當其他科技巨頭還在替「燒錢蓋資料中心」的故事辯護，亞馬遜（Amazon）已經把同一套劇本演了二十年——先把基礎設施蓋給自己用，攤掉固定成本，再把同一條基礎設施轉手賣給整個產業。從 AWS、廣告、物流，到自研晶片與低軌衛星，這套「自己的成本、別人的營收」幾乎沒失手過。

2026 Q1 財報延續同一條曲線：Amazon 單季營收 1,815 億美元、年增 17%；AWS 單季 376 億、年增 28%，是近 15 季最快增速、營業利益率 37.7%；單季淨利 303 億，其中包含 Anthropic 投資帶來的 168 億稅前帳面利益（Q1 2026 財報）。

一、無限轉售之術：把內部成本變成外部營收

Ben Thompson 在 〈Amazon's Durability〉 點出一件常被忽略的事：AWS 的本質不是「亞馬遜跨界做雲」，而是「亞馬遜把自己內部的伺服器需求做成外部生意」。這個劇本如今正在物流、廣告、晶片身上重演，三個步驟一致：

  • 第一步：成為自己最挑剔的客戶。為了撐住零售旺季，必須蓋出規模遠超一般企業的 IT 與物流容量。
  • 第二步：把短期費用攤成長期資本支出。閒置容量挪到資本支出科目、攤提到多年折舊週期，用會計把短期成本變成長期投資。
  • 第三步：用標準化 API 與合約把產能商品化、賣給第三方。同一條基礎設施同時服務內外部，毛利結構整個改寫。

這套劇本的最新版本，是亞馬遜 「供應鏈服務（Amazon Supply Chain Services, ASCS）」 開始大規模對外開放，連 P&G、3M 這類消費品巨頭都把全球供應鏈交給亞馬遜處理（Futurum Q3 2025 分析）。對 FedEx、UPS、DHL 來說，這是十年前 AWS 對 IBM、Oracle 做過的事，現在輪到他們。

「當 P&G 願意把供應鏈交給亞馬遜時，這已經不再是電商物流，而是全球級的『實體 IaaS』。」

二、AI 戰局：從「晶片落後」翻身成「推論優勢」

2023–2024 年的 AI 敘事屬於 OpenAI + Microsoft，AWS 因為堅持自家 Nitro 架構與 Trainium / Inferentia 自研晶片，在「萬卡同步訓練」這場競賽裡確實慢半拍。但市場重心正在從「訓練」轉向「推論」，特別是 代理工作負載（Agentic Workloads）——AI Agent 接下任務、自主呼叫工具、來回多步驟推理——這類負載要的不是萬卡互聯，而是大量、便宜、低延遲、可彈性調度的單卡或小叢集。

這恰好是 Nitro 架構的強項：CPU 與加速器解耦、虛擬化開銷極低、可以更細粒度租用計費。再搭配 Annapurna Labs 迭代多代的 Trainium / Inferentia，AWS 已經能在每美元推論吞吐量上挑戰 NVIDIA 主流產品。Andy Jassy 在 Q3 財報罕見揭露：自研晶片業務年增超過 150%（CIO Dive）。

Anthropic：Trainium 最大的活廣告

2026 年 4 月，Amazon 宣布在原本 80 億美元投資之上，再追加最高 250 億美元投資 Anthropic，並搭配長達多年、總額逾 1,000 億美元的算力承諾，雙方共建的 Project Rainier 已部署超過 100 萬顆 Trainium2，成為全球最大算力叢集之一（Anthropic 公告、CNBC）。

這筆交易最精妙的地方：亞馬遜投出去的錢，幾乎全部會以 AWS 算力消費的形式繞回自家損益表。回報不只是股權升值（光 2025 Q3 就貢獻 95 億帳面利益），更重要的是把 Trainium 從「自研晶片實驗品」推升為「全球頂級模型實際使用的生產級晶片」——這個敘事，比任何 marketing 預算都划算。

三、雲端三強：表面同框，骨子裡完全不同的戰爭

Synergy 數據顯示，2025 Q3 全球雲端基礎設施市場已突破 1,070 億美元，AWS 約 30%、Azure 約 20%、GCP 約 13%（CRN）。但只看市佔率會嚴重低估三家的差異：

  • AWS：基礎設施飛輪本身。營收結構是長尾、跨產業的數百萬企業客戶，傳統雲端工作負載仍是壓艙石，AI 是加分項。
  • Azure：Microsoft 帝國的延伸通路。約三成營收與 OpenAI 直接相關，其餘靠 M365、Dynamics、GitHub Copilot 等自家應用拉動，本質是企業關係 + 自家 SaaS 飛輪。
  • Google Cloud：搜尋與 Gemini 的副產品。TPU + Gemini 形成自有堆疊，AI 工具是強項，但企業銷售與生態系仍在追趕。

更深一層的差別在於 資本支出的對應關係：Amazon 預估 2025 年資本支出 1,250 億美元、2026 還會再升；同樣的 10% 市佔差距，落在 AWS 身上是個 35% 營業利益率、現金流可以源源不絕餵回投資的事業；落在 Azure 身上是綁在 OpenAI 合約上的賭注；落在 Google 身上則還在跟內部其他 AI 預算搶資源。

2025 年 4 月，Amazon 用 ULA 的 Atlas V 發射首批 Project Kuiper 低軌衛星；到 8 月在軌已增至 102 顆（Reuters）。FCC 規定 Amazon 必須在 2026 年 7 月底前部署 1,618 顆才能保住完整頻譜配額——時間壓力非常實在。

外界很容易把 Kuiper（最近被併進「Amazon Leo」品牌）看成 Starlink 的跟風者，但這完全錯估了戰略意涵。對亞馬遜，這不是「我也要做衛星寬頻」，而是 「我需要一張屬於自己的低延遲全球連線網，否則 Prime Air 與下一個十年的實體運營會卡住」。當無人機機隊放大到覆蓋郊區與鄉村，地面 4G/5G 的覆蓋與延遲都會是瓶頸；要即時控制成千上萬架彼此互不干擾的無人機，幾乎只能靠自家低軌星座。

這跟 AWS 的劇本一模一樣——先用內部需求養出規模，再賣給外部。一旦 Kuiper 達到規模經濟，下一波付費客戶可能是車聯網與自駕車、全球 IoT 設備、海運礦業農業的偏遠 B2B 連線、以及美國國防部與盟友的軍用通訊備援。換句話說，Kuiper 的天花板不在於能不能取代 Starlink，而在於能不能複製 AWS 從「自己用」到「賣給整個世界」的那條曲線。

五、為什麼亞馬遜不像 Google、Meta 那樣對 AI 焦慮？

把鏡頭拉遠看一個有趣的現象：科技巨頭對 AI 的焦慮程度，與它們扎根實體世界的深度成反比。

亞馬遜與蘋果的核心利潤池建立在物流、零售門市、晶片供應鏈、終端裝置上，AI 對他們是「工具」不是「身分」。所以兩家都選了「成本意識」的 AI 策略——不一定要擁有世界上最強的模型，但要確保能用最低成本存取最強的模型，並把它整合進現有產品。亞馬遜投資 Anthropic、蘋果接入 ChatGPT，本質都是延緩自研模型的資本支出，把錢花在更耐久的護城河上。

Google 與 Meta 的處境完全相反。生成式 AI 一旦取代「搜尋十條藍色連結」，Google 的廣告商業模式就有結構性風險；AI Feed 與創作工具則決定 Meta 下一代社交圖譜的主導權。所以這兩家別無選擇——不計成本自研最大模型、把推論能力塞進每個產品。他們在 AI 資本支出佔營收比上把亞馬遜遠遠甩開，因為他們是在保命，亞馬遜是在做生意。

六、值得持續追蹤的四個變數

  • 反壟斷：ASCS 大到第三方品牌沒得選時，會不會像 AWS 一樣面臨拆分壓力？
  • 推論利潤率：當邊緣裝置（手機、PC、汽車）能本機跑模型，雲端推論的長期 ARPU 能維持多少？
  • Anthropic 綁定的雙面刃：如果 Anthropic 將來必須上市或分散投資人結構，「Trainium 即 Claude」的綁定優勢還能維持嗎？
  • Kuiper 執行風險：若 ULA、Blue Origin 火箭排程一再延宕，FCC 期限會逼亞馬遜接受不利條件嗎？

亞馬遜剛好就是過去二十年最擅長把「基礎設施」變成「生意」的公司。投資人該換掉的估值框架不是「亞馬遜算不算便宜的零售股」，而是把它當成「用零售飛輪替其他基礎設施事業融資的控股集團」。下一個十年真正值得問的問題不是亞馬遜會不會贏，而是——還有多少產業，最後會發現自己的基礎設施帳單，付給的是同一家公司。

延伸閱讀