投资评级 - 维持"优于大市"评级 [1][4][30] 整体表现 - 25Q2营业收入1677亿美元，同比+13%，超公司指引和BBG一致预期（9 6%）[1][10] - 经营利润192亿美元，同比+31%（BBG一致预期16%），净利润182亿美元，同比+35%（BBG一致预期6%）[1][10] - 毛利率同比提升1 7个百分点，主要受益于广告收入占比增加和运输网络效率优化[1][10] - 25Q3收入指引1740-1795亿美元（同比+10%-11%），经营利润指引155-205亿美元（24年同期174亿美元）[1][10] 零售及其他业务 - 25Q2收入1368亿美元，同比+12%，广告收入同比+22%（主要由sponsored products驱动）[2][16] - 营业利润率（OPM）达6 6%，同比提升2 2个百分点，受益于入仓网络优化和广告收入占比提升[2][16] - 履约效率显著改善：直达通道订单占比同比+40%，包裹平均运输距离减少12%，单件商品处理次数减少15%[2][16] - 分地区表现：北美收入1001亿美元（+11%），国际收入368亿美元（+16%，扣除汇率影响为+11%）[17] 云业务(AWS) - 25Q2收入309亿美元，同比+17 5%，OPM 32 9%（同比-2 6个百分点）[3][19] - 利润率下降主因：股票薪酬季节性增加（占50%影响）、折旧费用上升及汇率波动[3][19] - 供应短缺持续：积压订单1950亿美元（+25%），受芯片不足、交付延迟和服务器良率问题影响[3][19] - AI相关收入保持三位数增速，规模达数十亿美元[19] - 资本支出：25Q2达314亿美元（+91%），全年预计上修至1100-1200亿美元（原指引1000-1100亿）[3][19] 分业务收入 - 网上商店615亿美元（+11%） - 实体店56亿美元（+7%） - 第三方卖家服务403亿美元（+11%） - 订阅服务122亿美元（+12%） - 广告服务157亿美元（+23%） - 其他收入15亿美元（+19%）[20] AI布局 - 芯片：Trainium 2自研芯片加速部署[27] - 应用层：编程agent Kiro预览5天获10万用户，Alexa+将覆盖全美用户[29] - 中间层：Bedrock新增Claude 4模型，发布AgentCore工具[28] - 开源工具Strands获GitHub 2500星标，PyPI下载超30万次[28] 财务预测 - 25-27年收入预测：7063/7769/8562亿美元（上调幅度+1%/+0%/+1%）[30] - 25-27年净利润预测：709/826/990亿美元（下调幅度-1%/-2%/-1%）[30] - 25年关键指标预测：EPS 6 70美元，EBIT Margin 11 0%，ROE 19 9%[5][30]

核心财务表现 - 第二季度营收1677亿美元 超出市场预期1620亿美元3% [3] - 调整后每股收益1 68美元 超出预期1 33美元20% [3] - 第三季度营收指引中值174 0-179 5亿美元 比市场预期173 2亿美元高35亿美元 [3][4] - 二季度运营利润192亿美元 同比增超30% 远超指引上限175亿美元 [4] 业务板块分析 AWS云服务 - 营收同比增长17 5%至309亿美元 保持强劲增长 [4] - 营业利润率降至33% 较近期季度下降 但管理层已提前预警2025年压力 [6] - 长期仍将受益于AI和云计算趋势 增长潜力未被削弱 [7] 北美业务 - 营收同比增长11%至1001亿美元 增速高于近期季度 [4][5] - 运营利润率达7 5% 接近2023年四季度季节性高点水平 [5] - 运营利润同比大增48% 显示盈利结构持续优化 [5] 国际业务 - 营收同比增长11% 增速回升 [5] - 运营利润率4 1% 超过去年四季度水平 反映盈利改善 [5] 战略举措与创新 - 推出Vulcan机器人 具备AI驱动的视觉和触觉能力 显著提升物流效率 [7][8] - 生成式AI工具扩展Alexa功能 推出Amazon Nova AI平台 [8] - Prime会员日创规模纪录 Prime Video纳斯卡赛事单场观众200万 [8] - 当日达/次日达配送范围扩大 强化物流优势 [8] 估值与前景 - 当前市盈率37 49倍 较5年平均65 76倍低43% [12] - EV/EBITDA 19 88倍 较5年平均25 38倍低22% [12] - 基本面成熟使超高估值倍数难再现 但利润率仍有提升空间 [13] - 多元化业务布局使公司成为长期科技趋势的核心受益者 [13]

AWS业务表现 - AWS第二季度销售额同比增长17.5%至309亿美元 但增速被市场认为不及竞争对手动辄30%以上的增速 [1][4] - AWS营业利润率从第一季度创纪录的39.5%骤降至32.9% 主要因支持生成式AI的芯片/数据中心/电力投入导致折旧费用上升 [2][6][31] - AWS年化收入运行率超过1230亿美元 但CEO罕见承认AI算力需求超过供应 最大瓶颈是电力 [5][22][36] AI战略布局 - 推出自研AI芯片Trainium2 宣称性价比比其他GPU供应商高30%-40% 已成为Anthropic Claude模型支柱 [3][22][52] - 发布AI工具全家桶包括编程助手Kiro(预览5天10万开发者使用)/开源代理构建工具Strands(30万下载)/安全部署框架AgentCore [9][23][25] - 生成式AI业务同比增长达三位数 但CEO强调行业仍处早期 80%-90%成本将集中在推理阶段而非训练 [51][52][54] 零售与广告业务 - Prime Day创历史最佳成绩 广告业务同比增长22%至157亿美元 [3][20][30] - 国际部门营业利润率同比提升320个基点至4.1% 受益于区域库存优化和自动化 [28][46] - 关税影响存在不确定性 上半年未现需求减弱或价格上涨 但库存耗尽后成本分担存疑 [7][18][35] 创新项目进展 - 生成式AI驱动的Alexa+已向数百万用户开放 定位为"能采取行动的个人助理" 非Prime会员收费19.99美元/月 [10][42] - 卫星互联网项目Kuiper签订大量企业/政府协议 计划2025年底或2026年初商业测试 [11][48] - 物流网络优化使美国当日/次日达商品量同比增30% 机器人部署超100万台 配送效率提升10% [19][29] 财务与资本配置 - 第二季度总营收1677亿美元(同比+12%) 营业利润192亿美元(同比+31%) 自由现金流182亿美元 [15][27] - 资本支出达314亿美元 主要投向AI基础设施/Trainium芯片/物流自动化 预计下半年维持该投资强度 [32] - 第三季度营收指引1740-1795亿美元 营业利润指引155-205亿美元 考虑关税等不确定性 [32][61]

行业概况 - 云计算和AI基础设施领域竞争激烈 CoreWeave和亚马逊AWS均提供针对AI工作负载优化的云基础设施 [1] - AI基础设施支出增长将同时利好CoreWeave和亚马逊 但受益程度不均 [3] - 全球AI经济规模预计2030年达20万亿美元 2028年AI基础设施总市场规模将增至4000亿美元 [4] CoreWeave业务分析 - 专注于GPU加速的AI基础设施 拥有33个数据中心 总供电能力420兆瓦 覆盖美国和欧洲 [2] - 宣布投资60亿美元在宾夕法尼亚州建设新数据中心 初始容量100兆瓦 可扩展至300兆瓦 [2] - 与OpenAI和NVIDIA建立战略合作 收入积压达2590亿美元 包括与OpenAI的119亿美元协议 [5] - 新增多个企业客户和超大规模客户 签署40亿美元AI客户扩展协议 将在第二季度计入收入积压 [5] - 收购Weights and Biases后新增1400家AI实验室和企业客户 [6] - 2024年77%收入来自前两大客户 客户集中度风险较高 [8] 亚马逊AWS业务分析 - 云计算市场领导者 2025年第一季度AWS收入同比增长17% 年化收入达1170亿美元 [9][10] - 收入积压1890亿美元 加权平均期限4.1年 提供良好收入可见性 [10] - 与Ericsson、Adobe、Uber等大公司签署新协议 全球85%IT支出仍为本地部署 增长空间巨大 [11] - AI业务年收入达数十亿美元规模 同比增长三位数 [12] - 推出Trainium 2定制AI芯片 性能价格比GPU实例高30-40% [12] - 通过Amazon Bedrock平台扩展AI模型 新增Anthropic Claude 3.7等最新基础模型 [12] 财务与运营比较 - CoreWeave计划2025年资本支出200-230亿美元 以满足客户需求 [7] - 亚马逊截至2025年3月31日持有662亿美元现金及等价物 第一季度运营现金流近170亿美元 [13] - 过去一个月亚马逊股价上涨6.9% CoreWeave股价下跌24.1% [15] - CoreWeave市净率30.22倍 亚马逊为8.06倍 [19] 投资考量 - CoreWeave面临执行风险 若合同收入未按时实现 高资本支出将带来压力 [7] - 亚马逊AWS面临微软Azure和谷歌云的激烈竞争 产能限制可能影响收入增长 [14] - 分析师对CoreWeave全年盈利预测保持不变 对亚马逊盈利预测有小幅上调 [20][21] - 亚马逊获Zacks Rank 1(强力买入)评级 CoreWeave为Rank 4(卖出) [23]

亚马逊云科技上海AI研究院解散事件 - 亚马逊云科技上海AI研究院正式解散，该研究院是公司最后一个海外研究院 [1] - 研究院成立于2018年秋，隶属于亚马逊云科技机器学习部门，聚焦四大方向：开源项目开发、图神经网络基础研究、AI技术商业化落地、学术合作 [2] - 研究院曾开发全球知名的DeepGraphLibrary（DGL）框架，并在金融、医疗等行业实现技术应用 [3] 外企在华研究院调整背景 - 近年来IBM、微软等外企相继调整在华研究院布局，IBM终止中国系统实验室和开发实验室的研发活动，微软亚洲研究院压缩部分研究方向 [3] - 中国本土科技企业如华为、阿里、腾讯加大AI研发投入，外企技术优势减弱 [3] - 全球经济形势变化促使企业更关注投入产出比，海外研发成本高企导致资源重新配置 [4] 亚马逊云科技战略调整动因 - 云计算市场竞争加剧，微软Azure和谷歌云分别凭借混合云优势、AI技术整合抢占份额，国内阿里云、腾讯云通过本地化服务和价格竞争扩张 [6] - 公司2025年计划资本支出达1000亿美元，重点投向AI数据中心、硬件及生成式AI服务 [6] - 2024年推出Amazon Nova六款基础模型，升级Amazon SageMaker等核心服务，需集中资源加速技术迭代 [6] 战略优先级变化 - 公司将研发资源转向生成式AI等前沿领域，认为其商业回报更直接 [7] - 上海AI研究院的图神经网络研究因周期长、商业化路径间接被降低优先级 [7] - AI大模型行业价格战加剧，公司需平衡研发投入与成本控制 [7]

企业AI部署的核心矛盾 - 未来脱颖而出的企业是对变化反应最快的企业，而非对趋势预判最准确的企业 [1] - 全球企业累计投入数千亿美元进行AI探索，但如何将技术潜力转化为真实生产力成为核心矛盾 [1] - 尽管企业尝试AI代理，但基础设施限制、安全隐患和运营复杂性阻碍大规模部署 [1] Amazon Bedrock AgentCore的定位与功能 - 亚马逊云科技发布全栈式智能体系统Amazon Bedrock AgentCore，瞄准企业从试点项目转向生产部署的需求 [3] - AgentCore由七大核心模块构建，覆盖agent构建、运行、调用、记忆、交互和治理等关键环节 [4] - AgentCore Runtime提供持续8小时的任务运行能力，突破传统AI对话15分钟时限 [4] - AgentCore Identity实现细粒度权限控制，让AI操作可审计、可追溯 [4] - AgentCore Browser Tool通过云端浏览器完成网页操作，摆脱本地环境限制 [4] - AgentCore Code Interpreter构筑安全沙箱，隔离高风险代码执行 [4] AgentCore的意义与价值 - AgentCore提供企业构建agent系统所需的一整套通用能力底座，而非具体agent应用 [5] - 过去企业需自行解决代码执行、权限控制、工具接入等工程问题，复杂且容易出错 [5] - AgentCore解决了这些非AI但不可缺的工程问题，直接影响agent是否能上线生产环境 [5] 智能体规模化的挑战与解决方案 - 传统架构下，数据存储成本与智能体效能呈指数级矛盾，例如向量数据库成本飙升几十倍 [6] - Amazon S3 Vectors将向量处理成本降低90%，保持亚秒级查询响应，支持千亿级知识图谱存取 [6] - 企业可以更低成本存储更大规模的业务知识图谱，赋予agent更长的记忆和更强的推理能力 [6] 智能体的智力本地化与生态协同 - Amazon Nova模型定制服务解决智能体的"智力本地化"需求，企业可注入行业术语和内部流程 [7] - 亚马逊云科技Marketplace新增"AI Agents与工具"分类，支持一键获取、按需部署各类agent与配套工具 [8] - 新型IDE工具Kiro将智能体嵌入全生命周期，从自然语言需求到自动生成测试用例 [9] 亚马逊云科技的业务布局逻辑 - 四大设计原则（敏捷响应、基础重塑、数据协同、交付导向）构成方法论框架，将技术发布升维为生产力范式变革 [10] - 到2027年，超过一半的首席数据与分析官将为数据素养和AI素养项目争取专项预算 [10] - 80%企业将"智能体能力"纳入采购标准，但仅15%要求独立产品 [10]

行业趋势与格局演变 - 2023年生成式AI领域呈现"百模大战"格局，融资和刷榜是主要特征，但2024年市场迅速收敛至少数玩家的资本与技术持久战 [2] - 行业关注点从模型性能转向落地价值，核心命题转变为如何将大模型能力转化为业务生产力 [2] - Agent成为大模型落地的关键解决方案，AWS将其作为推动千行百业业务重构的核心技术 [3][4] Agent技术崛起驱动因素 - 大模型发布会普遍强调工具调用能力指标，如Kimi K2、Grok 4、Minimax M2和OpenAI最新ChatGPT Agent均聚焦多工具集成 [6] - Agentic AI爆发两大原因：Agent编排框架成熟（CrewAI/LangGraph/LlamaIndex）和标准化协议出现（MCP/A2A） [10] - LangChain调查显示超50%公司已部署Agent，80%正在研发；Gartner预测2028年33%企业软件将采用Agentic AI [10] AWS Agent解决方案架构 - Amazon Bedrock AgentCore提供七大模块降低构建门槛：Runtime（无服务器环境）、Memory（记忆系统）、Observability（可观测性）、Identity（身份管理）、Gateway（网关服务）、Browser（浏览器功能）、Code Interpreter（代码解释器） [15][16][17][18] - 解决方案支持按需组合使用，兼容主流AI框架与协议（MCP/A2A），内置企业级安全管控 [19] - 针对企业级需求推出S3 Vectors向量数据库（成本降低90%）、Amazon Nova模型定制功能、AI IDE产品Kiro（规范驱动开发/智能代理钩子） [22][25][26] 技术落地与商业化进展 - AWS Marketplace已上架上百种AI Agents & Tools，支持自然语言搜索直接部署 [11] - 当前Agent供需存在缺口，通用性Agent难以解决行业独特问题，需解决六大核心挑战：安全扩展、记忆系统、权限细化、复杂工作流工具、资源发现、交互追溯 [12] - S3 Vectors创新性实现冷热数据分层存储（低频存S3/高频存OpenSearch），支持10,000索引/数千万向量规模 [23][24] 行业变革特征 - 本轮AI浪潮区别于历史的关键在于：模型通用能力+基础设施成熟度（框架/数据库/接口/工具链）推动Agent从概念验证走向规模化落地 [29] - 技术革命本质体现为通过AWS等平台降低定制化门槛，使Agent成为各行业企业的专属解决方案 [30]

AWS业务成就与AI发展 - AWS过去一年最大成就是客户对新技术尤其是AI和生成式技术的快速采用，见证了大量企业将业务体系迁移至云端[4] - AI业务规模已达数十亿美元，包含客户运行自有模型业务、Amazon Bedrock平台服务以及应用层产品如Amazon Q[6] - 生成式AI技术被广泛应用于亚马逊内部，包括物流中心优化、零售网站用户评论总结、Alexa Plus服务升级等[7] AI工作负载趋势 - AI工作负载中推理占比已超过训练，长期预计将达80%-90%，推理功能正成为应用程序的基础设施组件[8][10] - AI深度融入应用开发与用户体验，未来难以区分业务收入中AI驱动比例，因其已成为核心部分[9] - 行业指标从单纯关注token生成量转向更复杂评估，因图像视频生成等场景运算强度远超token输出量[11] 技术创新与项目进展 - Project Rainier是与Anthropic合作打造的巨型计算集群，规模是前代5倍，采用定制处理器Tranium two训练下一代模型[13] - Tranium two在性能、性价比及扩展性方面突破极限，正部署并投入运营，Anthropic已开始使用部分资源[13] - 推出基于Nvidia GB 200的P6实例系列，性能表现优异，正全球扩展产能满足需求[16] 生态合作与市场扩展 - 市场空间足够容纳Tranium与Nvidia技术共存，AWS与Nvidia保持设计合作伙伴关系，提供最新技术选项[14][15] - 支持跨云平台策略，但观察到绝大多数AI应用仍运行在AWS上，典型案例如Mondelez全面迁移至AWS[17] - 在拉美地区积极扩展数据中心产能，包括墨西哥、智利新建区域及巴西现有区域[18] 未来机遇 - 即将推出"欧洲主权云"，专为欧盟关键主权工作负载设计，预计创造巨大市场机遇[5] - AI技术仍处变革起点，当前数十亿美元业务规模仅是开端，将深度重构各行业运作方式[6]

AWS的成就与AI业务发展 - AWS在过去一年见证了客户创新和新技术的快速采用，尤其是AI和生成式技术的爆发式增长[3] - AWS的AI业务已达到数十亿美元规模，包含基础设施业务、Amazon Bedrock平台以及应用层产品如Amazon Q[4] - AI已渗透到亚马逊业务的每个环节，包括物流中心优化、零售网站用户评论总结、Alexa Plus服务等[5] AI工作负载与推理经济 - 当前AI工作负载中推理的使用量已超过训练，预计未来80%至90%的AI工作负载将属于推理范畴[7][8] - 推理将深度嵌入应用程序，成为基础设施组件，如同计算、存储和数据库一样不可或缺[6][7] - token生成量是衡量AI工作负载的参考标准之一，但无法完全反映实际工作量，尤其在图像和视频生成领域[9] 技术创新与项目进展 - Project Rainier是与Anthropic合作的大规模定制服务器项目，用于训练下一代云端模型，规模是前代集群的五倍多[10] - Tranium two服务器已投入运营，在性能、性价比及扩展性方面表现突出[10] - AI成本仍然过高，需通过芯片级创新、软件优化及算法改进来降低计算资源消耗[11][12] 开放生态与合作策略 - AWS与Nvidia保持合作关系，提供最新的Nvidia技术如P6实例系列，同时发展自有技术如Trainium[14][16] - 市场空间巨大，AWS与Nvidia并非对立关系，客户需要技术选择的自由[14][15] - Anthropic模型在其他云平台的可用性不影响AWS的核心竞争力，多数相关应用仍运行在AWS上[17] 全球扩展与市场机遇 - AWS在拉美地区持续扩展产能，包括墨西哥、智利和巴西区域[19] - 欧洲市场将推出"欧洲主权云"，专为欧盟关键主权工作负载设计，预计创造巨大市场机遇[6][19]

生成式AI的行业应用现状 - 安克创新通过亚马逊云科技搭建了50多个AI Agent、多模态AIGC内容生产平台Vela和智能广告系统，站内广告覆盖率超过90% [4] - 安克创新的AI应用成果显著：Vela平台出图超120万张、客服工单AI解决率超70%、20%以上广告由AI全自动托管、AIME平台沉淀300款活跃AI Agent [7] - 亚马逊云科技已帮助客户实施1500多个生成式AI项目，从PoC到量产的落地成功率达82%，远超行业平均41% [12] 企业AI落地的关键挑战 - 失败项目常见原因：需求不明确、场景选择偏差（如非必要使用生成式AI）、落地成本超预期、缺乏战略定位 [16][17] - 技术选型需匹配商业目标而非追逐热点，34%企业使用2个模型提供商，41%使用3个，22%使用4个 [32] - 量产优化阶段存在数据清洗、模型调优等复杂工程难题，需平衡成本与性能 [35][36] 成功落地的四步方法论 1. **场景评估**：需从团队/时间线/风险等7维度评估，复星医药/TCL/合合信息分别应用于医疗/全球化/AI Agent开发 [25][27] 2. **技术选型**：Base44因成本放弃OpenAI选择Claude，体现"选择大于一切"策略 [30][32] 3. **量产优化**：货拉拉采用Nova模型处理非结构化数据，某文化集团结合Bedrock提示优化将准确率从70%提至90% [36] 4. **成果监测**：需建立质量/性能/应用层三维度指标，避免"投入无产出" [39][40] 2025年AI行业趋势 - 中国MaaS市场规模达7.1亿元，同比激增215.7%，但"百模大战"接近尾声，基础模型训练盈利困难 [46] - AI模型训练成本降至三年前1/20，推理速度提升数倍，千亿级模型可实现毫秒级响应 [49] - 全球头部企业采用多模型策略，38家使用OpenAI、17家Gemini、11家Claude，呈现三分天下格局 [43]