亞馬遜砸2200億美元投資AI仍遠不夠！CEO：AI業務年化收入超250億美元、2027算力幾乎售罄
亞馬遜(AMZN-US) 執行長賈西（Andy Jassy）表示，生成式人工智慧（AI） 帶動的算力需求持續飆升，即使亞馬遜今年投入 2,200 億美元，仍有大量潛在需求無法滿足。他透露，亞馬遜 2026 年的算力產能已全數售罄，2027 年也幾乎售罄，甚至連 2028 年的大部分產能都已售出，凸顯 AI 基礎設施供不應求的現況。
賈西近日接受創投公司 a16z Podcast節目專訪，與 a16z 共同創辦人 Ben Horowitz 深入討論亞馬遜的 AI 戰略，從雲端運算投資、自研晶片到企業應用及內部組織轉型，說明公司如何因應生成式 AI 帶來的需求變化。
面對市場對科技巨頭大舉投入資本支出、恐導致產能過剩的疑慮，賈西強調，目前的需求成長速度前所未見，亞馬遜仍面臨供給不足，而非投資過剩的問題。
AWS AI 業務年化營收逾250 億美元 算力需求提前鎖定
賈西指出，生成式 AI 帶動的業務成長，遠超過亞馬遜雲端運算服務（AWS）創立初期的發展速度。
他回顧，AWS 創立前三年，年化營收運行速率約為 6,000 萬美元；但在生成式 AI 浪潮的前三年，AWS AI 業務的年化營收運行速率已超過 250 億美元，成長速度達當年數百倍。
對於大規模資料中心投資是否可能形成沉重負擔，賈西則從建置週期與設備採購的差異解釋亞馬遜的資本配置策略。
資料中心建築通常需要提前約兩年投資興建，使用年限則可達 30 年；伺服器與網路設備的採購時間相對較短，只需提前數個月。這讓亞馬遜能依據客戶需求調整設備部署，不必在資料中心完工後立即將所有設施投入運作。
賈西表示，若發現需求不足，公司便不會進一步採購伺服器與網路設備。他也指出，多數伺服器合約期限為五年，通常約三年便可達到損益平衡。
他認為，在業務高速成長的初期，大規模投資確實會對自由現金流形成壓力，但隨著設施逐步上線並開始產生收益，相關投資將帶來可觀回報。
資料中心環保爭議升溫 賈西：不能放棄基礎設施建設
除了資本支出，資料中心的能源消耗與環境影響，也成為美國公共政策討論的焦點。
賈西將當前的資料中心建設比擬為美國 1950 年代興建高速公路與橋梁的基礎設施投資，認為這類建設攸關國家長期競爭力。
他警告，若美國不持續擴建資料中心，可能讓中國等國家在相關技術領域取得主導地位，進而影響美國在國內及全球市場的競爭位置。
針對用水爭議，賈西反駁部分外界說法，稱高爾夫球場的用水量約為亞馬遜資料中心的 200 倍，前者兩天的用水量就超過後者一整年的用水量。他也提及杏仁種植業，認為其他產業的用水消耗同樣值得納入比較。
在備用發電機的污染問題上，賈西表示，相關排放量申報必須以全天候滿載運作為基準，但亞馬遜備用發電機實際上每年僅運轉約 0.1% 的時間，約 10 小時，主要用於維護。
AI 推理成本仍太高 亞馬遜加碼自研晶片
談到 AI 市場需求，賈西提出「槓鈴型」結構，將目前的主要需求分為兩端。
一端是 AI 研究實驗室，消耗大量算力進行模型開發與訓練；另一端則是企業利用 AI 降低成本、提升生產力，例如自動化客服與業務流程。
兩端之間，則是企業現有的生產系統與工作負載。賈西認為，目前多數企業尚未大規模將 AI 推理技術導入既有應用，但未來五至七年，幾乎所有現存企業應用都可能深度運用推理技術。
不過，要讓 AI 真正普及至企業日常營運，關鍵仍在成本。
賈西指出，過去幾年 AI 推理成本雖已大幅下降，但目前仍比理想水準高出一個數量級。若企業必須將原本運行於 CPU 的應用程式重新改寫，以配合 AI 加速器運作，成本差距便可能成為導入障礙；只有進一步降低推理成本，企業才更有誘因進行轉型。
這也是亞馬遜持續發展自研晶片的原因之一。賈西高度評價亞馬遜 2015 年收購晶片設計公司 Annapurna Labs 的交易，稱其為亞馬遜史上最成功的收購案。
他表示，亞馬遜自研的 Graviton 處理器，相較其他 x86 處理器具備約 40% 的性價比優勢；Trainium AI 加速器的性價比則高出約 30% 至 40%。亞馬遜希望藉由自研晶片降低運算成本，進一步擴大 AI 應用市場。
AI 重塑亞馬遜組織 6 名工程師完成過去40 人一年的工作
生成式 AI 不只改變亞馬遜對外提供的雲端服務，也正在重新塑造公司內部的產品開發與人力配置。
賈西透露，亞馬遜 Bedrock 團隊曾以 6 名工程師、76 天的時間重構推理引擎；過去要完成同樣工作，則需要約 40 名工程師投入一整年。
他認為，AI 將改變企業擴張時對人力的需求。隨著模型能協助完成更多工作，未來企業即使持續擴大業務規模，也不一定需要像過去一樣增加人手。團隊規模可能縮小，員工則必須具備跨職能工作的能力。
在產品策略上，賈西也認為，單純改善既有功能已不足以因應生成式 AI 帶來的變化，企業必須重新思考產品的核心設計。
他以 Alexa 為例指出，這項產品最初的設計理念雖具創新性，但生成式 AI 已大幅改變技術能力的邊界。若要打造具競爭力的使用體驗，就必須重新建構 Alexa 的核心能力。
賈西表示，這種轉型不會只發生在 Alexa。亞馬遜零售業務、Prime Video 及音樂服務等主要消費者產品，未來幾年也都必須結合 AI，重新構想產品體驗。
他認為，企業可能因既有經驗與歷史包袱而抗拒徹底改造，但若只追求漸進式改善，未來三至五年便可能在競爭中遭到淘汰。