实验室的预算表格，正在改写华尔街的算力战争

我刚进实验室的时候，导师让我先看一篇关于分布式训练效率的论文。看了三天，我发现一个奇怪的现象：论文里几乎所有的实验，都用了“足够”的 GPU 资源——不是几百块，就是几千块。但论文的致谢部分，往往写着“感谢某某云平台提供的算力支持”。我当时就想，这些云平台到底在背后花了多少钱买设备？这跟实验室申请经费买服务器，本质上是不是同一件事？

今天看到亚马逊即将发布第二季度财报的消息，焦点是云业务和资本支出。我突然觉得，这不就是在看一个超级实验室的年度预算表吗？

先看市场预期的核心数字。根据 CNBC 援引的分析师估计，亚马逊 Q2 营收预计在 1480 亿到 1520 亿美元 之间，AWS 云业务营收预计增长 18% 左右，达到约 260 亿美元。而资本支出（capex）这个数字，分析师预测会超过 900 亿美元——比去年同期高出 30% 以上。这个数字意味着什么？亚马逊今年全年的资本支出可能突破 1800 亿美元，相当于每天烧掉近 5 亿美元买服务器、建数据中心。

如果把这些数字拆开，跟同行对比一下，会更直观：

项目	亚马逊 Q2 预期	微软 Q2 实际（参考）	谷歌 Q2 实际（参考）
云业务营收增速	18%	21%	16%
资本支出增速	30%+	25%	20%
资本支出占营收比例	约 60%	约 40%	约 35%

亚马逊的资本支出占比几乎是其他两家的 1.5 倍。这就像三个实验室都买了新设备，但亚马逊买了三台，微软买了两台，谷歌买了一台半。

说实话，我一开始看到这个数字，第一反应是：亚马逊是不是在“赌”？赌未来 AI 算力的需求会爆发，赌 AWS 能靠基础设施规模逼退竞争对手。但仔细想想，这跟实验室买 GPU 的逻辑其实一模一样——你买得越多，训练速度越快，能跑的实验就越多，论文产出就越多。但问题是，买多了如果没实验跑，就是闲置浪费。

亚马逊现在面临的核心矛盾，其实就两个。

第一，AWS 的增速能不能撑得住这么高的资本开支？ 18% 的增长看起来不错，但跟去年同期的 22% 相比，已经明显放缓。更关键的是，AWS 的利润率正在被挤压。因为要跟微软、谷歌抢客户，亚马逊不得不降价，甚至提供免费试用额度。有分析师算过，AWS 每降价 1%，对营收的影响大概是 2 亿美元。而资本开支每增加 1%，对利润的影响是 1.5 亿美元。两边一夹，亚马逊的云业务利润率从去年同期的 37% 降到了今年预期的 34% 左右。

第二，资本支出到底投到哪里去了？ 亚马逊自己说，大部分钱花在 AI 基础设施上，包括训练芯片（Trainium 系列）、推理芯片（Inferentia 系列），以及新一代的液冷数据中心。但问题在于，这些投入的回报周期有多长。亚马逊的 Trainium 芯片目前只占 AWS 内部 AI 工作负载的 15% 左右，大部分客户还是用英伟达的 GPU。亚马逊自己造的芯片，到底能不能形成生态，还是个问号。

我觉得，亚马逊现在的处境很像一个刚发了顶会论文的博士生——手里有一堆数据，但还没跑通下一个实验。AWS 的云业务就是那个“已经发表的工作”，增速快但天花板隐约可见。资本支出就是“正在买的设备”，买的时候很爽，但怎么用出成果，需要时间。

从研究视角看，这里有一个很有意思的问题：资本支出的效率怎么衡量？ 在实验室，我们看的是每块 GPU 每天的利用率，是每个实验的算力成本。在亚马逊，他们看的是每美元资本支出能带来多少增量云收入。我查了一下，亚马逊的“增量资本产出比”（

原文链接：https://www.cnbc.com/2026/07/30/amazon-amzn-q2-earnings-report-2026.html