亚马逊首席执行官安迪·贾西于周四发布了一年一度的致股东信,其中透露了这家云计算与电商巨头的诸多重要信息。
其中一个引人关注的细节是,贾西表示:"如果我们的芯片业务作为独立部门运营,并将今年生产的芯片销售给AWS及其他第三方(正如其他领先芯片公司的做法),我们的年化营收规模将达到约500亿美元。"
他还补充道:"由于市场对我们芯片的需求极为旺盛,未来我们很可能会以机架为单位向第三方出售芯片。"
贾西还披露,"已有两家大型AWS客户询问,能否买断我们2026年全部Graviton实例产能"——这里指的是搭载亚马逊自研CPU的云端服务器。贾西表示公司拒绝了上述请求,但同时指出,亚马逊凭借自研芯片驱动的服务,每年实现200亿美元的营收。
其中相当一部分来自Trainium AI芯片。贾西表示,该芯片需求极为强劲,今年初发货的Trainium3所支撑的服务产能"已几近售罄"。他还透露,亚马逊预计约18个月后才会正式量产的Trainium4,"已有相当大比例的产能被提前预订"。
贾西还预计,Trainium"每年将为我们节省数百亿美元的资本支出,并在推理服务方面相较于依赖他方芯片,提供数百个基点的运营利润率优势"。
在营收表现方面,贾西指出,AWS成立三年时,年化营收规模为580亿美元;而AWS的AI业务在同等时间内已实现150亿美元的年化营收。他还提到,尽管AWS目前年营收达1420亿美元,全球IT支出中仍有85%留在本地部署环境中。
"这一格局将会改变。"他写道。
在基础设施扩张方面,贾西表示,如果能获得更多电力资源,AWS的增速将会更快。亚马逊2025年新增了3.9吉瓦的电力容量,并预计在2027年底前将总电力容量翻倍。
"即便如此,我们仍面临产能约束,导致部分需求无法得到满足。"他不无遗憾地写道。
贾西还谈及亚马逊的天空业务。他表示,公司的卫星宽带服务"已正式计划于2026年中期发射约200颗卫星后正式上线"。Prime Air无人机配送服务则已拥有"可规模化落地的设计方案","计划到年底覆盖拥有3000万用户的社区,并预计在本十年结束前完成5亿件包裹的配送"。
贾西表示,Prime Air将从存有亚马逊9万种畅销商品的"当日配送中心"起飞,并在30分钟内完成配送。另一项名为Amazon Now的服务则依托"微型配送中心"运营,这些中心仅存储数千种商品,可在20分钟内完成配送。目前,亚马逊在印度已设立超过360个微型配送中心。
在机器人领域,贾西透露,亚马逊目前已有"逾百万台机器人在配送中心投入运营,协助完成上架、拣货、分拣及内部运输等工作"。
"与此同时,我们仍是全美最大的就业创造者之一。"他补充道,并暗示公司将进一步深化在机器人"形态因素、应用场景多样化、灵活性、抓取能力及智能化"方面的探索。
贾西再度暗示,亚马逊或将进军机器人供应商领域。"只要我们能够借助在配送网络中大规模部署机器人所积累的规模效应与实时反馈,为其他工业及消费级客户打造机器人解决方案,我们就会积极探索这一方向。"
此外,致股东信中也不乏常见的企业陈词,其主线是:最周全的商业计划往往难以完全落地,而保持快速调整方向的意愿,是企业成功的关键。
贾西表示,拥抱AI的过程同样遵循这一规律。
"不难想象,随着AI的兴起,消费者与零售商之间的交互界面将随着时间推移发生深刻变化,"他写道,"我们可能需要一段时间才能找到优于现有模式的体验,消费者也需要时间去接受和适应这些新体验。"
不过,贾西对亚马逊在各个战略方向上进一步扩大份额,信心十足。
Q&A
Q1:亚马逊自研Trainium芯片的市场表现如何?
A:亚马逊自研的Trainium AI芯片需求极为旺盛。今年初发货的Trainium3所支撑的服务产能已几近售罄,而预计约18个月后才正式量产的Trainium4,也已有相当大比例的产能被提前预订。贾西预计,Trainium每年将为亚马逊节省数百亿美元资本支出,并在AI推理服务方面带来数百个基点的运营利润率优势。
Q2:亚马逊会向第三方出售Graviton和Trainium芯片吗?
A:目前亚马逊已拒绝了两家大型AWS客户买断2026年全部Graviton实例产能的请求,但贾西在致股东信中暗示,未来亚马逊"很可能会以机架为单位向第三方出售芯片"。如果其芯片业务作为独立部门运营,年化营收规模将达约500亿美元。
Q3:亚马逊Prime Air无人机配送服务进展如何?
A:Prime Air目前已拥有可规模化落地的设计方案,计划到年底覆盖拥有3000万用户的社区,并预计在本十年结束前完成5亿件包裹的配送。配送将从存有9万种畅销商品的当日配送中心起飞,可在30分钟内送达。此外,另一项Amazon Now服务可通过微型配送中心在20分钟内完成配送,目前印度已建立超360个此类中心。
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。