亚马逊(AMZN-US) 执行长贾西（Andy Jassy）表示，生成式人工智慧（AI） 带动的算力需求持续飙升，即使亚马逊今年投入 2,200 亿美元，仍有大量潜在需求无法满足。他透露，亚马逊 2026 年的算力产能已全数售罄，2027 年也几乎售罄，甚至连 2028 年的大部分产能都已售出，凸显 AI 基础设施供不应求的现况。

贾西近日接受创投公司 a16z Podcast节目专访，与 a16z 共同创办人 Ben Horowitz 深入讨论亚马逊的 AI 战略，从云端运算投资、自研晶片到企业应用及内部组织转型，说明公司如何因应生成式 AI 带来的需求变化。

面对市场对科技巨头大举投入资本支出、恐导致产能过剩的疑虑，贾西强调，目前的需求成长速度前所未见，亚马逊仍面临供给不足，而非投资过剩的问题。

AWS AI 业务年化营收逾 250 亿美元　算力需求提前锁定

贾西指出，生成式 AI 带动的业务成长，远超过亚马逊云端运算服务（AWS）创立初期的发展速度。

他回顾，AWS 创立前三年，年化营收运行速率约为 6,000 万美元；但在生成式 AI 浪潮的前三年，AWS AI 业务的年化营收运行速率已超过 250 亿美元，成长速度达当年数百倍。

对于大规模资料中心投资是否可能形成沉重负担，贾西则从建置周期与设备采购的差异解释亚马逊的资本配置策略。

资料中心建筑通常需要提前约两年投资兴建，使用年限则可达 30 年；伺服器与网路设备的采购时间相对较短，只需提前数个月。这让亚马逊能依据客户需求调整设备部署，不必在资料中心完工后立即将所有设施投入运作。

贾西表示，若发现需求不足，公司便不会进一步采购伺服器与网路设备。他也指出，多数伺服器合约期限为五年，通常约三年便可达到损益平衡。

他认为，在业务高速成长的初期，大规模投资确实会对自由现金流形成压力，但随着设施逐步上线并开始产生收益，相关投资将带来可观回报。

资料中心环保争议升温　贾西：不能放弃基础设施建设

除了资本支出，资料中心的能源消耗与环境影响，也成为美国公共政策讨论的焦点。

贾西将当前的资料中心建设比拟为美国 1950 年代兴建高速公路与桥梁的基础设施投资，认为这类建设攸关国家长期竞争力。

他警告，若美国不持续扩建资料中心，可能让中国等国家在相关技术领域取得主导地位，进而影响美国在国内及全球市场的竞争位置。

针对用水争议，贾西反驳部分外界说法，称高尔夫球场的用水量约为亚马逊资料中心的 200 倍，前者两天的用水量就超过后者一整年的用水量。他也提及杏仁种植业，认为其他产业的用水消耗同样值得纳入比较。

在备用发电机的污染问题上，贾西表示，相关排放量申报必须以全天候满载运作为基准，但亚马逊备用发电机实际上每年仅运转约 0.1% 的时间，约 10 小时，主要用于维护。

AI 推理成本仍太高　亚马逊加码自研晶片

谈到 AI 市场需求，贾西提出「杠铃型」结构，将目前的主要需求分为两端。

一端是 AI 研究实验室，消耗大量算力进行模型开发与训练；另一端则是企业利用 AI 降低成本、提升生产力，例如自动化客服与业务流程。

两端之间，则是企业现有的生产系统与工作负载。贾西认为，目前多数企业尚未大规模将 AI 推理技术导入既有应用，但未来五至七年，几乎所有现存企业应用都可能深度运用推理技术。

不过，要让 AI 真正普及至企业日常营运，关键仍在成本。

贾西指出，过去几年 AI 推理成本虽已大幅下降，但目前仍比理想水准高出一个数量级。若企业必须将原本运行于 CPU 的应用程式重新改写，以配合 AI 加速器运作，成本差距便可能成为导入障碍；只有进一步降低推理成本，企业才更有诱因进行转型。

这也是亚马逊持续发展自研晶片的原因之一。贾西高度评价亚马逊 2015 年收购晶片设计公司 Annapurna Labs 的交易，称其为亚马逊史上最成功的收购案。

他表示，亚马逊自研的 Graviton 处理器，相较其他 x86 处理器具备约 40% 的性价比优势；Trainium AI 加速器的性价比则高出约 30% 至 40%。亚马逊希望借由自研晶片降低运算成本，进一步扩大 AI 应用市场。

AI 重塑亚马逊组织　6 名工程师完成过去 40 人一年的工作

生成式 AI 不只改变亚马逊对外提供的云端服务，也正在重新塑造公司内部的产品开发与人力配置。

贾西透露，亚马逊 Bedrock 团队曾以 6 名工程师、76 天的时间重构推理引擎；过去要完成同样工作，则需要约 40 名工程师投入一整年。

他认为，AI 将改变企业扩张时对人力的需求。随着模型能协助完成更多工作，未来企业即使持续扩大业务规模，也不一定需要像过去一样增加人手。团队规模可能缩小，员工则必须具备跨职能工作的能力。

在产品策略上，贾西也认为，单纯改善既有功能已不足以因应生成式 AI 带来的变化，企业必须重新思考产品的核心设计。

他以 Alexa 为例指出，这项产品最初的设计理念虽具创新性，但生成式 AI 已大幅改变技术能力的边界。若要打造具竞争力的使用体验，就必须重新建构 Alexa 的核心能力。

贾西表示，这种转型不会只发生在 Alexa。亚马逊零售业务、Prime Video 及音乐服务等主要消费者产品，未来几年也都必须结合 AI，重新构想产品体验。

他认为，企业可能因既有经验与历史包袱而抗拒彻底改造，但若只追求渐进式改善，未来三至五年便可能在竞争中遭到淘汰。