随着 AI 支出再次跃升，Amazon 与 Google Cloud 的竞争加剧

尽管已比任何主要竞争对手投入更多资金建设新的计算能力，Amazon 仍将其 2026 年资本支出计划上调至 2,200 亿美元。这一增长加剧了 Amazon 与 Google 围绕 AI 基础设施客户的竞争，同时也让市场更严格地审视 Amazon 未来的现金回报。

这一时点至关重要，因为 Amazon Web Services 终于与支出同步加速。AWS 第二季度营收同比增长 37%，创下 18 个季度以来最快增速。Amazon 表示，需求依然超过其能够部署的容量。

Google 和 Microsoft 报告了同样的基本限制，但财务信号有所不同。Google Cloud 增长更快，而 Microsoft 没有再大幅增加支出。Amazon 现在必须证明，其无可匹敌的投资规模能够带来持久的云业务增长，而不只是更高的账单。

Amazon 为其扩张计划再增加 200 亿美元

Amazon 的新支出计划让一个强劲的云业务季度，变成了对未来需求规模大得多的一次押注。

Amazon 目前预计，2026 年现金资本支出约为 2,200 亿美元。这比管理层 2 月给出的预估高出 200 亿美元，也远高于 2025 年的 1,280 亿美元支出。

资本支出通常简称为 capex，涵盖服务器、芯片、网络设备和数据中心等长期资产。Amazon 的总额还包括对机器人业务和卫星业务的投资，因此并非纯粹的 AI 数据。

据 CEO Andy Jassy 称，AWS 仍是主要投向。Amazon 需要更多计算能力来服务传统云工作负载、模型训练、AI 推理，以及自身不断增长的软件服务。

该公司的季度业绩为增加支出提供了异常有力的依据。AWS 在 4 月至 6 月当季的营收约为 422 亿美元，同比增长 36.7%。

这一增速较上一季度的 28% 明显加快，也超过了此前引发市场担忧 AWS 正在向 Microsoft Azure 和 Google Cloud 失去增长动能的增速。

Amazon 表示，其 AI 业务和定制芯片业务的年化营收运行率均已超过 250 亿美元。运行率是将当前业绩年化，而非报告已完成的全年销售额。

Jassy 还称，更昂贵的内存是上调支出预测的主要原因。AI 服务器需要大量高带宽内存和常规内存，因此在 Amazon 的规模下，零部件通胀影响显著。

这一增长并不意味着 Amazon 能够立即满足每一位客户的需求。数据中心项目需要土地、电力、冷却系统、网络连接、许可证和专业设备，服务器随后才能开始创造收入。

Jassy 表示，Amazon 仍预计整个 2026 年需求将超过可用容量。他预计这种失衡将持续到 2027 年，并称目前已可见的 2028 年需求令人瞩目。

这一表态概括了核心矛盾。Amazon 并非仅仅因为高管预计 AI 终将迎来繁荣而建设更多产能。该公司表示，现有客户已经在要求获得超过 AWS 供应能力的更多容量。

不过，客户兴趣与盈利性利用率并不相同。如今订购的容量必须在更新的芯片、模型和软件架构改变 AI 计算经济性之后，依然保持价值。

因此，Amazon 论点中最有力的部分并不是醒目的支出数字，而是 AWS 营收加速、现有承诺和供应受限的结合。

最薄弱的部分则是开出支票与获得回报之间的漫长间隔。建筑物可以支持数代服务器，但部分昂贵的计算设备折旧速度要快得多。

Amazon 的 2,200 亿美元计划同时提高了两方面的赌注。AWS 更快的增长证明应建设更多产能，但扩张规模的扩大也为未来增长设定了更高标准。

Amazon 与 Google 的支出竞赛已有营收信号

Amazon 与 Google 的竞争已不再仅由承诺的基础设施定义，因为两家公司如今都在报告云业务的显著加速。

Alphabet 报告称，Google Cloud 第二季度营收同比增长 82%。营收达到 248 亿美元，而其云业务积压订单升至 5,140 亿美元。

积压订单代表尚未确认的已签约营收。它为需求提供了可见性，不过未来营收确认的时点和盈利能力可能存在差异。

Google 还将其 2026 年 capex 预测上调至 1,950 亿至 2,050 亿美元之间。此前的区间为 1,800 亿至 1,900 亿美元。

该公司表示，绝大多数支出将用于支持技术基础设施。该类别包括服务器、网络设备和数据中心建设。

Google CEO Sundar Pichai 表示，即使增加了容量，公司仍受到供应限制。Google 还报告称，每月约有 900 万开发者使用其模型。

其第一方模型 API 每分钟处理约 220 亿个 token，高于一个季度前的 160 亿个。Token 是 AI 模型处理的小型文本或数据单位。

这些运营数据有助于将基础设施与实际活动联系起来。它们并未披露每项 AI 请求获得的利润率，但表明昂贵设备正在支撑可量化的使用量。

Google 的云业务动能对 Amazon 构成直接挑战。AWS 的规模仍然更大，但 Google Cloud 的营收增长百分比快得多。

Google 还能将基础设施分摊到多个业务中。同一技术基础可支持 Cloud 客户、Gemini、Search 功能、YouTube 工具、安全服务和内部模型研究。

这种整合提高了潜在利用率。但它也使经济效益更难拆分，因为 Alphabet 并未为每项 AI 产品披露单独的损益表。

Amazon 也拥有共享使用的优势。AWS 基础设施支持外部客户、Amazon 服务、定制芯片，以及与模型开发商的合作关系。

差异在于各自的起点。Amazon 领跑云基础设施市场，而 Google 则将较小的云业务地位与规模大得多的消费者分发网络相结合。

根据市场份额数据所引用的行业估计，第一季度 AWS 占全球云基础设施支出的 28%。Microsoft 占 21%，Google 占 14%。

这一领先地位为 AWS 带来了庞大的已安装基础。企业已经在 Amazon 的环境中运行数据库、应用程序、存储系统和安全工具。

AI 工作负载能够扩大这些现有客户账户。一家训练模型的公司，也可能向同一提供商购买存储、网络、分析、数据库和身份服务。

Google 则从另一个方向切入这一机会。其定制 Tensor Processing Units、Gemini 模型、数据产品和安全产品组合，构成了 AWS 的一体化替代方案。

因此，Amazon 与 Google 的竞争并非简单地争夺谁拥有最多图形处理器。两家公司都希望 AI 需求能将客户进一步吸引至其更广泛的云平台中。

最新数据表明，两种策略都在吸引需求。但它们尚未证明哪家公司能将这些需求转化为更优的长期回报。

Microsoft 让支出比较变得更复杂

Microsoft 表明，云业务加速可以令投资者印象深刻，而无需宣布再次大幅增加计划投资。

Microsoft 报告称，在其第四财季，Azure 和其他云服务营收增长 43%。这一表现超过了管理层一个季度前预测的增长区间。

该公司还表示，Azure 年营收首次超过 1,000 亿美元。Microsoft Cloud 在整个财年的营收超过 2,140 亿美元。

其Azure 业绩在 Amazon 发布季度业绩前一天公布。这为投资者评估支出与增长之间的关系提供了另一项基准。

Microsoft 并未将业绩与同等规模的年度支出计划上调配套。这一反差强化了市场的偏好：在没有再次出现大规模 capex 意外的情况下，实现可见的营收加速。

这一比较需要谨慎，因为这些公司的报告周期和会计呈现方式不同。Microsoft 还广泛采用融资租赁来配置数据中心资产。

不过，Microsoft 面临同样的物理限制。管理层多次表示，即使新基础设施陆续投产，需求仍超过可用的云和 AI 容量。

Microsoft 预计，其第四财季的季度 capex 将超过 400 亿美元。其年初对 2026 年全年的预期接近 1,900 亿美元。

该公司表示，更高的零部件成本占该计划中相当大的一部分。它还预计供应限制将持续至 2026 年。

Microsoft 的优势在于企业软件分发能力。Azure 基础设施直接连接 Microsoft 365、GitHub、安全产品、数据库和行业应用。

据公司称，Microsoft 365 Copilot 的付费席位已超过 3,000 万。这为 Microsoft 提供了在基础设施层之上实现 AI 商业化的路径。

Amazon 的软件布局不同。AWS 提供广泛的开发者和企业服务，但 Amazon 缺少 Microsoft 占主导地位的办公软件套件。

Google 处于中间位置。它销售企业基础设施和生产力软件，同时也通过拥有庞大受众的消费产品分发 AI。

这些差异十分重要，因为 AI 基础设施的利润率面临折旧、能源使用和频繁硬件更换的压力。提供商希望获得能够吸收这些成本的软件收入。

云客户可能租用原始加速器容量来训练模型。这可以带来可观营收，但其差异化程度可能低于完整应用或托管平台。

因此，每家提供商都在试图攀升同一技术栈。Amazon 在基础设施之外推广 Bedrock、SageMaker、定制 Trainium 芯片和托管智能体。

Google 将其云平台与 Gemini 模型、Vertex AI、定制 TPU、Workspace 和安全产品结合。Microsoft 则将 Azure 与 OpenAI 模型、Copilot、GitHub 及其商业应用整合。

这就是为什么单凭季度云业务增长无法决定竞争结果。营收构成、合同期限、折旧和软件附加销售都会影响最终回报。

Microsoft 的季度表现加大了对 Amazon 的压力，因为 Azure 在没有再次大幅修订支出指引的情况下实现加速。它也给 Google 带来压力，后者更快的增长伴随着更大的 capex 预测。

Amazon 现在必须证明，额外投入的 200 亿美元能购买到原本无法获得的营收。仅仅与竞争对手的基础设施扩张保持同步还不够。

更多容量并不保证带来更高回报

核心风险并非 AI 兴趣不足，而是当今的基础设施能否在最昂贵的组件过时前实现足够收益。

Amazon 增加支出的同时，自由现金流出现恶化。截至 6 月 30 日的 12 个月内，该公司录得 76 亿美元现金流出，而一年前为 182 亿美元现金流入。

自由现金流通常衡量企业在购置物业和设备后的经营现金。当企业加速建设并采购服务器时，该指标可能迅速下降。

Amazon 的整体业务依然具备创造可观营业利润的能力。然而，现金流的逆转表明，其 AI 和物流扩张正在产生直接的财务成本。

Alphabet 在公布强劲营收后也面临类似审视。尽管 Google Cloud 快速扩张、其他业务表现稳健，但高额支出仍将其季度自由现金流推至负值。

一项独立财报分析指出，AI 需求加速与 Alphabet 现金创造能力承压之间形成鲜明对比。尽管营收超出预期，投资者的反应依然谨慎。

这些结果削弱了最简单的看多论点。强劲需求并不会自动避免短期财务压力。

它们也削弱了最简单的看空论点。各家服务商并非在云业务收入停滞时仍持续投入。AWS、Azure 和 Google Cloud 均报告了快速增长。

更棘手的问题在于资产的使用寿命。数据中心建筑可运行数十年，而服务器和加速器则需要更快更换。

Microsoft 此前表示，其单季资本支出总额中约三分之二由寿命较短的资产构成，主要是 CPU 和 GPU。这些组件需要比土地或建筑更快实现变现。

Amazon 对其支出结构的描述有所不同，但面临同样的技术现实。AI 客户通常寻求最新一代加速器，因为性能提升可降低每个 token 的成本。

定制芯片提供了一种可能的防御手段。Amazon 的 Trainium 加速器旨在降低对 Nvidia 的依赖，同时让 AWS 对硬件经济性拥有更多控制权。

Google 多年来一直通过 TPU 推进这一策略。Microsoft 也在开发自有加速器和服务器处理器，同时继续从 Nvidia 和 AMD 采购设备。

在利用率较高时，定制芯片能够改善成本结构。但它也会带来研发风险、客户兼容性顾虑，以及管理层必须准确预测的另一轮库存周期。

能源是另一项限制因素。若缺乏足够的电力、冷却、网络和地区审批，已完成的服务器订单无法产生收入。

服务商已在多个大洲宣布数据中心项目，但部分地点面临电网延迟和社区反对。仅靠建设速度并不能保证形成可用的算力供给。

客户集中度增加了不确定性。大型模型开发商可以签署规模庞大的承诺，但其支出取决于融资、产品采用情况和未来的模型经济性。

积压订单能够提供信心，但并非每份合同都具有相同的利润率或进度安排。一些协议还涉及云服务商与 AI 公司之间流动的战略投资。

这种循环关系值得关注。一家云服务商可以投资模型开发商，后者随后承诺从同一家服务商采购算力。

这种安排能够加快平台开发并锁定重要客户。但它也会令已报告的需求更难与普通企业消费进行比较。

Amazon 已扩大与 Anthropic 和 OpenAI 的合作关系，而 Microsoft 仍与 OpenAI 保持紧密联系。Google 在内部开发其领先模型，并通过 Cloud 向外部开发者提供服务。

这些做法本身都并非不合理。每种做法都会形成不同的依赖关系，而季度云业务增长率无法充分披露这些关系。

因此，更审慎的解读应当是有条件的。只要签约需求、产能利用率和 AWS 收入持续同步增长，Amazon 的支出就显得合理。

如果产能可用速度快于客户部署速度，这一论点就会减弱。如果价格下跌速度快于硬件效率提升速度，论点同样会减弱。

Amazon 表示，其产能规划以可见需求为依据，而非广泛投机。投资者仍需要数个季度的证据，才能将整个 2,200 亿美元计划视为已获验证。

企业买家获得更多议价空间，也面临新风险

基础设施竞赛为企业提供了更多算力选择，但也提高了选错技术和商业路径的代价。

当服务商缺乏产能时，客户将面临更长的部署周期，以及对首选芯片的有限访问。更多建设应会逐步缓解这些瓶颈。

竞争也能降低单位成本。Amazon、Google 和 Microsoft 正在优化模型推理服务、开发定制加速器，并提高数据中心效率。

然而，最大的节省往往需要更深度的平台投入。客户通过同时使用某家服务商的原生芯片、托管数据库、模型平台和安全服务，可能获得更好的经济效益。

这种选择可能提高切换成本。围绕某家服务商的专有加速器或托管代理系统构建的应用，迁移至其他平台时可能需要大量工作。

风险并不局限于基础设施。数据管道、身份控制、可观测性系统和模型评估工作流都可能与单一云平台绑定。

因此，企业应将临时产能决策与长期架构决策区分开来。租用可用 GPU 与让一家服务商成为整个 AI 运营模式的核心，是两回事。

多云策略能够保留议价能力，但也会增加运营复杂度。团队必须管理网络、安全策略、数据流动以及不同的平台接口。

数据传输成本会进一步限制可移植性。即使不存在正式锁定，在不同云之间迁移大型训练数据集或模型输出，也可能造成延迟和额外费用。

AI 代理让这一选择更加重要。代理可以调用模型、检索公司信息、使用软件工具，并跨多个系统执行任务。

如果该工作流高度依赖某家服务商的身份、数据和编排服务，后续迁移将变得更加困难。基础设施决策由此成为应用架构决策。

Amazon 与 Google 的竞争为买家提供了有价值的对比。AWS 的起点是广泛的基础设施采用和庞大的合作伙伴网络。Google 则强调其集成式模型、数据系统、TPU 和安全能力。

Microsoft 提供了第三条路径，围绕 Azure 和广泛部署的办公软件构建。较小的服务商则可通过专用加速器访问、更低复杂度或特定地区的产能展开竞争。

买家应评估总体工作负载经济性，而非只看算力供应的头条数据。这包括利用率、存储、网络、软件服务、工程投入和迁移成本。

他们还应在作出承诺前，测试工作负载在不止一种架构上的表现。同一个模型在一种加速器上高效运行，在另一种加速器上可能表现不同。

随着承诺规模扩大，采购团队需要更清晰的合同保护条款。产能预留、性能预期、数据可移植性和终止条件，应获得与单位定价同等的重视。

知识工作者面临相关的信息问题。产品名称、模型版本、产能声明和企业承诺，如今会在每个财报周期中发生变化。

维护结构化的决策记录能够减少混乱。一个可搜索的 AI 知识库可以将供应商声明与测试、合同和内部部署证据关联起来。

这项纪律之所以重要，是因为服务商公告描述的是战略方向，而非对客户结果的保证。每家企业仍需在自身的数据、安全和工作流约束下验证性能。

这场支出竞赛应会随着时间推移改善获取条件，但不会消除架构审慎的必要性。

三个信号将检验 Amazon 与 Google 的论点

下一阶段将由收入转化、产能利用率，以及将 AI 需求转化为持久现金流的成本来评判。

第一个信号是 AWS 在 Amazon 接下来两份财报中的增长情况。最新季度表明，云业务能够在极大规模下加速增长。

若下一季度继续高于近期趋势，将强化 Amazon 关于新增产能能迅速变现的主张。若增速明显放缓，新增的 200 亿美元支出将更难辩护。

营业利润与营收同样重要。如果折旧、能源和组件成本上升过快，AWS 可能在快速增长的同时带来较弱的增量回报。

投资者应将营收增长与 AWS 营业利润率进行比较，而不应将任何一个数字单独视为决定性指标。扩张期间利润率保持稳定，将为审慎投资提供更有力的证据。

第二个信号是，在 Alphabet 推出新增产能的同时，Google Cloud 是否能维持异常高的增长。Google 82% 的增长为未来季度设下了高要求的比较基准。

积压订单持续扩大，将支持 Google 拥有足够签约需求以吸收其支出的观点。积压订单增长放缓，则会表明当前激增部分集中于特殊交易。

Google 云业务的营业利润率也值得关注。在营收扩张的同时提高盈利能力，将表明基础设施和软件利用率正在抵消更高的折旧。

利润率下降并不自动否定该战略。然而，这将更清楚地揭示以这一速度追赶 AWS 和 Microsoft 的短期成本。

第三个信号是，到 2026 年末，已报告的供应限制是否得到缓解。Amazon、Google 和 Microsoft 均表示，目前客户需求超过了产能。

如果新安装的设备立即被分配，其支出预测将更具可信度。高利用率将表明建设正在解决现有的供给短缺。

如果服务商开始提供激进折扣或报告产能过剩，解读就会改变。这将表明供给追上需求的速度快于预期。

硬件可用性将提供早期线索。加速器等待期缩短，可能表明产能扩张成功、需求走弱，或两者兼有。

合同行为将提供另一条线索。多年期承诺增加将强化信心，而较短承诺则可能表明客户对模型和硬件变化保持谨慎。

Amazon 与 Google 的竞争还将受到定制芯片采用情况的影响。更多外部客户使用 Trainium 或 Google TPU，将增强各自服务商对成本的控制力。

客户将决定这些芯片是否提供足够的性能和软件兼容性。仅凭服务商基准测试无法回答这个问题。

Microsoft 的应对仍是一个重要的对照案例。Azure 的增长和支出纪律将影响投资者如何评估 Amazon 和 Alphabet 的类似决策。

如果 Microsoft 在不再次提高计划的情况下维持云业务加速，Amazon 的更高支出将面临更多审视。如果 Microsoft 同样提高支出，行业范围内的产能短缺就显得更具说服力。

核心问题已不再是企业是否想要 AI 算力。其已报告的增长、使用情况和积压订单，已经证明需求相当可观。

问题在于，2026 年建设的基础设施能否在多个硬件世代中持续保持高利用率。这一结果将决定如今的资本支出究竟会成为持久优势，还是长期拖累。

企业采购方应结合自身工作负载的表现，关注这些信号。对于最重要的 AI 系统，哪家供应商能够提供可预测的容量、透明的成本结构和可移植的架构？

下一个财报周期将带来初步答案。更长期的答案则会随着 Amazon 和 Google 的扩张从建设支出转向持续的客户使用而逐渐浮现。