芯耀
163
*内容仅为呈现不同市场观点与研究视角，并不意味着本公众号对文中观点结论认可。
“我们正在疯狂扩张 AWS。”
在摩根士丹利 TMT 大会上，英伟达 CEO 黄仁勋（Jensen Huang）这句看似随口的话，可能是过去几个月里云计算行业最重要的信号之一。
这句话的表层含义很直接：作为全球 AI 算力最核心的供应商，英伟达观察到 OpenAI 正在大幅增加在亚马逊云科技（AWS）上的资源投入。但这句话的深层含义远不止于此。它揭示了一个正在发生的结构性转变：AI 算力需求，正在从“单一云平台”走向“多云平台”。
过去两年，市场普遍认为微软 Azure 已经锁定了 AI 时代的云计算红利。然而，如果这一趋势持续，全球云计算市场的增长结构可能会发生一次被严重低估的变化。而其中最大的潜在受益者，很可能是曾经被认为在 AI 浪潮中稍显迟缓的 Amazon Web Services（AWS）。
从"Azure 独占”到“多云算力”：AI 基础设施的第一道裂缝
过去两年，AI 基础设施的叙事几乎被一个“铁三角”组合垄断：OpenAI + Azure + NVIDIA。
在微软对 OpenAI 投入超过 130 亿美元之后，双方达成了深度的排他性合作。OpenAI 的训练与推理算力几乎完全运行在微软 Azure 的专属超级计算机上。这种深度绑定让 Azure 在过去两年成为 AI 云计算红利最大的受益者。2024 至 2025 年间，微软多次在财报中披露，AI 服务贡献了 Azure 超过 7 个百分点的额外增长，资本市场也因此给予了微软极高的估值溢价。
但这种结构存在一个天然的物理与商业瓶颈：单一云平台，很难承载整个 AI 时代的指数级算力需求。
随着模型规模的不断扩大，训练成本和推理调用量正在呈现非线性的增长。据行业估算，GPT-4 级别模型的单次训练成本已达到数亿美元，而大模型的推理请求量每年更是以 10 倍级的速度扩张。在这种情况下，算力供应迅速成为瓶颈。无论是电力供应、数据中心空间，还是高端 GPU 的交付周期，单一云厂商都难以在短时间内无限扩容。
更重要的是，对于像 OpenAI 这样的头部 AI 公司而言，将命运完全寄托在单一云厂商身上，意味着巨大的“供应商锁定”风险。一旦 Azure 出现服务中断，或者在议价权上占据绝对主导，OpenAI 的业务连续性将面临威胁。
这也是为什么，越来越多 AI 公司开始主动采用 Multi-cloud Strategy（多云策略）。从黄仁勋的表态来看，OpenAI 已经开始把部分算力需求扩展到 AWS。这意味着 AI 云市场第一次出现了基础设施层面的“分流”。这不仅是 OpenAI 的战术调整，更是整个行业对“单一云依赖”的一次集体修正。当 AI 巨头开始寻求第二甚至第三算力来源时，拥有最成熟基础设施和最大容量储备的 AWS，自然成为了首选。
AWS 的 AI 飞轮：OpenAI、Anthropic 与推理经济
如果说 Azure 在 AI 时代的第一阶段赢在“训练算力”的独占性，那么 AWS 可能在第二阶段押注的是“推理经济”（Inference Economy）。
这里面有两个关键变量，正在重塑 AWS 的增长逻辑。
第一个变量，是 OpenAI 的算力扩张。当模型规模不断扩大，且应用场景从 C 端聊天机器人向 B 端企业应用渗透时，AI 公司往往会采用跨云部署。一方面是为了获得更多 GPU 资源以应对峰值需求，另一方面是为了降低平台依赖风险，保持议价能力。这对 AWS 来说，意味着一个新的可能性：OpenAI 的部分 GPU 集群，正在进入 AWS。即便只是承接推理流量，对于 AWS 而言，也是巨大的收入增量。
而另一个更关键的变量，其实是 Anthropic。
与 OpenAI 和微软的复杂关系不同，Anthropic 从一开始就与 Amazon 建立了深度且清晰的战略合作关系。2023 年以来，Amazon 已向 Anthropic 投资 80 亿美元以上，并计划进一步追加投资。Claude 系列模型的基础设施，大量运行在 AWS 上，并通过 Amazon Bedrock 平台向企业客户开放。
这背后的商业逻辑其实非常清晰：AI 训练是一次性的大生意，而 AI 推理才是长期的现金流。
每一次模型调用，都意味着不仅仅是一次 GPU 计算。它背后关联着 API 调用、数据库读写、对象存储、网络带宽传输以及安全服务。也就是说，推理越多，云收入越稳定，且涉及的云服务品类越丰富。
如果 Claude、OpenAI 以及其他运行在 AWS 上的模型持续增长，AWS 将不仅卖 GPU 算力，还会卖整套云基础设施服务。这种“全家桶”式的收入结构，比单纯出租算力具有更高的粘性和利润率。这也是为什么很多投资者开始重新审视一个问题：AWS 的增长周期，可能还没有结束。在训练阶段，市场关注的是谁有最多的 H100；但在推理阶段，市场关注的是谁的生态系统最能支撑大规模、低延迟、高并发的应用落地。在这方面，AWS 积累十年的企业级服务能力，构成了其新的护城河。
Agentic AI：真正放大云计算需求的“下一阶段”
更大的变化，可能来自 Agentic AI（代理智能）。
过去两年，大多数 AI 产品仍然停留在“问答工具”阶段。用户输入一个问题，模型返回一段文本。这种模式对云资源的消耗相对单一，主要集中在 GPU 推理上。
但随着 AI Agent 的兴起，模型开始从“回答问题”转向“执行任务”。一个典型的 AI Agent 任务可能包含：多轮模型推理、自主规划、数据库访问、第三方 API 调用、后台服务执行以及长期记忆存储。
换句话说，AI 不再只是消耗 GPU。它会同时拉动 CPU、存储、数据库、网络以及整个云服务生态。
例如，一个用于自动化财务分析的 AI Agent，它需要读取存储在 S3 上的报表，调用数据库查询历史数据，使用模型进行分析，最后将结果写入 DynamoDB 并通过 SNS 发送通知。在这个过程中，GPU 计算可能只占成本的一部分，大量的云资源消耗发生在数据流转和逻辑执行上。
这对云厂商来说意味着什么？意味着 AI 不是一个单纯的算力生意，而是一个平台生意。
过去几年，市场一直在讨论：AI 是否会压缩云厂商利润，因为 GPU 太贵，且部分推理可能在边缘端完成。但如果 Agentic AI 成为主流，情况可能恰恰相反。因为每一个 AI Agent，本质上都像是一个全天候运行的软件系统。它持续消耗云资源，持续产生云收入。
这正是 AWS 最擅长的领域。AWS 拥有最丰富的云服务品类（超过 200 种），从服务器less 计算到托管数据库，从消息队列到身份认证。当 AI 从“对话框”变成“操作系统”，AWS 这种提供全方位基础设施的云平台，其价值将被重新放大。Agentic AI 越复杂，对云原生服务的依赖就越深，AWS 的护城河就越宽。
结语：从算力军备到生态长跑
在过去两年，AI 基础设施的叙事几乎完全围绕一个问题展开：谁能拿到最多 GPU？
但黄仁勋的那句话，暗示着一个新的阶段。AI 算力不再只是 GPU 竞争，它正在变成云平台竞争。
当 AI 从训练走向推理、从工具走向 Agent，云计算市场真正的增长周期，可能才刚刚开始。这不再是单纯的硬件军备竞赛，而是关于稳定性、生态系统、成本控制以及多云架构能力的综合较量。
对于投资者而言，视角的转变至关重要。我们不应再仅仅盯着英伟达的显卡出货量，而应关注云厂商如何将 AI 流量转化为持久的平台收入。在这场新的竞赛中，AWS 很可能会凭借其深厚的基础设施积淀和多云策略的红利，重新回到舞台的中心。AI 的浪潮没有退去，它只是换了一种更务实、更持久的方式，继续推动云计算的下一轮增长。
