2026 年 7 月 30 日，Amazon 在 Investor Relations 發布〈Amazon.com Announces Second Quarter Results〉。市場最值得注意的，不只是 AWS 單季營收年增 37% 至 US$42.232B，而是執行長 Andy Jassy 給出一個罕見的商業規模訊號：Amazon AI 與晶片 run rate 各自超過 US$25B，而且公司稱兩者都維持三位數年增。
這句話很有份量，但也很容易被讀過頭。US$25B 不是兩個獨立財報部門的已審計年營收；run rate 通常用來把近期營運速度表達成年化尺度，但截至 2026 年 7 月 30 日，Amazon 在這份 Q2 earnings release 與同日 8-K 附件中，未披露兩項業務的計算公式、收入明細或去重調節。真正該問的不是「US$25B 大不大」，而是：它證明了什麼，又還沒有證明什麼？
先把原文放在這裡。點擊下圖會在新分頁開啟 Amazon 財報原頁；接下來分三步走：先還原公司說法與數字口徑，再核對 OpenAI、Anthropic 的多年算力合約，最後把商業規模和資本回收拆開判斷。
一、Amazon AI 與晶片 run rate，原文到底說了什麼？
Amazon 這次同時公布了三個不同層級的數字，不能混為一談：
- 財報分部：AWS Q2 net sales 為 US$42.232B，較去年同期 US$30.873B 成長 37%；AWS 分部營業利益為 US$16.621B，營業利益率約 39.4%。
- AWS 單季年化：把 US$42.232B 乘以四，得到 US$168.928B，因此公司稱 AWS 已達約 US$169B annualized revenue run rate。這不是 AWS 過去十二個月的實際營收；實際 TTM 是 US$148.404B。
- 公司自訂業務群：Jassy 說 AI 與 Chips 兩項業務的 run rate 都超過 US$25B；Amazon 另在同頁聲稱兩者的年增率都是三位數。這兩項並非 Amazon 對 SEC 申報的獨立分部。
“our AI and Chips businesses each eclipsed run rates of more than $25 billion”
中文：「我們的 AI 與晶片業務，各自突破了 US$25B run rate。」
— Andy Jassy，Amazon 2026 Q2 earnings release
Amazon 另在同頁兩個 highlights 中，分別把 AI 與晶片業務描述為維持三位數年增。這個詞的最低含義是約 +100%，也就是營收規模至少約為去年同期兩倍；它不是「增至三倍」或 +300%。而且截至本文發稿，Amazon 向 SEC 提交的是附有未經審計財務表的 Form 8-K，Q2 10-Q 尚未提交。對讀者來說，最安全的表述是「Amazon 自行定義並披露」，而不是「獨立財報證實」。
| 指標 | 數字 | 能怎麼解讀 |
|---|---|---|
| AWS Q2 營收 | US$42.232B | 正式分部數字，年增 37% |
| AWS 年化 run rate | 約 US$169B | Q2 單季乘以四，不是 TTM |
| AWS 實際 TTM 營收 | US$148.404B | 過去四季合計 |
| AI 業務 run rate | > US$25B | 公司自訂口徑，Q2 文件未拆分 |
| Chips 業務 run rate | > US$25B | 公司自訂口徑，Q2 文件未拆分 |
如果你想逐項核對 Amazon 全公司、AWS 分部與現金流量表，可以搭配 AlphaLab 的Amazon Q2 2026 財報健檢閱讀；本文把重點留給「US$25B × 2」背後的商業含義。
二、Amazon AI 與晶片 run rate 能直接相加嗎？
目前不能。這份 Q2 earnings release 與同日 8-K 附件沒有說兩個口徑完全互斥，也未公布去重後的合計。把它們寫成「至少 US$50B 獨立營收」，等於替公司補上這些文件沒有提供的會計調節。
原因在於，「晶片業務」並不是把晶片賣給外部客戶的傳統半導體收入。Jassy 在 Amazon 官方說明中，把這個集合定義為 Graviton、Trainium 與 Nitro；客戶主要透過 EC2 租用這些晶片所提供的運算能力。換句話說，這更像雲端服務的垂直整合收入，而不是可直接拿來和 Nvidia 晶片銷售比較的數字。
同一份官方說明也把 Amazon 的 AI 業務描述成橫跨 SageMaker、Bedrock、Trainium 推論與代理服務；Bedrock 上相當一部分推論又跑在 Trainium。這顯示兩個集合在產品與基礎設施上有交集，但不能據此推論收入一定重複計算。除非公司日後提供範圍、期間與去重方法，兩個 US$25B 應該被視為兩個規模指標，而不是一道可以直接相加的算式。
這個限制並沒有讓數字失去意義。相反地，它透露了 Amazon 真正想說的故事：AWS 不只出租通用雲端算力，而是在模型平台、推論服務、自研晶片、網路與資料中心之間形成一條內部供應鏈。晶片沒有被拆成獨立銷售數字，可能恰好就是策略本身——它的任務是降低 AWS 提供 AI 算力的成本，並把客戶留在整個雲端堆疊裡。
三、OpenAI 與 Anthropic 的多 GW 長約，證明了需求嗎？
這次最強的外部佐證，不是 Amazon 自己再說一次，而是兩個客戶在各自官網確認了多年合約。
- OpenAI：2026 年 2 月公布的合作，在原有 US$38B 協議上再增加 US$100B、期限八年，並承諾使用約 2GW 的 Trainium3 與 Trainium4 容量。
- Anthropic：2026 年 4 月公布的合作，承諾十年採購超過 US$100B 的 AWS 技術，取得最高 5GW 新容量；範圍同時涵蓋 Graviton 與 Trainium2 到 Trainium4。
這些合約使「Trainium 有真實大型客戶」比單純產品發表更可信。Anthropic 甚至自報目前已有超過 100 萬顆 Trainium2 用於訓練與服務 Claude，並預計在 2026 年底前讓接近 1GW 的 Trainium2／3 容量上線。
但時間軸仍然重要。OpenAI 的容量預計從 2027 年開始逐步提升；Anthropic 的「最高 5GW」也是十年合約的上限，不等於今天已有 7GW Trainium 滿載運轉，更不等於這些承諾已全部成為 Q2 營收。最準確的結論是：未來需求被預訂了，部署、使用率與收入認列仍要逐季兌現。
還有一層不能忽略的關係背景：依 OpenAI 官方公告，Amazon 對 OpenAI 的投資先投入 US$15B，另有 US$35B 要在特定條件達成後投入；依 Anthropic 官方公告，Amazon 過去已投資 US$8B，這次再投入 US$5B，未來另有最高 US$20B。這不會自動讓採購合約失真，卻表示它不是完全沒有資本關係的第三方需求。讀者可以把長約視為強烈的容量需求訊號，但不該把它直接等同於自然市場上、已付款且無關係客戶的當期營收。想了解兩家公司在資本與算力上的交換關係，可延伸閱讀 AlphaLab 的 OpenAI 估值分析與 Anthropic 估值悖論。
四、規模訊號很強，代價也是真的：自由現金流為何轉負？
AWS 的獲利能力並不差。Q2 分部營業利益 US$16.621B、營業利益率約 39.4%，代表這個成熟雲端底座目前仍有很強的利潤緩衝。問題是，Amazon 正在用比營運現金流更快的速度蓋下一輪基礎設施。
截至 2026 年 6 月底的過去十二個月，Amazon 營運現金流為 US$161.403B；依公司 non-GAAP 定義，扣除淨現金不動產與設備支出 US$169.007B 後，自由現金流為負 US$7.604B，去年同期則為正 US$18.184B。Amazon 說設備支出增加主要反映 AI 投資，但同一份 Q2 附件未公布 AI-only capex，因此不能把 US$169B 全部寫成「AI 支出」，也不能把負 US$7.6B 寫成「AI 業務虧損」。
這正是 自由現金流在 AI 基建週期最有用的地方：損益表回答「服務有沒有賺錢」，現金流量表回答「為了未來容量，今天先墊了多少現金」。Jassy 的解釋是，資料中心資本支出往往領先計費 6 到 24 個月，而資料中心的預估使用年限超過 30 年，晶片、伺服器與網路設備則是 5 至 6 年。這使短期 FCF 承壓有合理的時間差，但「合理」不等於「回報已經證明」。
真正的驗證點是：這些機房在交付後能否快速達到高使用率，Trainium 的成本優勢能否轉成更低價格或更高 AWS 利潤，以及大客戶長約能否在不犧牲報酬率的情況下認列。AlphaLab 先前的 Amazon AWS AI 資本支出分析，正是在拆這條「先蓋、後收費」的回收鏈。
五、AlphaLab 判讀：最重要的不是兩個 US$25B，而是垂直整合開始商業化
我同意的部分：Amazon AI 與晶片 run rate 各破 US$25B，是少見而且重要的實際商業規模訊號。搭配 AWS 37% 的成長、39.4% 的分部營業利益率，以及客戶官網確認的多年、多 GW 合約，按 Amazon 自報口徑與客戶長約公告，至少不支持「AWS 只有 AI 展示、完全沒有商業需求」這種極端說法。
我存疑的部分：截至 2026 年 7 月 30 日，公司披露仍不足以證明兩個 US$25B 可以相加、各自有多少毛利、多少收入來自關係密切的大客戶，或這些超大型長約能以什麼速度轉成現金。Amazon 提供了強烈的規模訊號，尚未提供足夠資料單獨證明 AI 與自研晶片的資本報酬率。
從策略角度看，最值得興奮的其實不是「Amazon 也有一家 US$25B 晶片公司」，而是它可能建立出一個自我強化的迴圈：
- 大型模型客戶簽下長約，讓 AWS 有把握先蓋資料中心；
- 自研晶片降低每單位訓練與推論成本，提高可供應容量；
- Bedrock、SageMaker 與代理服務把算力包成更高層產品；
- 更多工作負載回到 Trainium 與 AWS，繼續支撐下一輪投資。
這個迴圈如果成立，Amazon 的優勢不只是「有晶片」，而是同時掌握 AWS 內的服務入口、模型平台、晶片、網路與機房；如果不成立，負自由現金流就會從短期時間差變成長期低效率。AI 推論的記憶體與資料搬移瓶頸，也會決定 Trainium 能不能把紙面效能轉成實際成本優勢；可搭配 AI 推論與 HBM 記憶體瓶頸理解。
六、下一季該盯什麼？四個比 headline 更有用的指標
- AWS 的已申報數字：營收成長能否維持、39.4% 利潤率是否在新容量折舊開始後守得住。
- 部署，不只是承諾：OpenAI 從 2027 年起的 Trainium 容量提升，以及 Anthropic 接近 1GW 的 2026 年底目標是否如期上線。
- 現金轉換：營運現金流增幅能否追上設備支出，讓負自由現金流在設備交付後靠營收與現金收入轉正；同時另看 AWS 利潤率能否吸收隨後增加的折舊。
- 口徑透明度：Amazon 是否開始揭露 AI／Chips 的定義、重疊與非關係客戶採用，讓 US$25B 從管理層指標變成可重算的商業證據。
📚 延伸閱讀
- Amazon（AMZN）Q2 2026 財報健檢
- Amazon AWS AI 資本支出：先蓋、後收費的回收考驗
- 自由現金流是什麼？從損益到現金的白話拆解
- OpenAI 估值與算力長約分析
- Anthropic 估值悖論與 Amazon 關係
因此，讀 Amazon 下一份財報時，可以用一條簡單規則過濾雜訊：把公司自報的 run rate 當成需求領先指標，把 AWS 分部營收與利潤當成已實現結果，再用自由現金流與實際部署檢查回收。三條線一起改善，才代表這場 AI 基建豪賭正在從規模走向價值。