2023年亚马逊研究报告：复盘启示录，生成式AI开启亚马逊云下一个黄金十年

1. 投资分析

核心数据预测：我们预计亚马逊 2023E-2025E 的营业收入分别为 5,703/ 6,602 / 7,597 亿美元，分别同增 11%/ 16%/ 15%。 核心假设： 1）零售业务增长趋于平缓； 2）24、25 年广告主投放需求复苏促使广告业务收入增速提升； 3）AWS 云计算业务将逐步受益于 AIGC 变现，释放增长动能； 4）由于云业务收入占比持续提升、IaaS 云规模效应凸显，公司利润 率水平将有所提升。

2. 核心信息与逻辑：云计算将二度演绎零售的发展逻 辑，孵化出更高壁垒与利润的生成式 AI 业务

通过复盘亚马逊两大增长曲线零售和云业务的发展逻辑，我们发现 两者有高度相似性： 1）零售阶段：自营电商作为业务起点，公司将其定位为现金流来源 （Cash Generator），滚动的现金流雪球相继投入到物流建设与 Prime 会 员权益中，强化零售护城河的同时延伸开拓商业模式更好、利润更高的 平台电商模式（抽佣 8-15%）实现盈利，进而利用零售生态资源（数据 +渠道+流量）与现金流孵化出更优质的广告生意作为零售业务的盈利来 源（Profit Generator）。 2）云计算阶段：零售阶段持续提升的利润与现金流被投入到第二增 长曲线云业务中，完成 IaaS 云数据中心建设与市场垄断，进而向上孵化 出更高利润的 PaaS 云服务提升盈利。基于目前公司的生成式 AI 业务同 样具备云生态资源（算法+算力+数据+社区流量）和庞大的现金流基础， 我们看好该业务呈现与零售广告相似的发展逻辑，成为商业模式更优、 壁垒更高的全新增长点。

一、 业务层面

1）低利润、重资产的生意作为起点：1P 自营电商对应 IaaS 基础设施云服务； 2）较高利润、轻资产的好生意实现盈利：3P 平台电商对应 PaaS 平 台云服务； 3）高利润、高壁垒的好生意拔高盈利：广告服务对应生成式 AI 云。

二、 竞争优势层面

1）建设基础设施形成规模效应：物流体系对应 IaaS 云数据中心； 2）丰富的服务类别强化用户粘性：Prime 会员权益（流媒体/云储存 /购物折扣/物流服务）对应 Paas 层丰富多样的功能与数据工具（aPaaS/I PaaS/AIPaaS/BDPaaS）； 3）长期的低价领导者：零售商品的低价对应云服务的低价。

引言：我们将会在下文第三部分复盘零售业务、在第四 部分复盘云业务的发展逻辑，从而呈现两个阶段的相似性 并解答本文的核心问题：“为何我们看好公司生成式 AI 业务的未来发展”。

3. 从历史与财务双视角观零售业务的发展逻辑

零售的发展逻辑：自营电商作为业务起点，公司将其定位为现金流 来源（Cash Generator），滚动的现金流雪球相继投入到物流建设与 Prime 会员权益中，强化零售护城河的同时延伸开拓商业模式更好、利润更高 的平台电商模式（抽佣 8-15%）实现盈利，进而利用零售生态资源（数 据+渠道+流量）与现金流孵化出更优质的广告生意作为零售业务的盈利 来源（Profit Generator）。

具体可以分为 3 个阶段： 1）自营电商起家：公司以低价吸引用户、亏损换增长将该业务打造 为现金流的核心来源，并利用现金流完成品类/地域扩张与物流建设。 2）平台电商引流：为了进一步扩张品类与提升用户体验，公司推出 Marketplace、Prime 与 FBA 服务，三者形成飞轮迅速扩大流量规模，公 司顺势收取“过路费”（商户佣金约 8%-15%）实现首次流量变现。 3）广告平台变现：凭借电商发展多年积累的零售数据与多投放渠道 （流媒体&电商平台）等生态资源，公司再度孵化出高转化率与利润率 的广告业务，进一步提高整体零售的利润和现金流，为随后投资建设云 业务打下现金流基础。

3.1. 复盘历史，看亚马逊如何迭代商业模式

1994 年-1999 年：依靠纯自营模式成为全球最大的电商公司。1994 年贝索斯基于图书市场的高增速与分散格局选择书籍作为冷启动产品， 种类丰富、低价与高周转等优势使其规模迅速扩大。1997 年营收增长超 过 8 倍，同年 5 月完成上市。上市后公司扩张地域至欧洲、拓展品类至 在线音乐、礼品玩具等。1999 年引入沃尔玛前物流副总裁莱特开始建设 仓储物流，到 1999 年亚马逊已成为全球最大的电商公司。 2000 年-2011 年：纳入第三方商家，打造平台飞轮。2000 年 11 月 为应对 eBay 的竞争亚马逊推出 Marketplace（3P 电商平台），支持第三 方商家与自营展开销售竞争，丰富品类供应的同时降低价格。2005 年 P rime 会员服务发布，会员可享受免费次日送达、流媒体等权益，公司以 此消除运费门槛并提升用户粘性。2007 年公司发布 FBA 物流服务，帮 助第三方商家完成用户下单后的分拣、包装、配送和售后工作，从而节省商家成本、提升粘性。Marketplace+Prime+FBA 三者互有协同并形成 飞轮效应，促使平台电商加速发展。

2012 年-2019 年：探索广告变现与线下零售。2012 年公司设立 Amazon Media Group、Amazon Marketing Services 和 Amazon Advertising Platform，首次为商家提供 ppc (pay per click)等广告工具，并在随后几年 利用站内零售数据与推荐算法实现更好的投放效果。2018 年公司整合三 大广告平台为 Amazon Advertising，精简服务流程与产品名称，提升广告 主体验（2019 年开始披露广告收入数据）。2015 年公司开设首家实体书 店布局线下零售；2017 年又以 137 亿美元收购拥有 450 家门店的全食超 市拓展食用杂货品类，为历史上规模最大的收购；次年无人收银便利店 Amazon Go 开设，落地科技优化购物体验的策略。 2020 年-至今：广告成为核心盈利点。Axios 数据显示亚马逊广告的 经营利润率可能远超 50%，意味着其贡献的经营利润与 AWS 一样多； 基于广告的高利润率，亚马逊开始将其作为零售的核心盈利点，根据 Marketplace Pulse 数据，自 2017 年起若零售业务剥离广告部分，其经营 利润将由正转负，2020-2022 年间广告收入 CAGR 达到 38%。

3.2. 复盘财务，看亚马逊如何践行长期主义

3.2.1. 商业模式不断优化带动利润与现金流提升

自营电商：占用上游资金实现业务扩张与物流建设。从净利率来看 公司在纯自营阶段始终处于亏损，然而却在较少的融资下迅速扩张成为 全球最大电商平台，其原因在于利用负现金转换周期积累现金流： 1996-2001 年亚马逊现金转换周期保持在-32 以下，意味着公司至少 能在收到用户款项的 32 天后才付款给供应商，期间可占用这笔资金用 作资本开支，同时现金流会伴随经营规模扩大而增长，因此公司在扩张 中占用了越来越多的上游资金。此外，日益提升的市场地位也延长了付 款给供应商的时间，最终得以维持低价并完成物流体系建设。

平台电商：打造飞轮持续引流，流量变现实现盈利。在 2008 年致股 东的信中，贝索斯提到他认为决定用户体验的关键要素为低价、品类丰 富度和物流配送，公司也正是基于该要素打造出持续引流的飞轮模型： 1） 推出 Marketplace 吸引第三方商家入驻，与自营竞争降低价格； 2） 低价吸引了用户，带动商户和品类丰富度增加；3） 发布 Prime 降低用户运费门槛（每年缴纳 79 美元会员费即可享 受无限次包邮），推出 FBA 为第三方商家提供相对自发货更具 成本和履约优势的物流服务，能在提升用户体验的同时获得更 多平台流量倾斜，从而吸引更多商户采用 FBA，提升配送效率； 4） 价格、品类丰富度和配送效率的优化带动供需端流量持续增加。 后文我们将用数据将该逻辑一一论证。 变现模式上，公司在用户端收取会员费，在商户端收取开店费、交 易佣金与 FBA 服务费等，在 2002 年实现首次年度盈利（EBITDA 转正），2022 年第三方商家收入占比升至 23%成为第二大收入来源。

广告：巧用渠道与数据等零售生态资源优势成长为新的盈利点。渠 道方面，公司利用 1P+3P 电商积累的现金流与提升用户体验的初心，在 2011 年通过收购开启流媒体业务，以免费服务的形式纳入 Prime 会员权 益中吸引更多用户，目前已拥有电商平台、流媒体与第三方网站等多种 投放渠道。 转化率方面，公司结合多年积累的用户消费数据与兴趣推荐算法实 现了相较谷歌和 Facebook 更高的交易转化率，促使其在美国在线广告市 场的份额由 2016 年的 2%迅速提升至 2023 年的 15%。广告已成为零售 业务的核心盈利点。

3.2.2. 高资本开支 Capex 打造物流规模化壁垒

全球物流网络叠加智能物流技术构筑高效物流体系。 配送网络密集优势显著。2010 年以前公司资本开支主要用于物流建 设，疫情期间更是将美国仓储空间扩大了一倍，因此 2023 年公司在全球 运营超过 400 个履约中心、150 个分拣中心和 1000 个配送站，平均单 个履约中心占地约 80 万平方英尺，可雇用超 1500 名员工。Supply Chain Dive 数据显示 2021 年 77%的美国人距离亚马逊配送站的车程在 60 分 钟内。 智能物流技术领先。另一方面公司也不断投入智能物流技术加快网 络有效运转，包括 2012 年收购 Kiva System 以应用 AGV（无人搬运车）， 到 2020 年已有 4.5 万个 AGV；2013 年推出无人机服务 Prime Air；2017 与 2019 年分别收购无人配送车 Dispatch 与仓储机器人公司 Canvas Technology。

延续低价换份额增长策略，长期主义下履约费用率有望持续优化。 2010 年以前公司履约费用率随着物流规模上升从 2001 年的 19.7%持续 下降至 8.5%，凸显规模效应，而在 2010 年以后费用率持续上升，其原 因在于公司意图降低对第三方运力的依赖并且让自营物流与 USPS 等物 流巨头争夺市场份额，形成零售生态闭环，因此市占率自 2014 年后迅速 上涨。Pitney Bowes 数据显示若以包裹量计算市场份额，亚马逊的份额 在 2021 年增长至 22%，超过联邦快递 FedEx 跻身美国快递行业前三。 由于公司一直以“无附加费”作为卖点之一，我们认为短期的履约费率 上涨是公司以低价换份额策略一脉相承的体现，因此长期来看履约费用 率将随着份额提升而下降。 本土物流全面改革，费用率有望进一步降低。根据国家邮政局消息， 2023 年公司全面改革其在美的物流网络，过去全国性运营国内配送业务 的模式将改为 8 个大区域独立运作，同时调整搜索结果排名使用户购买 到距离最近的仓库商品，该举措减少了跨区域调货、使商品从运营中心 到客户的运输距离缩短15%，预计将进一步优化运输速度与履约费用率。

3.2.3. 再投资延续低价与 Prime 会员权益优势

亚马逊是长期的低价领导者。自创业以来公司便坚持低价吸引用户 的策略，主要体现在 1995-2011 年亚马逊作为在线零售商与平台电商， 毛利率却与线下零售商沃尔玛不相上下，同时在 2017-2022 年 Profitero 针对十余家美国头部零售商上万余件相同商品的价格研究中，亚马逊连 续六年蝉联低价榜首，2022 年价格比竞对平均便宜 13%，凸显了公司长 期的低价优势。

1）利用强议价能力掌握定价权。 自营模式下，公司实现低价的方式是利用议价能力降低采购成本， 从网站访问量来看，2021 年亚马逊已经成为全球访问量前五的网站，庞 大的流量规模带来议价能力优势，加上自营零售并非主要盈利来源，公 司因此能持续降低售价。 平台模式下，公司会一方面监控竞对平台的商品价格并在发现其余 平台售价更低后对商家发出“价格提醒”，告知其将失去部分销售优势如 流量分配等，卖家往往会选择在其余平台提价；另一方面推出 Sold By Amazon（SBA）服务获取商品定价权，平台在商家注册后将利用定价引 擎为其实时动态定价，同时提供最低总收入（MGP, Minimum GrossProceed）金额保护其利润，以此给予用户有竞争力的价格。

2）通过跟卖与黄金购物车鼓励商家竞价。 “跟卖”规则是指当卖家创建了一条产品栏目后，其余卖家若要销 售相同的产品可以直接在该栏目下方进行报价，无需二次创建，避免搜 索结果出现大量重复商品。Buy Box（黄金购物车）是买家在亚马逊购物 时最直观的加购物车位置，位于商品页面右上方，平台会结合物流、价 格、库存等指标选取最优商家成为 Buy Box 的默认卖家，次优商家则会 移至下方的跟卖区域。由于超过 80%的订单都是通过 Buy Box 产生，因 此卖家有充足的动力为入选而竞争，平台将价格作为高权重指标得以鼓 励第三方商家降价销售。

Prime 体系带来超预期体验，会员数与收入规模齐增，会员年消费 金额（1400 美元）远高于非会员（600 美元）。公司于 2005 年推出 Prime 会员以解决用户在配送费用和时效方面的痛点，后者每年缴纳 79 美元 的固定会费即可享受无限次的两天到货服务，从当时的配送费来看用户 每年只需下 9 个订单即可回本，因此极具吸引力。随后公司陆续增加购 物优惠、流媒体、云储存等三十余项权益大幅强化会员性价比，促使 2022年全球 Prime 会员数达到 2.2 亿，其中在美渗透率高达 63%，收入规模 与增速均高于会员制鼻祖 Costco。Prime 不仅为平台带来具备高粘性的 用户，提供会员费收入，还提升了人均成交额，2018 年 Prime 会员平均 在平台消费 1400 美元，非会员则仅消费 600 美元。

Prime 的不可复制源于权益价值远超会员价格，背后是公司多年利 用现金流建设基础设施的结果。 Costco 采取的经营策略是“低价商品引流、会员费盈利”，2022 年 毛利率为 12.1%，会员费贡献利润达到 72.3%，其会员权益主要集中于 购物优惠等。 而 Prime 的权益除与购物相关外还包含流媒体、阅读、云储存等服 务，若以竞品月费量化上述权益的价值（如视频流服务的 Netflix、音乐 流服务的 Spotify 等）总计应为 784 美元，而 139 美元的 Prime 年费相比 具有极高的性价比。公司能提供大量权益的原因在于初期并不急于依靠 Prime 盈利，而是利用权益不断吸引并留存用户，带动零售规模与现金 流扩大，再将现金流投入物流、零售、AWS 等基础设施建设中扩充权益。

4. 云计算业务的发展逻辑与零售业务一脉相承

云业务发展逻辑：零售阶段持续提升的利润与现金流被投入到第二 增长曲线云业务中，完成 IaaS 云数据中心建设与市场垄断，进而向上孵 化出更高利润的 PaaS 云服务提升盈利。基于目前公司的生成式 AI 业务 同样具备云生态资源（算法+算力+数据+社区流量）和庞大的现金流基 础，我们看好该业务呈现与零售广告相似的发展逻辑，成为商业模式更 优、壁垒更高的全新增长点。

4.1. 从 IaaS 到 PaaS，云计算二度演绎零售发展逻辑

公司凭借零售现金流打造 IaaS 规模经济壁垒，进而向上布局 PaaS 提高盈利水平，最终实现高市占率与高利润率。2006 年 AWS 推出核心 产品 EC2 与 S3 后开启云业务，2022 年在核心零售亏损的情况下，云业 务贡献了 228 亿美元的经营利润，为公司核心盈利来源。结合历史与财 务表现来看，云业务的发展逻辑包括如下三个阶段：

1）2006-2010 年：以“低调”的财务表现开拓市场。2006 年 AWS 推出 EC2 与 S3 后开启云业务变现，尽管赶上了一波互联网创业潮，但 彼时贝索斯在定价上沿用低价换增长的策略，故云的高利润属性并未体 现在整体毛利水平上，EBITDA 利润率反而有所下滑，使得 其余互联网巨头并未意识到其中的机会。低盈利水平导致公司对云的投 入也较为克制，表现为期间的研发费用率略有下滑、年新增功能数仅有 二十余个，资本开支也因为主要集中于常规的物流扩张 而并未呈现显著的增速上升。

2）2010-2014 年：规模经济下利润水平开始攀升。2010 年云业务已 经得到了广泛的市场认可，竞争对手谷歌与微软分别于 2008 与 2010 年 推出了首款云产品。公司为应对竞争也开始加码投入，表现为资本开支 同比大幅提升 162%、研发费用率开启上涨趋势， IaaS 规模加速扩大下固定成本开始被摊薄，推动 2011-2014 年公司毛利 率由 22.4%上升至 29.5%，EBITDA 利润率也略有上升。

3）2015 年-至今：聚焦 PaaS 领域，以轻资产模式扩大盈利水平。 2011 年公司基于 IaaS 核心产品 EC2 推出首个 PaaS 平台 Beansta lk，获 得市场认可后开始大幅新增 PaaS 功能，2015 年 PaaS 核心数 据仓库服务 RedShift 成为历史上增长最快的产品，同时资本开支与折旧 费用的增速开始显著下降，表明公司研发由 IaaS 云逐步 向 PaaS 云转移。 2016 年 AWS 开始投入前沿技术如 AI 与机器学习、边缘计算等，其 结果是 AWS Op Margin 与毛利率迅速提升。因此即便公司在 IaaS 云延续了低价引流策略，十年间累计降价 82 次，但依靠 PaaS 云的 高利润依旧使 AWS Op Margin 向微软靠拢。（微软从 SaaS 层自上而下布 局，理应具有较高利润水平）

4.2. 再度聚焦基础设施、价格与品类要素，高筑云计算护城河

4.2.1. IaaS 云规模化与低价壁垒造就寡头地位

IaaS 卖的是资源，具备重资产与天然垄断属性。业界通常将 IaaS（基 础设施即服务）提供的计算、储存、网络等资源比喻为水电煤等基本生 产资料，反映该服务标准化、同质化的特点；同时该资源不能离用户太 远，因此云厂商需要在不同区域投入大量资本开支购置服务器、交换机 等固定资产部署在用户周围，随着用户积累规模扩大，固定成本持续摊 薄形成规模经济后将有效阻止新的竞争对手入行，形成寡头格局。

规模效应与价格壁垒下 AWS 成为 IaaS 云市场最大寡头。多年资本 支出下 2023 年 AWS 在全球 32 个地理区域内运营着 102 个可用区，入 网点（不同网络或通信设备相互建立连接的接入点）超过 550 个，服务 器超过 1030 万台，在基础设施规模上遥遥领先于微软 Azure 与谷歌云。同时 AWS 将其固定成本摊薄的规模化优势以低价方式表现 出来，2011-2020 年间 AWS 累计降价达 87 次，促使其在 2022 年依旧保持 40%的高市占率。

4.2.2. 产品协同与丰富度优势助力整合 PaaS 云市场

PaaS 卖的是技术，具备轻资产与差异化属性。PaaS（平台即服务） 处于 IaaS 与 SaaS（软件即服务）之间，指为开发人员提供开发软件所需 的运行环境，包括编程语言、工具和解决方案等；以餐厅为例，厨师（开 发者）做菜（软件）首先需要水电煤（IaaS 资源），其次需要包含厨具、 调料、菜谱等的后厨环境（PaaS 资源）。 轻资产属性：基于 PaaS 厂商提供服务器端功能帮助客户节省开发 步骤，可以看作本质上是在出售大厂的技术积淀，更高的技术门槛与轻 资产模式随之带来高利润。 差异化属性：由于客户通常为企业，而不同领域和业务线的开发者 具有不同需求，需要的开发工具种类也更多，因此 PaaS 云对比同质化的IaaS 云具有更强的差异性。具体来看 PaaS 层包括 APaaS（应用程序平台 即服务）、IPaaS（集成平台即服务）等，Gartner 将 PaaS 产品 分为 22 个子类，亦反映市场差异程度更高的特征。

看好 AWS 以 IaaS客户基本盘与产品丰富优势持续整合 PaaS市场。 从产品开发历程来看，AWS 以 EC2、S3 等 IaaS 产品为核心自下而上延 伸开发 PaaS 产品满足客户需求与提高盈利，如首款 PaaS 产品 Elastic Beanstalk 便是基于 EC2 的虚拟机技术研发，用户通过 EC2 远程控制服 务器后，便可接着利用该托管服务实现代码的自动部署，二者高度融合 的产品开发逻辑也随后应用至更多品类。基于公司已在 IaaS 云构建了庞 大的客户基本盘，我们认为其将持续向 PaaS 云转化，正如 Bernstein 数 据显示 2015-2020 年公司 PaaS 层收入 CAGR 达到 53%，收入占比升至 云收入的 20%。产品丰富度方面，Gartner 报告显示 2022 年 AWS 提供 超过 200 项云端服务，为全球功能最齐全的云厂商，基于 B 端客户需求 多样的特征，我们看好 AWS 持续整合市场。

4.3. 今日的广告乃明日的 AIGC，长期将带动云利润水平提升

4.3.1. 参考广告，公司已具备孵化 AIGC 业务的云生态土壤

公司之所以能孵化出广告业务，原因在于充分利用了零售生态中的 资源如电商平台/流媒体/第三方平台等渠道资源、用户评价/产品销量等 数据资源、以及粘性较强的流量资源，零售生态是该生意最坚固的壁垒。 而如今的生成式 AI 业务也是建立在云计算生态之上，生态资源包括机 器学习/AI 算法资源、芯片/服务器等算力资源、零售数据集/云数据库管 理系统等数据资源、全球云社区的流量资源等，因此我们看好公司凭借 “生态资源与现金流”的前置要素孵化出 AIGC 业务。

4.3.2. 大模型变现是高壁垒生意，公司全产业链资源优势显著

模型层：AWS 拥有丰富的大模型资源库，包括自研大模型与合作伙 伴的模型生态。AWS 的自研大语言模型 Amazon Titan 于 2023 年 4 月发 布，其中包含类似 GPT-4 内容生成的文本模型以及用于创建搜索功能的 嵌入模型，尽管官方尚未公布 Titan 的参数、训练数据量等数据，但从客 户合作案例来看其模型能力已经受到市场认可。 模型生态方面，AWS 推出 AI 云托管服务 Amazon Bedrock，允许用 户通过单一 API 使用来自 Meta、Stability AI 等公司的先进大模型构建应 用。9 月亚马逊宣布对 Anthropic 投资 40 亿美元并成为其首选云供应商， Anthropic 将授予 AWS 旗下所有大模型的访问权，进一步扩充模型库， 而 Claude 仅次于 GPT-4 的评分将助力公司大幅提升模型层能力。

算力端：通过自研 AI 芯片实现模型低成本落地。对比其他云厂商， AWS 在算力端具备成本优势，这也是大模型落地最大的痛点之一。AWS 除能提供 AMD、英伟达等公司的 GPU，还能提供自研的 AI 训练芯片 Trainium 与推理芯片 inferentia： 1）训练芯片：基于 Trainium 的 Trn1 实例对比通用的 GPU 实例可 提升训练吞吐率 1.2-1.5 倍、将成本降低 1.8-2.3 倍； 2）推理芯片：基于 inferentia 的 Trn1 实例对比通用的 GPU 实例可 降低 70%的成本，而第二代 inferentia 进一步提升了 4 倍吞吐量，延迟降 低 10 倍。2023 年 4 月 AWS 又推出基于自研 AI 芯片的两大 AI 计算“实 例”Amazon EC2 Trn1n 和 Amazon EC2 Inf2，与同类的 Amazon EC2 实例 相比，性价比提升了 40%，并且把云中推理成本降到最低。

数据端：海量用于机器学习的数据资源与 PaaS 层数据管理软件优 势。数据集方面，公司依托旗下电商平台在多年来积累了大量数据集用 于机器学习任务，如评论数据集、图书数据集、产品元数据等，2020 年 10 月 Amazon 消费者业务正式完成对 Oracle（甲骨文）数据库的迁移工 作，将近 7500 个 Oracle 数据库、75PB 级数据库全部迁移到 AWS 云数 据库服务，将为大模型训练持续提供数据源。 PaaS 层数据管理软件方面，Gartner 数据显示 AWS 连续八年在云数 据库管理系统魔力象限报告中被评为“领导者”，并在全球数据库管理系 统（DBMS）市场中占据第一的份额，将有利于客户在定制模型期间获 得最佳的数据管理、调用和分析体验。

应用端：具备“AI+电商”与消费电子作为落地场景。对于电商场景 我们预计 AIGC 的用途包括：生成商品 3D 模型供展示和虚拟试用、生 成广告营销文案与海报、生成广告视频、智能客服、虚拟购物助手等。 而消费电子方面，公司于 2014 年推出的由 Alexa 系统提供支持的第 一代 Echo 智能音响设备如今覆盖美国四分之一的家庭，因此 CEO 计划 用类似 ChatGPT 的聊天机器人改造 Alexa，强化其智能水平与交互体验。

4.3.3. AWS 聚焦 B 端用户推出三类 AIGC 服务

与微软、谷歌从 C 端切入不同，AWS 聚焦 B 端客户推出三类工具： 1）算法端：推出 Amazon Bedrock，允许用户通过单一 API 选择来 自 Anthropic、Meta 等公司的先进大模型，并使用少量的自有数据示例 训练定制模型应用（Fine-tuning 微调）； 2）算力端：专门针对生成式 AI 模型训练推出由 Trainium 支持的 Trn1 计算实例，可节省高达 50%的训练成本，针对模型推理则推出由 Inferentia2 支持的 Inf2 实例，对比上一代的吞吐量提高了 4 倍，延迟降 低了 10 倍； 3）应用端：推出编码助手 CodeWhisperer，能在开发者编程时自动 推荐代码片段，将平均开发速度提高 57%。

Amazon Bedrock 收费覆盖定制微调、推理和预配置吞吐量。AWS 通过 Amazon Bedrock 提供全托管的模型定制服务，目前官网显示 5 种 大模型 API 可供调用，按照模态可分为文本类与图像类，对于文本生成 模型用户仅需为输入和输出的 Tokens 数付费（Token 是指模型学习理解 用户输入并提示生成结果的基本单位，100 tokens 约等于 75 个英文单 词）；对于图像生成模型仅需为生成图像的数量和分辨率付费。具体而言 以使用 Titan 为例可分为三部分： 1）定制微调/模型训练：该阶段需要对训练数据量、训练时长和模 型保存时间收费； 2）推理：按输入和输出 token 数计费； 3）预配置吞吐量：若用户需要训练多个定制模型则必须购买 1 个月 或 6 个月的承诺期限计划来扩大训练吞吐量，按照训练时长收费。

EC2 Trn1 与 EC2 Inf2 实例均沿用 EC2 按需付费的模式。该产品针 对有大模型训练需求的用户推出，其中 EC2 Trn1 基于模型训练的时长收 费，根据实例大小与性能不同提供3种产品，分别收取每小时1.34、21.5、 24.78 USD。EC2 Inf2 基于模型推理时长收费，根据实例大小与性能不同 提供 4 种产品，分别收取每小时 0.76、1.97、6.49、12.98 USD。

CodeWhisperer 面向组织用户收取固定月费。目前 CodeWhisperer 提供两个套餐：1）个人套餐：个人开发人员可以免费使用，套餐提供代 码建议、引用跟踪和安全扫描功能；2）专业套餐：面向组织用户收取 19 USD/用户的月费，除了个人套餐提供的功能外，该计划还为组织提供管 理功能，管理员可决定哪些开发人员有权使用，以及在组织层面设置服 务策略，例如规定是否允许开发人员接收可能与特定开源培训数据相似 的代码建议。

4.3.4. 大模型将解决多云趋势下的盈利痛点，看好 AWS 利润率提升

大模型有望解决云厂商在多云趋势下盈利下滑的痛点。随着公有云 市场发展走向成熟，“公有云+私有云”的混合云方案将成为新的增长点， 然而私有云对比公有云需要做更多个性化定制、难以实现标准化，导致 利润率较低。参考中国云厂商的经营可知在该趋势下云厂商的痛点在于 营收与盈利增长悖论：若承接大量定制化政企项目则会降低利润，若只 卖标准化的云产品则会降低营收。而应用 AI 大模型将有效提升盈利： 1）高成本促使企业转向公有云部署：由于模型算力成本太高、迭代 速度太快，企业客户天然会更倾向于公有云的部署模式。未来即使要私 有化部署，也会形成 6 月-1 年周期升级的“类订阅”节奏，不同于过去 私有化项目一次性资本支出的逻辑； 2）优化商业模式，降低项目交付成本：过去面对碎片化业务场景与 繁多的长尾需求，AI 技术的泛化能力不足、导致云厂商只能将业务做成 低毛利的项目制模式。而应用大模型后上层软件平台有更强的通用、泛 化能力，底层技术细节差异被封装屏蔽，AI 落地时无需太多精调数据和 训练轮数，便降低了传统项目的交付难度与成本。

我们认为生成式 AI 业务将成为亚马逊云生态的下一环节，长期有 望形成订阅制商业模式带动云利润水平提升。基于以下原因： 1）大模型平台标准化程度高：相比其余类别繁多的 PaaS 平台，大 模型平台是通用泛化能力更强、可实现复用、具备海量需求、更加标准 化的产品，经过下游客户多次调用定制后能持续摊薄训练成本。 2）能形成更好的订阅制商业模式：用户为了更好的使用效果需要不 断更新数据与训练模型来优化能力，因此持续的训练和推理需求将形成 “订阅制的商业模式”，从而不断强化粘性与长期利润水平。 3）模型全生命周期收费提供巨大的提价空间：公司从预配置吞吐量、 训练、推理和保管等模型全生命周期均有收费，未来的提价空间巨大。

因此尽管 AI 相关的资本支出在短期内对 AWS 利润率造成压力，但 我们相信公司三十年如一日的长期主义、不断开拓更好生意的战略眼光、 以及云生态的资源禀赋，认为 AIGC 将成为未来云的盈利来源（Profit Generator）。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）