在一堆 AI 新闻里,汤普森说他这周觉得最有启发的一条,跟 AI 无关,是关于实物和物流的。
亚马逊推出了亚马逊供应链服务(ASCS),把已有的空运、海运、卡车运输和最后一公里配送打包成一整套卖给别的公司。宝洁和 3M 已经在用。消息一出,联邦快递和 UPS 的股价都跌了。
为什么这条值得单独拿出来讲?因为它是一个十年前的预言的兑现。
一、那个被复制了三次的公式
汤普森 2015 年写过一篇《The Amazon Tax》。当时亚马逊只有两块主要业务——电商和 AWS——他在那篇里论证说,这两块其实是同一件事:
亚马逊先建造"原语"(primitives),而亚马逊自己是这些原语的第一个、也是最好的客户,这为初期投入提供了理由和动力;但最终的图谋,是把这些原语卖给别的公司。
当时他就预判物流会走同一条路:
亚马逊自己会是这个物流网络的第一个也是最好的客户,就像 AWS 一样。这为建设一个与 UPS、联邦快递竞争的物流网络所需的巨额投入提供了正当理由……但我认为,认为亚马逊会止步于此是个错误:就像他们在 AWS 和电商分销上做的那样,我预计公司会把物流网络开放给第三方,这会提高规模回报,进而加深亚马逊最终的护城河。
十年后,ASCS 正式发布。
汤普森对这个时间跨度的评价:
亚马逊比任何一家公司都更是真的以十年为单位在运作,持续地在现实世界里做大规模投资,这些投资(1)把它的边际成本转化为资本成本,(2)再通过卖给其他企业,在这些资本成本上获得杠杆。
这两句话就是亚马逊的整个商业模式。请把它记下来,因为后面所有的分析都是它的推论。
二、2023 年那份唱衰 AWS 的报告,错在哪
汤普森很诚实地说,三年前 SemiAnalysis 那篇《Amazon's Cloud Crisis: How AWS Will Lose The Future Of Computing》他"觉得非常有说服力"。
先讲背景,因为这段是理解 AWS 成本优势的关键。
亚马逊不仅发明了云计算,还早就意识到这是一个商品市场。汤普森点出了一个大多数人搞反的道理:
大多数搞科技的人想的是建立可持续的差异化,好让自己能卖更高的价格从而产生利润;而商品市场的运作方式不同:在那里,可持续的利润来自结构性更低的成本。
亚马逊做到了这一点,靠两样东西:
第一是规模——既带来采购议价能力,也让开发成本被摊薄;
第二是真正的创新——AWS 造了一套叫 Nitro 的专用系统,跑在自研芯片上,把服务器管理、网络管理、存储管理、虚拟机管理这些活儿从昂贵的英特尔和 AMD 服务器上卸载下来。这让亚马逊能在同一台服务器上多跑很多虚拟机,显著提高利用率——也就是结构性的成本优势。
然后是 Graviton,亚马逊自研的 ARM 处理器。
这里有一个非常聪明的商业设计,值得单独讲:Graviton 前几代性能不如英特尔和 AMD,但这不代表没用。因为那时 AWS 已经从基础设施即服务(IaaS)扩展到了平台即服务(PaaS)。
PaaS 意味着客户不需要知道、也不需要关心底下跑的是什么芯片。比如 Amazon RDS 是全托管数据库,客户通过 API 访问就行——而它一直跑在 Graviton 上。
PaaS 让亚马逊在盈利上双重获利:第一,PaaS 产品能比 IaaS 卖出更高的毛利;第二,公司可以用自己更便宜的硅片来支撑这些产品,降低成本。
"用户在使用你的芯片,但他们不知道"——这是整篇文章里最值得学习的一个商业设计。
而 SemiAnalysis 当年的担心是:这些优化让 AWS 在 AI 时代准备不足。具体两点:一是网络(亚马逊坚持用自己的 Nitro 和 EFA,不上英伟达或博通的最佳方案);二是自研芯片可能导致英伟达少给它分配 GPU——"英伟达凭什么优先给亚马逊,当它知道亚马逊会尽快转向自研芯片?"
汤普森说:这些担心在 2023 年是有道理的。因为那时算力的最大份额还在训练,而训练恰恰需要亚马逊缺的东西——把大量英伟达 GPU 组成一个连贯系统的横向网络能力。
"那到今天也依然成立,"他说。"变化的是:训练已经不再是最大的 AI 算力市场了,推理才是。"
而推理这个转变,以及推理本身性质的变化,对 AWS 的路线都是利好。
三、耐心的复利:2015 年买的公司,2026 年开始收钱
这一段是全文最有力量的地方。
这些点如果你没有一块至少有竞争力的逻辑芯片,就都是空谈。而在这里,亚马逊的长期眼光正在得到回报。亚马逊 2015 年收购了做它芯片的 Annapurna Labs,2019 年推出第一款 AI 芯片。是的,那款芯片不太好,但关键在于——那是七年前。现在 Trainium 3 已经不错了,而趋势更好。AWS 已经具备在推理上取得可持续成本优势的位置。
而且它在重放 Graviton 的剧本:
Trainium 芯片支撑着 Bedrock(亚马逊的 AI 平台),也就是说,用户在使用 Trainium 芯片,即使他们并没有明确选择它。
AWS CEO 马特·加曼把这层意思说得更透:
你会通过抽象层去接触这些加速芯片。绝大多数客户也并不直接接触 GPU……当你在和 OpenAI 对话时,即使它们跑在 GPU 上,你并不是在和 GPU 对话;如果你在用 Claude,不管背后是 GPU、Trainium 还是 TPU,你也不是在和这些芯片对话,你是在和接口对话。而且绝大部分推理是在少数几个模型上完成的。
这段话的投资含义很硬:如果用户永远隔着一层抽象,那么"英伟达芯片更好"这件事的重要性,会随着抽象层变厚而下降。
四、黄仁勋亲口承认的那个"失误"
汤普森引了黄仁勋接受 Dwarkesh Patel 访谈时的一段话,我认为是这篇文章里最有戏剧性的材料:
当时,我没有深刻地内化建立一个像 OpenAI 和 Anthropic 这样的基础模型实验室有多难,以及它们需要来自供应商本身的巨额投资这个事实。我们当时没有能力向 Anthropic 做数十亿美元的投资,好让他们使用我们的算力。但谷歌和 AWS 可以。它们在最开始就投入了巨资,作为回报,Anthropic 使用它们的算力。我们当时没有能力那么做。
我会说我的失误是:我没有深刻内化到它们真的没有别的选择,一个风投绝不会往一个 AI 实验室投 50 亿到 100 亿美元、指望它变成 Anthropic。那是我的失算。但即使我当时理解了,我认为我们那时也没有能力那么做。不过我不会再犯同样的错误了。
汤普森接的这句话是全文的题眼:
亚马逊有钱也有芯片去投 Anthropic,恰恰是因为它先用 AWS 建成了这样一台印钞机。这就是大规模基础设施投资的特点:它们要好几年才能建成,但这笔投资的收益会随时间复利。
五、最重要的判断:为什么亚马逊可能是算力紧缺时的最优选
这是我认为汤普森今年最有价值的一个竞争分析,而且它把这个系列的几篇串起来了。
你也可以论证,在一个算力有限的世界里,亚马逊是获取前沿模型的最佳选择:微软的核心业务是软件,也就是说这家公司面临巨大的压力必须投资自己的 AI 能力,哪怕代价是把云客户降级。那正是今年早些时候在微软发生的事——公司因为把更多算力投给内部工作负载而没达到 Azure 增长预期。这是可以理解的决定:云需求是永恒的,但 AI 对既有软件业务的风险是生存性的。
这一点对谷歌同样适用:谷歌的核心业务也是数字的……而亚马逊的核心业务则深深扎根于物理世界:卖和运实物,以及建数据中心。这两件事都容许亚马逊把大部分芯片用在客户的工作负载上。
把这段和第二篇讲微软的那段"Azure 客户是二等公民"放在一起读,你会得到一个非常清晰的排序:
| 云厂商 | 核心业务性质 | 有没有动机跟客户抢算力 |
|---|---|---|
| 微软 | 软件(生存性风险) | 有,而且很强 |
| 谷歌 | 数字广告(需要管理的挑战) | 有 |
| 亚马逊 | 卖实物、建数据中心 | 相对最弱 |
这就是"中立性"作为一种产品的价值。
六、亚马逊 Leo:同一个公式的第四次复制
亚马逊的卫星服务 Leo,乍看是重复 SpaceX 的星链——后者已经有规模了。但套上那个公式就完全说得通。
CEO 贾西在最近的财报电话会上说:
今天你要问什么阻碍这项业务增长,我们必须把星座送上天。我们今年安排了 20 多次发射,2027 年安排了 30 多次。我认为这项业务有机会成为一个非常大的、数十亿美元收入的业务。而且我觉得它有一些让人想起 AWS 的特征:前期资本密集,你要在早期投入大量资本和现金,换来的是可以长期利用的资产。所以我很喜欢它在中长期的自由现金流和投入资本回报率特征。
而汤普森指出了一个我完全没想到的连接:
亚马逊配送仍然有边际成本,因为得由人来送。但亚马逊早在 13 年前第一次公开谈无人机配送时就指向了未来。这确实是一场漫长的苦役,但越来越可以想象一个配送成本只是无人机资产折旧的未来——而这样的未来需要什么?怎么样来一套可靠的、覆盖广泛的卫星通信,用来和这些无人机通信并引导它们?
然后是那句杀伤力最强的:
而且,如果亚马逊不想在芯片上依赖黄仁勋,你觉得它会想在无人机连接上依赖埃隆·马斯克吗?
Leo 不是在跟星链竞争,是在给一个还没出现的业务铺路。这就是"以十年为单位运作"的具体含义。
七、那把尺子的完整表述
文章最后,汤普森给出了那个我在开篇称为"第二把尺子"的判断:
更普遍地说,我越来越怀疑,对 AI 的长期脆弱性——或者说得积极一点,长期投资 AI 的动力——与一家公司和物理世界打交道的程度强相关;其次,与这家公司对自己分发渠道的掌控是否安全有关。
以及收尾:
这归根结底是做亚马逊这类长期押注的另一个好处:威胁离得太远,以至于你有充足的时间去做新的投资、修补期间出现的任何弱点——或者,像 AI 这样,等市场朝对你有利的方向倾斜。
八、我的看法:两条同意,一条要泼冷水
同意的第一条:那个公式是真的,而且已经被验证了四次(电商 → AWS → 物流 → 卫星)。四次成功的模式复制,不是运气。
同意的第二条:"中立性作为产品"这个判断非常锋利,而且它比"谁的芯片更好"更能解释未来三年的云市场份额变化。
但我要泼一盆冷水,而且这盆水汤普森这篇完全没有提:亚马逊为这套模式付出的现金代价,现在已经非常重了。
我在拆 AWS 那篇里算过:亚马逊 2026 年资本开支指引约 2200 亿美元(2025 年为 1310 亿),过去十二个月资本开支 1730 亿已经超过经营现金流 1614 亿——自由现金流已经转为净流出,而一年前是净流入约 182 亿。
"以十年为单位运作"听起来很美,但它的前提是这十年里你不能出事。汤普森的框架里没有位置留给"如果需求晚来三年会怎样"这个问题。
还有一条要提醒的:亚马逊二季度净利润 626 亿里,有 534 亿是对 Anthropic 投资的账面浮盈,占 85%。剥掉它,真正反映经营的是经营利润 275 亿。在赞美这家公司的耐久性时,别把浮盈算成经营成果。
该写进档案的证伪信号
- ASCS 的第三方客户增长——公式能否第三次跑通,看的是外部客户数;
- Trainium 的对外采用率——Bedrock 之外有多少客户主动选它;
- AWS 增速与分部利润率——中立性优势能否转化成份额;
- 自由现金流何时转正——这是"长期主义"的现金约束;
- Leo 的发射节奏——今年 20 多次、2027 年 30 多次,是可核对的硬指标;
- Anthropic 估值的方向——它现在同时影响亚马逊和谷歌的利润表。
金豆划重点
- 亚马逊推出供应链服务(ASCS),把空运海运卡车与最后一公里打包卖给第三方,宝洁和 3M 已在用,联邦快递与 UPS 股价当天下跌;汤普森说这是他 2015 年《The Amazon Tax》的兑现;
- 亚马逊的完整公式(记住这一句):"持续地在现实世界里做大规模投资,这些投资(1)把边际成本转化为资本成本,(2)再通过卖给其他企业在这些资本成本上获得杠杆";已复制四次:电商 → AWS → 物流 → 卫星;
- 商品市场的正确认知:"大多数人想的是建立差异化好卖高价;而商品市场里,可持续的利润来自结构性更低的成本"。Nitro 卸载服务器管理提高利用率;Graviton 藏在 PaaS 底下——"用户在使用你的芯片,但他们不知道",让亚马逊双重获利;
- 2023 年唱衰 AWS 的报告在训练时代是对的(AWS 缺把大量 GPU 组成连贯系统的横向网络能力),但训练已不再是最大市场,推理才是,而推理的转变对 AWS 路线是利好;
- 耐心的复利:2015 年收购 Annapurna Labs,2019 年第一款 AI 芯片"不太好,但那是七年前",现在 Trainium 3 已经不错、趋势更好;它在重放 Graviton 剧本——Trainium 支撑 Bedrock,用户用了但没选它;
- 黄仁勋亲口认错:"我的失误是没有深刻内化到它们真的没有别的选择……但我不会再犯同样的错误了";汤普森接的题眼:亚马逊有钱有芯片去投 Anthropic,恰恰因为它先用 AWS 建成了印钞机——"这笔投资的收益会随时间复利";
- 最锋利的竞争判断:算力紧缺时亚马逊可能是获取前沿模型的最佳选择,因为微软核心是软件("云需求是永恒的,但 AI 对既有软件业务的风险是生存性的")、谷歌核心是数字广告,只有亚马逊的核心业务扎根物理世界,因而最愿意把芯片留给客户——中立性本身就是产品;
- Leo 卫星不是在跟星链竞争,是在给无人机配送铺路(配送成本变成无人机资产折旧);那句杀伤力最强的话:"如果亚马逊不想在芯片上依赖黄仁勋,你觉得它会想在无人机连接上依赖埃隆·马斯克吗?";
- 我要泼的两盆冷水:①汤普森完全没提现金代价——2026 年资本开支指引约 2200 亿,过去十二个月 1730 亿已超过经营现金流 1614 亿,自由现金流转为净流出,"以十年为单位"的前提是这十年不能出事;② 二季度净利润 626 亿里 534 亿是 Anthropic 投资的账面浮盈(占 85%),赞美耐久性时别把浮盈算成经营成果。
资料来源:Ben Thompson《Amazon's Durability》《The Amazon Tax》(Stratechery);SemiAnalysis;亚马逊财报电话会与 SEC 文件;黄仁勋接受 Dwarkesh Patel 访谈公开记录。本文为个人研究分享与观点整理,不构成任何投资建议,不构成对任何个股的推荐,市场有风险,入市需谨慎。
— 金豆
