未来的份额去向； 对一个已经很大的生意，金额更能说明当期的盈利能力。 看到任何一个「AWS 落后了」或「AWS 依然最强」的说法， 第一件事是问清楚它用的是哪把尺子。

零售这一格，亚马逊是守擂的那一方，压力从两个完全不同的方向来。

第一个方向是线下巨头的反扑，代表是沃尔玛。 传统大卖场最大的资产是遍布全国的门店，过去这是包袱（租金、人力）， 在当日达成为竞争焦点之后，门店变成了离消费者最近的前置仓。 一个消费者住的地方十公里内有一家大卖场，那家店当天就能把货送到， 这个能力是纯线上平台要靠建仓库才能补上的。 所以这几年亚马逊在当日达网络上的投入非常密集—— 2026 年二季度它新增了 80 个城市的快送覆盖， 40% 以上的商品可以当日或次日送达， 生鲜月活客户较年初增长 50%。 这些投入不是为了增长，首先是为了不被门店网络切走最急的那部分订单。

第二个方向是跨境低价平台，代表是拼多多系的海外业务。 以极低价格和直邮模式进入的新平台，在多个国际市场快速起量。 它们打的是价格敏感、对配送时效要求低的那一段需求， 正好是亚马逊国际业务最薄的地方——国际分部 2026 年二季度的经营利润率只有 4.1%， 本来就没多少缓冲垫。 一家机构在 2026 年的报告里明确把这条列为风险： 低价新进入者可能压低整体定价、压缩卖家的经济性、拖慢市场增速。

广告这一格的格局最清楚：谷歌和 Meta 两家合计占全球线上广告支出的 65% 以上， 亚马逊是约 9% 份额的第三极。这个位置有两层含义。

一层是它确实小。论触达的人数和时长，搜索和社交平台远在它之上。 广告预算的分配有很强的惯性，大品牌的年度预算大头还是投在那两家。

另一层是它的位置最靠近成交。 第 3 节讲过，在这里搜索商品的用户几乎等同于已经站在货架前。 这决定了它能卖的不是品牌曝光而是转化，而转化型预算恰恰是广告主最愿意加码的那一类。 所以这几年它的增速持续快于大盘：2022 年约 380 亿美元的广告服务收入， 2025 年约 690 亿美元，一家机构估计 2026 年约 830 亿美元。 在一个由两家统治了十几年的市场里，第三名还能维持这个斜率，本身就是一个信号。

这一格在 2026 年出现了一个新变量：对话式 AI 平台开始试水广告。 按公开报道，某家模型厂商 2026 年在部分用户里测试对话内广告。 这件事对三家的威胁不一样：对搜索广告是正面冲击， 对亚马逊来说影响相对间接——因为对话场景里的购买意图密度， 目前明显低于商品搜索场景。 一家机构的判断是，这类新平台初期拿走的更可能是试验性预算， 而不是稳定的高回报预算。但这个判断附带一个前提：只要新平台还没证明自己的转化率。 这条线第 11 节会整节展开。

把三个战场并排放，能得到一个对后面很有用的结论： 这家公司没有一个统一的「竞争态势」。 它在云里是被追赶的第一名，在零售里是被两路夹击的守擂者，在广告里是往上追的第三名。 所以任何一句「亚马逊的竞争压力在变大/变小」的说法， 如果没有指明是哪一格，基本可以忽略。 带着这个三分的视角，进入第二单元——去看这家公司自己是怎么长成现在这个样子的。

亚马逊 1994 年成立，从网上卖书开始。 最初十年它在资本市场上的形象很固定：收入涨得很快，但几乎不赚钱。 很多人把这当成经营不善，但公司自己的解释从未变过—— 它在主动把本该变成利润的钱花掉，用来降价、扩品类、建仓库。

这套逻辑后来被总结成那张著名的手绘图，公司内部叫飞轮： 更低的价格吸引更多顾客，更多顾客吸引更多第三方卖家， 更多卖家带来更丰富的选品，选品丰富又吸引更多顾客； 同时规模扩大摊薄了固定成本，让公司有本钱继续降价。 这个循环的关键特征是它没有一个自然的停止点—— 只要还能降价，轮子就还能加速。

飞轮解释了这家公司长期低利润率的由来，也解释了它最受争议的一点： 你没法用「今年赚了多少」来判断它做得好不好。 一个把利润主动花掉的公司，利润表上看起来永远平庸。 要判断它，得看轮子转得快不快——顾客数、件数、选品数、单位成本。 这个视角一直沿用到今天：2026 年二季度最值得看的零售数据不是利润， 而是「售出件数同比 +17%，2021 年一季度以来最快」。

AWS 的起源有一个流传很广但不准确的说法： 「亚马逊把大促期间闲置的服务器租出去，于是有了云」。 真实的故事更有意思，也更有启发。

2000 年代初，亚马逊内部遇到一个组织问题： 每个团队要上线新功能，都得等基础设施团队给它配环境、开数据库、分配存储， 排队常常要几个月。为了解开这个结，公司定了一条内部规矩—— 所有团队必须把自己的能力做成标准化的接口，别的团队自助调用，不许人工对接。 这条规矩逼着公司把计算、存储、消息、数据库全部做成了「可以自助开通的服务」。

做完之后有人意识到：既然内部团队可以自助开通，外部公司为什么不可以？ 2006 年 S3 和 EC2 上线，云计算这门生意就此出现。 它的必然性在于——要让一个几万人的组织高效运转， 你迟早必须把内部能力产品化； 它的偶然性在于——同一时期没有别的大公司认为这件事值得做成一门对外生意。 这中间隔了好几年，AWS 才等来第一批认真的竞争对手。

这段历史给投资者的启发不是「要模仿」，而是一个判断标准： 一门生意最坚固的起点，往往是「自己先是自己的第一个客户」。 因为自用意味着需求是真的、反馈是即时的、 而且在对外卖之前就已经被最苛刻的场景验证过。 这个标准在第 8 节判断自研芯片时会再用一次。

2021 年创始人卸任，接任的是贾西——AWS 的创建者之一。 一位云出身的人接手一家以零售为主体的公司，这个安排本身就说明了董事会的判断重心。

他接手时正赶上一个很难的时点。疫情期间电商需求暴涨， 公司按照那个需求水平扩建了仓网和运力； 需求回落之后，产能过剩立刻变成成本。 2022 年北美分部经营利润率 −0.9%、国际分部 −6.6%，两个分部合计亏损约 106 亿美元， 同年 AWS 经营利润 228.4 亿美元——整家公司的利润全部来自云。

随后三年做的事，可以概括成一句话：把零售的成本结构重做一遍。 具体包括把全国一张大网拆成区域网络（缩短平均送货距离）、 提高单仓的自动化程度、调整自营与第三方的结构、精简组织。 结果写在分部表上：

这张表值得多看两眼，因为它同时说明了两件事。 一是零售并非结构上不能赚钱——同一个分部四年时间从亏损做到 7.9%， 靠的不是提价而是压成本，这为第 12 节讲的仓储自动化提供了背景。 二是 AWS 的利润率自己也有波动：2023 年掉到 27.1%，2024 年跳回 37.0%。 波动的原因包括服务器折旧年限的会计调整和成本节奏， 所以看这个数字时不能把任何一年当成常态——这一点第 15 节会展开。

还有一个至今仍在起作用的文化设定，叫「Day 1」： 创始人在股东信里反复讲的意思是，公司要一直保持「第一天」的状态—— 以客户为起点倒推、快速决策、容忍失败的实验。 这不只是口号，它对应着一种具体的资源分配方式： 允许多条线同时试错，接受其中大部分失败。 卫星宽带、生鲜、医疗、快商务都是这种模式的产物， 好处是它偶尔会长出一个 AWS 这样的东西，代价是账上常年挂着一堆还在烧钱的新业务。 判断这家公司时，这两面要一起算。

把三十年压缩成一句话：这家公司一直在用当期利润换长期位置， 而且它有一次成功地把「内部能力」变成了「对外生意」。 这两条经验合起来，就是它 2026 年敢在一年里花掉 2,200 亿美元建 AI 基础设施的底气来源—— 下一节先把三门生意的利润结构彻底拆开，第 8 节再讲这 2,200 亿的去向。

这家公司的分部划分有点特别：它按地理划了两个（北美、国际）， 再单独划出一个按业务的（AWS）。 这个划法的历史原因是零售业务在不同市场的成熟度差别很大， 而 AWS 是一门全球统一的生意。 对读者来说，记住一句话就够了：北美和国际这两个抽屉里装的是零售加广告， AWS 那个抽屉里装的是云。

把 2026 年二季度的数字并排放，三个抽屉的性格一目了然。 北美是规模担当：收入接近全公司的六成，利润率 7.9%。 国际是规模不小但薄：收入两成出头，利润率 4.1%， 第 5 节讲过它正面对跨境低价平台的压力。 AWS 是利润担当：收入和国际差不多，利润率 39.4%，是另外两个的五到十倍。

为什么差这么多？答案在第 1、2 节已经铺过：成本结构不同。 零售每多卖一件货就要多进一件货、多打一次包、多送一趟； 云一旦把机器建好，多服务一个客户增加的只是电费和一点运维。 所以别把这三个利润率放在一起比高低，它们衡量的不是同一件事。 正确的比法是：北美的 7.9% 要和其他大型零售商比， AWS 的 39.4% 要和其他云服务商比。

这是这一节最重要的一步操作。广告的收入和利润，现在是混在北美和国际两个分部里的。 一家机构的估计是：2026 年广告收入约 830 亿美元，按约 46% 的经营利润率算， 贡献约 380 亿美元经营利润，相当于该机构预测的全公司经营利润的约 36%。

现在做一次思想实验：如果把广告的利润从零售分部里拿走，剩下的「卖货」还剩多少？ 按该机构的口径，2026 年全公司经营利润约 1,050 亿美元， 其中 AWS 一大块、广告约 380 亿——剩给「纯粹的卖货和履约」的部分， 相对于零售分部一千多亿美元的季度收入规模，薄得几乎可以忽略。

这个结论听起来刺耳，但它恰恰解释了这家公司零售业务的真实逻辑： 它不是靠卖货的差价赚钱，而是靠「把货卖出去这件事所产生的副产品」赚钱。 副产品有两个：一个是广告位（因为有人在这里找东西买）， 一个是第三方卖家的服务费（因为别人也想在这里卖东西）。 卖货本身更接近于一个获取流量和数据的入口，而不是利润来源。

理解了这一点，很多事情就顺了。 为什么公司愿意在当日达和生鲜上砸钱？因为那会带来更多的购买频次， 频次是广告和服务费的分母。 为什么它对第三方卖家的占比（2026 年二季度占售出件数 61%）并不抵触？ 因为第三方每卖一件，公司收佣金、履约费和广告费，不承担库存风险。 这就是飞轮在利润表上的样子。

读这家公司的盈利，有两个东西必须先剔掉，否则会被带偏。

第一次剔除：经营利润里的一次性项目。 2026 年二季度公司经营利润 274.6 亿美元，里面含约 12 亿美元的一次性收益—— 其中约 6 亿是关税退款（记在北美），约 6 亿是能源合约的公允价值变动（记在 AWS）。 剔掉之后北美利润率从 7.9% 降到约 7.3%， AWS 从 39.4% 降到约 37.9%。 这两个剔除后的数字，才是可以拿去和上一季、和同行比较的。

第二次剔除：经营利润以下的那一层。 利润表在经营利润之下还有一块叫非经营性其他收入—— 它记的是和主营业务无关的损益，比如持有的股权按新的可观察价格重新计量产生的账面收益。 2026 年二季度这一块金额巨大（一家机构的口径是约 534 亿美元）， 主体是公司持有的某家模型公司股权的重新计量。 后果是：报表上的每股收益 5.75 美元，而同期一家机构的预期只有 1.81 美元——高出 216%； 另一家机构剔除这类项目后算出的当季每股收益只有约 1.9 美元。

这里要特别强调它的性质：这笔钱一股没卖、一分现金没收到， 它是账面计量，不是经营成果。 同一季度经营利润只比机构预期高 15%——15% 和 216% 之间的距离本身就是信号， 它告诉你这个季度的净利润里，绝大部分和这家公司卖了多少货、跑了多少算力没有关系。

拆完账，最后回答一个前瞻性的问题：AWS 剔除一次性后 37.9% 的利润率，是顶还是半山腰？

有一个很实用的指标可以帮你判断，叫增量利润率—— 新增的经营利润 ÷ 新增的收入，也就是「多做的这笔生意，边际上留下几成」。 它比存量利润率更前瞻，因为存量最终会向边际收敛： 如果新增部分的利润率高于存量，那么随着新增部分占比变大，整体利润率就会被拉上去。

2026 年二季度 AWS 剔一次性后的增量利润率约 52%，是 2024 年四季度以来最高， 而同期存量是 37.9%。52% 高于 37.9%，方向是向上的。 一家机构判断，超大规模云在推理时代的增量利润率会落在 30% 到 70% 以上的区间。

这个指标的好处是你自己两分钟就能算：拿这一季的经营利润减去去年同期的， 再除以这一季收入减去去年同期的，就是它。 财报上不会直接给这个数字，但它藏在已披露的数据里。 坏处是它波动大——一次性项目、折旧政策变化、新产能点亮的时点都会扰动它， 所以正确用法是连着看几个季度的趋势，而不是拿单季结论。 这个指标会进第 16 节的跟踪表。

理解一家公司在 AI 上的投入强度，最直接的办法是看它的现金资本开支曲线。 亚马逊这条线是这样的：2024 年 777 亿美元，2025 年 1,283 亿， 2026 年公司给出的年度指引最初是 2,000 亿，年中上调到 2,200 亿。 两年时间增长近两倍。

先给这个数字一个参照。2,200 亿美元大约相当于这家公司 2025 年全年经营利润（800 亿美元）的 2.75 倍， 也大约相当于一个中等发达国家一年的全部固定资产投资。 没有任何一家公司能靠当期利润支撑这个量级的开支， 所以第 15 节会专门讲钱从哪里来。

但比金额更重要的是结构——这笔钱花在哪，决定了它什么时候能变成收入。 公开口径把它分成两类。一类是数据中心壳体：土地、建筑、供电、制冷。 这部分的会计寿命长达 30 年，而且在建设期间完全不产生收入。 另一类是服务器、加速卡和网络设备： 它们装进已经建好的楼里，通电之后立刻开始承接客户的工作负载、立刻产生收入。

这个结构差别有一个很实用的推论：当一家公司的资本开支里壳体占比高时， 它处在「先花钱」的阶段，收入会滞后； 当支出结构向服务器倾斜时，收入会更快跟上。 公开数据显示 2025 年 AWS 占了公司总资本开支的约 74%（2020 年约 25%）， 说明资金投向已经高度集中在云这一侧。

这笔钱里最受关注的部分是加速芯片，而这家公司在这件事上走了两条路。

第一条是买：向 NVIDIA（以及第二供应源 AMD）采购通用加速卡。 这条路必须走，理由很实际——客户点名要。 很多企业的模型和工具链是围绕主流生态写的， 云服务商如果不提供这套硬件，客户就会去别家。

第二条是自研：公司自己定义架构， 交给 世芯电子、Marvell 这类伙伴做设计服务，交给 台积电 制造， 产品线包括训练推理用的 Trainium、推理用的 Inferentia， 以及通用服务器用的 ARM 架构处理器 Graviton。 公开的性能口径是：Trainium2 的性价比比同类 GPU 高 30% 到 40%—— 注意这里说的是每美元买到的有效算力，不是绝对性能； Trainium3 从 2026 年年中起爬坡，性价比在上一代基础上再提升约 40%； 第四代规划在 2027 年，第五代已在前期讨论。

自研这条路的经济学在第 10 节会详细算，这里先给规模感： 自研芯片相关业务（Trainium 加 Graviton）的年化收入已经超过 250 亿美元， 一年前这个数字还在 100 亿左右； 出货量口径上，一家机构估计 2025 年约 140 万颗，2026 年约 210 万颗，2027 年约 300 万颗。 但同一家机构也提醒：自研芯片目前只占 AWS 业务约 10%—— 斜率很陡，绝对占比还小，这两句话要一起说才完整。

需求侧最值得讲清楚的，是它和一家前沿模型公司的关系。 这个关系有三层，而且三层互相支撑。

第一层是股东：亚马逊持有这家模型公司的股权， 2026 年 4 月宣布追加投资最高 250 亿美元，其中 50 亿即时到位。 第二层是供应商：这家模型公司在 2026 年 4 月签下约 1,000 亿美元的 AWS 合约， 是当季未履约合同大幅跳升的主要来源。 第三层是技术验证者：它是自研芯片最重要的使用方， 公司在美国中西部为它专门建设的大型集群， 2025 年 10 月披露已上线接近 50 万颗 Trainium2，年底目标突破 100 万颗。

这个结构对亚马逊的好处很明显：需求被锁住了。 在一个产能瓶颈期，有人愿意提前签多年期大额合同，等于替你把未来的产能利用率锁定， 而且这个客户还帮你把自研芯片跑通到量产规模—— 对一颗新芯片来说，「有人真的在用它训练前沿模型」是最硬的背书。 2026 年另一家前沿模型公司也加入进来， 在原有协议基础上追加并延长，合计约 1,380 亿美元 / 8 年， 并承诺通过 AWS 消化约 2 吉瓦的 Trainium 产能。 两笔交易合起来，一家机构估计锁定了约 7 吉瓦的未来自研芯片产能。

但必须同时讲清楚代价，这是这一节最需要冷静的地方。 亚马逊投资这家模型公司 → 这家公司签下巨额 AWS 合约 → 这份股权因估价上升又抬高了亚马逊的账面利润， 这是一个闭环。循环性这个词就是用来描述它的。 这不是指控，是结构描述——但作为读者你要知道一件事： 当季未履约合同的增量大头、和当季账面净利润的大头，指向的是同一批对手方， 这两个数字不是互相独立的两条证据。

最后讲一个容易被忽略但很聪明的安排：模型市场 Bedrock。 它的做法是在同一套接口下，把多家厂商的模型都摆上货架， 客户想换模型只要改一行配置，不用重写系统。 2026 年二季度它新增了十余个基础模型，覆盖多家主流模型厂商。

这个策略的逻辑，回到第 2 节讲的数据引力。 亚马逊没有把赌注全押在某一个模型上，而是说： 不管未来哪家模型胜出，只要你的数据在我这儿，你就会在我这儿跑它。 公开披露的效果是：过去六个月 Bedrock 新增的客户数超过上线头两年之和， 当季的支出超过此前所有季度之和。 这是一个「不赌路线、赌位置」的打法， 它和第 10 节要讲的自研芯片路线看似矛盾（一个中立、一个下注）， 实际上是同一件事的两面：在模型层保持中立，在算力层争取成本优势。

但要记住第 3 节讲过的代价：Bedrock 上第三方模型的消费按净额法确认收入。 这让 AWS 的收入数字显得比实际流转的金额小，同时利润率显得更高。 所以 Bedrock 做得越好，AWS 的收入增速看起来越「不够快」而利润率越好看—— 这是理解第 5 节那张增速对比表时必须放在心里的一条。

护城河这个词被用得太随便，几乎每家公司都能被说出三条。 有一个简单的检验办法可以把水分挤掉：问一句「如果一个有钱有人的对手从今天开始做， 它要多久、花多少钱才能追平？」 如果答案是「一两年、几十亿」，那不是护城河，那是领先。 只有当答案是「很多年、很多钱，而且中间还要赌对几次」时，才算数。

拿这把尺子量亚马逊，能过关的有三条。

这家公司的规模优势有两个互不相干的来源，这一点很特殊。

零售侧的规模是仓网密度。 当日达的本质是「货在离你很近的地方」，要做到这件事， 你得在每一个人口密集区都有仓、有库存、有末端运力。 这是一张需要很多年、很多土地和很多资本才能织出来的网， 而且它有很强的正反馈：仓越密，平均送货距离越短，单均履约成本越低， 于是你有本钱铺更多仓。2026 年二季度的数字印证了这条正反馈： 运费同比 +19%，而售出件数 +17%——看起来运费涨得更快， 但公开口径说明剔除燃油和干线运价因素后，运费增速是慢于件数增速的。 这就是密度带来的规模效应在报表上的样子。

云侧的规模是数据中心体量。 第 2 节讲过它的三条省钱路径（利用率叠加、采购议价、研发摊销）， 这里补一个 2026 年独有的：在产能全行业紧张的时候，规模本身变成了拿货的优先权。 台积电 的先进封装、SK 海力士 的高带宽存储、电网的并网容量都是稀缺品， 下单量最大的那几家天然排在前面。 一个新进入者哪怕拿到了钱，也不一定能在合理时间内拿到机器。

生态这一条的核心是会员体系。 它把免费快送、影音、音乐、游戏打包成一个订阅，效果是提高复购频次和留存。 更关键的是它对卖家侧的影响：因为买家都在这里，卖家也必须在这里， 2026 年二季度第三方卖家占售出件数 61%。 而卖家一旦把库存放进平台的仓库、把广告预算投在平台的搜索位上， 迁移成本就变得很高。这是一个双边网络——两边互相把对方锁在这里。

存量这一条是云业务特有的。 第 2 节讲的数据引力在这里体现为一个具体数字： 未履约合同 4,960 亿美元，相当于 AWS 当期年化收入的近三倍； 管理层的说法是产能到 2027 年基本已被订满，订单延伸到 2028 年大部分。 换句话说，未来两三年这门生意的收入，有相当一部分已经签在纸面上了。

但读这个数字要配一个动作，这是第 3 节埋下的伏笔：剥大单。 当季这个数字环比增加了 1,320 亿美元，其中约 1,000 亿来自单一客户的那份合约。 剥掉之后剩约 320 亿，环比约 +9%——这个剩下的部分，才是「广大普通企业客户的底层需求」的读数。 两个数字都要看：总数说明公司拿到了多少确定性，剥完的数说明需求的广度如何。

短板一：在 AI 云这一格，它的位置是追赶者。 第 5 节的数据已经摆过：份额第一，增速三家垫底，大三云内部相对份额连续六个季度下滑。 这背后有一个结构性原因，第 2 节提过：AWS 的收入结构里基础设施层占比高于同行。 基础设施层在需求爆发期吃到的量最大，但也是最容易被逐项比价的一层； 而偏应用与平台层的对手，可以把 AI 能力直接塞进企业已经在用的办公软件里卖， 转化路径更短。这不是一两个季度能改变的结构，它决定了这家公司必须用成本优势来回应—— 这就是第 10 节整节要讲的事。

短板二：零售的利润率有天花板。 北美剔一次性后约 7.3%，这个水平在零售业已经算好的，但它继续往上走的空间受两头挤压： 一头是第 5 节讲的低价竞争，提价的空间很小； 另一头是当日达和生鲜本身就是更贵的履约方式—— 送得越快、品类越难存放，单均成本越高。 公司的解法是靠自动化把成本压下来（第 12 节）， 但这是一场持续的赛跑，不是一次性的改善。

短板三：组织庞大且业务过杂。 第 6 节讲的「Day 1」文化带来的副作用在这里显形： 同时在推进的新业务包括卫星宽带、生鲜、医疗、快商务等等， 其中仅卫星宽带一项，公司在 2026 年三季度的指引里就含约 10 亿美元的同比增量成本。 这些业务里也许会长出下一个 AWS，但在长出来之前， 它们持续消耗利润和管理层注意力。 而且规模本身带来监管关注——多地的反垄断与隐私调查是长期背景， 它不会在某一天突然结束。

把这张表当成单元二的收口。三条护城河都是真的，三条短板也都是真的， 而且它们不是互相抵消的关系——它们描述的是同一家公司的不同侧面。 一家规模巨大、生态稳固、订单充足的公司，同时在最重要的新战场上处于追赶位置， 并且用一门利润率只有个位数的生意养着一堆还在烧钱的实验——这就是它 2026 年的真实形状。

接下来的单元三，就去看它准备用什么办法改变「追赶者」这个位置， 以及 AI 在它自己的仓库里能省出多少钱。