亚马逊首席执行官安迪·贾西预测,得益于人工智能的推动,亚马逊云计算业务在未来十年内年营收有望达到6000亿美元。
这一大胆预测是在今天公司内部全员会议上提出的。贾西向员工全面介绍了公司各项业务的现状,包括无人机配送、广告销售以及新兴的AI产品。
据路透社报道,贾西表示,在AI热潮兴起之前,他曾预期亚马逊云服务在未来10年内年营收将达到3000亿美元的运营速度。"但考虑到AI领域正在发生的变化,AWS有机会达到至少两倍于此的规模。"
AWS仍有很长的路要走,但6000亿美元的目标并非不切实际。在2025财年,AWS营收为1287亿美元,比前一年增长19%。要达到贾西的新目标,该业务需要在未来十年保持年均17%的增长率,这看起来是可行的。贾西没有讨论这些销售额可能如何在AWS部门内分配。
云计算部门长期以来一直是亚马逊最盈利的业务。其高利润率、可扩展的云基础设施与电商业务的低利润率、高物流成本形成鲜明对比,使其能够持续贡献亚马逊总营业利润的大部分。在2025财年,尽管只产生了公司总营收的17%,但却占据了约70%的总营业收入。
贾西的评论可能有助于安抚紧张的投资者,他们对公司雄心勃勃的支出计划越来越谨慎。今年早些时候,公司承诺在2026财年投资2000亿美元的资本支出,其中大部分资金指定用于AI数据中心。这被认为是亚马逊股价今年迄今下跌超过6%的主要原因。
在会议期间,贾西参加了与员工的问答环节,有员工提到公司的支出"受到了很多关注"。贾西回应说:"这是一种说法。"
贾西继续解释了亚马逊投资背后的逻辑。他强调AI代表着一个"非常不寻常的机会",可以建立一个极其庞大的业务,他已经看到了对公司试图构建的服务的明确且重大的需求信号。"我们投资2000亿美元资本支出不仅仅是因为希望AI会变得重要,"他坚持说。
这位CEO补充说,AWS的AI业务增长越快,短期内就需要在数据中心用地、电力供应、建筑施工以及运行AI所需的芯片、服务器和网络上投入更多资金。"我们必须在开始盈利的几年前就布局所有这些。"
AI并不是会议议程上唯一的话题。贾西还讨论了亚马逊的无人机配送,并表示他预计公司将在今年晚些时候完成第100万次无人机配送。亚马逊的无人机可以在30分钟内将鞋盒大小的物品送达客户,自2013年以来一直在开发中。
会上还更新了亚马逊Fresh和Go实体杂货店的情况,这些店铺从1月份开始关闭。他解释说,这些实体店并没有达到预期的成功,在过去一年中仅占公司杂货销售的不到1%。
投资者并没有被贾西的评论吓到,亚马逊股价今天上涨了刚好超过一个百分点。
Q&A
Q1:亚马逊AWS云服务营收目标是多少?预计何时实现?
A:亚马逊CEO安迪·贾西预测AWS云服务营收将在未来十年内达到6000亿美元,即到2036年实现这一目标。这比他之前预期的3000亿美元翻了一倍,主要得益于人工智能技术的推动。
Q2:亚马逊为什么要投资2000亿美元在AI数据中心上?
A:贾西表示AI代表着一个"非常不寻常的机会"来建立极其庞大的业务,公司已经看到了对AI服务的明确且重大的需求信号。AWS的AI业务增长越快,就需要在数据中心用地、电力供应、建筑施工以及芯片、服务器和网络上提前投入更多资金。
Q3:AWS云计算部门对亚马逊有多重要?
A:云计算部门是亚马逊最盈利的业务。在2025财年,尽管AWS只产生了公司总营收的17%,但却占据了约70%的总营业收入。其高利润率、可扩展的云基础设施与电商业务的低利润率形成鲜明对比。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。