亚马逊押注AI利润在于基础设施，而非聊天机器人竞赛
亚马逊将其整个AI技术栈置于基础设施资深人士彼得·德桑蒂斯（Peter DeSantis）麾下的战略转变，揭示了华尔街尚未完全消化的一个考量：该公司已经得出结论，赢得人工智能竞争意味着在“每token成本”上取胜，而非在“排行榜名次”上领先。
12月17日宣布将Nova模型、定制芯片和量子计算整合到德桑蒂斯旗下——而前沿模型研究则由机器人AI先驱彼得·阿比尔（Pieter Abbeel）负责——这标志着亚马逊迄今为止最清晰的阐述：AI的盈利能力归属于那些控制“计算经济学”的人，而不一定是那些拥有“最炫目演示”的人。通用人工智能（AGI）负责人罗希特·普拉萨德（Rohit Prasad）的离职（他曾是Alexa和12个Nova系列模型的架构师），进一步强调了这一组织理念的转变。
垂直整合的必然性
德桑蒂斯带来了27年的亚马逊基础设施基因：他于2006年推出了EC2，2015年收购了Annapurna Labs以开发定制芯片，并将AWS扩展到38个区域和120个可用区。他现在的职责明确将软件（AI模型）与硬件（Trainium、Graviton）和云基础设施结合起来——这与谷歌通过TPU和苹果通过其芯片战略所执行的策略如出一辙。
亚马逊最近的re:Invent大会传递了其逻辑：Nova 2的100万token上下文窗口和Trainium3的144芯片UltraServers不仅仅是技术规格——它们旨在让那些被锁定在英伟达定价中的竞争对手，在“推理经济性”方面望而却步。当AWS披露Trainium2已“完全预订”并作为一项数十亿美元的业务环比增长150%时，这验证了企业买家会为了卓越的性价比而更换架构。
时机至关重要。AWS刚刚公布了330亿美元的季度营收（同比增长20%），营业利润率为34-35%，即便资本支出飙升。这种“增长加速加上在巨额基础设施投资下的利润弹性”的组合，表明AWS有能力在一个AI可能将云服务商品化为低利润电力业务的世界中捍卫其盈利能力。
投资者真正应该关注什么
对专业投资者而言的关键洞察是：此次重组在增加执行风险的同时，也明确了亚马逊通过基础设施主导地位而非模型优势来捕捉AI经济效益的路径。
短期自由现金流将继续承压——由于物业和设备支出，过去12个月的自由现金流148亿美元大幅下降。但这项战略性押注是站得住脚的：如果Trainium成为开发者的默认选择（而不仅仅是出于成本考量的例外），AWS就能避免成为一个泛化的“AI电力公用事业”所固有的利润侵蚀。定制芯片加上车队级优化，创造了英伟达计算能力的纯粹转售商所不具备的定价权。
真正值得关注的信号不是Nova的MMLU分数——而是Trainium3在Anthropic这个主要客户（使用50万片Trainium2芯片的Rainier项目）之外的采纳广度。如果AWS能够证明非英伟达技术栈能够为多样化的工作负载实现生产级可靠性，那么高利润服务（如安全、数据治理、编排、可观测性）的附加率，即使在原始计算利润率受挤压的情况下，也能保持综合盈利能力。
量子计算的加入并非旁枝末节；它是人才留存和下一个范式定位的体现。将其与芯片和基础设施整合，可以防止量子计算成为一项孤立的研发开支，同时向硬件工程师表明，亚马逊正在构建2030年代的完整计算平台。
关键风险依然存在：模型、芯片和量子计算之间的组织复杂性可能会减缓决策速度。据报道，2024-2025年期间AI领导层的离职，预示着潜在的人才流失。而且，英伟达-CUDA生态系统仍是默认选择，除非AWS能让Trainium真正做到开发者原生，而不仅仅是性价比高。
逆向解读
当共识认为亚马逊“终于认真对待AI”时，更敏锐的解读是，亚马逊接受了它不会在前沿研究的光环上击败OpenAI或谷歌——而且也无需如此。AWS正在构建自身，以成为企业AI的默认运行时，通过掌握利润实际存在的那一层：即优化、可靠、垂直整合的技术栈，使AI工作负载在规模上具有经济可行性。德桑蒂斯的任命表明，亚马逊选择的是“卖铲子”策略，而非“淘金热”。
非投资建议