بقلم Maksym Misichenko · Yahoo Finance ·
ما يعتقده وكلاء الذكاء الاصطناعي حول هذا الخبر
The panel discusses Amazon's AI push, highlighting custom silicon as a margin-preservation play, but raises concerns about hardware obsolescence, Nvidia's ecosystem dominance, and uncertain AI monetization.
المخاطر: Hardware obsolescence and Nvidia's ecosystem dominance could erode Amazon's margin gains from custom silicon.
فرصة: Diversified exposure to in-house chips, server efficiency, Bedrock monetization, and physical-network scale.
يتم إنشاء هذا التحليل بواسطة خط أنابيب StockScreener — يتلقى أربعة LLM رائدة (Claude و GPT و Gemini و Grok) طلبات متطابقة مع حماية مدمجة من الهلوسة. قراءة المنهجية →
تحت أعمال التجزئة والسحابة لشركة Amazon (AMZN)، تتكشف قصة أكبر بكثير. تتعامل Amazon مع الذكاء الاصطناعي بطريقة مختلفة تمامًا عن منافسيها، وقد يصبح هذا الاختلاف في النهاية أكبر ميزة تنافسية لها. ارتفع سهم AMZN بنسبة 17٪ منذ بداية العام (YTD)، متفوقًا على ارتفاع السوق الأوسع البالغ 9.6٪.
قد لا يكون العديد من المستثمرين على علم بأن Amazon، المشهورة في الغالب بأعمال التجزئة والتجارة الإلكترونية، بنت بهدوء عملًا ضخمًا في مجال شرائح الذكاء الاصطناعي. في الربع الأول، نمت وحدة الشرائح لديها بنحو 40٪ تسلسليًا وتجاوزت الآن معدل إيرادات سنوي قدره 20 مليار دولار. وقد أمنت شرائح Trainium AI، على وجه الخصوص، أكثر من 225 مليار دولار من الالتزامات بالإيرادات، معظمها من مختبرات الذكاء الاصطناعي الرائدة بما في ذلك Anthropic وOpenAI. تدعي Amazon أن “عملها في مجال السيليكون المخصص” أصبح الآن على الأرجح أحد أكبر ثلاث أعمال شرائح مراكز البيانات عالميًا. وهذا أمر مثير للإعجاب نظرًا لأن Amazon دخلت سباق شرائح الذكاء الاصطناعي المخصصة متأخرة كثيرًا عن المنافسين الآخرين. في الوقت نفسه، تعتقد Amazon أن معالجات Graviton CPU الخاصة بها ستلعب دورًا أساسيًا مع تقدم أحمال عمل الذكاء الاصطناعي من الاستدلال البسيط إلى الذكاء الاصطناعي الوكيل.
بينما توسع Amazon أعمالها في مجال الشرائح بشكل agresive، لا تزال تعمق علاقتها مع Nvidia Corporation (NVDA). أوضح الرئيس التنفيذي Andrew R. Jassy أن Amazon لا تنوي التخلي عن أجهزة Nvidia. في الواقع، يعتقد أن العديد من الشركات ستستمر في اختيار شرائح Nvidia، بينما قد يفضل البعض الآخر بنية تكلفة Trainium المنخفضة ومزايا الأداء.
هذا ربما يكون صحيحًا لأن شرائح Amazon أرخص بكثير، لكنها تفتقر إلى النظام البيئي المتطور والناضج لـ Nvidia. لا تزال شرائح Nvidia هي المعيار الصناعي لأعلى سرعات المعالجة.
النهج المزدوج لـ Amazon يمثل ميزة للشركة، حيث يمكنها توفير مبالغ هائلة من المال كل عام باستخدام شرائحها الخاصة بدلاً من شراء عدد كبير من وحدات معالجة الرسوميات من أطراف ثالثة. يمكن أن يساعد ذلك الشركة في تعزيز هوامش أرباحها في النهاية، مع استمرار ارتفاع النفقات للحصول على ميزة الذكاء الاصطناعي كل عام. ومن الجدير بالذكر أن الإنفاق الرأسمالي لـ Amazon ارتفع إلى 43.2 مليار دولار خلال الربع، مدفوعًا أساسًا باستثمارات AWS وبنية تحتية للذكاء الاصطناعي التوليدي. تعتقد Amazon أن هذه الاستثمارات ستولد عوائد طويلة الأجل هائلة حيث يمكن لمراكز البيانات أن تعمل لأكثر من 30 عامًا، بينما تظل الخوادم والشرائح منتجة لمدة تتراوح بين خمس إلى ست سنوات.
طموحات الذكاء الاصطناعي لـ Amazon تتجاوز السحابة
بفضل الذكاء الاصطناعي، شهدت Amazon Web Services (AWS) أحد أقوى أرباعها في سنوات، بزيادة إيرادات قدرها 28٪ لتصل إلى 37.6 مليار دولار. وهي الآن تعمل بمعدل إيرادات سنوي مدهش قدره 150 مليار دولار. ومع ذلك، تمتد استراتيجية الذكاء الاصطناعي طويلة الأجل لـ Amazon الآن إلى ما وراء الحوسبة السحابية التقليدية تمامًا. تركز معظم شركات الذكاء الاصطناعي أساسًا على الجانب البرمجي. لكن Amazon، بشبكتها الضخمة من التجزئة واللوجستيات، لديها الفرصة لاختبار ونشر الذكاء الاصطناعي على نطاق هائل عبر عملياتها الفعلية.
لقد دمجت Amazon بالفعل الذكاء الاصطناعي عبر أتمتة المستودعات، والروبوتات، وتوقع المخزون، وتحسين التوصيل، والإعلان، وتوصيات العملاء، وإدارة سلسلة التوريد. يسمح هذا الكم الهائل من البيانات التشغيلية لـ Amazon بتحسين أنظمتها باستمرار.
علاوة على ذلك، تعتقد Amazon أن أكبر فرصة طويلة الأجل تكمن في “الذكاء الاصطناعي الوكيل”. ارتفعت إنفاق العملاء على منصة Bedrock، التي تسمح للعملاء بالوصول إلى وبناء تطبيقات الذكاء الاصطناعي باستخدام نماذج أساسية متعددة، بنسبة 170٪ تسلسليًا. في ربع واحد فقط، عالجت Bedrock عددًا من الرموز (tokens) يفوق ما تم معالجته في جميع سنواتها السابقة مجتمعة. أصبحت الشركة الآن توفر نماذج OpenAI عبر Bedrock.
بالإضافة إلى ذلك، سيتكامل عملها في مجال القيادة الذاتية Zoox قريبًا مع Uber (UBER). وفي الوقت نفسه، تقترب خدمات الأقمار الصناعية Amazon LEO من الإطلاق التجاري، مع التزامات من شركات وحكومات بما في ذلك Delta Air Lines (DAL)، AT&T (T)، Vodafone (VOD)، NASA، وغيرها. تعاونت Amazon مع Apple (AAPL) للمساعدة في تشغيل خدمات الاتصال عبر الأقمار الصناعية لهواتف iPhone وساعات Apple Watch.
أحد أكبر مزايا استراتيجية الذكاء الاصطناعي لـ Amazon هو التنوع. تقوم Amazon بدمج الذكاء الاصطناعي في البنية التحتية، والتجارة، واللوجستيات، والرعاية الصحية، والإعلام، والنقل، والأجهزة، والاتصالات في آن واحد. تجعل هذه الاستراتيجية لعبة الذكاء الاصطناعي لـ Amazon تبدو مختلفة تمامًا عن أي عملاق تقني آخر.
في الربع الأول، ارتفعت إيرادات Amazon الإجمالية بنسبة 17٪ على أساس سنوي (YOY) لتصل إلى 181.5 مليار دولار، بينما ارتفعت الأرباح المعدلة بنسبة 75٪ لتصل إلى 2.80 دولار للسهم. يتوقع المحللون أن تزيد أرباح Amazon بنسبة 20.9٪ في عام 2026، تليها زيادة أخرى بنسبة 14٪ في عام 2027. تشير هذه التوقعات إلى أن وول ستريت تعتقد إلى حد كبير أن استراتيجية الذكاء الاصطناعي العدوانية، وهيمنة السحابة، والاستثمارات في الشرائح المخصصة يمكن أن تدفع دورة نمو رئيسية أخرى خلال السنوات القليلة المقبلة.
بشكل عام، على وول ستريت، حصل سهم AMZN على توصية “شراء قوي” من الإجماع. من بين 57 محللًا يغطيون السهم، أعطى 49 محللًا توصية “شراء قوي”، وخمسة أعطوا تقييم "شراء معتدل"، وثلاثة محللين قيموا السهم كـ “احتفاظ”. يشير متوسط سعر الهدف للسهم البالغ 315.67 دولار إلى إمكانات صعودية بنسبة 16.55٪ من المستويات الحالية. بالإضافة إلى ذلك، يشير السعر المستهدف العالي البالغ 370 دولار إلى أن الأسهم قد ترتفع حتى 36.6٪ خلال العام المقبل.
في تاريخ النشر، لم يكن لدى سوشري موهانتي (Sushree Mohanty) (سواء بشكل مباشر أو غير مباشر) مراكز في أي من الأوراق المالية المذكورة في هذه المقالة. جميع المعلومات والبيانات في هذه المقالة مخصصة لأغراض إعلامية فقط. نُشرت هذه المقالة أصلاً على Barchart.com
أربعة نماذج AI رائدة تناقش هذا المقال
"Amazon's dual chip strategy and capex surge risk margin pressure if custom silicon adoption stays limited to cost-sensitive inference rather than high-value training."
The article positions Amazon's custom Trainium/Graviton chips and physical-world AI deployment as a durable edge over pure-play peers, citing a $20B+ run rate and $225B commitments. Yet this glosses over the fact that Nvidia still dominates training workloads where ecosystem maturity matters most, while Amazon's $43.2B quarterly capex must deliver returns across a 5-6 year hardware cycle amid uncertain agentic AI monetization. The real test is whether Bedrock token growth converts to durable AWS margin expansion rather than just offsetting higher infrastructure spend.
The $225B commitments could prove largely non-binding or shift back to Nvidia once training clusters scale, and Amazon's late entry into custom silicon risks perpetual second-tier status if software optimizations lag.
"Amazon's chip strategy is real and valuable, but the article overstates its near-term margin impact and underplays the risk that current capex levels require flawless execution across multiple unproven bets (agentic AI, Zoox, LEO) to justify valuations already pricing in significant upside."
The article conflates operational leverage with competitive moat. Yes, Amazon's chip business is growing fast—40% sequential growth is real—but $225B in Trainium commitments needs scrutiny: are these binding contracts or non-binding LOIs? The $20B run rate is meaningful but still dwarfs NVDA's $60B+ annual revenue. More concerning: the article assumes AWS margin expansion from custom silicon, but AWS already operates at ~32% operating margin. Replacing $43.2B in quarterly capex with cheaper chips helps, but the real constraint is demand for compute, not chip cost. The 'agentic AI' thesis is speculative—170% Bedrock growth is impressive but off a tiny base. Zoox-Uber integration and LEO satellite services are years from material revenue. The valuation—$315 target implying 16.55% upside on a stock already up 17% YTD—prices in most of this already.
Amazon's capex intensity ($43.2B/quarter) is unsustainable if AWS margins don't expand materially, and custom chips alone won't fix that if demand softens. The article ignores: what happens to AMZN's valuation if 2026 EPS growth misses the predicted 20.9%?
"Amazon’s vertical integration of custom silicon is the most effective long-term strategy to protect AWS operating margins from Nvidia’s hardware dominance."
Amazon’s pivot to custom silicon (Trainium/Inferentia) is a masterful margin-preservation play, not just a tech play. By internalizing the compute stack, AMZN effectively hedges against Nvidia’s pricing power while simultaneously creating a 'walled garden' for AWS customers. The article correctly identifies the operational moat, but misses the execution risk: managing a hardware supply chain at this scale is capital-intensive and prone to rapid obsolescence. If Amazon’s custom chips fail to maintain parity with Blackwell-generation performance, AWS will face a massive 'opportunity cost' penalty. I am bullish, but only if they prove that their 30-year data center depreciation model holds up against the accelerating pace of AI model architecture shifts.
Amazon's reliance on custom silicon could backfire if the industry standard shifts toward Nvidia's proprietary CUDA ecosystem, leaving AWS customers stuck with inferior, incompatible hardware.
"AMZN’s AI strategy could drive margin expansion and a durable moat if Trainium/Graviton scale and Bedrock monetizes, but execution risk and Nvidia's ecosystem dominance could derail the upside."
Overall, the article paints a multi-front AI push that sounds transformative for Amazon. The strongest appeal is diversified exposure—from in-house chips and server efficiency to Bedrock monetization and physical-network scale. But several claims look suspect or understated: Trainium revenue commitments of $225 billion seem implausible given AWS scale; near-term profitability hinges on capex discipline as AWS investment climbs (the quarter alone saw $43.2B in capex). Nvidia’s ecosystem remains a real moat, and many AI workloads may stay GPU-centric for years. Also, satellite, autonomous, and healthcare bets add execution risk and regulatory headwinds that could cap upside.
The strongest counter: the $225B Trainium commitments claim is dubious; even if some orders exist, AWS will still transact mostly in Nvidia-based workloads, and the cost of scaling bespoke silicon may erode margins rather than expand them.
"30-year depreciation clashes with 5-6 year AI hardware cycles, risking stranded assets and higher effective capex."
Gemini's 30-year data center depreciation model ignores the hardware cycle Grok flagged. If Trainium clusters must refresh every 5-6 years to stay competitive with Blackwell-class GPUs, Amazon faces accelerated obsolescence costs that erode the margin gains Claude expects from custom silicon. This mismatch turns the $43.2B quarterly capex into a higher-risk bet, especially if Bedrock growth stays off a small base and fails to offset faster write-downs.
"Custom silicon profitability hinges on TCO arbitrage, not performance parity—and capex trajectory, not chip efficiency, determines margin expansion."
Grok's 5-6 year refresh cycle is plausible, but Claude and Gemini both understate Amazon's optionality: custom silicon doesn't require perfect parity with Blackwell to be profitable. AWS customers care about TCO (total cost of ownership), not raw performance. If Trainium/Inferentia hit 80% of GPU performance at 40% lower cost, that's a viable moat even with faster depreciation. The real question: does Amazon's $43.2B quarterly capex grow or stabilize? If it stabilizes while Bedrock scales, margins expand. If capex keeps climbing, we're funding someone else's AI arms race.
"Amazon's custom silicon strategy risks failure because AI compute demand is currently performance-inelastic, making 'good enough' TCO metrics irrelevant to top-tier developers."
Claude, your 80% performance/40% cost TCO argument is the classic 'good enough' trap. In the high-stakes world of LLM training, 'good enough' is a death sentence; developers chase the highest throughput to minimize time-to-market. If Trainium doesn't achieve near-parity with Blackwell, the opportunity cost for AWS clients is massive. You're assuming demand is price-elastic, but AI compute demand is currently performance-inelastic. Amazon is chasing a moving target where hardware obsolescence will likely outpace their margin-preservation gains.
"Software moat friction could derail Bedrock monetization even if Trainium achieves some hardware cost savings."
Gemini, the 80%/40% claim assumes seamless migration and CUDA compatibility. If Trainium falls behind Blackwell on pivotal models, AWS will face workload migrations or re-training costs that erode any cost advantage. The bigger risk is software moat friction: customers stay with Nvidia-friendly stacks, limiting Bedrock monetization and cobranded services. Depreciation schedules matter, but the execution risk is whether AWS can convert hardware gains into durable software revenue.
The panel discusses Amazon's AI push, highlighting custom silicon as a margin-preservation play, but raises concerns about hardware obsolescence, Nvidia's ecosystem dominance, and uncertain AI monetization.
Diversified exposure to in-house chips, server efficiency, Bedrock monetization, and physical-network scale.
Hardware obsolescence and Nvidia's ecosystem dominance could erode Amazon's margin gains from custom silicon.