亚马逊CEO最新访谈：2026年算力已售罄，AI供给短缺还将持续数年

The a16z Show · 访谈全文

场合：The a16z Show（Andreessen Horowitz 官方播客），对话录制时间：2026-10-23 发布｜片长 61 分 21 秒（含片头预告与片尾声明）嘉宾：安迪·贾西（Andy Jassy），亚马逊 CEO主持：Ben Horowitz（a16z 联合创始人）、Erik Torenberg（a16z 合伙人、节目主持）

一、纪要内容总结

一句话结论

贾西给出的不是「AI 有没有泡沫」的判断，而是一张现金循环表：房子（数据中心）提前两年建、按 30 年摊，设备（服务器与网络）只提前几个月下单、五到六年寿命、平均三年回本，手上的合约大多是五年——所以只要需求看得见，2,200 亿美元就不是赌注而是排产。而两个最硬的数字把「需求看得见」这件事钉住了：2026 年产能已售罄、2027 年大部分售罄。

核心要点总结

·2,200 亿美元花完，需求还留在桌上，这不是修辞，是排产表。 他的原话是「即使今年花掉 2,200 亿美元，我们仍把相当一部分需求留在了桌上」。具体到年份：2026 年产能「显然已经售罄」，2027 年「大部分售罄」，2028 年「也有一大块售罄」。唯一的例外是留给按需（on-demand）的那一部分——Bedrock 或 EC2 上总得留出余量给随时上门的客户。这三句话合起来，才是「敢花 2,200 亿」的全部理由：不是相信 AI 会赢，是订单已经签到了 2028。

·敢投的真正依据是一张现金循环表，而不是对 AI 的信仰。 他把资本开支拆成两块：数据中心房子要提前约两年建、但只投一次、按约 30 年摊；服务器和网络设备只提前几个月下单、寿命五到六年。关键在那句「如果你发现其实不需要那么多产能来填满这些数据中心，你就不会买那批服务器和网络设备」——决策点被推到了离需求最近的地方。设备平均约三年回本，手上的合约大多是五年，所以一门生意的账期是「三年回本、两年净赚、五年一签」，而短期代价是自由现金流在头几年承压，直到那些数据中心全部上线并开始变现。

·判断「是不是建多了」没有公式，他承认自己也想要一个。 主持人问得直接：金融市场已经在说「世界上的钱不够支撑这些东西」，你怎么知道哪一步算过量。他的回答是「我希望有一个方程能让这件事变简单，那样我们团队能省很多时间」——然后才给出替代方案：对客户需求的可见度。这也是他为什么不接受「先建再找客户」这个指控：AWS 最早确实是「建好他们就会来」，但那时他有内部的强信号——产品团队 70%~80% 的时间花在不产生差异化的基础设施上，只有 20% 花在真正差异化的地方。

·同样的三年，一个是 6,000 万美元，一个是 250 亿美元。 这是全场最能说明「这轮不一样」的一组对比：AWS 头三年做到约 6,000 万美元年化，已经算快；生成式 AI 这一轮，AWS 上的 AI 业务头三年超过 250 亿美元年化，他的说法是「快了几百倍」。也正是这组数字，让他把 AWS 的长期判断改写：过去认为「几千亿美元、用十年以上做到」，现在认为「至少是这个数的两倍，而且很可能做成 1 万亿美元年化」——理由是每一个已知的客户体验都会被推理重做一遍。

·需求是哑铃形的，两头热、中间冷，而中间那块才是最大的。 一端是 AI 实验室，「消耗的算力多到我没见过」；紧挨着是一小批跑出来的应用（ChatGPT、Claude Code 这类）。另一端是企业，主要拿 AI 做成本规避和生产力——客服自动化、反欺诈、业务流程自动化。而中间是企业现有的生产负载：很多已经在用 AWS、已经在用推理，但「绝大多数还没有以任何普及的方式用起来」。他的判断是这块将成 AI 用量里绝对规模最大的一段，时间尺度是五到七年——「但它不会等到五到七年才发生」。

·一切卡在一个数字上：推理成本还贵了大约一个数量级。 他把企业为什么不动说得非常具体：让一家企业把今天跑在 CPU 上的应用改写去跑 AI 加速器，如果两者成本差距很大，那么它必须从加速器上拿到的增量收益就要跨过一个很高的门槛，「改写这件事就不值得」。反过来，推理成本降下来，门槛就低，所有应用都会因为加速器和推理变得更好、更聪明、更有能力。所以「把推理成本压下去」不是技术指标，是企业采用率的总开关——这也是他为什么要自研芯片。

·自研芯片这件事，起点根本不是 AI，Graviton 与 Trainium 是同一部电影放了第二遍。 2015 年收购 Annapurna Labs 时，动机是 EC2 服务器被虚拟化、网络、安全、存储吃掉了太多算力，他想让客户用上接近 100% 的服务器算力，于是先做了把这些负载卸载到网卡上的 NIC——「结果它进了我们每一台服务器」。真正让团队转向 CPU 的，是一个很朴素的观察：当你的合作伙伴几乎拥有全部份额时，它不会去想怎么提升性价比，它想的是加什么功能能拿更多份额——他补了一句「这完全可以理解，这就是创新者窘境的一部分」，把批评变成了结构分析。Graviton 出来后，前 1,000 大 EC2 客户里 99% 在大规模使用，性价比比同类 x86 高约 40%；几年后在 AI 加速器上看到同样的结构，才从 Annapurna 单独拉团队做 Trainium，性价比比同类处理器高 30%~40%。他刻意没点那家供应商的名字，但上下文里只有一家。

·供给紧张不会在 2027 年结束，会按零部件持续好几年。 主持人问 2027 年缺货怎么办，他把时间轴拉长了：「我不认为这个短缺在 2027 年结束……我们会在不同的零部件上看到它持续好几年。」具体的取舍发生在内存上：手上只有那么多内存，要在给 AI 加速器的 HBM 和给核心业务的 DRAM 之间分配——这不是比喻，是每个月都在做的切割。他也给了自我评价：论装机量「我们大概比任何人都投得多」，但即使 2,200 亿美元，「我们很可能仍然满足不了全部需求」。

·他不会为了出价更高的 AI 客户，挤掉跑了二十年的老客户。 主持人把这个诱惑描述得很生动：把老客户买断、把容量卖给愿意出任何价的新客户。他的回答是「我们不是这么想的」，然后给了两条例证。一条是疫情期间：竞争对手在季度内优化收入，而他们主动派销售去帮客户降本，明知这会削减中短期收入——因为「帮客户长期成功，我们的生意会跟着来」。另一条是当下的取舍：那些客户的全套核心应用跑在 AWS 上，「我们不会挤压我们的客户，我们要确保他们能扩起来」。这是一句很少被引用的定价承诺。

·数据中心成了政治问题，而他用三个数字回应。 他的框架是：今天股票市场、银行、医疗、娱乐、购物、教育全在稳定地使用数据中心，AI 只是把这条曲线拉陡；这次基建的规模，「自 1950 年代修高速公路和桥梁以来，这个国家和世界上还没有过」。对「别建」的声音，他给了三组对照：高尔夫球场和杏仁种植的用水远超数据中心，高尔夫球场两天用掉的水比他们所有数据中心一年还多；备用发电机按满负荷登记，但一年只跑 0.1% 的时间、约 10 小时维护；在印第安纳州圣约瑟夫县，他们缴了约 30 亿美元税，这些钱留在社区。他也没把话说满——「会不会有我们作为行业可以做得更好的地方？当然有」。

·电价上涨的归因，他指向了二十年没投的电网。 他不否认有些地区电价涨了、也有地区降了（他点了印第安纳、佐治亚、密西西比），但真正的解释是「作为一个国家，我们没有按需要去投资电网」，本来就有增长要把电网顶到投资临界点，只是 AI 长得太快，成了那根压垮的稻草。他的预判是：一旦容量落地，「在大多数地区，费率会走平甚至下降」。配套的动作是社区项目 Built Together，未来五年再投 10 亿美元到有数据中心存在的社区——他把这定义成「必须是公私合作」。

·他预测大多数公司的代码要为 agent 重写一遍。 这不是为了效率，是为了安全：要让 agent 能改代码的各个部分，同时要建约束。他把这条和「分钟级响应」绑在一起：模型找到的漏洞比人多得多，而今天的流程是发现、分级、打补丁、再等各家公司慢慢部署；新世界里「你必须在几分钟内完成部署」。所以「如果你的应用没有被重写成能被 agent 更新，你在那个世界里没有任何机会」。

·用 AI 有三种方式，砍成本是最没有想象力的那一种。 他自己分了类：一是砍成本，减会计师、减律师——他顺带嘲了一句当下买老公司来降本的 VC 打法，「如果那就是你的想法，说明你没什么想法」；二是造世界上没见过的东西；三是有一个成功的产品，因为平台换代而从头重做——Alexa 属于第三种。他认为第三种最难，因为它要求团队把「我们一直这么做」「我们试过，不行」这些带着伤疤的经验先放下。

二、纪要内容原文

1. 五年之后：一条高 80% 的顶线，和一次被逼出来的重构

主持人： 所以你执掌亚马逊已经五年了，作为 CEO 你做了很多事。2,200 亿美元的资本开支，AWS 增长 28%（编者注：此处为口语，ASR 记为 "AWS 28%"，按上下文应为 AWS 增速）。你怎么看 2026 年的雄心，相对于 2021 年你正式接任 CEO 的时候？

安迪·贾西： 2021 年感觉太遥远了。感觉像十年前。

主持人： 是啊。

安迪·贾西： 但你知道，世界变化很快。如果和 2021 年比，我们的整体营收大约高了 80%，AWS 业务几乎大了三倍，广告收入大约大了 2.5 倍。所以这门生意长大了不少。我认为有几件事真的发生了。我刚上任不久——那是在疫情的尾巴上——在零售业务里，我们遇到了一个真实的履约成本挑战：基本上，我们把自己用 25 年建起来的履约网络规模翻了一倍。我们在约 18 个月里把它翻了一倍。然后我们在约 20 个月里建了一个和 UPS 同等规模的最后一公里运输网络。当你建得那么快，你最终会有一堆没被优化的东西。我们的履约成本和履约网络不是我们想要的样子。它带来了很多挑战和焦虑，当时很多人——我记得那是我上任一年或不到一年——人们说，天啊，这是多么糟糕的时机，运气真差。回头看，那其实是个很好的时机，是真正的祝福，因为它让我们去考虑一堆我们可能很多年都不会考虑的事，而那些对客户、对生意都是好主意。其中最大的一件，在履约网络里，最终是把美国一个扁平的国家级网络区域化。我们把它区域化，让商品离客户更近，结果既降低了履约成本——因为运输距离更短——又让商品更快送到客户手上。而在我们为履约成本挣扎的那段时间里，对自己最坚信的东西做的那次重估，真的释放了配送速度和零售业务的大量需求，也是我们在那里长得那么快的重要原因。

安迪·贾西： 当然，此后不久，就是 AI 如何进一步爆发。AI 并不是新东西。我们所有人做机器学习很久了，也有过很多波 AI，被说成是真正的临界点，但到了 2023 年，你真的看到了生成式 AI 带来的巨大差别。我要说，那时我们的 AWS 业务增长非常快，我们拥有遥遥领先的最丰富功能、更强的运营表现和安全性，以及我认为不同类型的合作伙伴生态。我们是明确的领导者，我们觉得那门生意在很长一段时间里——十年以上——能做到几千亿美元的收入。现在我们看 AI 正在发生的事，以及我们知道每一个客户体验都会被推理和 AI 重做一遍。我们真的认为 AWS 这门生意，不只是增长很快——我的意思是，上季度我们在 1,690 亿美元年化收入的基础上同比增长 36.7%。今天的机会本身就非常惊人。而如果你在此基础上再叠上我们那些新业务的种子：Prime Video 团队做出的进展，它现在是一门大而有利润的生意；或者我们正在建的低轨卫星 Amazon Leo；或者自动驾驶出行服务 Zoox；或者医疗业务；或者我们在机器人上做的事。我们有机会去服务多得多的客户、多得多的客户体验，让他们的生活每天都更好、更简单。而「让客户的生活每天都更好更简单」这个使命，真的把公司里我们在做的一切统一起来了。

2. 16 条原则之间的张力：宁可建得不完美

主持人： 我想就这点追问两件事。一是你提到，你那么快建履约网络时，效率会差一点，会有一些粗糙的地方。作为 CEO，你怎么在不降低文化标准的前提下，沟通你在做的事？我的意思是，亚马逊以运营效率、节俭这些东西出名，但这里你却说，我们要建一个 UPS 出来。我怎么调和这些？

安迪·贾西： 有意思的是，我们有一套很多人知道的领导力原则。我们有 16 条。其中很多原则，它们本该真正地——而且它们确实在治理我们作为一个团队如何思考、如何运营，以及文化上如何运作——但其中有几条彼此是张力关系。有时候人们会因此困惑，但现实是，它只是反映了真实世界的运作方式，没有什么是完全干净的，你永远在做取舍。所以如果你回到那个时候，我们决定那么激进、那么快地建履约网络和最后一公里运输网络，团队面对的问题是：我们知道如果走这么快，会非常难；可能会比慢一点更贵；我们可能不会把每件事都做到最优；但客户和卖家真的需要它。所以我们是不是真的会站在「让他们能做成生意」这一边？记住，那时候是疫情早期，没有实体店开门。如果你看亚马逊在疫情期间在每个人生活中扮演的角色，那是非常有开创性的。所以我们必须问自己：我们是要建得快、可能不那么最优，代价是服务好那些也在努力让自己的生意维持下去的客户和卖家？还是不要？这是你必须做的第一个决定，而我们几乎总是选择站在客户这边。

安迪·贾西： 然后很明显，在我们建设的过程中，很明显我们计划的事情并不是每件都进展完美。我们的履约团队比公司其他部门更多地在办公室，但仍有很多人要参与设计、规划和评估，你的人在各地、在远程；现在你要平衡「行动偏好、速度」与「极致高标准」之间的张力——后者意味着你要按一直计划的成本结构、配送和设计来交付。所以，你还是得做取舍。我们做的取舍是站在客户这边、快速行动去服务卖家和消费者，我们以为会有一定量的收尾清理工作。我们当时知道地形会怎么演变吗？不知道。而且有些我们没优化的东西，我不确定我们预见到了它们不会被优化。但如果你有好的指标，如果你是一种讲真话的文化——这是我们文化里另一个非常重要的部分：我们把数据摆到桌上，把问题摆到桌上，我们对彼此直接，我们不允许人们把问题糊过去——如果你有那种文化，它在指标里很明显，在讨论里也很明显。然后你只需要去弄清楚你想怎么改进，哪些是小生产力问题，哪些是架构问题。我们在把容量装完之后，回头真的重构了网络的关键部分，那在当时对那个团队来说大概是他们优先级清单上的第八、第九位，但后来变成了高得多的优先级，因为那才是真正同时拿到速度和成本的办法。

3. 「我希望有个方程」：两笔完全不同的钱

主持人： 很有意思。有点像你最开始做 AWS 的时候——那是「建好他们就会来」，你先建起所有基础设施，然后租出去，他们得来，否则你就麻烦大了。但这件事是同一个东西在更大规模上的版本：你和其他人，但我主要说你，至少你肯定最大的玩家之一，建数据中心和芯片容量的速度快到金融市场在说「世界上的钱不够支撑这些东西」；我们也能看到公司债市场和股票市场上那种紧张。那么，你怎么知道在这轮扩建里什么算「太多」？需求那么陡、你长得那么快，同时供应链上还在为冷却、电力、芯片这些东西争抢。

安迪·贾西： 这是个很好的问题。我希望有一个方程能让它变简单，那样我们团队能省很多时间。我会说，在第一波云里，我们开始做 AWS 的时候，确实有一点「我们不知道人们会不会用」，所以「建好他们就会来」；但我们在公司内部有非常好的信号。那是 2000 年代初，我们有团队推进得远没有我们希望的那么快，虽然我们觉得相对而言已经很快了，但对我们来说就是不明白为什么花了那么久。结果发现，我们的产品团队把 70%~80% 的时间花在基础设施那一块——那些东西并不让他们产生差异化——只有大约 20% 的时间花在真正让产品差异化的地方。而且我们意识到，每个团队都在这么做，都在重复造轮子。所以我们最初构思 AWS，是为了让自己内部跑得更快。我们想，如果我们做出一套大规模、高可用、低成本、高度灵活的积木式服务——计算、存储、数据库、内容分发、消息这些——我们就能在消费业务里建得快得多。我们当时说，相对而言我们技术还不错；其他公司可能有同样的问题；但甚至在我们对外发布之前，内部就有那么多团队感兴趣，我们就知道方向对了。我不认为我们任何人预见到了它在外部的增长会有那么快——在 AI 这一侧。

安迪·贾西： 你知道，这些不同波次的说法一直都有： 「这次是真的，AI 终于来了。」甚至可能在生成式 AI 那一波之前六七年，人们就觉得是 AI 的时候了。我们建了一堆 AI 服务，那在 AWS 这边其实是一门相当不错的生意，但完全不能和我们现在看到的相比。就像 AWS 早期，我们觉得自己跑得非常快，而且我们对它很满意——三年之后我们大约是一门 6,000 万美元年化的生意。而生成式 AI 这一波的头三年，我们的生意——或者就说我们在 AWS 里的 AI 业务——年化超过 250 亿美元。所以它快了几百倍。我们真的没见过这样的东西。然后问题就变成：你愿意投多少资本开支去追这个机会？我要告诉你的是，我们说过，2026 年这一年我们预计花大约 2,200 亿美元资本开支。顺便说一句，我记得 15 年前在领导团队早餐会上，我们不敢相信一家电信公司花了 500 亿美元资本开支，我们当时的反应是：他们怎么可能在资本开支上花那么多？所以这些数字，它们是那种让人脑子发懵的数字。而即使今年花掉 2,200 亿美元资本开支，我们仍然把相当一部分需求留在了桌上。

安迪·贾西： 这件事上帮到我们的是，我们对客户需求有非常好的可见度。所以如果你看 AWS 的资本开支和现金循环的方式，有两大块。一块是数据中心的投资，另一块是服务器和网络的投资。数据中心那一块，你必须在能把服务器放进数据中心、开始变现之前大约两年就投入。好消息是这笔投入你只做一次。它是一项有用年限约 30 年的资产，但你要提前两年做。服务器和网络设备，只提前几个月——取决于零部件。所以在你扣动扳机之前，你对客户需求有非常好的可见度。而如果结果是，你其实不需要那么多产能来填满那些数据中心，你就不会买那批服务器和网络设备。平均来说，它们大约三年回本，它们现在的有用年限大约是五到六年，而我们做的大多数交易是五年左右的合约。

安迪·贾西： 所以当你像我们这样快、同时建那么多数据中心时，你会花掉大量资本，你的自由现金流在那几年会有逆风，直到你走到后面那些阶段——几年之后，所有那些数据中心都在线、都在变现，你在把服务器和网络投资的钱赚回来。但因为现金循环的方式，它在快速增长的头几年就是会有逆风。

4. 数据中心怎么成了政治问题：水、税，和二十年没投的电网

主持人： 顺着这个说，回到你做 AWS 的时候，数据中心大概是这世界上最不可能成为政治议题的东西。但我们现在就在这里，尤其在美国——挺有意思的，我肯定你也遇到过——世界上没有任何地方像美国政治这样反对数据中心，不管什么原因。这对你有什么影响？反数据中心的论点有任何道理吗？这又如何影响你在这里和其他区域建设时的策略？

安迪·贾西： 我给你一些我掌握的、或者至少我相信的背景。如果你想想今天我们在世界上做的一切——股票市场、银行、医疗、娱乐、购物、教育、商业、网约车——我们做的一切都是数字驱动的，它们都在以非常稳定的方式使用数据中心。不，每个人都——我很反对我自己，我不想再用手机了。

安迪·贾西： 它们全都用数据中心，而这还是在 AI 之前。而 AI 是我们这个时代最大的技术变革，考虑到我们已经经历过互联网、云和移动，这话是有分量的。所以现实是，我们要支持刚才说的 AI 侧的快速增长所需要的那种基础设施扩建，世界上、这个国家里，自 1950 年代我们修高速公路和桥梁以来，就没有出现过类似的规模。那就是我们正在经历的扩建量级。而这个国家——我认为全世界都是，但我特别说美国——承受不起不建数据中心的代价，否则我们会发现另一个国家，比如中国，会在那里建立起所有的领导地位和所有的规范。我不认为我们任何人会喜欢那个结果，无论在国内还是全球。所以我们必须建数据中心。那么，我是否认为我们作为行业有办法做得比过去更好？当然。我认为它发生得很快，所有人都在共同学习。但现在有很多——我认为介于神话和谬误之间的东西在被传播，因为这类议题总有一个容易的靶子，政治上、有时机会主义者喜欢找到那个靶子来指。我举例子。

安迪·贾西： 高尔夫产业或者杏仁种植业耗掉的水远超数据中心——作为一个数据点，高尔夫球场消耗的水是我们所有数据中心的 200 倍，它们两天的消耗比我们数据中心一年的还多。所以有很多……这是个好例子。还有人说污染：当你注册新站点、你有备用发电机，你必须注册并申报「如果你把所有那些发电机满负荷全年运行」的排放量。但当然，那永远不会发生。你一年只运行备用发电机 0.1% 的时间，大概一年 10 小时，用于维护。再比如电价：如果你看我们有大型数据中心存在的不同地区，有些地区电价涨了，有些地区电价跌了。但真正的问题是，作为一个国家，我们没有按需要去投资电网的基础设施——本来就会有显著的增长，所以总会有东西把它推到必须投资的那一点，而结果就是 AI，因为它增长得如此之快、如此之大，成了那个把它推过去的东西。

安迪·贾西： 但建起来之后，你会发现，一旦你真的拿到那些容量，在大多数地区，费率最终会走平或者下降，就像它们在印第安纳、佐治亚或者密西西比那样。所以有些事我们可以做得更好。人们还忘了另一件事：在这些地区，大型数据中心提供商缴很多税。如果你看印第安纳州的圣约瑟夫县，我们缴了大约 30 亿美元的税。社区拿到这些钱，可以花在对那些社区真正重要的事情上。所以社区也从中得到东西。我们建了像 Built Together 这样的项目，我们刚刚承诺未来五年在有数据中心存在的社区再投 10 亿美元。所以我认为我们必须继续和社区一起努力。它必须是公私合作，但这次扩建对这个国家的未来太重要了。想象一下如果我们没有修高速公路和桥梁，这个国家的经济繁荣和能力会是什么样。我们必须把这件事放在正确的位置上看，并且必须成为我们所在社区的伙伴。

5. 每天 6 亿美元：需求是一只哑铃

主持人： 回到资本开支一下。2,200 亿美元，那是每天 6 亿美元——只是给大家一个尺度。我很好奇你现在怎么看 AI 需求，刚才私下我们聊到你看它是哑铃形的。也许你可以把当下 AI 需求的状态放一下位置、给它一点语境。

安迪·贾西： 第一个语境，就是我刚才说的：我不敢相信 AI 长得这么大、这么快——比 AWS 早期头三年快几百倍，光是我们 AWS 里的 AI 收入头三年就是 250 亿美元年化。所以它真的很大。而如果你看需求的样子，它真的是哑铃形的。我要说的是，哑铃的一端是 AI 实验室，它们消耗的算力多到我没见过；然后是一小批跑出来的应用，ChatGPT、Claude Code 这类。哑铃的另一端是企业，它们主要把 AI 用于成本规避和生产力——自动化客服、反欺诈，或者业务流程自动化。哑铃的中间是企业现有的生产负载，其中很多今天已经在用 AWS、已经在用推理，但我要说，其中的绝大多数还没有以任何普及的方式在用。

安迪·贾西： 而我认为那会是 AI 用量中绝对规模最大的一段。我认为你会看到这一点。对我来说很难预测它发生的速度。它每年都在更大程度上发生。但如果你把镜头拉到五年，五到七年，看它那时的样子——而我不认为它会等到五到七年——它从来不会一次到位。但如果你真的把镜头拉到五到七年，我认为我们今天使用和存在的相当多、甚至大多数的企业应用，都会以普及的方式使用推理。所以，前方有非常多的增长。

6. 缺货不会在 2027 年结束：HBM 与 DRAM 之间的真实切割

主持人： 你怎么看这件事？因为有一场迫在眉睫的数据中心、芯片、内存、一切的短缺，实际上就在 2027 年——因为所有人现在都在建，而它不一定能在年底前准备好，同时需求一点都没慢下来。所以面对这种情况，你怎么想——面对大型实验室愿意为电力、冷却、芯片付出几乎任何价格的环境；而你还有那些存在很久的客户，他们在按正常费率付钱跑他们的生意。这里有没有商业压力让你想：也许我们应该把老客户买断、把容量卖给新客户，因为他们会付我们任何价？而老客户那边，我不能把他们的价格翻倍，那不公平。你怎么想这件事？因为这太奇怪了：有些人你服务了 20 年，做着某种——如你所说——大概会转向推理的业务；然后这些新客户贪得无厌，他们会买单。

安迪·贾西： 这是个好问题。我们不是像你说的那样想的，但我完全能理解。如果你想想，今天的数据中心和电力只有那么多，内存也只有那么多，而我不认为这个短缺在 2027 年结束。我相信，这也是我们回到资本投资这件事的原因之一，也是为什么我认为我们可以投得多得多、而且不会是糟糕的资本使用——2026 年显然到这个时候已经售罄，2027 年大部分售罄。我们总会给按需留一部分，在我们的推理服务 Bedrock 或 EC2 上，但大体上大块的都售罄了。2028 年也有一大块售罄。需求就是那么多。

安迪·贾西： 如果你想想 AI 业务和我们所说的核心业务——把核心理解为非 AI——它们现在都以非常快的速度增长。而你只有那么多内存，你必须决定把多少内存分配给 AI 加速器上的 HBM、多少分配给核心业务上的 DRAM。所以这些是你必须做的真实取舍。但我要说，我们在这个问题上的起点是以客户为中心。

安迪·贾西： 对我们来说，我们在 AWS 与客户有很深的关系和伙伴关系。就像疫情期间，与我们的一些竞争对手不同——我认为他们试图在季度内做优化，在一个企业都要做成本优化的世界里把收入做到最大。我们采取了不同的方式。我们主动让销售去帮客户弄清楚他们怎么做成本优化，尽管我们知道那会在中短期削弱我们的收入。但我们要帮客户成功，因为我们非常坚定的信念是：如果我们长期帮客户成功，我们的生意会跟着来。在核心业务上也是一样的道理。你当然可以算一算，然后决定：因为这些客户稀缺、因为他们愿意付更多，所以去挤压你的核心客户——但他们的生意跑在 AWS 之上，他们所有的核心应用都跑在这里。我们不会挤压我们的客户，我们会确保他们能扩起来。然后我们的工作是尽可能拿到更多容量，让不只是我们的核心客户，而是所有想在 AI 侧用我们的客户都能用得上，而且以对我们自己也经济上可持续的方式用得上。

安迪·贾西： 所以，我希望我能告诉你，我认为供给约束只是 2027 年的问题。我认为我们会在不同的零部件上看到它持续好几年。我认为我们大概比任何人都投了更多容量，因为我们真的继续——我们非常有热情继续做基础设施和 AI 领域的重要领导者，就像我们一直以来的那样。但正如我说的，我们今年花 2,200 亿美元，我们可以花得多得多，而且那不会是一笔糟糕的资本使用，无论中期还是长期；而我认为我们很可能仍然满足不了全部需求。现在的需求就是不可思议。

7. Annapurna：一次不为 AI 做的收购

主持人： 顺着这个说，2015 年你做了一件事，收购了 Annapurna Labs——那时候你大概没在想什么巨大的 AI 需求，因为 2015 年本来就没多少 AI 需求。是什么驱动了那个决定？它在这个新世界里又是怎么兑现的？

安迪·贾西： Annapurna 团队是我有机会共事过的最有才华的团队和一群人之一。它是我们在亚马逊历史上做过的最好的收购之一——不是最好的那笔。我们最早看到了一些片段，但我不认为我们——我们没有为了 AI 芯片本身去收购 Annapurna。你知道，当你到一定规模，你开始能接触和看到非常大尺度上的客户行为模式，你会意识到，如果你能垂直整合、能自己建某些能力，你就能为客户提供更多价值、为生意本身带来更好的经济性。所以 Annapurna 对我们来说，起点只是在核心的 EC2 服务器上。我们觉得自己把太多服务器算力用在了虚拟化、网络、安全和存储上，而我们希望能把接近 100% 的服务器用于给客户做计算。所以我们在收购之前就和 Annapurna 合作做这块网卡（NIC），把这些组件卸载到网卡上，让我们能尽可能多地把服务器留给计算。我们非常喜欢这个团队，也非常喜欢我们一起合作出来的产品。我们意识到那会出现在几乎每一台 EC2 服务器里——结果它出现在我们每一台服务器里。所以我们最初买它，是因为那会成为我们计算能力的核心组成部分；也因为那个团队在造芯片上太有才华了，我们觉得他们大概也能造别的芯片。

8. 当一家合作伙伴拥有几乎全部份额

安迪·贾西： 当时，我们和英特尔有非常深的合作——现在仍然是很深的合作——但英特尔几乎拥有全部的 CPU 份额。而当你的合作伙伴几乎拥有全部份额时，他们往往不会去想怎么提升性价比，他们想的是加什么别的功能能拿到更多份额、带来更多收入。顺便说，这完全可以理解。这些就是市场运作的一些动力，也是创新者窘境出现的一部分。我们当时试着往性价比上推，很难让他们把注意力放在那里；但我们的客户想把越来越多的本地工作负载搬到云上，他们想要更好的性价比。所以接下来我们把 Annapurna 团队放出去做的，是一颗 CPU 芯片，他们做出了 Graviton——今天我们前 1,000 大 EC2 客户里有 99% 在大规模使用它，性价比比同类的 x86 处理器高大约 40%。那对客户和对我们的生意都影响巨大。而就在几年前，我们在 AI 领域看到了同一部电影：你真的有一个非常强的主导供应商，我们与之有很深的合作——现在仍然有，只要我能预见，就会一直有。但它有巨大的市场、有很多不同的产品和优先级，而我们知道客户需要更好的性价比。这就是为什么我们从 Annapurna 里拉出一个单独的团队去做 AI 加速器，我们叫它 Trainium，它的性价比也比同类处理器高大约 30% 到 40%。

9. 推理成本：那道决定企业用不用 AI 的门槛

安迪·贾西： 而我认为，当你谈我们刚才说的哑铃的中间那一段，如果你问「什么会让中间那段有更多现有的企业生产应用用上推理」，有几件事。一部分是人才——那些习惯于做后训练和微调的人才；还有一部分是组织肌肉，知道该优先做什么、该怎么做。但很大、很大的一块是推理成本。过去几年推理成本降了不少，但在我看来，它仍然贵了大约一个数量级，还不足以被尽可能普及地使用。因为如果你要求企业把今天跑在 CPU 上的应用改写成用 AI 加速器，如果两者的成本差距很大，那么他们必须从加速器上得到的增量收益，就是一个高得多的门槛，才会愿意去改写那些应用。但如果你能把推理成本降下来，那个门槛就低得多，所有应用都会因为有 AI 加速器和推理而变得更好、更聪明、更有能力。所以，对客户能否普及地使用 AI 来说，把推理成本压下去是非常重要的一部分，而我们的芯片业务是其中的一大块。

主持人： 是，我知道。我可以告诉你，从我们自己公司来说，它真的可以变得非常贵。我们有一个员工上一次就花了 200 万美元。

安迪·贾西： 我想他们做的是不错的工作。

主持人： 对，我当时就想，好吧，这个推理可没那么便宜。

10. 为什么投 Anthropic 和 OpenAI

主持人： 你做了一些投资，尤其是在 Anthropic 和 OpenAI 上，非常大的投资——我想是 180 亿美元在 Anthropic，500 亿美元在 OpenAI，差不多这样。是什么让你想这么做？这些投资，加上英伟达等公司类似的举动，让华尔街一阵紧张，因为它让他们想起互联网泡沫那些糟糕的旧日子。你怎么想这件事，尤其考虑到它们同时也都是你的客户？为什么那笔投资是合理的？

安迪·贾西： 两家公司都是非常令人印象深刻的团队，非常令人印象深刻的公司。它们业务增长的速度，至少在顶线上，我不确定我们见过类似的东西。真的难以相信。所以对我们来说，它是几件事的组合：这些团队是谁，他们建的技术和模型，他们建的一些应用；我们对 AI 有多具变革性的信念；我们相信它们会是这个领域长期最成功的两家公司之一——这个领域会有很多非常成功的公司，不是每个人都会赢，但我们相信这两家会是其中之一；以及我们与它们合作如此紧密这一事实。我先说 Anthropic，我们的合作时间更长。你知道，我们有那么多客户在 Bedrock、在我们的推理服务里跑 Anthropic，我认为客户在 Bedrock 里跑 Anthropic 是最成功的。我们在芯片上有很深的合作，他们已经在 Trainium 上建了一段时间。我认为那对 Anthropic 非常好，我认为那对我们的 Trainium 团队也非常好，我认为我们彼此都学到了不少。所以我们与它们有很深的合作，我们对 AI 未来的信念、对这些公司的信念，加上这个合作，让作为合作的一部分去做投资变得合理。

安迪·贾西： 然后在 OpenAI 那边，我们有那么多客户想在 AWS 上用 OpenAI，但因为它们此前已有的商业安排而做不到。很长一段时间里，我认为这些公司之间有大量相互尊重和合作的意愿。这也是那种经过一系列对话、经过几个月，最终能实现在 Bedrock 里跑 OpenAI 的事——我们一起做了一个独特的产品，那个有状态的运行时环境（stateful runtime environment），我认为这就是未来所有 agent 会被建起来的方式，你需要状态。和 Anthropic 一样，他们对 Trainium 做了多年、多吉瓦的承诺。我们就是相信，那会是这个领域长期最成功的公司之一。所有这些，让更深的合作和投资变得合理。

11. 组织：更少的人，更小的团队

主持人： 转到你怎么用 AI 来建一家公司。你说过 Bedrock 团队用六个工程师、76 天重写了你们的推理引擎，而那本来是 40 个人干一年的事。这很不一样。而亚马逊以「两个披萨团队」出名。那么在技术变成这样之后，你现在的组织设计思路是什么？因为它看起来真的在改变事情。我们这些年变得超级、超级专业化——设计师、产品经理、前端工程师、后端工程师，这个那个。然后突然之间，每个人都成了文艺复兴式的人。

安迪·贾西： 我同意你说的。我认为你提到的 Bedrock 那次经历，对这里所有人都是大开眼界的。我们花了不少时间在内部讲这个故事，去激励人们、提醒人们什么是可能的。因为随着时间推移会发生的是——我 29 年前开始做这家公司，我从助理产品经理做起，我当时是……我不知道，五个产品的产品经理。今天，当公司成功、变大、产品变大，你会走到一个产品经理只管一个产品、而且只管其中一个切片的位置，比如他只管定价。每个人都变得更专业化，而每个人都接受这是把事做大的唯一方式——但它不是。而在你看 AI 正在发生的事时，它绝对不是。

安迪·贾西： 就是刚过去这一周，如果我看最近这一周，我们在消费业务里做 agent 相关的一些事。我们在那边有一大堆投入，但我们有一个我们都很喜欢的想法，我们周四才同意要试着做出一个真正能跑的原型——我们有四五个人，在周末把它做到以 80% 可上线的状态运行起来，到周日就成了。那真的是——那是你生活在其中的完全不同的两个世界。

安迪·贾西： 所以我认为这对组织的未来意味着什么：第一，我认为未来做今天这些工作的人会比今天更少。你只要看现在有多少写代码是 agent 方式在做的，看有多少客服、商业智能和研究，再往前想一步，电子表格会怎么被搭出来、你要养多少个律师。我就是认为，你不会一个人都没有，但未来不会有我们随着公司变大曾经堆上去的那么多人。会有不同的工作、新的工作，有些我们知道，有些我们不知道，它们会随着 AI、机器人和太空的发展出现——会有各种各样的新工作。但做今天这些事的人会更少。

安迪·贾西： 我认为团队会比现在小得多。我认为会有更小的团队，里面有能跨职能工作的人——他们不只拥有一个切片，因为模型能在很多不同的职能上把他们带到 80% 的位置。我认为每个团队都会从一个比过去高得多的起点开始。所以我认为你能以更大的幅度、更快的速度去发明。我确实认为有一堆东西必须改变。我认为今天创业的公司，大多数从一开始就是 agent 方式、agent 原生或者 AI 原生的。所有已经经营了一段时间的大公司，都必须弄清楚怎么以同样的速度建设。我认为其中一些会想明白，而当你有一门大生意、有很多能力、有忠诚的客户群时，总有人会走得很慢才想明白，在我看来他们相对创业公司会更脆弱。

安迪·贾西： 我预测公司必须把几乎所有的代码重写一遍，才能做到 agent 可用。他们必须允许 agent 去更新代码的不同部分，同时你要在那里建约束。我认为如果你只看安全——安全这件事挺有意思。如果你看过去一两个月所有关于模型的紧张，它们都集中在更奇幻的场景上。顺便说，那些是可能的。一个邪恶的僵尸网络接管一切，可能吗？我想是可能的；给机器人注入恶意意图，也是可能的；那些都是可能的。我个人认为，我们作为一个行业、作为公私部门会一起把它解决。但我认为，你得从关注一些事情开始。

安迪·贾西： 但有意思的是，我认为关于更近期的风险，讨论得不够，而那些风险真的围绕网络安全。这些模型找到的漏洞比过去多得多，多到人类此前根本没找到。你也许可以争论人类能不能找到，但事实是他们就是没找到。所以如果你往前快进，我认为应用对迫近的安全威胁做出反应的方式，将会是分钟级的。而今天，如果你想想，你发现漏洞、有人给漏洞分级、有人开发补丁，然后即使这部分做得快，大多数公司部署起来要花很长时间，因为有一堆依赖关系。你必须在几分钟内完成部署。所以如果你真的没有把你的应用重写成能被 agent 更新的样子，你在那个新世界里没有任何机会。所以我认为所有组织都会被重做，而把这件事放在优先位置的公司，会比不这样做的公司状态好得多。

12. 安全是眼前的威胁，不是那些末日剧本

主持人： 是。而且看起来，我们作为一个行业，在从大型系统到嵌入式设备的架构上，都没有把安全架构做好。清算的日子到了。我认为好消息是，这对新公司、新的努力、想做事的人来说是个大机会。但没错，按照我们刚才说的，它就是威胁。那些理论上的、思想实验式的威胁——对，也许会发生，也许不会；但这件事是明确且眼前的。

安迪·贾西： 我们在 AWS 上谈的几乎每一个伙伴和客户，任何规模的公司，都担心安全这一块。我们有专业服务团队在帮很多客户，我们也建了一个叫 Continuum 的服务，它识别出大量这类漏洞并生成补丁，但说起来比做起来容易。而且实际上，因为很多公司、很多工程师，有时候专注在安全这一块并不刺激。等到出了问题再说很容易。而如果你要保护重要的数据，那是个坏主意。

主持人： 而且我认为在大多数公司，回到我们刚才说的专业化，这在安全上大概是最糟的情况：你有这些非常深奥的安全工程师，他们不喜欢和其他工程师一起工作，而那些人是稀缺资源，两边都缺。结果就是，在大多数公司、大多数软件公司，他们写软件的安全实践就是不够好。我认为那显然必须改变。好消息是我们有工具能帮上这一点。

安迪·贾西： 对，好消息的部分，按你说的，是你要雇渗透测试人员，但你能雇的安全人员就那么多，他们能覆盖的应用也就那么多。模型加上自动化，会让你能更好地对整个攻击面做渗透测试，找到那些你平时除非偶然否则根本找不到的东西。

13. 用 AI 的三种方式，和为什么 Alexa 必须从零重做

主持人： 有一件事挺有意思，也是我们在看市场时看到的：用 AI 可以做很多事。一件是砍成本，你可以减少会计师、减少律师这类人。而且现在真的有风投公司在说，好，我们要去买老公司、砍它们的成本。那从来不是一个那么有意思的测试，因为我们会想：如果那就是你的想法，说明你没什么想法。然后还有：我们要去造一个世界上从没见过的东西，那非常令人兴奋。但还有第三件，就是你在 Alexa 上做的：你有一个产品、一个成功的产品，然后你说，好，我们把这整件事从头重新想一遍，因为我们有了这个新平台。你是怎么走到那一步的？在哪里这样做是合理的？

安迪·贾西： 我认为你刚才对这三类的划分很有意思。我认为组织，就像我们刚说的，会真的改变、变得更精简。如果你做对了，它会让你最好的建设者、这些小团队去建你说的第二个桶——那些人们从没见过的东西。你能做到。而当你有一些体验，像我刚才说的，在四天里你完整地建出一个新想法、而且做到 80% 的程度，它对人太有启发性了，他们会把更多的空闲时间和空闲的思考周期花在想新点子上。那对我来说是 AI 正在发生的事里最令人兴奋的部分之一。

安迪·贾西： 但我也认为，对于有规模化成功客户体验的现有公司，如果他们把 AI 主要想成对体验的增量改良，那么三到五年后他们很可能不会有赢的体验。因为我认为我们所知道的每一个这样的体验，即便是那些看起来最难想象会变的，几年后都会因 AI 而变得有实质不同。所以这意味着，如果你想的不只是增量，你必须找到办法让团队从零开始重新想象：如果今天用上所有可用的新技术，比如 AI，这些应用该是什么样子。

安迪·贾西： 在某些情况下，对我来说，在 Alexa 上我觉得很明显我们必须那样做。Alexa 的大脑在被建起来的时候非常有创造性，但因为生成式 AI，那个大脑能成为什么，能力已经完全不同了；如果你想要提供好的客户体验、想要在很长一段时间里保持相关性，你就必须重新接线 Alexa 的大脑。所以那件事是相当明显的。顺便说，即使它相当明显，它也很难——因为团队和他们建的东西连在一起、为之骄傲，有来之不易的伤疤、有关于什么行得通什么行不通的信条；而要让团队完全从头开始、重新想象，是需要时间的。因为团队会说，我们不是这么做的；我们试过，那不行。

安迪·贾西： 但更难的是拿别的体验——拿我们其他消费体验，拿我们的零售业务、Prime Video 业务、Fire TV 业务、Prime Music。那些体验，技术今天有更好解决方案这件事并不那么明显。但我真的相信，那些生意里的每一个我们都需要重做，而且我们有团队在做完全被重新想象的版本。现在，我认为我们会一次就做对吗？大概不会，我们会找到办法迭代进去。但它已经在产出各种各样新想法和客户体验，我们认为非常有说服力。接下来有意思的是一场赛跑：你是要一个几乎像新应用一样的完全不同的体验，还是让那些现有应用快到能把新东西一块块吸收进去，然后在未来几年里，随着你找到行得通的元素，一点一点地实质改变整体客户体验。但我确实认为，如果你想成为成功的领导者，这些体验里的每一个在未来几年都必须不同。

主持人： 这是个非常棘手的领导力问题。它让我想起我刚开始做工程师的时候，我和某个人为某件事争论，我老板说：Ben，你要理解一件事，一切都可以讨论，直到第一行代码被写下去，然后它就变成宗教了。我猜你在 Alexa 上经历过这个。但真的很有意思，因为所有那些知识、所有那些经验、所有构成原来那个东西的一切，现在你在说：好，我们愿意放弃其中很多，走向这个新世界。顺便说，客户也是——你会有很大一批喜欢当前体验的客户。

安迪·贾西： 对。每一次大转型，至少我的经验是——也许你有别的例子——几乎每一次大转型都是巨大的变化。技术和产品、客户体验、商业要素必须足够有说服力，人才会愿意改变。但当那是真的，它也不会自动发生。它是巨大的变革管理。就像从本地部署搬到云，是同类型的转变：很多基础设施负责人对他们建的东西非常骄傲，他们彻底了解它，他们在行动的中心，他们不想学新东西——或者，会是一样的情况。这和我刚提到的是同一种体验。对我们试图重做的每一个客户体验，都会是这样。我们都为过去十年在这些体验上建的东西骄傲，我们都有 100 件能让它们更好的事、都为之兴奋、把所有醒着的时间都花在上面。但想一想，我要怎么完全从头开始——这在智力和情感上都很难做到。

14. 如果你 18 岁：工具要用，判断力不能丢

主持人： 毫无疑问。几周前我们刚孵化了一个 Horowitz Andreessen Academy，来帮年轻人准备我们正在谈论的这场转型。你说过 AI 让建设变得更容易，但年轻人仍然需要学真正的专业能力。我很好奇，如果你在 2026 年是 18 岁，你会给那时的自己什么建议，去准备我们正在进入的这场转型？

安迪·贾西： 我有一个 25 岁和一个 22 岁的孩子。我猜那个 22 岁的，在这一切真的开始起飞时是 19 岁。我很快就学到，你不能告诉他们别在教育里用 AI。那趟船已经开走了，或者说那趟车已经开走了。我认为大学最好不要去对抗它。我认为这就是人们会用的一个工具。但同时，我认为所有年轻人——对我们来说，我们有很多人处在一个写作文化里，他们在用 AI 写作——你能看出什么是 AI 写的。它不那么对，那些片段拼得不太对。

安迪·贾西： 所以我给一个年轻人的建议，也是我给我孩子的建议是：你逃不掉它，你也没法指望它消失。它会在你生活的每一个体验里、在你工作的每一件事上产生难以置信的影响。它会让你以我们以前不可能的方式去发明。所以你真的需要了解它，你需要教育自己了解它，你需要大量使用它，你需要去试——试着做一些在你舒适区之外的事。我两个孩子都不是开发者，但他们用 AI 建过应用，把它当成……

安迪·贾西： ……把它当成你如何度过一天、如何使用工作工具的核心。但我不认为它替代批判性推理和思考，我认为这对大学同样成立。从很多方面说，如果我想到商学院——举个例子，你每天要分析三个案例，你要读很多东西、做笔记、找出关键议题，然后你拿到一堆展表，你在上面做笔记，然后你要拼出你认为那家公司该有的方案。你知道，常常有一堆人就是没做那些功课，他们没读、没研究、没做笔记——而所有这些都会随着 AI 消失。AI 能把每个人更快地送到那个起点、那个高得多的起点。但我也会说，真正把点连成线、把碎片拼起来，无论是去建一个战略、一个方法、一个计划，还是一个新产品、一个新客户体验——我不认为 AI 会在大多数时候替大多数人做那件事。不是说它永远不会发生。我仍然认为你需要人的判断、创造力、发明、实验，以及把各块如何拼在一起才能做出惊人体验和生意的思考。所以我认为你要用这些工具，它们会是巨大的帮手，但我仍然认为批判性推理和思考在我们做的每一件事里都会非常重要。

15. 三条主线，和「会不会摊得太薄」

主持人： 接近尾声了。你们在卫星连接、机器人、医疗这些彼此差异极大的业务里。这种雄心——想想这家公司最初只是在互联网上卖书，而它现在在这里——你怎么想把这些不同的业务线串起来的东西？或者说，你怎么想哪些业务线值得投入很多年？你怎么确保自己不会摊得太薄？你怎么理解这么大的范围？

安迪·贾西： 我会说几点。第一，我认为我们正处在一个时代，一生中最大的三场变革——也许是史上最大的——就在 AI、机器人和太空开发之间。它们都巨大，它们都会彻底改变我们都会遇到的许多客户体验。而我们正处在这三场大变革的中间。如果你看我们在零售业务里做的、我们怎么用机器人；看我们在 AI 侧做的——既让内部和外部的建设者更容易建成成功的 AI 应用和 agent，也把我们所有的消费体验重做一遍；如果你想 Amazon Leo，也就是我们正在建的低轨卫星星座，为全球约 5 亿没有宽带连接的家庭。有一组不可思议的变革正在发生，而我们有机会帮客户去利用它们，让他们的生活更好。而且我们做这件事的方式，既帮到客户，也为我们自己带来长期可持续的生意。

安迪·贾西： 我认为我们有机会在更多领域对客户更相关、帮到他们更多。而我甚至还没提我们在生鲜上做的、在自动驾驶出行、医疗上做的。说到我们怎么组织——这些年来我们常有这种内部争论，也有很多外部的人问同样类型的问题，就是「是不是摊得太薄了」。我认为一部分取决于你怎么组织自己、以及你愿意投多少。因为我们不去让同一批人管多个业务，我们以去中心化的单一线程（single-threaded）方式组织。如果你在这些团队里有对的领导者和对的建者，如果你有一个足够大、能撬动盘子的机会，如果你有一个有差异化的想法、而这个领域没有被很好地服务，你就有机会同时追很多这样的事。我们在很长一段时间里一直在这么做。然后就只取决于你愿意投多少。

安迪·贾西： 你知道，有些公司非常可以理解地说，我们要守住自己的针织机，我们要守着现有的核心业务、把它长起来。顺便说，那也可以是一个非常成功的策略。而我们也非常专注于让现有业务继续增长、继续建设，我认为我们做得相当成功、速度不错。但还有那么多别的客户体验，我们知道客户真的希望我们帮他们解决、而我们能做到。它们会帮到客户，也会长期改变我们的生意，我们会继续追它们。

主持人： 以「无尽的雄心」这句话收尾很鼓舞人。安迪，非常感谢你来播客。

安迪·贾西： 谢谢。谢谢你们邀请我，我很感激。

本文为「访谈全文」纪要，本文不含任何投资建议。