亚马逊26Q2财报及北美算力链近况解读 20260803

全文详细总结 \n 本次会议围绕亚马逊2026年第二季度财报展开，由主持人与AWS相关专家进行深度解读。以下为全文要点总结： \n 一、财报整体表现 \n \n 亚马逊Q2营收2600亿美元，同比增长20%；营业利润275亿美元，同比增长43%。 \n AWS收入422亿美元，同比增长37%，超过市场预期（406亿美元），创18个季度最高增速。 \n AWS运营利润166亿美元，同比增长63%；AI业务年化收入超250亿美元，同比增长三位数；自研芯片业务年化收入同样突破250亿美元，同比增长三位数。 \n 传统零售业务保持稳定增长。 \n \n 二、AI业务拆分与收入结构 \n 专家将AI相关收入分为三层： \n \n 顶层（AI应用层）：收入约2.3亿美元，增速约228%。 \n 中层（模型与平台层）：包括SageMaker、Bedrock等，收入约10.4亿美元，同比增长超250%（260%-263%）。 \n 底层（物理基础设施层）：即GPU service，收入约7.8 billion（78亿美元），整体AI收入约90亿美元（原文提及190亿，存在数据矛盾，但按上下文主要指向AI业务总和），全球同比增长约200%。 \n 区域分布：北美收入最高，增速231%；亚太130%多；欧洲及其他区域较少。 \n \n 三、利润与毛利率 \n \n 物理基础设施（GPU service）长期IRR在30%以上，占收益80%多，持续投入中。 \n 模型与服务层（如Bedrock）反哺传统云业务，驱动传统云增长20%，整体毛利率可维持30%以上。 \n 具体拆分数据未透露。 \n \n 四、增速驱动因素 \n \n GPU service：受英伟达芯片涨价（两次累计35%以上）和积压订单推动，增速取决于供给端。 \n 自研芯片：Trainium和Inferentia增长迅速，企业级需求强劲（金融、自动驾驶、传媒等）。 \n Amazon Q：虽体量小但未来可期，当前处于爆发初期。 \n \n 五、传统云业务 \n \n 传统云业务增速超预期达15%以上（此前预期10%-12%），主要受AI拉动（存储、数据库、CPU实例等）。 \n EC2实例增长约10%，预计agent时代将加速。 \n \n 六、资本开支 \n \n 2026年现金资本开支指引从2000亿美元上调至2200亿美元，全部由HBM和DRAM存储芯片价格上涨导致，数据中心面积和机柜数未扩展。 \n 内存价格持续上涨，预计2027-2028年仍坚挺。 \n \n 七、芯片采购 \n \n 主要花销：HBM内存、英伟达GPU、自研芯片（Graviton、Trainium）。 \n 英伟达芯片占CapEx 70%-80%，自研芯片占20%-30%，具体比例属机密。 \n \n 八、未履约订单（3960亿美元） \n \n 最大部分来自AI算力长期锁定（45%-50%），企业长期框架协议占40%-45%，其余为长尾（Amazon Q、Bedrock等）。 \n 训练与推理占比难以区分，机型通用性强。 \n \n 九、行业应用 \n \n 金融行业成熟度最高，用于老旧系统升级、研报、风控等。 \n 汽车、高端制造（自动驾驶仿真、数字孪生）、泛娱乐（游戏、多模态视频）增长较快。 \n 医疗、律所等也有应用，但相对成熟或处于早期。 \n \n 十、自研芯片进展 \n \n Graviton：90%大客户已迁移，性能提升30%-40%，性价比高。 \n Trainium：三在研发中，四在计划中，性能优秀（内存提升1.7倍，计算提升2倍），有助于摆脱第三方依赖并提升毛利率。 \n \n 十一、竞争格局 \n \n AWS AI被低估，但凭借三层架构和生态广度，有望在agent时代厚积薄发。 \n Azure靠Office和OpenAI，Google靠TPU和端到端，但相对封闭。 \n AWS被认为能持续保持市场份额。 \n \n 十二、Token成本与模型竞争 \n \n 闭源模型（如OpenAI）价格昂贵，输入每百万token 3-10美元，输出15美元以上。 \n 开源模型（如K3、DeepSeek、LLaMA）性价比更高，每年token价格下降20%-30%。 \n 未来闭源可能走向小模型开源或区别定价。 \n \n 十三、折旧问题 \n \n 国外：5-6年直线折旧，残值20%，高端芯片先训练后推理。 \n 国内：芯片价格反升，折旧不划算。 \n \n 十四、大模型壁垒 \n \n 核心壁垒是算力，算法、工程、架构等不是问题。 \n \n 十五、国内超节点与国产芯片 \n \n 国产芯片（950、沐曦、昆仑芯等）不断进步，但当前仍依赖英伟达，ROI差距大。 \n WAIC发布的超节点（SuperPod、SuperNode）是亮点，已帮助部分模型训练，未来供需将逐步平衡，但时间不确定。 \n \n 十六、其他 \n \n 未履约合同带来现金流压力，但亚马逊可能使用杠杆现金流，具体比例未披露。 \n Bedrock平台中Claude占比60%-70%，Anthropic占10%以上，Meta LLaMA占10%-12%，亚马逊Titan占5%-6%，其余为AI21、Mistral等。 \n \n 本次会议全面覆盖了亚马逊AWS在AI驱动下的业绩表现、业务拆分、资本开支、竞争格局及行业趋势，为理解其云业务和AI战略提供了详细视角。 \n 会议实录 \n 主持人：感谢线上各位领导今天晚上的这个时间，我是主持人。今天我们是进行亚马逊2026年Q2的财报解读。专家在亚马逊这边相对比较清晰，所以我们要请专家帮我们进行解读。大家可以看到，北美CSP财报出来之后股价分化比较明显，亚马逊季报出来之后大涨。可以看到，它围绕人工智能基础设施的大规模投入正转化为云业务的增长动力。公司核心云计算业务AWS的营收增速明显加快，创下过去18个季度以来的最快增速。整体来看，亚马逊二季度营收达到2600亿美金，同比增长20%，营业利润275亿美金，同比增长43%。其中，AWS收入422亿美元，同比增长37%，高于市场一致预期的406亿美金。CEO表示，AI业务年化收入规模目前已经超过250亿美元，同比增长保持三位数。我们总结一下AWS本季度的亮点：营收大增37%，远超华尔街预测的31%，也是18个季度最高增速；AWS运营利润166亿，同比增长63%，去年同期只有102亿；同时，AWS AI业务年化营收突破250亿，同比增长三位数；自研芯片业务年化营收也突破250亿，同比增长三位数。所以财报全面超预期，传统零售业务也保持高速稳定增长。首先，有请专家就亚马逊全球的收入利润进行财务模型层面的拆分讲解，包括AI内部AI和非AI的拆分，以及AWS层面偏SaaS和大模型相关的拆分，最后Q&A环节。 \n 专家：好的，谢谢主持人的briefing。我简单跟大家聊一下我们整个亚马逊的Q2收入部分。这里我们按照大家比较感兴趣或关注度，分成传统业务和AI驱动业务两大部分。传统云业务包括compute，storage，数据库，网络等，整体还是两位数增长。但AI驱动的部分，刚才主持人讲过，整个二季度收入达到三位数。 \n 从整个AI角度，我们内部通常分成三个部分。第一部分是顶层的AI应用层，整体收入在2.3亿美元左右，增速约228%。第二部分是中层的模型与平台，包括SageMaker、Bedrock等内部托管服务，这部分收益大概在10.4亿美元左右，同比增长达到250%以上，甚至260%到263%。第三部分是最下层的物理基础设施，即大家熟悉的GPU service，租GPU的租金等，这部分我们看下来能达到7.8 billion，所以整体AI收入在190亿不到200亿的样子，同比增长也接近200%。 \n 所以整体来看，AI收入部分总体是9 billion，全球同比增长约200%。按区域看，北美收入最高，同比增长231%，其次是亚太130%多，然后是欧洲，其他区域如中国等收入不多。这部分我就不再细说了。 \n 整体来看，我们确实看到业绩释放，但个人观点认为这还是AI初期，最终释放应该在模型与服务那段，比如Bedrock和模型托管业务，未来可能还有更大发展潜力。整体总结就到这里。不知道大家有什么问题吗？ \n 主持人：咱们这块有没有利润端的一些看法，以及毛利率的变化分享？ \n 专家：利润端是好问题。整个来看，亚马逊GPU service这类物理基础设施，从长期五年IRR来看，收益率在30%以上。这部分物理基础设施，即GPU service，占了整个收益的80%多，但它还在不断重复投入，所以既有基础设施30%以上的IRR收益率是没问题的。长期来看，还处于投入阶段。 \n 还有模型与服务这一段，不仅自身业务增长，比如Bedrock，还会反哺驱动传统云业务增长，比如对象存储与服务，所以传统云业务增长率也会达到20%。模型端对传统业务的刺激，整体来看30%以上的毛利率是可以保障的。但是具体拆分，我这里没有更细节的数据了，这个算起来比较复杂。 \n 主持人：明白，包括各个业务增速的驱动分析，能否再分享一下？ \n 专家：没问题。驱动分析整体来看，在AI当前阶段，大家依然看重算力服务，即GPU service。有两大驱动因素：第一是英伟达芯片实例，七月份有一波涨价，去年三四月份也涨过一次，两次加起来乘积关系，一次15%，一次20%，加起来快35%以上。这两端包括价格、需求、backlog订单等，积累了大量积压订单，所以增速不再看客户需求，基本看供给端，而供给还有很大挑战。 \n 另一个是自研芯片Trainium和Inferentia，包括Inferentia三逐步上线，客户的接受程度和毛利率等。这部分增长很快，内部特别看好Trainium，驱动因素是企业级应用的强劲需求。当前B端驱动主要是Claude等模型，包括自研和开源模型，企业端特殊应用如代码、金融、自动驾驶、传媒、游戏等，促进了模型调用。 \n 最上端是Amazon Q，数量较小但未来看好，因为企业自建模型或agent时，Amazon Q容易上手且接受度高。当前AI是爆发期，但只是开始阶段，所以业绩释放还需等待。上中下层的驱动因素大致如此，不知道大家还有其他问题吗？ \n 主持人：明白。那传统云业务的SaaS这块，目前情况与展望如何？客户需求是上升还是下降？ \n 专家：这个问题特别好。过去几个季度，大家以为亚马逊体量大，传统云业务也就10%到12%。我们财报前做过测算，预计可能在10%左右，但财报显示比预期更多，实际传统云业务拆开看应该是15%以上，比大家预期的12%高。 \n 主要因素来自AI的相互驱动促进。例如，构建AI模型时应用更多存储业务，如S3对象存储，同比增长20%以上。EC2传统CPU实例本季度增长10%不到11%，但预计未来agent时代增长更快。数据库、网络等也因AI驱动而增长，所以传统云计算和AI相互促进，带来很大增速，财报数据也能看出。 \n 主持人：好的，明白。 \n 专家：包括下一个问题。 \n 主持人：接下来是关于亚马逊资本开支上调的问题。本季将2026年现金资本开支指引从约2000亿美元上调到约2200亿，电话会议提到是由于内存价格上涨。请问您怎么看这个上调？数据中心算力投资规模是否有变化？ \n 专家：这是一个好问题。Q3三家（谷歌、微软、亚马逊）都已发布财报，微软下调了资本开支，但亚马逊还在不断拓展。内存开支上涨导致的风险是make sense的，从消费端看，内存价格不断跳涨，隔几天就涨一次。我们前一阶段跟AI存储公司合作，他们计划在七八月份涨价约25%，所以内存涨价对芯片和基础设施开支影响很大。 \n Andy Jassy在电话会议中指出，200亿上调基本都来自HBM和DRAM存储芯片，并没有扩展数据中心建设面积或机柜数。亚马逊基础设施规划很有节奏，当前时点对未来几年的数据中心选址和兆瓦数都很清楚，不会突然增长或提前建设，调整需要时间。所以200亿预算增长完全由硬件设备价格提升导致，存储价格涨得有点疯，可以预见未来2027、2028年价格依然坚挺，永远缺存储的说法比较成立。 \n 主持人：好的，明白。在这些开支下，主要芯片采购部分您是否掌握？比如大致估算多少是自研芯片，多少是其他种类芯片？ \n 专家：硬件采购主要花销有三块：第一是高带宽内存HBM，在长文本时代、推理和上下文记忆等方面不得不开支。第二是英伟达GPU，尽管Graviton等芯片增速迅速，但绝对值上NV芯片仍是CapEx主力。第三是自研芯片，包括Trainium和Graviton，Graviton是ARM架构CPU，大厂和CSP接受度很高，给AWS带来信心。Trainium和Inferentia也应进入高增长阶段。 \n 所以三大块投资占比，具体数字是机密，但大部分应该是NVIDIA，占七八十，自研芯片占二三十。高带宽内存嵌套在GPU里，所以花费很多，但比例上划入NVIDIA和Graviton内部，不做具体拆分。 \n 主持人：明白。下一个是关于未履约订单，目前达到3960亿美元，大致构成能帮忙看一下吗？之前OpenAI、Anthropic也有算力承诺，但想看大致拆分。 \n 专家：未履约订单已经破了过去几个季度的记录，环比增加将近一千多亿，拆开看也理所当然。第一部分最大增量来自AI算力GPU service，H200涨价，客户预约GPU service等待时间8到9周，已经是比较快的，所以算力资源不能即时获取，都要等待。很多五百强企业签三年或五年长期协约，提前锁定算力，所以从4960亿美元未履约订单看，这部分占45%到50%，是最大部分。 \n 第二部分是企业长期框架协议，如3到7年的EDP企业折扣计划，占40%到45%，大型企业签长期协议保障折扣和算力。其余是长尾，如Amazon Q席位预定、Bedrock长期协议等，占比较小。所以未履约订单绝大部分仍在AI算力GPU service部分。 \n 主持人：明白。AI算力部分，训练和推理的占比能感觉到吗？ \n 专家：训练和推理不太看得清楚，因为亚马逊主推的机型如B300、H200等，对token产生效率和训练都通用。Trainium虽定位训练芯片，但Andy Jassy说过最好的推理芯片反而是Trainium。所以企业可能前几个月训练，后几个月推理，短期用户三个月可能训练偏多。总之，不太确定具体比例。 \n 主持人：那您刚刚提到的另外45%左右的企业大型订单，能感受到哪些是自有推理，哪些是传统云资源需求吗？ \n 专家：我刚才讲过，AI算力长期长协占50%，企业传统云计算长期框架协议占45%，如大型互联网、金融服务等，是极其传统的长期签约。 \n 主持人：明白。您刚刚提到行业端增速，比如金融、智能驾驶等，感知到哪些行业在AI时代走得比较快，从算力角度？ \n 专家：从去年开始，金融行业在亚马逊上serious的应用比较多，快速通过验证期进入正式商用。其他行业如大型互联网、模型公司、智驾、汽车制造等也在用，但还在尝试阶段，金融服务爆发期较早。从去年年底开始，金融行业替代性很强，例如Amazon Q Code帮助大型银行升级老旧Java应用，从Java 7/8升级到21，如果人工更新会很耗时耗力，所以去年Cloud很多是老旧应用升级，用Code高效升级。第二部分是企业内部研报、知识库等应用，还有智能风控、反欺诈等，金融行业起步早偏成熟。另外汽车、高端制造有L4/L5自动驾驶仿真、数字孪生、视觉良率测试等，增长也较大。泛娱乐包括互联网、游戏、多模态视频等，爆发厉害，国内大型数据渲染、短剧生成等也一样。这几个行业目前到了成熟阶段，其他如医疗、基因测试、影像学习等也有增速。律所等行业在知识库时代已经过了一点，相对成熟。就这些。 \n 主持人：自研芯片这一端已经突破了250个亿了，刚才讲过，其实这两大核心一个是 Graviton，一个是 Trainium。特别是这个 Graviton，其实传统的 EC2 客户在386基础上用量比较大。公司内部关键进展是，这些 top 客户基本上90%都已经转向了 Graviton。Graviton 是 ARM 架构芯片，性能提升30%到40%，极具性价比。客户转型时需要应用重新编排和迁移，但用量大的客户多花 effort 也值得，性价比接受。Graviton 进展可喜，Trainium 三在研发中，Trainium 4也在计划，在推理和训练中表现优秀。从HBM内存效率看，内存提升1.7倍，计算提高2倍。Trainium和Inferentia帮助摆脱第三方芯片依赖，利润率比NV芯片高，帮企业省钱，也拉升AWS毛利率，是公司战略架构数一数二的。 \n 主持人：明白。像这个Trainium，公开说法是三目前已经出货，四的出货时间大概是什么样子？ \n 专家：这个部分我没有太多了解，最近看到还在研发中，不太确定正式发布时间。但大概每年商品里，大概率还有半年时间，很有可能确定会发布。 \n 主持人：好的，我这边播报一下线上的一个提问。问题：对于客户来说，采用AWS调用Claude与直接采用Anthropic的差异体现在哪里？另外，AWS没有自研大模型的云，与谷歌有自研大模型的云，客户会怎样比较和选择？ \n 专家：这是个好问题，也有一些对AWS模型布局的误解，很正常。第一，客户可以直接调用Anthropic的Claude，但Bedrock并不是锁定单一模型。Anthropic自己卖模型，也通过Bedrock卖。Q2收入将近4 billion，占Bedrock内部70%左右。Bedrock提供playground、模型测试、性价比对比等功能，是一个商店。客户在创建不同应用时，可以对比模型生成速度、正确率、价格等，Bedrock会推荐更适合的模型。巧合的是，Claude在Bedrock中应用明确、收入高，占用率高，但未来比例会下降。客户通过亚马逊购买Claude，有横向对比，还能同时使用数据库等其他应用，不必来回找Claude补充能力。 \n 第二，亚马逊平台有十几二十款流行模型，包括DeepSeek、Kimi等。在创建模型或未来agent阶段，客户可以在工作流每一段选择不同模型来完成调用，所以Bedrock是一个大平台。亚马逊自有Titan模型，收入增长不低但占比个位数，价格较低，能部分取代其他模型，不被捆绑。所以Claude、OpenAI、AI21、Meta、DeepSeek、Kimi等组成Bedrock生态，比客户单独找Claude更方便。 \n 主持人：好的，播报另一个问题：公司存在较大未履约合同，现金流短期承压，未来会不会使用更多金融工具提高财务杠杆？ \n 专家：您说的是这个？我没听清楚，是关于较大未履约合同吗？ \n 主持人：对，较大的未履约合同。 \n 专家：包括未履约合同，是不是未来会使用智能杠杆？ \n 主持人：对，因为这一季现金流看起来有压力。 \n 专家：明白。未履约合同绝大部分是由于当前资源受限，未完全履约，或包括多年框架协议，必须在未来履约，所以会给公司带来现金流压力。建数据中心越多，履约情况可能更好。当前资本支出只涨不跌，还会持续几个季度。杠杆现金流方面，从亚马逊整体看，收入有保障，使用杠杆现金流是必然的，不仅AI数据中心，其他业务线也会用到。但我专注AWS，没有深入研究具体百分比。 \n 主持人：好的，谢谢。刚才您提到Bedrock，我想确认一下，您说Claude占比大概一半？ \n 专家：不仅仅是一半，应该在60%到70%之间。 \n 主持人：您说可能有主流十几款大模型，那剩下的二三十是什么？ \n 专家：对，Claude体量太大，占60%到70%。Anthropic部分，AWS有投资，也登录Bedrock，增长迅速，目前有10%以上。另外Meta的LLaMA开源模型受欢迎，价格低，占10%到12%。亚马逊泰坦自研模型占5%到6%。以上加起来约95%，剩下5%包括AI21、Mistral等，占比很低。所以托管模型很多，但爆款就这么几种。 \n 主持人：好的，明白。再问一下关于AWS全球份额的后续展望。如果从2026年上半年来看，大致份额AWS 28%，微软21%，谷歌14%，三家合计63%。怎么看AWS后续？ \n 专家：这个份额是整体云计算份额，三大云厂商传统云份额占67%到68%。大家可能更关注AI份额，或AI新产品对传统云的撬动。AWS的AI有点被低估。去年到2026年，AWS在前期不占便宜，没有模型，市场声音不如Azure，但分布广度和成熟度有战略优势。第一，它紧紧围绕未来三层架构（应用、模型、算力），为agent时代铺垫，产品服务成熟。Azure的抓手是Office和OpenAI，Google的特点是TPU算力、数据分析、端到端，但相对封闭。从AI向云的双轮驱动看，我个人偏好AWS，能持续保持市场份额，在AI时代厚积薄发。 \n 主持人：好的，明白。从AWS角度看，全球token成本怎么看？国内开源模型对北美闭源模型的冲击下，模型厂商和客户是否会想办法降低成本？这几家的策略和方案大致了解吗？ \n 专家：好问题。最近K3模型加入掀了桌子，传统闭源模型讨论很大。客户账单显示，OpenAI很成熟但价格太贵，输入每百万token 3到10美元，输出15美元以上，瞄准高端客户。轻量级开源模型如K3并不便宜，但token价格每年降20%到30%是长期方向。北美闭源模型未来如何权衡路线有待商榷，但共识是价格太高，性价比不如K3、DeepSeek、LLaMA等开源模型。未来闭源模型可能走向小模型开源、区别定价等。市场已经看到问题，球在开源模型脚下，未来一两个季度应有新变化。 \n 主持人：好，明白。关于B300芯片这块，想再问一下，不管英伟达还是国内，面向北美，折旧问题。您觉得按照几年？现行情况和算力租赁行业，折旧是一个比较大的点？ \n 专家：这个问题非常好。从AI行业看，我们帮很多客户算账，包括英伟达NCP客户等。国内和国外是两个故事。美国那边，一代芯片比一代强，NV的Rubin已大规模量产，有pilot客户，目前GB200、B300为主，国外已很难看到H200。芯片迭代快速，应用逻辑上，最高端芯片先做训练，生命周期中后期（3到5年）做推理。国外通常5到6年折旧，用直线折旧法比较合适，用于计算投资回报和成本核算。 \n 国内，芯片不太合法，流入国内后价格越来越高，如果持有H200运行两三年，价格反而更高，所以折旧不太划算。总体来看，5到6年折旧，6年后退出时有20%残值，是一个很好的模型。 \n 主持人：这个简单讲。好的，明白。您觉得国内这一波WAIC推出来越来越多的超节点，算力占比未来在国内是怎样的变化趋势？ \n 专家：这个问题很难回答。国内大型互联网对高端芯片需求显而易见，各部委也在统计需要什么芯片、多少芯片，这是需求端矛盾。供给端，国内有950、沐曦、昆仑芯等，不断进步。需求和供给未来可能会达成平衡，供给上升，需求维持，总有一天达到平衡点。但时间很难推测，我不是芯片专家。日常沟通中，有不同反馈：一是国内还有差距，不能完全替代，ROI差距大；二是WAIC发布的SuperPod、SuperNode是核心亮点，进步可见，国产超节点帮助某些大型模型厂商完成了训练。方向明确，未来国产供给和需求会很好协调，但不是现在，现在对英伟达芯片需求还是特别大。我只能尽量说清楚。不知道大家还有什么问题？ \n 主持人：谢谢专家。最后想请教一个关于大模型的问题，您觉得目前大模型的壁垒在哪？国内K3不错，瑞士的也不错，后面深圳的也是好模型，壁垒在哪里？ \n 专家：算力，毫无疑问就是算力，稀缺程度太大。最近关于K3的核心调查，行业里没法讲，但壁垒就是算力，别的没有差别。算法、工程、架构、应用场景、工作流都不是问题。算力是大问题。 \n 主持人：好的，谢谢。今天我们的交流就先到这里，非常感谢您的时间。会后也欢迎大家跟我们保持持续沟通，祝大家投资顺利，谢谢大家！谢谢各位线上领导的时间，我们今天到此结束。