亚马逊供应链服务 - 亚马逊推出亚马逊供应链服务，整合其现有的空运、海运、卡车运输和最后一英里配送产品，作为一揽子服务提供给其他企业[1] - 该服务已获宝洁和3M等公司使用，其宣布导致联邦快递和联合包裹服务等竞争对手的股价下跌[1] 亚马逊的长期商业模式 - 亚马逊的商业模式核心是：先为自身需求大规模构建基础设施，将边际成本转化为资本成本，然后通过向其他企业出售这些服务来获得规模回报并加深护城河[2][3][4] - 公司以十年为周期进行长期投资，物流网络是继AWS和电商之后，第三个遵循此路径的案例[2][4] - 这一模式正被复制到卫星互联网项目“柯伊伯”上，该项目前期资本密集，但旨在通过长期资产杠杆获得自由现金流和投资资本回报[28][29] AWS的成本优势战略 - AWS通过规模效应和自研创新获得结构性成本优势，例如Nitro系统将服务器管理任务卸载到专用芯片，提高了单台服务器的虚拟机数量和使用率[6][7][8] - 公司通过自研ARM处理器Graviton进一步降低成本，并利用平台即服务模式实现双重盈利：PaaS产品利润率更高，且能用自研廉价芯片来支持这些服务[9] - 在AI时代，AWS的长期投资开始见效，其自研AI芯片Trainium经过多年迭代，Trainium 3已具备竞争力，为推理工作负载提供了可持续的成本优势[17] AI计算市场演变与AWS的定位 - AI计算市场正从训练转向推理，推理已成为最大的AI计算市场，这一转变对AWS的策略有利[14] - 推理工作负载对横向联网的需求低于训练，更侧重于单服务器内的内存，这与亚马逊基于Nitro的分离式资源架构更兼容[18] - 智能体工作负载高度依赖CPU，并需要将工作负载在异构计算资源间路由，这恰恰是亚马逊Nitro系统所擅长的[18] AWS在AI生态中的中立性与优势 - AWS通过其AI平台Bedrock让用户间接使用其自研Trainium芯片，大多数客户通过抽象接口与AI模型交互，而非直接接触底层芯片[20] - 亚马逊凭借AWS产生的现金，有能力向Anthropic等前沿AI实验室进行数十亿美元的投资，以换取其使用AWS的计算服务[22][24] - 与微软和谷歌相比，亚马逊的核心业务（电商、物流、数据中心）扎根于实体世界，这使其更倾向于将大部分芯片容量用于客户工作负载，而非优先满足内部AI需求，在算力有限的环境中，这使其成为企业获取前沿模型的最佳选择[26][27] 亚马逊的长期战略与物理世界关联 - 公司对无人机送货等未来物流的探索，与建设自有卫星网络“柯伊伯”以提供可靠通信的长期投资相结合，旨在进一步将物流成本从人力边际成本转化为资产折旧[29][30] - 公司长期受AI威胁的脆弱性，或投资AI的积极性，与其业务和物理世界交互的深度，以及对分销渠道的控制感高度相关[31] - 像苹果和亚马逊这样业务根植于物理世界的公司，对拥有领先AI模型感到压力较小，只需能够接入它们即可[32]