鉅亨網新聞中心
亞馬遜 (Amazon)(AMZN-US) 正以創紀錄的資本支出押注人工智慧需求持續爆發，而執行長賈西 (Andy Jassy) 近期釋出的訊號更顯示，AI 算力供不應求的局面可能延續至 2027 年，甚至目前已經可以看見 2028 年的強勁需求。
亞馬遜日前公布 2026 年第二季財報，第二季淨銷售額年增 20% 至 2,006 億美元，營業利益達 275 億美元，年增 43%；其中 AWS 營收年增 36.7%，創 18 個季度以來最快增速，年化營收規模已達 1,690 億美元。公司同時表示，AI 業務及自研晶片業務的年化營收規模均已突破 250 億美元，且皆維持三位數百分比成長。
財報電話會議上，賈西透露，亞馬遜已將 2026 年資本支出預估從原先約 2,000 億美元上調至 2,200 億美元，主要反映 AI 基礎建設、資料中心、伺服器、網路設備及晶片等成本增加，其中記憶體價格上漲也是推高支出的因素之一。
更重要的是，賈西表示，即使公司把全年資本支出提高至 2,200 億美元，仍不足以滿足亞馬遜目前在 2026 年的全部客戶需求，而且這種供給不足的情況可能延續至 2027 年。他更形容，公司目前已看到的 2028 年需求規模「令人震驚」。
這番說法的意義，在於亞馬遜並非單純依靠市場預測 AI 未來需求，而是從 AWS 客戶訂單、容量規劃以及資料中心建置週期中觀察未來幾年的算力需求。賈西此前也曾表示，亞馬遜並非因為一時看好 AI 就盲目投入約 2,000 億美元資本支出，公司已掌握大量客戶承諾，其中部分 AWS 資本支出將在 2027 年至 2028 年轉化為營收。
這也使 AI 算力需求的故事開始出現一個重要轉變。
過去兩年，市場談論 AI 算力需求時，焦點大多集中在 OpenAI、Anthropic 等前沿 AI 實驗室。這些企業需要大量 GPU 進行基礎模型訓練、強化學習及模型推理，因此成為資料中心和 AI 晶片需求的重要來源。
但賈西認為，AI 真正更大的需求潛力可能來自傳統企業。
目前大量企業仍處於 AI 導入初期，財務審核、供應鏈管理、客服、行銷、文件處理、程式開發、企業知識庫及生產流程等工作，仍有大量依靠人工處理的環節。隨著企業開始把 AI 從展示性工具轉變為日常營運系統，算力需求可能從一次性的模型訓練，逐漸轉向每天持續產生的大規模推理需求。
這意味著 AI 算力市場可能出現類似「槓鈴」的需求結構。一端是少數前沿 AI 實驗室，持續消耗大量訓練及推理算力；另一端則是已經證明 AI 可以帶來實際回報的大型企業；中間則是數以百萬計、尚未完成 AI 轉型的企業。
如果這些企業在未來兩至三年開始大規模部署 AI 代理、企業自動化及生成式 AI 服務，算力需求的增量可能遠高於目前市場對大型模型訓練需求的估算。
這也解釋了為何賈西認為 AI 需求不會只由少數模型公司決定。AWS 近期公布的數據顯示，客戶對 AI 推理的需求持續增加，而且 AI 與傳統雲端業務正在互相帶動。亞馬遜表示，客戶希望將 AI 推理部署在靠近既有應用程式及資料的位置，而 AWS 在資料儲存、資料庫及企業基礎設施方面的優勢，使 AI 業務成長同時帶動傳統雲端服務需求。
賈西同時指出，未來市場不太可能只剩下一個「萬能模型」。多個第一梯隊模型、專業模型以及開源模型並存，可能成為 AI 市場的長期結構。這種多模型競爭雖然可能壓低單一模型的價格，但從整體算力市場來看，反而可能擴大模型使用量及推理需求。
因此，AI 產業下一階段的核心問題可能不再是「誰擁有最大的模型」，而是「有多少企業每天使用 AI」。
這種需求結構也正在改變資料中心的資本支出模式。模型訓練通常具有明顯的專案週期，算力需求可能在大型模型訓練期間快速增加；企業推理則更接近持續性的基礎設施需求，一旦 AI 被嵌入客服、金融風控、供應鏈及生產流程，相關算力可能需要全天候運轉。
這使得 AI 基礎設施可能逐漸從「科技公司的研發支出」，轉變為企業營運不可或缺的固定資產。
亞馬遜正在提前為這種需求做準備。除了採購外部 AI 晶片，公司也積極發展自研 Trainium 及 Graviton 晶片。亞馬遜表示，其晶片業務年化營收已超過 250 億美元，且維持三位數百分比的年增率。
AI 業務本身的年化營收規模也突破 250 億美元，同樣維持三位數百分比成長。這意味著亞馬遜目前並非只有投入 AI 基礎設施，AWS 的 AI 需求已經開始形成可觀的營收來源。
不過，市場仍不能把賈西對 2028 年需求的看法直接等同於「AI 算力永遠供不應求」。
首先，亞馬遜看到的是自身客戶的需求與容量規劃，客戶承諾不代表所有需求最終都會完全轉化為實際採購。若企業 AI 專案的投資回報不如預期，部分資本支出仍可能延後。
其次，AI 算力供給也在快速增加。輝達 (NVDA-US)、超微半導體(AMD-US) 等 AI 晶片供應商持續推出新一代產品，Google 母公司 Alphabet(GOOGL-US)、微軟 (MSFT-US) 及亞馬遜等大型雲端業者也積極發展自研晶片。隨著資料中心、伺服器、網路設備及電力供應能力擴張，2027 年至 2028 年的全球算力供給勢必較目前大幅增加。
更重要的是，AI 需求本身也會發生結構性變化。
前一階段的 AI 競賽主要集中在模型訓練，下一階段則可能逐步轉向推理。這將提高對低成本、高吞吐量、低延遲以及能源效率的要求，AI 晶片的競爭也將從單純追求最高運算能力，轉向每美元算力、每瓦性能及整體系統效率。
這對亞馬遜而言既是機會也是挑戰。
如果企業 AI 應用快速普及，AWS 可以透過雲端服務、AI 模型、推理算力、資料庫及自研晶片同時獲益。相反，如果 AI 應用商業化速度低於預期，亞馬遜龐大的資料中心投資可能需要更長時間才能回收。
目前市場已經開始密切關注大型科技公司的 AI 資本支出能否轉化為足夠的收入。2026 年包括亞馬遜、Alphabet、微軟、Meta 及甲骨文 (ORCL-US) 在內的大型科技企業，AI 基礎設施投資規模已經達到前所未有的水準，市場同時也開始注意到部分企業現金流承壓及長期資本承諾快速增加的現象。
其中亞馬遜今年 2,200 億美元的資本支出預估尤其受到市場關注。不過，公司並不是單純以預期需求下注。賈西此前已強調，AWS 大量資本支出背後存在客戶承諾，而且許多 2026 年的投資預計在 2027 年至 2028 年開始產生營收。
從最新財報來看，這項策略目前已有初步回報。AWS 第二季營收年增 36.7%，不僅遠高於前一季，也創下 18 個季度以來最快成長速度。AWS 年化營收達 1,690 億美元，AI 業務年化營收超過 250 億美元，顯示 AI 需求正在對雲端業務產生實質拉動。
亞馬遜股價也受到財報及 AWS 成長加速提振，市值近期一度突破 3 兆美元，反映投資人對 AI 商業化的信心有所提高。
因此，2028 年真正值得關注的可能並不是 AI 會不會突然出現一次「需求爆發」，而是企業 AI 是否會從目前的試驗階段進入全面生產階段。
如果 AI 只停留在聊天機器人、Demo 及少數企業的試點專案，算力需求即使持續成長，也可能難以支撐目前如此龐大的資料中心投資。
但如果 AI 代理、企業自動化、程式開發、智慧客服、金融風控、供應鏈管理及工業 AI 等應用真正進入大規模商用，需求結構就可能發生根本改變。
屆時，算力消耗將不再主要由幾十家大型 AI 公司決定，而是由全球數以百萬計的企業共同推動。
這也是亞馬遜最新訊號最值得注意的地方。
賈西並不是單純預測「AI 會很熱門」，而是從 AWS 已經收到的客戶需求與資本支出規劃中看到未來幾年的容量缺口。2026 年 2,200 億美元資本支出仍不足以滿足當年需求、2027 年供給壓力可能延續，以及目前已經出現可觀的 2028 年需求，三者共同構成 AI 基礎設施進入下一階段的訊號。
對全球半導體與資料中心產業而言，這代表 AI 競賽的焦點正在從「誰能做出最強模型」逐步轉向「誰能提供足夠且經濟有效的算力」。
對晶片供應商而言，需求可能從訓練 GPU 進一步擴散至推理晶片、CPU、記憶體、網路設備及資料中心基礎設施；對雲端業者而言，能否以更低成本提供高吞吐量 AI 服務將成為新的競爭關鍵。
而對投資人而言，真正需要追蹤的則是 AI 資本支出與 AI 收入之間的差距。
目前亞馬遜已經看到 AWS 成長明顯加速，AI 業務與晶片業務年化營收均突破 250 億美元，這使其大規模資本支出開始具備更明確的收入支撐。
但未來兩年，AI 產業仍必須證明這種需求可以持續轉化為現金流與合理的資本報酬。
如果答案是肯定的，那麼賈西所說的 2028 年「令人震驚」的需求，可能並不是誇張的市場口號，而是企業 AI 大規模商業化後自然形成的結果。
如果答案是否定的，全球科技巨頭目前堆積的巨額資料中心資本，則可能成為未來幾年市場重新評估 AI 估值的重要壓力來源。
換言之，AI 算力競賽真正的下一個戰場，可能已經不是模型實驗室，而是千千萬萬家普通企業的日常工作流程。
誰能讓 AI 真正進入企業生產線，誰就可能決定 2028 年算力需求究竟會迎來歷史性爆發，還是只是另一輪過度樂觀的資本支出週期。
下一篇
