亚马逊大模型生意：芯片降本换云增长，模型超市抽成待验证

自研芯片降本换云增长，但性能仍追英伟达

据公开报道，AWS通过2015年以3.5亿美元收购的以色列芯片设计公司Annapurna Labs开发Trainium（R1/R2）；Inferentia同属AWS自研芯片线。据公开报道（置信度中等），Trainium2实例成本约为同等NVIDIA H100实例的一半；第一代Inferentia相比同等GPU实例实现2.3倍吞吐提升和70%成本降低。这些芯片主要服务于AWS自身的AI算力租赁业务，以低价吸引客户。AWS CEO Matt Garman表示Trainium业务规模已达数十亿美元，迄今部署100万颗Trainium芯片。

然而，自研芯片的性能仍落后于英伟达最新产品。Trainium3于2025年发布，采用台积电3nm工艺，单芯片2.52 PFLOPS FP8，144GB HBM3e。Trainium3 UltraServer相比上一代性能提升超4倍，单集群144颗芯片、362 PFLOPS FP8。亚马逊称新服务器可将AI训练成本降低最多50%，并改善AWS云业务毛利率。但AWS仍是全球部署英伟达GPU规模最大的云厂商，与英伟达呈竞合关系。

自研芯片的策略是用成本优势换取客户对性能的容忍度，尤其适合推理负载和成本敏感型训练任务。Project Rainier于2025年10月在印第安纳州1200英亩设施部署近50万颗Trainium2训练Anthropic Claude，表明头部客户愿意为成本妥协。但芯片迭代需要持续资本投入，且性能差距可能影响对尖端训练任务的吸引力。

Bedrock模型超市抽成，但自研Nova定位模糊

Amazon Bedrock是一个模型托管平台，聚合第三方模型按调用收费。2025年新增18款开源模型，含谷歌Gemma 3、英伟达Nemotron、OpenAI、Mistral及阿里Qwen3、月之暗面Kimi K2、MiniMax M2。客户为模型调用付费，AWS从中抽成。这种模式类似应用商店，收入随调用量增长，但毛利率受模型厂商分成比例影响。

与此同时，亚马逊推出自研Nova系列模型，2024年12月首次发布Nova Micro、Lite、Pro及图像Nova Canvas、视频Nova Reel。2025年发布4款Nova 2系列模型，并推出Nova Forge允许企业将自有数据整合进模型训练流程。Nova的定位是提供低成本、易集成的模型选项，但面临第三方开源模型的直接竞争。

有媒体报道亚马逊正逐步关停大部分现有Nova产品线，资源转向新前沿模型项目。若报道属实，这反映出自研模型在商业上未达预期：客户更倾向于选择性能更强的第三方模型，而Nova的差异化不足。Bedrock的抽成模式依赖模型多样性，但自研模型的弱势可能削弱平台对模型厂商的议价能力。贾西称行业不会出现单一模型独大，未来将有至少五六个顶尖模型上线Bedrock，这既是判断也是愿望。

AWS按需租赁AI算力，芯片成本优势转化为定价空间

AWS的主要收入来自云服务租赁，包括AI训练和推理实例。客户按实例类型和使用时长付费。据公开报道（置信度中等），Trainium2实例成本约为同等NVIDIA H100实例的一半，这使AWS能以更低价格吸引成本敏感型客户。第一代Inferentia相比同等GPU实例实现2.3倍吞吐提升和70%成本降低，据公开资料（置信度中等），Inf2实例在推理负载上比同等EC2实例提供40%更优性价比。

低价策略换来了客户增长。据公开报道，Anthropic、Karakuri、Metagenomi、NetoAI、Ricoh、Splash Music等客户用Trainium将训练与推理成本降低最多50%。据公开资料，Finch AI、Sprinklr、Money Forward和Amazon Alexa使用Inferentia实例降低运行成本。据公开资料，亚马逊自研Rufus AI助手运行在Inferentia上，实现2倍响应速度提升和50%推理成本降低。

AWS 2025财年第三季度营收330亿美元，同比增长20%（R3/R5）；另有报道称同比增长37%（R10/R13），两者为同一指标同一时间点的冲突值，公开资料未披露口径差异，本稿以20%为主口径，37%仅作存疑记录。AI算力租赁是AWS增长的主要驱动力，但毛利率受芯片折旧和电力成本影响。

Bedrock按调用抽成，但模型厂商分成侵蚀毛利

Bedrock平台上的第三方模型按调用量收费，AWS从中抽取一定比例。这种模式下，AWS无需承担模型研发成本，但收入规模取决于平台调用量和分成比例。公开资料未披露具体抽成比例和Bedrock收入贡献。

Bedrock的竞争优势在于模型多样性和与AWS基础设施的集成。客户可以在同一平台上调用不同模型，简化采购和部署。但模型厂商也可能绕过Bedrock直接提供API，尤其是头部模型厂商。贾西称未来将有至少五六个顶尖模型上线Bedrock，这暗示AWS需要维持与模型厂商的合作关系，抽成比例可能受制于模型厂商的议价能力。

自研Nova模型本可作为高毛利选项，但有报道称产品线收缩，表明其商业表现不佳。如果Nova无法贡献收入，Bedrock的抽成模式将更依赖第三方模型，毛利率可能低于预期。此外，亚马逊2025财年第三季度资本支出增61%至342亿美元，年内累计899亿美元，这些投入需要AI算力租赁和模型调用收入来消化。

大模型公司和成本敏感企业是主力，但自研模型客户缺位

AWS的AI算力客户包括Anthropic、OpenAI等头部模型公司，以及Karakuri、Metagenomi、NetoAI、Ricoh、Splash Music等使用Trainium降低训练与推理成本的企业。Anthropic通过Project Rainier使用近50万颗Trainium2训练Claude，属于深度绑定的大客户。这些客户的共性是：对算力成本敏感，且愿意为低价接受非英伟达硬件。

Bedrock的客户则是需要调用多种模型的企业，但公开资料未披露具体客户名单和调用量。自研Nova模型的客户信息未披露，且有报道称产品线收缩，暗示客户接受度有限。亚马逊自研Rufus AI助手运行在Inferentia上，属于内部客户，实现2倍响应速度提升和50%推理成本降低。

整体来看，AWS的客户结构呈现“算力大客户+长尾企业”的特征，但模型层面的客户忠诚度较低，客户可能随时切换至其他云平台或直接使用模型厂商API。

靠AWS销售网络和生态捆绑触达，但模型层缺独立渠道

AWS通过已有的云服务销售团队和企业客户关系推广AI算力与Bedrock。客户在采购云服务时附带采购AI算力，降低了单独获客成本。Project Rainier等大项目表明AWS能通过定制化设施绑定头部客户。

Bedrock作为AWS控制台的一部分，触达现有云客户，但模型调用需要客户主动集成。自研Nova模型通过AWS市场推广，但缺乏独立渠道。有报道称Nova产品线收缩，可能反映分销效果不佳。

亚马逊还通过Alexa等自有产品验证芯片和模型，但对外分销仍依赖AWS品牌。与模型厂商的直接API相比，Bedrock的渠道优势在于企业采购流程的简化，但劣势在于模型更新的滞后性。

资本开支狂飙，芯片和基建吞掉现金流

亚马逊2025财年第三季度资本支出增61%至创纪录342亿美元，年内累计支出899亿美元。这些支出主要用于AI基础设施，包括Trainium芯片部署和数据中心建设。Project Rainier在印第安纳州1200英亩设施部署近50万颗Trainium2，属于重资产投入。

自研芯片的研发成本也不低。Trainium3采用台积电3nm工艺，单芯片2.52 PFLOPS FP8，144GB HBM3e，制造成本高昂。Trainium4已公布（尚未交付），亚马逊承诺相比Trainium3实现6倍FP4吞吐、3倍FP8性能和4倍内存带宽（R1/R2），研发需持续投入。

成本结构中的可变成本包括电力、带宽和芯片折旧。据公开报道，亚马逊称新服务器可将AI训练成本降低最多50%，并改善AWS云业务毛利率，但资本开支的折旧压力会在未来几年显现。2025年亚马逊、微软、谷歌、Meta资本开支合计指引投入超3000亿美元，行业性投入过热可能压低算力租赁价格。

靠AWS经营现金流输血，但资本开支已逼近极限

亚马逊没有单独披露AI业务的融资情况，其资金来源主要是AWS的经营现金流和集团整体现金流。AWS 2025财年第三季度营收330亿美元，同比增长20%，为资本开支提供部分支撑。但2025财年第三季度资本支出增61%至342亿美元，单季集团资本支出342亿美元高于AWS单季营收330亿美元，但两者口径不同（集团 vs 分部），不能直接相减得出缺口；资金缺口是否由其他业务或债务弥补，公开资料未披露。

年内累计899亿美元的资本支出表明亚马逊在押注AI算力需求持续增长。另有报道称AWS云服务营收同比大增37%，增长主要依托承载Anthropic、OpenAI等模型，但该数字与20%同比增长口径不一致，公开资料未披露原因，存在来源冲突，不宜单独作为投资回报验证。资本开支增速远高于营收增速，自由现金流可能承压。

亚马逊未披露AI业务单独融资或估值，公开资料未披露其是否引入外部资金。与OpenAI等模型公司不同，亚马逊的AI投入靠自身现金流和资本市场融资，不依赖风险投资。这种模式的约束是资本纪律，一旦AI需求不及预期，资本开支可能被迫收缩。

芯片成本优势是暂时的，生态锁定才是真护城河

亚马逊的护城河不在于模型能力，而在于AWS的规模效应和客户转换成本。自研芯片带来的成本优势（据公开报道，Trainium2实例成本约为H100一半）是阶段性壁垒，英伟达下一代产品可能缩小差距。但AWS的云服务生态、企业采购流程和数据集成使客户迁移成本较高。

Bedrock的模型超市模式增加了客户黏性，客户在同一平台调用多个模型，迁移需重新集成。但模型厂商也可能绕过Bedrock直接提供API，削弱平台价值。贾西称行业不会出现单一模型独大，未来将有至少五六个顶尖模型上线Bedrock，这有助于维持平台的中立性。

真正的护城河是亚马逊将AI算力与云服务捆绑销售的能力。客户在采购存储、数据库等服务时附带采购AI算力，形成交叉销售。但自研Nova模型的弱势可能削弱其在模型层的议价能力，护城河更多体现在基础设施层而非模型层。

自研Nova模型可能失败，模型层话语权流失

有媒体报道亚马逊正逐步关停大部分现有Nova产品线，资源转向新前沿模型项目。如果属实，说明自研模型在商业上未达预期。Nova于2024年12月首次发布，仅一年后便收缩，反映模型竞争激烈，后发者难以追赶。模型层的弱势使亚马逊在Bedrock平台上的抽成议价能力受限，模型厂商可能要求更低分成或直接竞争。

此外，亚马逊自研Rufus AI助手运行在Inferentia上，实现2倍响应速度提升和50%推理成本降低，但这属于内部应用，无法证明Nova的对外竞争力。如果模型层持续弱势，AWS可能沦为纯粹的算力管道，利润空间受挤压。

资本开支过热与算力价格战可能压低回报

亚马逊2025财年第三季度资本支出增61%至342亿美元，年内累计899亿美元。行业性投入更大：亚马逊、微软、谷歌、Meta 2025年资本开支合计指引投入超3000亿美元。如此大规模的算力建设可能导致供过于求，算力租赁价格下降。

Trainium3 UltraServer相比上一代性能提升超4倍，单集群144颗芯片、362 PFLOPS FP8，亚马逊称新服务器可将AI训练成本降低最多50%，并改善AWS云业务毛利率。但成本降低可能传导至价格，客户受益而AWS毛利率未必改善。此外，AWS仍是全球部署英伟达GPU规模最大的云厂商，与英伟达的竞合关系可能影响芯片供应和技术路线。