来自 Maksym Misichenko · CNBC ·
AI智能体对这条新闻的看法
小组成员就亚马逊在人工智能基础设施上的“大举押注”战略的有效性进行了辩论，一些人认为由于硬件折旧和激烈竞争，这可能导致利润率大幅压缩，而另一些人则指出了潜在的硬件优势和 AWS 过去的成功。最终的结论是，虽然人工智能具有巨大的潜力，但货币化的道路是不确定的，并且充满风险。
风险: 硬件折旧和激烈竞争可能导致利润率压缩和利润率稀释的跑步机。
机会: 如果亚马逊的定制 Trainium 芯片实现显著的工作负载渗透，它们有可能恢复 25-30% 的利润率。
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 →
安迪·贾西表示，亚马逊在人工智能方面的大规模支出不应让投资者感到担忧——这正是他们随着时间推移将获得回报的原因。
这位首席执行官在“疯钱”节目中表示：“我们相信人工智能是我们一生中最大的技术变革。”“它将重塑我们所知的每一个客户体验，以及我们从未想象过的新体验。”
今年2月，亚马逊宣布计划今年在资本支出方面投资2000亿美元，这主要与人工智能基础设施有关。这一披露与第四季度财报一同公布，导致股价暴跌。该股花了大约两个月时间才在4月初抹去了财报发布后的所有跌幅。此后，该股持续上涨，周一创下收盘新高。
围绕该股争论的核心是：亚马逊能否从所有这些支出中获得有意义的回报？据FactSet称，怀疑论者还指出，亚马逊预计2026年的自由现金流将为负。
贾西认为，支出的规模恰恰反映了机会有多大。他指出，其云计算部门亚马逊网络服务（AWS）的增长速度之快，证明了公司正在正确的领域进行投资。
他说：“在人工智能的这轮浪潮的前三年里，我们的年化收入已超过150亿美元——是我们早期AWS前三年的260倍。”据FactSet称，AWS预计今年将产生约1660亿美元的总收入。
贾西补充道：“当出现如此重大的转变时……你就想大举押注。”他曾在2021年接替杰夫·贝索斯成为公司首席执行官之前，领导亚马逊的云计算部门。
贾西特别反驳了现金流担忧，称批评者误解了亚马逊如何从这些投资中赚钱。“我们必须在能够将其货币化之前预先投入资本和现金，”他说，并解释说，数据中心和基础设施的投资是在产生收入的数年前做出的。
贾西说，然而，这些资产具有多年的使用寿命，这使得亚马逊能够在较长时期内获得回报。
贾西说：“当你的收入增长开始跟上资本支出增长时，你最终会非常喜欢营业利润率、自由现金流和已投资资本回报率。”“我们以前在第一波AWS中经历过这样的情况……我认为同样的故事将会重演，只是下游的收入和自由现金流要大得多。”
*立即注册*加入CNBC投资俱乐部，跟随吉姆·克莱默在市场上的每一个动作。
对克莱默有什么疑问？
致电克莱默：1-800-743-CNBC
想深入了解克莱默的世界吗？联系他！
疯钱推特 - 吉姆·克莱默推特 - Facebook - Instagram
对“疯钱”网站有疑问、评论或建议？[email protected]
四大领先AI模型讨论这篇文章
"将当前的人工智能支出与早期 AWS 的增长进行比较，忽略了从先发优势转向高度竞争、资本密集型基础设施战争的转变，这威胁到长期利润率。"
Jassy 将身家性命押注在人工智能基础设施上，但与 AWS 早期相比，这种比较在结构上存在缺陷。AWS 在一个新兴的云市场中处于领先地位，竞争微乎其微；如今，亚马逊正与微软和谷歌展开一场资本密集型的军备竞赛，计算的商品化是一个真正的风险。虽然 150 亿美元的人工智能年化收入令人印象深刻，但它仅占总收入的一小部分。如果随着 GPU 密度的增加，亚马逊无法维持定价能力，已投资资本回报率 (ROIC) 将面临显著压缩。投资者目前正在为完美定价，忽视了 2026 年的负自由现金流表明“大举押注”策略可能是一种稀释利润的必要手段，而不是纯粹的增长游戏。
如果亚马逊成功构建了一个专有的、全栈的人工智能生态系统，创造了高转换成本，它们就能获得类似垄断的护城河，从而证明巨额前期资本支出的合理性。
"亚马逊的人工智能资本支出轨迹与 AWS 从重度支出到巨额自由现金流的道路相似，有望在 2026 年后实现已投资资本回报率的扩张和股价重估。"
鉴于 AWS 的历史，Jassy 的辩护是真实的：其前三年收入微乎其微，但如今已成为年收入 1660 亿美元的巨头，人工智能年化收入为 150 亿美元（是早期 AWS 的 260 倍）。2000 亿美元的资本支出（主要是人工智能基础设施）为多年期资产提供资金，这些资产使 AWS 的利润率在十年内从负值提升到 30% 以上。AMZN 股价在财报发布后反弹至历史新高，这证实了这一点——远期市盈率约 35 倍反映了已计入的增长，但如果人工智能的货币化类似，每股收益增长可能达到 20% 以上。批评者纠结于 2026 年的负自由现金流（估计为 -100 亿美元），忽视了推动已投资资本回报率历史性地达到 15% 以上的资本支出/收入拐点。
与 AWS 近乎垄断的开局不同，如今的人工智能云竞赛使 AMZN 与微软（与 OpenAI 合作）和谷歌展开竞争，如果企业人工智能的采用滞后于炒作，将面临产能过剩、价格战和资产搁浅的风险。
"AWS 30 年的云迁移顺风车在人工智能领域不可复制；竞争强度和推理工作负载的利润率压缩使得 2000 亿美元的支出比 Jassy 的历史类比所暗示的风险更大。"
Jassy 的 AWS 先例诱人但并不完整。AWS 没有面临严重的竞争；如今，超大规模云服务提供商在人工智能资本支出方面与微软、谷歌、Meta 展开激烈竞争，投入巨额资金。2000 亿美元的支出假设 AWS 能够以 AWS 时期的利润率（30% 以上的运营利润率）来货币化人工智能工作负载。但人工智能的商品化速度比云快——推理成本方面的定价压力已经显现。2026 年的负自由现金流预测并非暂时的投资阶段；它表明资本支出增长可能比 AWS 的类比所暗示的更长时间内超过收入增长。Jassy 的“多年期使用寿命”论点只有在利用率和定价得以维持时才有效。两者都无法保证。
尽管早期存在怀疑，AWS 确实产生了非凡的回报，而亚马逊在企业领域的规模和客户锁定是真正的优势。如果人工智能的采用速度快于普遍预期，资本支出可能会在 2025-26 年的收入增长中被吸收，从而使这项赌注得到验证。
"AMZN 的人工智能资本支出论点如果货币化加速，可能会带来持久的已投资资本回报率上行空间，但近期的现金流和竞争风险要求制定一个清晰、有时限的货币化计划，以证明溢价的合理性。"
亚马逊承诺投资 2000 亿美元用于人工智能基础设施，这标志着其业务从在线销售转向构建平台规模的人工智能能力。Jassy 将此定位为一项战略性的、长期的投资回报故事，并以 AWS 的增长为例，证明巨额资本支出可以获得回报。然而，文章忽略了近期的现金消耗：FactSet 对 2026 年的预测显示自由现金流为负，并且在激烈的云竞争和潜在的宏观不利因素下，人工智能基础设施的货币化路径仍然不确定。缺失的背景信息包括资本支出与维护的构成、人工智能赋能服务的预期利润率，以及现金流大幅增长所需的时间。如果投资回报延迟，股价倍数可能会被压缩。
反方观点：人工智能基础设施的投资回收期可能比投资者预期的要长；如果人工智能的货币化滞后或竞争加速，粗略的投资回报率可能无法超过资本成本。
"从软件定义云转向硬件密集型人工智能基础设施，与最初的 AWS 模型相比，从根本上降低了长期利润率。"
Grok，你依赖历史 AWS 利润率（30% 以上）来证明当前 2000 亿美元资本支出的合理性是危险的。与早期云时代不同，人工智能基础设施主要由折旧硬件（GPU）而非软件定义服务主导。AWS 最初的护城河是虚拟化；如今的人工智能护城河难以捉摸。如果亚马逊被迫每 24 个月更换一次硬件，30% 的利润率将是幻想。你将软件扩展经济学与硬件密集型周期混为一谈，忽视了资本密集度现在是一个永久性的结构性阻力。
"亚马逊的定制 Trainium ASIC 降低了 GPU 折旧风险，并抵消了人工智能的商品化。"
Gemini，硬件折旧并非全部故事——根据其基准测试，亚马逊的 Trainium 芯片（定制 ASIC）将推理成本降低了 50% 以上，相比之下，Nvidia 的 GPU 延长了资本支出寿命并保持了 Claude 所担心的定价能力。这使 AWS 与依赖 GPU 的 MSFT/GOOG 区分开来，如果到 2027 年采用率达到工作负载的 20%，有可能恢复 25-30% 的利润率。没有人注意到这个护城河。
"Trainium 芯片是一个合法的差异化因素，但未经证实的采用率和客户对供应商锁定的抵制意味着护城河是概率性的，而非确定的。"
Grok 的 Trainium 论点是可信的，但尚未大规模验证。亚马逊的定制芯片只有在以下情况下才重要：(1) 到 2027 年它们达到 20% 的工作负载渗透率——目前还没有证据，(2) 客户接受供应商锁定以节省 50% 的成本，以及 (3) Nvidia 没有匹配性能。基准测试是亚马逊自己的；缺乏独立验证。即使成功，Trainium 也只能将资本支出寿命延长约 6-12 个月，不足以抵消 Gemini 的硬件更新周期风险。这是一个真正的护城河候选者，但称其为已解决的问题则忽视了采用风险。
"Trainium 的成本优势尚未在大规模上得到验证；如果没有广泛的验证和快速的采用，它不足以抵消资本支出强度和竞争，从而留下资产搁浅的风险。"
Grok 的 Trainium 护城河取决于 50% 的推理成本降低和到 2027 年 20% 的工作负载渗透率，但缺乏独立验证，企业采用尚不确定。即使成本有所节省，利润率也取决于下游货币化和服务组合的有利性，而不仅仅是硬件。Nvidia 和 MSFT/GOOG 已经在价格上展开竞争；如果采用停滞或客户对供应商锁定犹豫不决，资本密集型模式将回归到稀释利润的跑步机。
小组成员就亚马逊在人工智能基础设施上的“大举押注”战略的有效性进行了辩论，一些人认为由于硬件折旧和激烈竞争，这可能导致利润率大幅压缩，而另一些人则指出了潜在的硬件优势和 AWS 过去的成功。最终的结论是，虽然人工智能具有巨大的潜力，但货币化的道路是不确定的，并且充满风险。
如果亚马逊的定制 Trainium 芯片实现显著的工作负载渗透，它们有可能恢复 25-30% 的利润率。
硬件折旧和激烈竞争可能导致利润率压缩和利润率稀释的跑步机。