AWS inwestuje, aby nadążyć za popytem, ale moce wciąż są ograniczone

Amazon Web Services zwiększa inwestycje w infrastrukturę po tym, jak popyt przewyższył podaż, mimo że firma zobowiązała się w tym roku wydać setki miliardów dolarów na nakłady kapitałowe.

Dyrektor generalny AWS Matt Garman powiedział Bloombergowi, że klienci wciąż chcą więcej mocy, niż dostawca chmury jest w stanie zapewnić. Amazon buduje więc centra danych, zabezpiecza komponenty i rozszerza dostęp do energii tak szybko, jak pozwala na to jego łańcuch dostaw.

To uspokajający komunikat dla firmy sprzedającej deficytową moc obliczeniową. Jednocześnie ujawnia on kluczowe ryzyko stojące za boomem na infrastrukturę AI. Amazon musi inwestować z wieloletnim wyprzedzeniem, jednocześnie udowadniając, że dzisiejsze niedobory wynikają z trwałych obciążeń klientów, a nie przejściowego entuzjazmu.

Najnowsze wyniki Amazonu wzmacniają jego argumentację. Sprzedaż AWS osiągnęła 42,2 mld dolarów w drugim kwartale 2026 roku, co oznacza wzrost o 37% względem poprzedniego roku. Było to najszybsze tempo wzrostu tej jednostki od 18 kwartałów.

Jednak nakłady potrzebne do wsparcia tego przyspieszenia nadal rosną. Amazon oczekuje obecnie znacznych wydatków kapitałowych na centra danych, chipy, robotykę i inne długoterminowe projekty. Do ostatniego wzrostu przyczyniły się wyższe koszty pamięci.

Microsoft i Google mierzą się z tymi samymi fizycznymi ograniczeniami. Wszystkie trzy firmy potrzebują chipów, sprzętu sieciowego, gruntów, wykwalifikowanych pracowników i ogromnych ilości energii elektrycznej. Tych zasobów nie można zwiększać w tempie rozwoju oprogramowania.

Rywalizacja nie ogranicza się więc już do jakości modeli ani funkcji chmurowych. Coraz bardziej zależy od tego, który dostawca potrafi przekształcić kapitał w użyteczną moc obliczeniową bez niszczenia przyszłych zwrotów.

Popyt na AWS rośnie szybciej niż dostępna moc

Istotna zmiana nie polega jedynie na tym, że AWS planuje wydawać więcej. Amazon twierdzi, że jego obecna rozbudowa nadal nie jest w stanie zaspokoić potwierdzonego popytu klientów.

W wywiadzie z Garmanem z 3 sierpnia Garman interview szef AWS opisał rynek, na którym popyt znacząco przewyższa podaż. Powiedział, że firma będzie nadal budować i inwestować, aby realizować potrzeby klientów.

Ta nierównowaga stała się wyraźniejsza po opublikowaniu przez Amazon wyników za drugi kwartał. Według quarterly results firmy, sprzedaż AWS wzrosła rok do roku o 37%, do 42,2 mld dolarów.

Dochód operacyjny AWS również wzrósł do 16,6 mld dolarów, wobec 10,2 mld dolarów rok wcześniej. Dane te pokazują, że ekspansja chmury przyczynia się zarówno do wzrostu, jak i zysków.

Amazon twierdzi, że AWS osiągnął roczne tempo przychodów wynoszące 169 mld dolarów. Firma podaje również, że jej działalność w obszarze AI i półprzewodników przekroczyła po 25 mld dolarów rocznego tempa przychodów.

Roczne tempo przychodów ekstrapoluje bieżące tempo przychodów z jednego okresu na cały rok. Jest przydatne do pokazania dynamiki, ale nie stanowi prognozy ani gwarantowanego wyniku rocznego.

To rozróżnienie ma znaczenie, ponieważ Amazon wykorzystuje obecny popyt do uzasadnienia wydatków, których odzyskanie zajmie lata. Dzisiejsze zapytanie klienta może uruchomić inwestycje w sprzęt i obiekty o znacznie dłuższym okresie użytkowania.

Dyrektor generalny Andy Jassy powiedział, że Amazon musi pozyskać grunty, energię, budynki, serwery, chipy i sprzęt sieciowy, zanim będzie mógł monetyzować powstałą w ten sposób moc. Część infrastruktury powstaje w ciągu miesięcy, podczas gdy większe projekty wymagają lat.

Ten czas realizacji stwarza trudny problem planistyczny. Jeśli Amazon będzie budował zbyt ostrożnie, klienci mogą przenosić obciążenia gdzie indziej, ponieważ AWS nie zapewni im potrzebnej mocy. Jeśli będzie budował zbyt agresywnie, niewykorzystane aktywa mogą obciążać przepływy pieniężne i zwroty.

Amazon obecnie uważa pierwsze ryzyko za pilniejsze. Jassy powiedział inwestorom, że firma nadal nie będzie dysponować wystarczającą mocą, aby zaspokoić cały popyt w 2026 roku, nawet po planowanych inwestycjach.

Dodał też, że spodziewa się utrzymania nierównowagi w 2027 roku. Według jego wypowiedzi przytoczonych w niezależnej spending analysis, sygnały popytowe na 2028 rok były już uderzające.

Pewność firmy wynika z czegoś więcej niż trenowanie dużych modeli AI. AWS twierdzi, że obciążenia związane ze sztuczną inteligencją zwiększają także popyt na pamięć masową, bazy danych, sieci, bezpieczeństwo oraz procesory ogólnego przeznaczenia.

Praca po treningu udoskonala model po jego początkowym cyklu szkolenia. Inference to z kolei proces obliczeniowy, który generuje odpowiedź, gdy ktoś korzysta z modelu.

Oba rodzaje działań mogą zużywać szeroki zakres zasobów chmurowych wykraczających poza wyspecjalizowane akceleratory AI. Agenci produkcyjni potrzebują także baz danych, kontroli tożsamości, monitorowania, pamięci i połączeń z aplikacjami biznesowymi.

Ta zależność pomaga wyjaśnić, dlaczego Amazon postrzega AI jako mnożnik dla swojego ugruntowanego biznesu chmurowego. Nowe wdrożenie modelu może włączyć kilka konwencjonalnych usług AWS do tego samego konta klienta.

Silny popyt nie przekłada się jednak automatycznie na dostępną podaż. Przychód można rozpoznać dopiero wtedy, gdy AWS zainstaluje sprzęt, podłączy zasilanie, uruchomi usługi i udostępni użyteczną moc.

Ta luka w fizycznym dostarczaniu usług stanowi napięcie kryjące się za komunikatem Garmana. AWS nie opisuje popytu, który ma nadzieję stworzyć. Opisuje działalność, której nie może natychmiast obsłużyć z powodu ograniczeń infrastrukturalnych.

Boom AI stał się wyzwaniem budowlanym

AWS może sprzedawać oprogramowanie na całym świecie w ciągu kilku minut, ale infrastrukturę stojącą za tym oprogramowaniem musi budować za pośrednictwem powolnego i rozdrobnionego fizycznego łańcucha dostaw.

Nowoczesne centrum danych AI potrzebuje więcej niż procesorów graficznych. Wymaga stacji transformatorowych, systemów chłodzenia, zasilania awaryjnego, połączeń optycznych, przełączników, pamięci, pamięci masowej, serwerów i wyszkolonych operatorów.

Każda zależność może stać się wąskim gardłem. Gotowy budynek ma niewielką wartość bez wystarczającej ilości energii elektrycznej. Dostawa akceleratorów nie może obsługiwać klientów bez sieci, chłodzenia i towarzyszącej mocy serwerowej.

Inwestycja Amazonu w infrastrukturę optyczną ilustruje skalę tego łańcucha zależności. Firma podpisała z Corning wieloletnią umowę wartą wiele miliardów dolarów na światłowody, kable i produkty łącznościowe.

Oczekuje się, że fiber agreement stworzy 1 000 miejsc pracy w produkcji w Karolinie Północnej. Wspiera również prace budowlane i szkolenia techniczne.

Światłowody są niezbędne, ponieważ duże klastry AI przesyłają ogromne ilości danych między procesorami, systemami pamięci masowej i innymi obiektami. Niewystarczająca przepustowość sieci może sprawić, że kosztowne procesory będą czekać na dane.

Pamięć stanowi kolejne ograniczenie. Jassy przypisał część wyższych potrzeb kapitałowych Amazonu zwiększonym kosztom pamięci, pokazując, jak inflacja cen komponentów może zmienić wydatki nawet bez szerszej zmiany strategii.

Energia pozostaje jeszcze trudniejszym problemem. Przedsiębiorstwa użyteczności publicznej, regulatorzy, właściciele gruntów i operatorzy sieci wpływają na to, kiedy centrum danych może zostać podłączone i ile energii elektrycznej może zużywać.

Dostawcy chmury mogą zamówić więcej serwerów szybciej, niż wiele regionów jest w stanie zwiększyć moce wytwórcze lub przesyłowe. W rezultacie dostępność sprzętu nie zawsze przekłada się na możliwą do wdrożenia moc obliczeniową.

Ograniczenia te zmieniają znaczenie skali. Historycznie skala chmury oznaczała działanie w wielu regionach i rozłożenie kosztów stałych na miliony klientów. AI dodaje konieczność koordynowania deficytowych zasobów fizycznych z wieloletnim wyprzedzeniem.

Amazon twierdzi, że jego historia operacyjna daje mu przewagę. AWS spędził dwie dekady na prognozowaniu popytu, negocjowaniu umów dostaw i projektowaniu infrastruktury dla dużych obciążeń klientów.

To doświadczenie nie eliminuje niedoborów. Może pomóc AWS zdecydować, gdzie ulokować moc, które komponenty zarezerwować i jak równoważyć wyspecjalizowane akceleratory z systemami ogólnego przeznaczenia.

Amazon projektuje również własne procesory. Trainium jest przeznaczony do trenowania modeli i inference, a Graviton obsługuje zadania obliczeniowe ogólnego przeznaczenia oparte na architekturze Arm.

Własne chipy dają AWS kolejny sposób zarządzania kosztami i podażą. Mogą zmniejszyć zależność od jednego zewnętrznego dostawcy procesorów, choć produkcja nadal opiera się na ograniczonym łańcuchu dostaw półprzewodników.

Klienci potrzebują także oprogramowania, które potrafi efektywnie wykorzystać dostępny sprzęt. AWS oferuje usługi, w tym SageMaker AI, Bedrock i Bedrock AgentCore, aby przenieść rozwój i wdrażanie modeli na swoją infrastrukturę.

Amazon twierdzi, że Bedrock umożliwia klientom wybór spośród wielu modeli za pośrednictwem usługi zarządzanej. Taki wybór modeli wspiera klientów, którzy nie chcą wiązać całej swojej strategii AI z jednym twórcą.

AgentCore zapewnia infrastrukturę do uruchamiania agentów AI, w tym kontrolę tożsamości, pamięć, monitorowanie i zasady. Agent AI to oprogramowanie, które wykorzystuje model i podłączone narzędzia do realizacji wieloetapowych zadań.

Usługi te mają znaczenie, ponieważ popyt na infrastrukturę zależy od wdrożeń produkcyjnych. Demonstracja uruchamiana okazjonalnie tworzy niewielkie, trwałe wykorzystanie chmury. Agent przetwarzający codzienne transakcje biznesowe generuje ciągły popyt w kilku systemach.

AWS musi więc przekształcać eksperymenty w powtarzalne zużycie. Argument inwestycyjny firmy staje się silniejszy, gdy klienci używają AI stale wewnątrz aplikacji, zamiast rezerwować moc dla niepewnych projektów pilotażowych.

Historia ograniczeń jest wiarygodna, ponieważ wzrost przychodów przyspieszył wraz z wydatkami. Nadal jednak częściowo pozostaje prognozą dotyczącą tego, jak dojrzeją obecne obciążenia.

Budynki i infrastruktura elektryczna wytrzymują znacznie dłużej niż poszczególne produkty AI. Amazon podejmuje fizyczne zobowiązania, podczas gdy architektury modeli, projekty procesorów i preferencje klientów nadal szybko się zmieniają.

Ta rozbieżność między aktywami o długim okresie użytkowania a szybko zmieniającym się oprogramowaniem jest nieunikniona. Pytanie brzmi, czy AWS zdoła utrzymać wystarczającą elastyczność infrastruktury, aby wspierać kolejne wybory klientów.

Prawdziwym przeciwnikiem Amazonu jest jego własna obietnica wydatkowa

Kluczowa rywalizacja toczy się między twierdzeniem Amazonu o trwałym, ograniczonym podażowo popycie a finansową rzeczywistością finansowania mocy na lata przed uzyskaniem przychodów.

Amazon nie jest jedyną firmą podejmującą ten zakład. Alphabet, Microsoft, Meta i inne firmy technologiczne kierują nadzwyczajne ilości kapitału na infrastrukturę AI.

Wspólne wydatki nie eliminują ryzyka Amazonu. Podnoszą koszt rywalizacji o tę samą pamięć, chipy, światłowody, pracowników budowlanych i przyłącza energetyczne.

Mogą również utrudniać prognozowanie. Klient mający ograniczony dostęp do AWS może rezerwować moc u więcej niż jednego dostawcy, przez co pozorny popyt może przewyższać ostateczne zużycie.

Umowy chmurowe dostarczają silniejszych dowodów, gdy obejmują wiążące zobowiązania. Nawet wtedy harmonogramy wdrożeń mogą się zmieniać, gdy klienci modyfikują produkty, budżety lub strategie dotyczące modeli.

Odpowiedź Amazonu koncentruje się na ekonomice infrastruktury o długim okresie użytkowania. W wyjaśnieniu swojego investment cycle Jassy powiedział, że AWS wydaje gotówkę przed monetyzacją nowej mocy.

Zauważył, że sprzęt sieciowy i obliczeniowy może mieć okres użyteczności wynoszący około sześciu lat. Aktywa centrów danych mogą pozostawać użyteczne przez ponad 30 lat.

Ten horyzont czasowy daje Amazonowi wiele możliwości uzyskania zwrotu z jednego obiektu. Serwery można wymieniać, podczas gdy budynek, przyłącze energetyczne i infrastruktura sieciowa nadal obsługują klientów.

Model działał podczas wcześniejszej ekspansji AWS. Amazon inwestował, zanim wykorzystanie chmury stało się powszechne, a następnie skorzystał na przenoszeniu przez firmy coraz większej części obliczeń poza prywatne centra danych.

Jednak rozbudowa infrastruktury AI różni się pod istotnymi względami. Specjalistyczne procesory są kosztowne, popyt klientów może koncentrować się wokół określonych modeli, a wydajność sprzętu szybko się poprawia.

Obiekt może zachowywać wartość przez dekady, ale znajdujące się w nim procesory mogą starzeć się znacznie szybciej. Starszy sprzęt nadal może obsługiwać inferencję lub tradycyjne obciążenia, choć jego potencjał przychodowy może maleć.

Systemy AI mogą też stawać się bardziej wydajne. Lepsze modele, optymalizacja oprogramowania, kwantyzacja i mniejsze modele wyspecjalizowane w konkretnych zadaniach mogą ograniczać zasoby obliczeniowe potrzebne do uzyskania danego rezultatu.

Kwantyzacja obniża precyzję numeryczną wykorzystywaną przez model. Technika ta może zmniejszać wymagania dotyczące pamięci i mocy obliczeniowej, zachowując wystarczającą dokładność dla wielu zastosowań.

Wydajność nie musi koniecznie zmniejszać całkowitego popytu. Niższe koszty obliczeń mogą zachęcać do większego wykorzystania, co często określa się mianem efektu odbicia.

AWS zakłada, że rosnące wykorzystanie przeważy nad zyskami z wydajności. Więcej aplikacji, użytkowników, agentów i zautomatyzowanych procesów utrzyma wzrost całkowitego zużycia zasobów obliczeniowych.

Wyniki spółki za drugi kwartał na razie potwierdzają tę tezę. Wzrost AWS przyspieszył, a do zwiększenia przyczyniły się zarówno AI, jak i tradycyjne usługi chmurowe.

Rentowność również zapewnia pewną ochronę. Zysk operacyjny AWS daje Amazonowi istotne wewnętrzne źródło finansowania, nawet gdy inwestycje gotówkowe w całej spółce rosną.

Zysk operacyjny i przepływy pieniężne mierzą jednak różne rzeczy. Nakłady kapitałowe wymagają gotówki od razu, podczas gdy koszty księgowe są ujmowane przez okres użytkowania aktywa.

Inwestorzy muszą więc oceniać dwie perspektywy czasowe. Bieżące zyski z chmury mogą rosnąć, podczas gdy wolne przepływy pieniężne słabną, ponieważ Amazon finansuje przyszłe obiekty.

Presja staje się większa, jeśli rosną koszty budowy lub opóźniają się harmonogramy uruchomienia. Opóźniona zdolność operacyjna pochłania kapitał, nie generując od razu przychodów z chmury.

Szersza działalność Amazona komplikuje ten obraz. Jego program inwestycyjny wspiera również logistykę, robotykę, satelity i inne projekty, więc deklarowane nakłady nie dotyczą wyłącznie AWS.

To utrudnia precyzyjną analizę zwrotu na podstawie samych danych publicznych. Inwestorzy widzą przychody i zysk operacyjny AWS, lecz nie pełny podział ekonomiki infrastruktury na poziomie projektów.

Obietnicę inwestycyjną Amazona należy więc traktować jako zdyscyplinowany zakład, a nie dowód przyszłych zwrotów. Zarząd dostrzega wystarczający popyt, by przedkładać moce operacyjne nad krótkoterminowe zachowanie gotówki.

Rynek oceni ten wybór przez pryzmat wykorzystania mocy, wzrostu przychodów, marż i generowania gotówki. Twierdzenie Garmana o popycie wskazuje na szansę, ale to realizacja przesądzi, czy stanie się ona atrakcyjnym biznesem.

Microsoft i Google wywierają presję z obu stron

AWS prowadzi na rynku chmury na ogromną skalę, ale rywale mogą wywierać presję, zwiększając moce szybciej lub skuteczniej przekształcając popyt na AI we wzrost chmury.

Microsoft wchodzi do rywalizacji z dużą bazą oprogramowania dla przedsiębiorstw oraz ścisłą relacją między Azure a jego aplikacjami biznesowymi. Klienci mogą wdrażać AI za pośrednictwem istniejących umów, narzędzi dla deweloperów i produktów do pracy biurowej.

Google wnosi własne modele AI, własne Tensor Processing Units, kompetencje badawcze oraz biznes chmurowy rosnący z mniejszej bazy. Wzrost jego działalności chmurowej w drugim kwartale przewyższył procentowy wzrost AWS.

Sam procentowy wzrost nie przesądza o pozycji lidera rynku. Mniejszy biznes może rozwijać się szybciej, dodając jednocześnie mniej przychodów w wartościach bezwzględnych niż większy konkurent.

Mimo to szybki wzrost rywali ma znaczenie, ponieważ klienci mogą rozdzielać obciążenia między kilku dostawców. Strategie multicloud zmniejszają zależność od jednego dostawcy i wzmacniają pozycję negocjacyjną podczas rozmów o dostępnych mocach.

Konkurencja działa też w przeciwnym kierunku. Gdy każdy duży dostawca ma ograniczone moce, klienci mają mniej natychmiastowych alternatyw. Może to wspierać wykorzystanie infrastruktury i ograniczać ryzyko pustych obiektów.

Efekt zależy od tego, gdzie pojawią się dostępne moce. Infrastruktura AI nie jest w pełni wymienna między regionami, typami procesorów, konfiguracjami sieciowymi ani platformami programistycznymi.

Klient potrzebujący określonego akceleratora w jednej lokalizacji nie zawsze może zastąpić go zasobami ogólnego przeznaczenia gdzie indziej. Przepisy dotyczące rezydencji danych i wymogi opóźnień dodatkowo ograniczają taką migrację.

Tworzy to wiele mniejszych rynków podaży wewnątrz szerszego rynku chmury. AWS może mieć nadmiar mocy w jednej usłudze, jednocześnie odrzucając popyt na inną.

Kompatybilność oprogramowania również wpływa na te decyzje. Klienci korzystający z Bedrock, SageMaker AI lub baz danych AWS muszą wykonać pracę migracyjną, jeśli przenoszą system produkcyjny do Azure lub Google Cloud.

To samo dotyczy obciążeń zbudowanych wokół platform konkurentów. Techniczne koszty zmiany dostawcy mogą podtrzymywać relacje z klientami, ale nie gwarantują, że każdy nowy projekt AI pozostanie u jednego dostawcy.

Strategia AWS kładzie nacisk na wybór modeli i wspierającą infrastrukturę. Amazon chce, aby klienci wybierali modele, jednocześnie utrzymując dane, aplikacje, mechanizmy bezpieczeństwa i usługi agentowe w AWS.

Takie pozycjonowanie różni się od strategii zbudowanej wokół jednego flagowego modelu. Traktuje ono platformę chmurową jako trwałą warstwę, nawet gdy zmienia się najpopularniejszy model.

Podejście to może działać, jeśli przedsiębiorstwa cenią elastyczność bardziej niż ścisłą integrację z jednym twórcą modelu. Staje się słabsze, jeśli połączenie modelu i platformy rywala zapewnia wyraźnie lepszą ekonomikę.

Własne procesory to kolejny obszar konkurencji. AWS promuje Trainium i Graviton, Microsoft rozwija własny krzem, a Google od lat wykorzystuje własne akceleratory AI.

Układy te mogą poprawiać siłę negocjacyjną i tworzyć usługi dostosowane do infrastruktury każdego dostawcy. Wymagają jednak dużych nakładów na badania oraz wystarczającej adopcji przez klientów, aby uzasadnić produkcję.

Żaden dostawca nie kontroluje całego stosu technologicznego. Zaawansowana produkcja półprzewodników, pamięć, komponenty sieciowe, infrastruktura energetyczna i możliwości budowlane nadal są rozproszone wśród zewnętrznych dostawców.

Ta zależność oznacza, że wyścigu chmurowego nie da się wygrać wyłącznie premierami oprogramowania. Zamówienia, inżynieria obiektów i koordynacja z dostawcami energii kształtują dziś dostępność produktów.

Umowa Amazona z Corning pokazuje jedną z odpowiedzi: zabezpieczanie strategicznych komponentów poprzez długoterminowe zobowiązania. Podobne porozumienia mogą ograniczać niepewność dostaw, ale także wiążą spółkę z przyszłymi zakupami.

Ryzyko konkurencyjne jest więc dwustronne. AWS może tracić biznes, jeśli rozbudowuje się zbyt wolno, podczas gdy nadpodaż może powstać, jeśli każdy dostawca buduje infrastrukturę według tej samej optymistycznej krzywej popytu.

Aby powstały nadwyżki mocy, nie jest konieczny szeroki spadek adopcji AI. Bardziej wydajne modele, opóźnione wdrożenia w przedsiębiorstwach lub zdublowane rezerwacje mogą doprowadzić do mniejszej nierównowagi.

Dla nabywców korporacyjnych konkurencja oferuje większą siłę negocjacyjną, ale także ryzyko planistyczne. Usługa chmurowa wymieniona w katalogu może nadal podlegać regionalnym limitom, okresom oczekiwania lub ograniczonemu wyborowi sprzętu.

Nabywcy powinni oceniać dostępną moc, harmonogramy wdrożeń i elastyczność umów obok benchmarków modeli. Najwydajniejsza demonstracja ma niewielką wartość, jeśli infrastruktura produkcyjna pojawia się z opóźnieniem.

Deweloperzy stają przed podobnym kompromisem. Projektowanie pod przenośne modele i standardowe interfejsy może zmniejszać zależność od jednego dostawcy, lecz najbardziej wydajne usługi często korzystają z własnościowej infrastruktury.

Pracownicy umysłowi mogą odczuć ten rezultat pośrednio. Większe moce mogą skrócić czas odpowiedzi i rozszerzyć funkcje AI, podczas gdy niedobory infrastruktury mogą opóźniać premiery produktów lub ograniczać dostęp.

Dostawcy chmury ścigają się, by te ograniczenia były niewidoczne. Komentarze Garmana pokazują, że AWS jeszcze tego nie osiągnął, mimo swojej skali i inwestycji.

Co może podważyć zakład Amazona na moce operacyjne

Największym ryzykiem Amazona nie jest zniknięcie AI. Jest nim wzrost kosztów infrastruktury szybszy niż wzrost rentownego wykorzystania przez klientów.

Obecny wzrost stanowi dowód realnego popytu, ale nie rozstrzyga, jak długo ten popyt się utrzyma. Przedsiębiorstwa mogą zwiększać budżety na AI, jednocześnie wciąż zmagając się z wdrażaniem niezawodnych aplikacji.

Wiele projektów napotyka problemy z jakością danych, bezpieczeństwem, zarządzaniem i integracją. Przeszkody te mogą opóźniać wykorzystanie produkcyjne po zarezerwowaniu infrastruktury lub ukończeniu pilotażu.

Aplikacje agentowe wprowadzają kolejną niewiadomą. Agenci mogą generować wysokie zużycie chmury, ponieważ wielokrotnie wywołują modele i uzyskują dostęp do kilku systemów.

Mogą także powodować nieprzewidywalne koszty lub błędy. Firmy mogą ograniczać ich wykorzystanie, dopóki monitorowanie, tożsamość i mechanizmy kontroli zasad nie staną się bardziej niezawodne.

Amazon buduje usługi, aby rozwiązać te problemy. Samo istnienie zarządzanych narzędzi nie potwierdza jednak, że klienci wdrożą agentów na skalę zakładaną w planach infrastrukturalnych.

Drugie ryzyko dotyczy wydajności technologii. Nowe procesory i techniki modelowe mogą wykonywać to samo zadanie przy mniejszym zużyciu energii, pamięci lub czasu akceleratora.

Ta wydajność może rozszerzać rynek, ale znaczenie ma moment jej pojawienia się. Nagłe ulepszenie może zmniejszyć popyt na określone konfiguracje sprzętowe, zanim Amazon w pełni je zamortyzuje.

Podobne wyzwanie stwarza miks sprzętowy. Moce oparte na jednym akceleratorze nie zawsze można ekonomicznie przekształcić w inne, gdy zmieniają się preferencje klientów.

AWS może ograniczać tę ekspozycję, obsługując kilka opcji procesorów. Nadal musi prognozować, ilu jednostek każdego typu klienci będą potrzebować w poszczególnych regionach.

Trzecie ryzyko to realizacja. Centra danych wymagają, aby pozwolenia, sprzęt, energia, sieć i wykwalifikowani pracownicy pojawili się we właściwej kolejności.

Opóźnienie w którymkolwiek z tych elementów może unieruchomić pozostałe. Amazon może posiadać serwery, których nie da się zasilić, albo ukończyć budynek, zanim gotowe będzie jego połączenie sieciowe.

Umowy dostaw ograniczają część niepewności, jednocześnie tworząc zobowiązania. Jeśli popyt później osłabnie, Amazon może nadal być zobowiązany do zakupu komponentów lub wspierania rozszerzonej produkcji.

Presja ze strony społeczności i regulatorów może również wpływać na budowę. Duże centra danych mogą budzić obawy dotyczące cen energii elektrycznej, zużycia wody, wykorzystania gruntów, hałasu i zasilania awaryjnego.

Obawy te nie oznaczają, że projekty zostaną wstrzymane. Mogą jednak wydłużać procesy zatwierdzania lub wymagać dodatkowych inwestycji zmieniających ekonomikę projektu.

Czwarte ryzyko to przejrzystość finansowa. Amazon raportuje sprzedaż i zysk operacyjny AWS, ale inwestorzy nie mogą bezpośrednio połączyć każdego dolara wydanego na infrastrukturę z konkretnym obciążeniem klienta.

Nakłady kapitałowe w całej spółce obejmują też biznesy spoza AWS. Ten szeroki zakres utrudnia obliczenie zwrotu z rozbudowy AI na podstawie publicznych ujawnień.

Inwestycja Amazona w Anthropic dodatkowo komplikuje porównania kwartalne. Zysk netto za drugi kwartał obejmował znaczny dochód nieoperacyjny związany z tą inwestycją.

Ten zysk księgowy nie stanowi gotówki wygenerowanej przez klientów AWS. Czytelnicy powinni oddzielać go od bazowej sprzedaży i wyników operacyjnych działu chmurowego.

Ostrożna analiza powinna również odróżniać popyt od niedoboru. Braki mocy mogą odzwierciedlać wyjątkowy wzrost klientów, powolną budowę, nieefektywną alokację lub kilka czynników jednocześnie.

Wypowiedź Garmana opisuje rezultat, a nie pełną strukturę niedoboru. Publiczne raportowanie nie ujawnia, jaka część zapotrzebowania na moce jest objęta twardymi zobowiązaniami umownymi.

Żadna z tych luk nie podważa argumentacji Amazona. Określają one dowody potrzebne do jej sprawdzenia.

Pierwszym sygnałem, który warto obserwować, jest wzrost przychodów AWS w kolejnym cyklu wyników. Dalsze przyspieszenie wspierałoby twierdzenie Amazona, że dodatkowe moce szybko przekładają się na wydatki klientów.

Spowolnienie wymagałoby bliższej interpretacji. Mogłoby wskazywać na słabszy popyt, ale także na to, że ograniczenia podaży uniemożliwiły AWS obsłużenie dostępnego biznesu.

Dlatego kluczowe byłyby komentarze zarządu dotyczące zwiększania mocy. Inwestorzy powinni porównywać harmonogram uruchamiania infrastruktury ze zmianami przychodów i zakontraktowanych zobowiązań.

Drugim sygnałem są przepływy pieniężne Amazona oraz marża operacyjna AWS. Wzrost przychodów staje się mniej przekonujący, jeśli wydatki na infrastrukturę stale przewyższają środki pieniężne generowane przez ten wzrost.

Krótkoterminowa presja jest spodziewana podczas rozbudowy. Ważniejszym testem będzie to, czy wykorzystanie zasobów poprawi się wraz z uruchamianiem nowych centrów danych i procesorów.

Rosnące wykorzystanie przy stabilnych marżach wzmocniłoby tezę inwestycyjną. Powtarzające się wzrosty kosztów bez proporcjonalnego wzrostu przychodów osłabiłyby ją.

Trzecim sygnałem są przepływy klientów między AWS, Azure i Google Cloud. Duże kontrakty, dostępność regionalna oraz wdrożenia produkcyjne pokażą, czy niedobory pomagają AWS, czy mu szkodzą.

Klienci oczekujący na moce AWS mogą zaakceptować opóźnienia, przeprojektować obciążenia robocze lub przenieść je gdzie indziej. Każda z tych reakcji ma inne konsekwencje dla długoterminowej pozycji Amazona.

Amazon musi też pokazać, że jego usługi AI generują popyt na szerszą platformę. Wzrost w obszarach pamięci masowej, baz danych, sieci i ogólnych usług obliczeniowych potwierdziłby opisany przez zarząd efekt mnożnikowy.

Czytelnicy śledzący tę rozbudowę powinni koncentrować się na mierzalnym dostarczaniu rezultatów, a nie wyłącznie na zapowiedziach budowy. Uruchomione moce, utrzymujące się wykorzystanie, marże i generowanie gotówki mówią więcej niż deklarowana skala projektu.

Zespoły oceniające dostawców chmurowych mogą przechowywać notatki z wyników finansowych, aktualizacje dotyczące mocy, kontrakty i rejestry wdrożeń w ramach przeszukiwalnej bazy wiedzy. Taki zapis ułatwia porównywanie zmieniających się deklaracji dostawców w czasie.

AWS jasno przedstawił swoje stanowisko: popyt klientów uzasadnia dalsze inwestycje, nawet na skalę, która kiedyś wydawałaby się skrajna. Kolejne pytanie brzmi, czy Amazon zdoła uruchomić moce, zanim klienci znajdą alternatywy.

W kolejnych wynikach AWS warto szukać odpowiedzi na trzy pytania. Czy wzrost usług chmurowych nadal przyspiesza, czy nowe obiekty poprawiają dostępność i czy generowanie gotówki zaczyna doganiać krzywą inwestycji?

Te sygnały zdecydują, czy niedobór mocy Amazona stanowi trwałą przewagę, czy kosztowny wyścig z oczekiwaniami.