2026年亚马逊公司研究报告：云计算进入AI推理时代，AWS有望后发先至

云行业：AI 云进入推理时代，看好三大云巨头后 续增长空间

1.1 云计算复盘：技术优势和云生态粘性共同主导竞争格局

传统云计算（CPU 服务器为主）的发展历程，实际上是云计算技术演进+云生态粘性形 成的过程，早期竞争由技术演进主导，中后期技术成熟后转向生态丰富度、服务质量主导。

1）传统云计算技术进步期（2006~2018）：技术演进主导竞争，云技术迭代快、企业 客户需求发掘、生态粘性逐步形成。传统云计算自 2006 年谷歌 CEO 埃里克·施密特提出以 来，云计算技术（包括分布式存储、容器化等）到 2018 年前后已逐渐趋于成熟，行业走过 了公有云起步期、混合云两大阶段。AWS 最早压宝 IaaS 环节，提供最基本的虚拟机单元 聚拢电商商户、中小企业主客户，获得了先发优势，奠定了云计算领导者地位，并由此逐渐 丰富 PaaS 层工具，构建云生态保持领先优势；微软在 2014 年纳德拉就任 CEO 确立云优 先战略后，凭借混合云战略+客户资源和软件业务协同的禀赋，迎合了大型企业安全合规、 冗余备份等需求，成为了仅次于 AWS 的云巨头。

2）传统云技术成熟期（2018~2022）：云迁移技术难度下降、生态丰富度粘性重要性 提升、多云提供冗余备份安全性+稳定性优势。AWS 和 Azure 在多年发展过程中，实现了云用户在云数据量增加、在云工作负载逐渐复杂、提供的 PaaS 层工具逐渐丰富，尽管容器 等基本技术成熟带来了对外迁移难度下降，但云生态的内生使用粘性仍在不断积累，因此 呈现不更换主力云（体现粘性）、增加备份云（体现迁移难度下降）的趋势。谷歌云在 IaaS 发力较晚，但通过提供数据分析、机器学习等领域的差异化云服务，叠加多云化趋势，逐步 获得市场份额，但仍难以挑战 AWS、Azure 的领导地位。该阶段云计算行业逐步向三大云 集中，实际上是多年积累的生态粘性、生态丰富度、云计算稳定性等优势叠加的结果。

进入 AI 云计算（GPU/AI ASIC 服务器为主）阶段以来，云底层算力硬件从 CPU 转向 AI 算力（GPU/ASIC）硬件，AI 云技术堆栈需重构，带来竞争格局的再洗牌。

3）AI 云计算技术进步期（2023-至今）：重回技术主导竞争，叠加传统云时期积累的 云生态粘性等竞争要素，看好传统云巨头（谷歌 GCP、微软 Azure、亚马逊 AWS）持续在 AI 算力、云计算形成技术优势取得市场份额。 AI 训练时代（2023-2024）大模型训练对云计算需求集中在计算密集、低延迟、高通信 速率、无损网络等，核心技术大多基于英伟达的 GPU 硬件+ InfiniBand 网络+AI Infra 框 架，云厂以英伟达硬件为标杆进行全套采购，提供的 AI IaaS 服务的差异相对较小，OpenAI 作为大模型领域的领跑者，其对算力的庞大需求使得微软 Azure 成为最大受益者（2023Q1 以来Azure市场份额快速提升），且算力订单外溢拉动Oracle以及Coreweave等Neoclouds 市场份额提升，成为新的竞争力量。相比谷歌云和微软 Azure，亚马逊 AWS 在 AI 云领域 的技术积淀不足，且并未采用英伟达全栈技术方案，坚持了自研 AI 网络等领域的核心技术， 在 AI 训练时代提供的 AI 云服务性能等方面有劣势。 AI 推理时代（2025 年-至今）大模型推理占比持续提升，对云计算的需求从要求高性 能转向要求算力性价比、南北流量为主导的开放稳定云网络，以及围绕 MaaS 的 AI PaaS等工具的云生态丰富度逐渐成熟，核心技术在英伟达之外还有云厂自研 AI ASIC 硬件，以 及基于云计算理念的自建 AI 网络（例如谷歌基于 OCS 的 Jupiter、亚马逊 EFA）等替代方 案。云计算的软硬件技术开始走向多元化，头部大厂或有望重新取得差异化竞争技术优势， 叠加传统云时期积累的生态粘性。 我们看好亚马逊 AWS、微软 Azure、谷歌云在 AI 推理时代将保持相对 Neoclouds 的 竞争优势，占据主要的市场份额。

AI 产业链四大环节 AI 算力、云计算、大模型、AI 应用，目前 AI 算力获得了产业链增 长的大部分，LLM 开启 AI 时代之前，英伟达 FY23 营收和 GAAP 净利润分别为 269.7 亿和 43.7 亿美元，到 FY26 公司营收和净利润分别增长至 2159.4 亿和 1200.7 亿美元，三年间 营收和利润分别增长 1889.7 亿和 1143.5 亿。而作为主要算力支出来源的亚马逊 AWS、谷 歌云、微软智能云，从 CY23 到 CY25，三家 CSP 的公有云业务（其中非 AI 的传统云业务 贡献较大部分）营收和利润增长的总和分别为 1043.5 亿和 502.7 亿，远少于算力环节，而 核心大模型公司（OpenAI、Anthropic）仍处于亏损状态、AI 应用公司暂未实现较大规模利 润。 我们预计，2027 年后 AI 产业链的价值量有望逐步向云计算、大模型等下游领域迁移： 1）云厂正通过向上游延伸，开发具有竞争力、性价比的自研 ASIC 芯片（TPU、Trainium）， 获得原属于 AI 算力硬件环节的价值量，并带来在算力芯片领域的议价权；ASIC 为价值量 向云迁移的命门，大模型公司正积极尝试将 AI 工作负载部署至云厂自研 ASIC 芯片；2）云 公司对 AI Infra 技术堆栈掌控度在推理时代有望提升，自研 AI 云网络、逐渐开放而丰富的 云生态，将在 AI IaaS、AI PaaS 等领域获取新增价值量。

1.2 云计算行业：25Q4 谷歌云营收大幅加速，AWS 温和加速

25Q4 云计算行业景气度进一步上行，谷歌云大超预期、亚马逊 AWS 温和加速略超预 期，微软 Azure 增速略有放缓但仍保持较高水平。 谷歌云：营收增长大幅加速，体现Gemini的优势、企业级 AI方案的高增长及 Anthropic 的拉动作用。谷歌云本季度营收 176.6 亿美元，同比增长由 25Q3 的 33.5%大幅提速至 47.8%，营业利润率同步大幅改善 6.4pct 至 30.1%。此外 RPO 达到 2428 亿，环比增加 851 亿，支撑 26 年谷歌云高增长前景。 亚马逊 AWS：Anthropic 拉动下营收增长温和加速，增速从 25Q3 的 20.2%提升 23.6%， 亚马逊自 25Q2 以来 Capex 抬升至 320 亿以上，逐渐体现在营收增速中，Project Rainier 的 Tranium2 芯片集群在 25Q4 陆续向 Anthropic 交付，截至 25Q4 Trainium2 已生产 140 万卡，后续将对 AWS 形成正面贡献。 微软 Azure：本季度营收增速环比从 Q3 的 39%略放缓至 38%、但订单充沛有望支撑 较稳定增速。25Q4 公司整体剩余履约义务 RPO 环比增加 2330 亿至 6250 亿，预计微软与 OpenAI 达成的 2500 亿合作协议贡献主要增量，RPO 余额中约 45%来自 OpenAI，有望支 撑 Azure 高增，但仍需关注 OpenAI 后续需求趋势。 Oracle OCI：低基数下增长迅猛，仍需关注 OpenAI 中长期需求及 OCI 业务利润率水 平。

Capex：根据各公司指引，预计谷歌、微软、亚马逊、META、Oracle 在 FY26 的 Capex 总和将接近 7000 亿、YoY+73%。亚马逊、谷歌上调 26 年 Capex 指引至 2000 亿、1750~1850 亿，META 为 1150~1350 亿、Oracle 为 500 亿。 26 年 Capex/经营性现金流大幅抬升，亚马逊/谷歌将分别达到 110%/95%；五家公司 总计的比例达到 101%。

Capex 指引大幅抬升下，市场对 AI Capex ROI 的重视程度愈发提升。高 Capex 支出 周期后，26 年各公司折旧摊销费用将高增，成为重要的成本项。市场已经从将 Capex 作为 未来增长前瞻指标的正相关逻辑，转向需同步考量 Capex 的 ROI 是否合算，对互联网/云 计算的 AI 业务增长提出更高要求。

市场对 Capex 的 ROI 担忧目前主要由两部分构成：1）云计算之外的 AI 应用业务：基 于传统主营业务推出的 AI 应用产品，但商业化进展相对较慢，投入产出比相对低，包括微 软 M365 Copilot、META 的 META AI 助手等产品；2）AI 云计算的 ROI 担忧：FY25Q4 谷 歌、亚马逊等在给出相对积极的 FY26 Capex 指引后，市场对 AI 云能否保持预计中的高增 长、相对高的利润水平，有一定的担忧。 1、AI 应用业务：亚马逊主要依靠未来 AI 电商领域的新流量入口等方式陆续验证商业 化进展，目前 AI 电商相关应用对亚马逊 AI 算力的占用相对有限。 2、AI 云业务：我们对亚马逊的 Capex 结构进行拆分，并对其传统云和 AI 云业务增长 分别进行假设，得到其 AI 云业务的 Capex 资本密集度。此外，亚马逊在 2025 年的 AI 云 Capex 投入在当年的回报相对有限，基础设施投产后将逐渐在 26 年业绩中体现贡献，滞后 一年的 Capex 资本密集度更具有参考意义。AI 云业务的资本密集度（Capex/营收）水平较 高，相比传统云计算，呈现重资产运营特征。 亚马逊 2025 年后逐渐攀升的云计算 Capex 支出，使得市场需要更明确的 AWS 营收 增长验证其 ROI。对 AWS AI 云业务而言，500%的 Capex 资本密集度为关键门槛，其代 表 AI 算力、网络等 IT 设备在 5 年直线折旧方式下的成本底线。我们预计，随着 OpenAI、 Anthropic 在 AWS 上部署更多 AI 工作负载、AWS 自研 Trainium 芯片改善算力基础设施 的成本，亚马逊 AI 云业务的 AI Capex 资本密集度有望持续改善，验证其 ROI。

AWS：推理时代有望后发先至

亚马逊 AWS 技术堆栈正在向 AI 领域优化：1）IaaS 层：自研 AI ASIC 芯片 Trainium 和 Inferentia、专为 AI 算力互联构建的 EFA 网络等，此外 Nitro 网卡及其软件系统均为 AI 云计算进行了优化。2）AI PaaS/MaaS：基于 LLM 推出了可调用多种第三方模型的大模型 平台 BedRock、数据湖和数据治理工具、模型训推平台 SageMaker 等，AWS 正在补齐 AI Infra 相关能力。3）SaaS/AI 应用：针对 ERP、IT、DevOps 场景推出的 AI Agent，包括 AmazonQ 等产品，旨在进入 AWS 此前较少涉足的 SaaS 领域开拓新市场。

2.1 IaaS：EFA 网络+Trainium 系列芯片构建 AI 基建护城河

AI 推理相对 AI 训练更强调南北流量访问延迟等性能，云厂自建网络架构有望体现一定 优势。AI 训练要求大规模集群并保持同步性、且需要保持较高峰值带宽，而 AI 推理需求需 要应对异步而突发的需求，更重视长尾延迟。而推理侧对网络的需求实际上和云计算厂商 自身在网络领域的禀赋有所重合，有望形成自身的优势。 亚马逊 AWS EFA 等网络框架能力持续进步，有望在推理阶段拉近与 InfiniBand 等架 构的性能优势。微软 Azure 大量采用了 NVIDIA 的 InfiniBand（Quantum-2/3）架构，追求 更高的物理性能，在 AI 训练时代占据了先机。谷歌云、亚马逊在以太网基础之上坚持了自 研的云网络架构。AWS EFA（弹性网络适配器）弥合了推理时代性能上的差距，EFA 基于 SRD（可扩展可靠数据报）协议， 这种架构有效地消除了尾部延迟峰值，EFA 确保了平滑 且可预测的单词处理时间，从而防止 API 超时或延迟。

亚马逊 Tranium2/3 芯片正在为亚马逊解决自研芯片“可用”问题，Trainium4 后的芯 片或将解决“好用”的问题。对于云厂自研芯片而言，设计制造（参数性能）和开发生态（芯 片易用性、性能有效发挥率）为相对主流 AI 芯片的两大差距领域，目前 Trainium 3 在参数 性能上与 H100/200 为同一级别；但开发生态层面差距较大，仍需更多开发者群体及 AWS 的软硬件工程师补齐开发生态，目前 Anthropic 已经成为 Trainium2 芯片的主要客户，且亚 马逊对OpenAI的投资协议有望拉动其成为Trainium 芯片的客户，将加速开发生态的形成。

亚马逊 Project Rainier 的数据中心建设进展顺利。根据公司 FY25Q4 法说会，亚马逊 已经交付 140 万卡 Tranium2 芯片，根据 Epoch.ai，目前 Project Rainier 项目的两大数据 中心印第安纳新卡莱尔项目以及密西西比麦迪逊项目正在推进交付达产。

2.2 MaaS：亚马逊通过股权投资与 Anthropic、OpenAI 形成 较为紧密的合作关系

从竞争来看 TOP 3 模型各有侧重，但差距不远。Anthropic Claude 耕耘编程领域、代 码能力出色（代码准确度、质量更好），编程领域市占率较高，更受益编程领域爆发浪潮； 谷歌 Gemini 在多模态等领域底蕴更深；两者与 OpenAI 在多个领域形成交替领先。彼此间 能力差距较小，营收增长将与其擅长赛道的商业化进展息息相关。

编辑：火腿肠