📊Bloomberg Technology•較早收集於 16m
亞馬遜雲端因AI需求創2022年來最大跳漲
💡AWS因OpenAI/Anthropic AI需求暴漲—盡快確保容量（26字元）
⚡ 30-Second TL;DR
有什麼變化
2022年來最快季度成長
為什麼重要
驗證AWS為首要AI基礎設施選擇，但顯示容量限制緩解—適合擴展大型模型。
下一步行動
利用新容量立即配置AWS實例，用於AI訓練任務。
誰應關注：Enterprise & Security Teams
關鍵要點
- •2022年來最快季度成長
- •新資料中心容量帶動
- •Anthropic與OpenAI帶來更多營收
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •亞馬遜雲端（AWS）的成長動能不僅來自外部AI客戶，其自研晶片 Trainium 與 Inferentia 的部署規模擴大，顯著降低了客戶在執行大型語言模型時的推論成本。
- •AWS 透過與 Anthropic 的深度戰略合作，將 Claude 系列模型整合至 Amazon Bedrock 平台，成功吸引了大量企業級客戶轉向 AWS 進行生成式 AI 應用開發。
- •亞馬遜在資料中心基礎設施的資本支出（CapEx）在過去四個季度持續攀升，主要用於支援高密度 GPU 叢集與液冷技術的部署，以應對 AI 訓練的高能耗需求。
📊 競品分析▸ Show
| 特色/指標 | AWS (Amazon Bedrock) | Microsoft Azure (OpenAI Service) | Google Cloud (Vertex AI) |
|---|---|---|---|
| 核心 AI 策略 | 模型中立，提供多樣化模型選擇 | 深度綁定 OpenAI 模型 | 整合 Gemini 與自研 TPU 資源 |
| 晶片優勢 | 自研 Trainium/Inferentia | 依賴 NVIDIA GPU 與 Maia 晶片 | 自研 TPU v5p/v6 |
| 企業整合 | 與 AWS 生態系統深度整合 | 與 Microsoft 365/Copilot 整合 | 與 Google Workspace/Android 整合 |
🛠️ 技術深入
- Trainium2 晶片架構：採用第二代自研訓練晶片，相較於前代在訓練效能上提升了 4 倍，並支援更大的記憶體頻寬以處理萬億參數模型。
- Amazon Bedrock 整合：透過無伺服器（Serverless）架構，允許開發者無需管理底層基礎設施即可調用 Claude 3.5、Titan 等模型。
- 液冷技術部署：針對高密度 AI 伺服器機櫃，AWS 在新一代資料中心全面導入液冷技術，以維持高負載下的硬體穩定性與能源效率。
🔮 前景展望AI analysis grounded in cited sources
AWS 將在 2026 年下半年進一步提高自研晶片在 AI 工作負載中的佔比。
為了降低對 NVIDIA GPU 的依賴並提升利潤率，亞馬遜正加速將內部與客戶的推論工作負載遷移至 Inferentia 晶片。
雲端服務商的資本支出將在 2026 年底達到歷史新高。
為了維持 AI 競爭力，AWS 必須持續擴建具備高電力密度與先進冷卻系統的資料中心以容納下一代 GPU 叢集。
⏳ 時間線
2023-04
亞馬遜正式發布 Amazon Bedrock，提供生成式 AI 模型託管服務。
2023-09
亞馬遜宣布向 Anthropic 投資高達 40 億美元，並將 AWS 作為其主要雲端供應商。
2023-11
AWS 發布 Trainium2 晶片，旨在加速大型語言模型的訓練效率。
2024-03
亞馬遜完成對 Anthropic 的 40 億美元投資承諾，深化雙方在 AI 領域的合作。
2025-06
AWS 宣布其 AI 相關營收年化運作率（Run Rate）突破百億美元大關。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Bloomberg Technology ↗