220亿美元砸下去，亚马逊CEO说2027年算力照样卖光
杰西说即使今年砸220亿美元资本开支，亚马逊依然主动留下一部分需求没满足——2026年容量已卖光，2027年大部分卖光，2028年也卖掉一大块，这笔钱花得值。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
2027年的算力已经基本卖光了
杰西说即使今年砸220亿美元资本开支，亚马逊仍主动留下一部分有意义的需求没满足：2026年容量已经卖光，2027年大部分卖光，2028年也卖出一大块。这意味着继续加码资本开支不是浪费，而是在真实短缺下做的理性选择，与市场担心的「AI泡沫、钱不够烧」形成直接对照。
— Andy JassyAWS的AI业务比AWS本身快了几百倍
AWS成立后头三年年化收入只有6000万美元，而这轮生成式AI浪潮头三年，AWS里仅AI业务的年化收入就超过250亿美元——按杰西自己的说法是「几百倍」的速度差。他用这组对比说明这轮AI需求的真实规模：不是营销叙事，而是公司内部从没见过的增长斜率。
— Andy Jassy220亿资本开支，两条账期完全不同
杰西拆解了亚马逊资本开支的现金周期：数据中心要提前约两年动工，但可用年限长达30年，而且只用建一次；服务器和网络设备只需提前几个月采购，但回本期约3年，更新周期约5到6年，多数合约签的是5年期。正因为数据中心先行、服务器滞后，公司在快速扩张期的自由现金流会先承压，等数据中心都装满服务器开始变现，账才会转正。
— Andy Jassy2015年买的芯片团队成了最赚的一笔收购
杰西说Annapurna Labs可能是亚马逊历史上最好的一笔收购，但当初买它根本不是为了押注AI芯片——起因是EC2服务器上虚拟化、网络、安全、存储这些功能占用了太多算力，公司想把这些功能卸载到芯片上，把服务器算力几乎100%留给客户。靠这支团队，亚马逊后来又造出CPU芯片Graviton（前1000大EC2客户99%在用，性价比比x86高约40%）和AI加速芯片Trainium（性价比比同类处理器高30%到40%）。
— Andy Jassy推理成本还贵一个数量级，是真正的卡点
杰西说推理成本这几年已经降了不少，但在他看来仍然「贵了一个数量级」，这才是企业级应用没有大规模用上AI加速器的关键卡点：如果用AI加速器重写现有应用的成本差距太大，企业需要的增量收益门槛就会很高；只有把推理成本打下来，门槛才会降低，应用才会普遍用上推理。Horowitz当场举例，自己团队有一名员工光做研究就花掉200万美元的推理费用。
— Andy Jassy6个人76天干完的活，过去要40人一年
Bedrock团队用6名工程师、76天重写了推理引擎，而同样的工作过去估计需要40人干一年。杰西说这类经历正在改写亚马逊对组织的设计：未来会用更少的人做同样的工作，团队规模会比现在小得多，而且成员要能跨职能干活，因为模型已经能把人带到80%完成度的起点。老牌大公司能不能做到这种速度，决定了它们会不会被AI原生的创业公司甩开。
— Andy Jassy模型找漏洞太快，补丁要从几周缩到几分钟
杰西认为这波AI最被低估的风险不是「邪恶机器人」这类科幻场景，而是眼前的网络安全问题：模型能找到的漏洞数量远超过去人工发现的。按这个速度，未来应用必须能在几分钟内响应安全威胁——而今天大多数公司从发现漏洞、分类、开发补丁到部署，流程本身就要拖很久。他的结论是：如果应用没有被改造成能由agent在几分钟内完成更新，企业在新世界里根本没有招架的机会。
— Andy Jassy重做Alexa比优化它难，但不重做就会被淘汰
Horowitz把AI时代的打法分成三种：削减成本、做前所未见的新东西，以及把已有的成功产品彻底推倒重来——Alexa就是第三种。杰西说Alexa原来的「大脑」设计在当时很先进，但生成式AI让「大脑」能做的事完全不同了，所以必须整个重写，即使这意味着放弃团队多年积累的经验和伤疤。他认为这个判断同样适用于Prime Video、Fire TV、生鲜零售等所有现有业务——不是微调，而是从零重新想象，否则三五年后就不会是赢家。
— Andy Jassy原话 · 已逐字校验
We always leave a certain amount for on demand, but 26 is obviously sold out. 27 is largely sold out. A good chunk of 28 is sold out.
我们总会给现货留一些配额，但2026年显然已经卖光了。2027年大部分卖光。2028年也卖出了一大块。
Andy Jassy0:00
the financial markets are saying things like, oh, there's not enough money in the world to finance these things.
金融市场在说，哦，这个世界上没有足够的钱来为这些东西融资。
Ben Horowitz9:33
In the first three years of this generative AI wave, our business, or just our AI business in AWS is over $25 billion in run rate. So it's several hundred times faster.
在这轮生成式AI浪潮的头三年里，我们这块业务，就光是AWS里的AI业务，年化收入就超过250亿美元。所以速度快了好几百倍。
Andy Jassy12:41
Is there, like, any business pressure to go, well, maybe we should buy out the old guys and sell them to the new guys because they'll pay us whatever.
有没有那种业务上的压力，让你觉得，呃，也许我们应该把那些老客户的份额买断，转卖给新客户，因为他们愿意出任何价钱。
Ben Horowitz22:57
it's one of the very best acquisitions we've done at amazon in the history of the company if not the best
这是我们亚马逊历史上最好的几笔收购之一，甚至可能是最好的一笔。
Andy Jassy28:12
But it's still an order of magnitude too expensive, in my opinion, for it to be used as pervasively as possible.
但在我看来，它（推理成本）还是贵了一个数量级，没法被尽可能普遍地用起来。
Andy Jassy32:18
the Bedrock team rebuilt your inference engine with six engineers in 76 days. And that would have taken 40 people a year.
Bedrock团队用6名工程师、76天重写了你们的推理引擎。而这件事本来需要40个人干一年。
Ben Horowitz36:30
we are living in an era of three of the biggest transformations in our lifetime, and maybe ever, between AI, robotics, and space development.
我们正处在一个时代，这是我们这辈子，甚至有史以来最大的三场变革之一：AI、机器人和太空开发。
Andy Jassy56:15
数字与实体
| 2026年资本开支 | 约2200亿美元 | 0:00 |
| AWS年化收入规模 | 1690亿美元，同比增长36.7% | 4:16 |
| AWS内AI业务年化收入（生成式AI浪潮前三年） | 超过250亿美元 | 12:41 |
| AWS成立后前三年年化收入 | 约6000万美元 | 12:41 |
| Amazon整体营收较2021年 | 增长约80% | 2:05 |
| AWS业务规模较2021年 | 增长近3倍 | 2:05 |
| 对Anthropic的投资 | 约180亿美元 | 33:22 |
| 对OpenAI的投资 | 约500亿美元 | 33:22 |
| Graviton芯片价格性能优势 | 比x86处理器高约40% | 31:17 |
| 某员工一段时间内的推理研究花费 | 约200万美元 | 33:22 |
术语
- barbell (demand)哑铃型需求
- 两端集中：AI实验室和爆款应用疯狂耗算力，企业端多用于降本，中间大片企业应用还没起量
- stateful runtime environment有状态运行时环境
- 能记住上下文状态的AI agent运行环境，杰西认为这是未来agent的标准架构
- NitroNitro芯片
- 把虚拟化、网络、安全等功能卸载到专用芯片，把服务器算力几乎全部留给客户
- Annapurna Labs安纳普尔纳实验室
- 亚马逊2015年收购的芯片团队，是Graviton和Trainium芯片的源头
收听指南
关注AI基础设施资本开支、云计算竞争格局的投资人和创业者，以及想理解大公司组织如何被agent重塑的管理者。
53:10附近关于年轻人如何用AI学习的部分偏通用建议，信息增量较低，可跳过。