模型大战未分胜负，亚马逊云科技先兑现AI红利
2026年上半年，你追我赶的前沿模型仍然是AI竞争的焦点。
Opus 4.8、GPT-5.6、Fable 5相继发布，模型公司争夺榜单排名，科技巨头继续上调资本开支，算力芯片和数据中心成为华尔街反复讨论的命题。
但比模型排名更值得关注的，是亚马逊云科技重新加速。2026年第二季度，亚马逊云科技收入达到422亿美元，同比增长36.7%，创下18个季度以来的最快增速。亚马逊云科技已经是一项年化收入接近1690亿美元的成熟业务，却重新跑出了接近40%的增长。
AI正在成为这轮加速的关键变量。亚马逊云科技AI业务的年化收入运行率已经超过250亿美元，自研芯片业务的年化收入运行率也超过250亿美元，两项业务均保持三位数增长。
其中，AI业务环比上一季度大幅增加100亿美元，这意味着AI相关收入已占到亚马逊云科技总年化运行收入约15%，且这一比重仍在快速攀升；
同时，作为模型集成和推理平台，Amazon Bedrock目前已有数十万客户。过去六个月新增客户数量超过推出后前两年的总和，第二季度客户支出也超过此前所有季度之和。
一组堪称炸裂的数据足以说明，企业AI创造的价值并不只停留在模型层。在模型竞争暂且还看不到尽头的时候，为什么没有长期占据模型榜首的亚马逊云科技，率先兑现了AI的红利？
既投选手，也建赛道
在过去两年的AI热潮中，行业普遍陷入了一种用模型榜单来判断AI公司竞争力的认知误区。市场一度认为，拥有参数量最大、评测集得分最高的模型厂商，最可能成为AI市场的最大赢家。
但这种以模型本身为核心的价值判断，极可能忽视了企业级市场的真实需求。
对于企业决策者而言，将业务命脉押注在单一模型上是一场高风险博弈。企业选型时，很少只看一次评测结果。价格、延迟、区域可用性、数据边界、运维稳定性，以及供应商锁定风险，都会影响最终决策。
同时，模型迭代又在不断加快。一款模型今天领先，几个月后可能在成本、速度或特定任务上被其他模型赶上。企业若把核心业务绑定在单一模型上，后续切换往往伴随更冗杂的替换成本。
亚马逊云科技的策略因此更像多层下注。
Nova负责自研基础模型，Trainium承接训练和推理算力，Bedrock汇聚第三方模型，AgentCore提供Agent运行、身份管理、工具接入和可观测性。与此同时，亚马逊参与投资了Anthropic、OpenAI等模型公司，以此布局作为模型平台方的重要生态资源。
这套布局没有放弃模型竞争，但却把竞争范围从模型能力扩大到了芯片成本、分发渠道和应用基础设施。
亚马逊云科技的AI生意也从传统算力租赁延伸到模型调用、推理服务和Agent运行。一旦模型使用得越深，客户对计算、存储、数据库、安全和网络服务的需求也会越大。
不仅如此，平台定位的价值也在于让企业对于模型切换“零成本”。不同模型的接口、工具调用和输出特征仍有差异，企业依然需要评测和适配。
而平台则大幅降低了企业的重复建设成本：企业可以在相对统一的账户、权限和治理框架中测试不同模型，而不必为每一家模型厂商重新搭建完整的基础设施。
自研芯片就是这套体系的重要底座。
亚马逊云科技向企业出售的，既是模型选择权，也是技术快速变化时的可控性。
为什么模型公司和企业都需要它？
亚马逊云科技的平台价值，首先体现在大量模态丰富且技术前沿的模型供给。
在刚刚过去的第二季度，Amazon Bedrock新增了10多个完全托管的基础模型，成功集成了OpenAI的GPT-5.6、Anthropic的Claude Opus 5、Google DeepMind的Gemma 4以及SpaceXAI的Grok 4.3
正是在这一年，OpenAI、xAI与Anthropic进一步加深了与亚马逊云科技的合作，Qwen、
OpenAI的进入最具标志性。2026年2月，亚马逊宣布对OpenAI进行最高500亿美元的战略投资。此后，GPT-5.6 Sol、Terra和Luna，以及面向软件开发任务的Codex，陆续在亚马逊云科技正式商用；双方联合开发的Managed Agents则继续推进。
作为一款以推理能力见长的模型，xAI的Grok 4.3目前已运行在Bedrock的新型推理引擎Mantle上。对模型公司而言，亚马逊云科技不仅提供算力，还提供现成的企业客户、采购渠道和生产环境。模型进入Bedrock，意味着它可以更快触达已经把数据和业务系统放在亚马逊云科技上的客户。
Anthropic与亚马逊云科技的合作关系则更加深入。亚马逊对Anthropic的累计投资已达到130亿美元，Anthropic也承诺未来十年在亚马逊云科技采购投入超过1000亿美元，获得最高5GW新增容量。
算力层面，双方共同建设的Project Rainier由超过50万颗Trainium2芯片组成，Anthropic已在亚马逊云科技上使用超过100万颗Trainium2训练和运行Claude。
这些合作扩大了亚马逊云科技的模型供给，但“模型多”并不是这一云厂商的最大优势——企业真正购买的是一套可以进入生产环境的能力。
在安全和治理层面，亚马逊云科技具备统一的安全边界与数据管控，通过VPC（虚拟私有网络）实现网络隔离，利用KMS（密钥管理服务）进行静态与传输中数据加密，再配合IAM（身份和访问管理）进行精细化的权限管理，企业可以确保敏感数据完全在自己的可控范围内流转。
企业还可以在同一套账户和审计体系下管理不同模型，减少多套密钥、多套接口和多套运维流程并行造成的复杂度。
在采购和成本管理层面，符合条件的模型使用量可以计入企业既有的亚马逊云科技承诺消费，并进入统一账单。企业仍需对具体模型进行法务、安全和合规审批，但不必为每个供应商重新建设采购与计费体系。
在工程层面，AgentCore、Knowledge Bases、Guardrails和Prompt Management覆盖Agent运行、知识检索、内容安全和提示词管理。也就是说，企业在接入API的同时，便获得了模型接入数据、业务流程和权限体系所需的完整基础设施。
大企业引入大模型，本质上是一场跨越业务、IT、安全、法务和财务的系统性工程。平台的价值，在于将这些高频次、跨部门的决策对齐成本，沉淀为开箱即用的标准治理能力。
在这种架构下，亚马逊云科技不仅为需求端的企业消除了模型投产时的组织与工程摩擦，同时也为供给端的模型厂商打通了切入大企业市场的最后一公里。
这种对供需两方同时减负的能力特性，正是该平台释放的独特双向引力。
通往山顶的路不止一条
事实上，亚马逊云科技的路线不能简单概括为轻自研、重平台。
亚马逊云科技同时研发模型、芯片和应用，只是没有把AI战略押在单一旗舰模型上，而是将Nova、Trainium、Bedrock和AgentCore组成了一套从算力到应用运行的技术全栈。
在大模型商业化前景充满不确定性的背景下，这条路揭示了一种商业现实：前沿模型能力仍在提高，但技术迭代周期在不断加快、模型领先时间窗口被大幅缩短，训练和推理投入则持续上升。
模型公司需要不断融资，也需要提高企业收入和单位算力的收入产出。但云平台用一种对AI时代产业联合更加紧密的方式，把模型调用转化为计算、存储、数据库、安全和网络消费。
亚马逊云科技通过建立模型平台、自研芯片等生态布局，构建了一个巧妙的商业闭环。
它不与模型厂商在单点技术指标上争一时之长短，而是通过提供分发渠道与底层算力基础设施，将模型层激烈内卷产生的技术红利，转化为自身的云服务用量。
当一家企业通过亚马逊云科技调用大模型时，其表面上是在调用前沿模型的能力，实际也在依赖亚马逊云科技构建起来的由安全治理、知识库、RAG、身份审计和计费系统共同构成的技术体系。
在这场尚无定论的AI竞逐中，亚马逊云科技避开了对单体模型竞争的执念，成功将模型层竞争的技术红利，直接转化为了自身确定性的订单与收入增长。
通往AGI山顶的路不止一条，但亚马逊云科技已经找到了自己的通路。未来无论是开源力量还是闭源大厂领跑，亚马逊云科技都将通过这条路，修建出一座能够支持企业级AI长期运转的重工业基地。
图片来源｜视觉中国
