亚马逊CEO贾西：2200亿美元算力仍供不应求，推理成本成企业AI落地最大瓶颈

事件概述

亚马逊CEO安迪·贾西（Andy Jassy）在最新访谈中指出，尽管亚马逊2026年资本支出预计高达2200亿美元，全球算力供给仍无法满足激增的需求。目前2026年的算力容量已完全售罄，2027年基本订满，2028年大量配额已被锁定。这一供需失衡揭示了AI基础设施建设的紧迫性，同时也暴露出企业级AI落地面临的核心障碍——高昂的推理成本。

核心信息

1. AI需求的“哑铃状”结构

• 两端分化： 需求呈现典型的“哑铃型”。一端是少数顶级模型实验室和超级应用，对算力和电力有吞噬式需求；另一端是客服自动化、反欺诈等轻量级降本场景。
• 中段停滞： 体量最大的“哑铃中段”——即企业核心的云端生产系统，绝大多数尚未深度接入大模型推理。阻碍这一区间爆发的核心因素是推理成本过高，需再降低一个数量级才能引发真正的大规模应用爆发。

2. 自研芯片策略：压低推理成本

• Graviton处理器： AWS前1000名客户中99%使用基于ARM架构的自研CPU Graviton，其性价比比同代x86处理器高出约40%，有效降低了基础云服务的成本。
• Trainium加速器： 针对AI训练和推理，自研芯片Trainium相比同类硬件具备30%-40%的性价比优势。贾西强调，只有将推理成本打下来，AI才能从实验室玩具转变为无处不在的生产工具。

3. 生态合作：平衡Anthropic与OpenAI

• Anthropic： 长期合作伙伴，其模型通过Bedrock托管平台提供服务，且大量前沿训练任务运行在Trainium集群上，实现软硬件深度协同。
• OpenAI： 响应企业客户需求，将OpenAI模型引入Bedrock，并共同开发支持长期记忆的“有状态运行时环境”。OpenAI承诺采购数吉瓦Trainium算力，既满足了客户调用前沿模型的需求，也为自研硬件找到了落地场景。

4. 组织变革：小团队颠覆传统开发模式

• 效率跃升案例： Bedrock团队仅用6名工程师、耗时76天就完成了过去需要40人一年才能交付的核心推理引擎重写工作。
• 趋势预判： AI辅助编程使得复合型人才价值放大，大企业内部从事常规重复性工作的人员规模将持续精简。成熟企业若只将AI视为修补工具，三到五年内可能失去竞争力，必须从底层彻底重写核心产品以适配智能体自动化流程。

5. 其他关键观点

• 能耗争议澄清： 贾西反驳了关于数据中心高耗水的舆论，指出全美高尔夫球场两天的耗水量超过亚马逊全球数据中心一年的总和；备用柴油发电机年均运行时间仅约10小时，并非常态化污染源。
• 网络安全优先： 相比科幻式的“AI毁灭人类”担忧，更紧迫的现实威胁是网络安全。大模型能发现更多代码漏洞，企业必须具备由智能体在几分钟内自动修复并部署补丁的能力，否则无法抵御未来攻击。
• Alexa重构： 面对大语言模型的冲击，亚马逊选择推倒重来，全面重构Alexa的底层架构，而非渐进式修补，以此应对技术代际跃迁带来的挑战。