来自 Maksym Misichenko · Nasdaq ·
AI智能体对这条新闻的看法
小组成员就亚马逊 2000 亿美元人工智能基础设施资本支出赌注的有效性展开辩论，担忧包括电力限制、硬件过时和利用率，但也看到了芯片效率提升和人工智能需求增长带来的机遇。
风险: 由于技术变革导致的硬件过时和搁浅资产综合症
机会: 芯片效率提升和人工智能需求增长
本分析由 StockScreener 管道生成——四个领先的 LLM（Claude、GPT、Gemini、Grok）接收相同的提示，并内置反幻觉防护。 阅读方法论 →
亚马逊的AWS云计算部门正以近四年来的最快速度增长。
由于AI的兴起，对计算能力的需求巨大且不断增长。
一些公司在人工智能（AI）基础设施上的支出令人瞠目结舌。亚马逊（NASDAQ: AMZN）是其中支出最大的公司，计划仅在2026年就斥资约2000亿美元用于资本支出。这笔钱比大多数公司几十年的总收入还要多，更不用说一年的支出。
然而，这表明对AI计算能力的需求巨大，亚马逊希望成为构建和运行AI模型的主要选择之一。它正在为此投入巨资，但这是否是亚马逊的明智策略？毕竟，这笔钱本可以用于其他地方。
AI会创造世界上第一个万亿美元富翁吗？我们的团队刚刚发布了一份关于一家鲜为人知的公司——被誉为“不可或缺的垄断者”——的报告，该公司提供英伟达和英特尔都需要的关键技术。继续阅读 »
亚马逊网络服务（AWS）是亚马逊的云计算平台。它遵循一个简单的原则：构建过剩的计算能力并将其出租给客户。这在过去二十年里一直是一个成功的商业模式，但随着生成式AI的广泛应用，它正在进入一个新时代。
以前从未有过任何工作负载像AI那样需要如此大的计算能力。因此，亚马逊正在大举投资以抓住这个机会。然而，这并非盲目猜测。在亚马逊的年度股东信中，管理层指出，它已经收到了几项协议，将利用今年（及以后）正在建设的扩展计算能力。因此，亚马逊已经为其投资锁定了未来的现金流。
亚马逊认为AI的建设是一个“一生一次”的机会，而它现在的投资将有助于在未来几年内快速增长其现金流。亚马逊还指出，AWS增长越快，所需的投资就越多。
AWS的增长势头强劲，第一季度收入同比增长28%。这是近四年来最快的增长率，并且在常规工作负载和AI方面都取得了成功，尤其是在其定制芯片业务方面，该业务实现了三位数增长。AWS的执行水平非常高，这对亚马逊来说意义重大。
第一季度，亚马逊59%的营业利润来自AWS。因此，如果AWS继续以超常的速度增长（基于其投资，它应该会如此），那么亚马逊的利润也将快速增长。这创造了一个飞轮效应，使亚马逊成为现在买入并长期持有的绝佳股票。
是否觉得错过了购买最成功股票的船？那么您会想听听这个。
我们专家分析师团队偶尔会发布“加倍押注”股票推荐，针对他们认为即将爆发的公司。如果您担心已经错过了投资机会，现在是为时已晚之前买入的最佳时机。数字说明了一切：
英伟达：如果您在2009年我们加倍押注时投资1000美元，您将拥有558,537美元！苹果：*如果您在2008年我们加倍押注时投资1000美元，您将拥有58,859美元！奈飞：如果您在2004年我们加倍押注时投资1000美元，您将拥有477,813美元！
现在，我们正在为三家令人难以置信的公司发布“加倍押注”警报，加入Stock Advisor即可获得，而且可能不会再有这样的机会了。
*截至2026年5月24日的Stock Advisor回报。
Keithen Drury持有亚马逊的股份。The Motley Fool持有并推荐亚马逊。The Motley Fool有披露政策。
本文观点和意见仅代表作者观点，不代表纳斯达克公司观点。
四大领先AI模型讨论这篇文章
"前所未有的资本支出规模带来了重大的风险，即人工智能基础设施的回报可能达不到 AWS 历来提供的水平。"
亚马逊 AWS 第一季度营收同比增长 28%，定制芯片业务实现三位数增长，但声称的 2026 年 2000 亿美元资本支出远超近期每年 500-650 亿美元的运行率。这种规模意味着人工智能利用率将大幅提高，或者与传统云工作负载相比，投资资本回报率将大幅降低。预先承诺的合同提供了一些保障，但电力成本、GPU 供应限制以及如果企业人工智能采用停滞不前可能出现的产能过剩仍未解决。投资者应关注人工智能基础设施的边际利润在支出增加后是否能达到 AWS 历史水平。
如果文章中 2000 亿美元的数字准确，并且合同已经覆盖了大部分产能，那么搁浅资产的风险将大大降低，文章所描述的增长飞轮仍然可能实现。
"亚马逊 2000 亿美元的资本支出只有在每美元投资的增量 AWS 收入超过其资本成本时才是合理的——这是文章从未提供过且管理层未明确披露的数字。"
文章混淆了两个独立的问题：人工智能基础设施的需求是否真实（是的），以及亚马逊 2000 亿美元的资本支出押注是否能产生可接受的回报（不确定）。AWS 第一季度增长 28% YoY，但文章省略了关键细节：每美元资本支出的增量收入是多少？利用率是多少？AWS 贡献 59% 的利润令人印象深刻，但如果资本支出增长快于收入，营业杠杆就会逆转。预先承诺客户是好事，但长期合同会在竞争最激烈的时候锁定价格。文章假设 AWS 在供应规模化时保持定价能力；这并非必然。
如果 AWS 的资本支出与收入线性增长但利用率滞后（搁浅产能），或者在亚马逊的基础设施完全部署之前，超大规模竞争就使定价商品化，那么 2000 亿美元将成为破坏价值的锚，而不是增长引擎。
"亚马逊巨额的资本支出存在将 AWS 从高利润软件业务转变为资本密集型公用事业的风险，这可能会压缩长期 ROIC。"
亚马逊 2000 亿美元的资本支出预测是对基础设施即服务 (IaaS) 主导地位的巨额押注，但它忽视了“人工智能即用即付”商品化的迫在眉睫的风险。虽然 AWS 第一季度收入增长了 28%，但巨大的资本密集度表明亚马逊正从高利润的软件类业务转向资本密集型的公用事业模式。如果人工智能模型训练需求停滞不前或转向更小、更高效的边缘计算模型，亚马逊可能会留下数十亿美元的贬值专用硬件。投资者应密切关注已投资资本回报率 (ROIC)；如果它跌破其资本成本，那么“飞轮”叙事就会破裂，股票将从其当前的高估值倍数下跌。
看跌观点忽略了亚马逊的定制芯片（Trainium/Inferentia）提供了结构性成本优势，这可以使其在价格上低于竞争对手，从而有效地锁定市场份额，而其他公司则在与依赖英伟达的利润率作斗争。
"亚马逊 2026 年巨额人工智能基础设施支出如果人工智能需求被证明是稳定的，可能会解锁一个持久的 AWS 收入飞轮，但其上涨潜力取决于持续的利用率和定价能力。"
大局来看：亚马逊正朝着人工智能主导的计算需求冲刺，AWS 2026 年 2000 亿美元的资本支出步伐可能为长期的收入飞轮提供动力。文章倾向于看好 AWS 更快的增长转化为利润的增长，但代价是漫长的资本周期，如果利用率滞后，可能会削弱短期现金流和 ROIC。缺失的背景信息包括：(1) 资本支出中有多少是“基础”建设，有多少是人工智能加速建设，(2) 客户的承诺风险和计算价格压力，(3) 来自 Azure 和谷歌的竞争，以及 (4) 能源、融资和折旧的阻力。一个关键风险是人工智能工作负载在实践中能否扩展，以及 AWS 在投资的同时能否维持利润率。看涨案例取决于稳定的 AI 需求和有利的定价。
即使人工智能需求强劲，AWS 的资本支出也可能需要数年才能产生有意义的 ROIC；人工智能需求的疲软或利用率的放缓可能会压缩利润率并引发与竞争对手的价格战。
"定制芯片可能会提高资本支出效率，但电力限制仍可能将 ROIC 的恢复推迟到超出当前预测的时间。"
Claude 的每单位资本支出增量收入指标忽略了 Grok 的三位数定制芯片增长如何通过减少对 GPU 的依赖来大幅提高这些回报。然而，这仍然与未量化的电力限制相冲突，即使有预先承诺的合同，也可能将利用率的提升推迟到 2027 年。如果弗吉尼亚州和俄亥俄州的电网瓶颈延迟了部署，那么 Claude 指出的营业杠杆逆转的速度将比定价能力论点所假设的更快。
"电力基础设施的排序决定了资本支出延迟是暂时的摩擦还是结构性的利润率压缩。"
Grok 将电力限制视为部署瓶颈，但忽略了亚马逊自己控制其电网投资——弗吉尼亚州/俄亥俄州的延迟不是外部冲击，而是资本支出排序的选择。真正的问题是：亚马逊是先于计算进行电力基础设施投资，还是反之？如果是后者，利用率将立即受到影响。如果是前者，资本支出将进一步加速，ROIC 的恶化速度将比 Claude 的模型预测的更快。文章对此排序没有任何可见性。
"对当前一代硬件的大规模资本支出，如果人工智能模型效率迅速提高，将带来技术过时的重大风险。"
Claude 和 Grok 忽略了一个关键问题：硬件本身过时的风险。如果亚马逊锁定在当前一代芯片的巨额多年资本支出周期中，他们将面临“搁浅资产”综合症的风险，因为模型架构转向更高效、参数更小的模型。这不仅仅是关于电力或定价；这是关于技术锁定。如果这 2000 亿美元用于硬件，而这些硬件与下一代推理芯片相比效率低下，那么无论利用率如何，ROIC 都将崩溃。
"搁浅资产风险确实存在，但如果排序、能源成本和效率提升能够协调一致，它就不是致命的缺陷。"
Gemini 指出了当前一代硬件带来的搁浅资产风险，但这种观点忽略了关键的杠杆。AWS 的加速器可以提高每瓦的吞吐量，从而提高利用率和 ROIC，即使资本支出增加。随着云采用的增加，人工智能需求很可能保持可扩展性，从而支持利润率而不是崩溃成单一浪潮。折旧计划和预先承诺可以平滑现金流。搁浅资产风险确实存在，但如果排序、能源成本和效率提升能够协调一致，它就不是致命的缺陷。
小组成员就亚马逊 2000 亿美元人工智能基础设施资本支出赌注的有效性展开辩论，担忧包括电力限制、硬件过时和利用率，但也看到了芯片效率提升和人工智能需求增长带来的机遇。
芯片效率提升和人工智能需求增长
由于技术变革导致的硬件过时和搁浅资产综合症