亚马逊 CEO 贾西：AI 推理成本还得再降一个数量级，否则企业软件用不起

亚马逊今年计划投入 2200 亿美元资本开支，却依然觉得不够。CEO 安迪·贾西在 a16z 10 月 23 日发布的采访里给出了一个更直接的判断：要让 AI 真正广泛应用于企业软件，推理成本还需要降到目前的约十分之一。

一分钟速览

• 贾西称 AI 推理成本仍高了一个数量级，企业大规模采用的前提是降价到约十分之一。
• 亚马逊 2026 年算力供应额度基本订满，2027 年大部分已被预订，2028 年也有相当部分售罄。
• 他把 AI 需求形容为”杠铃”：一端是 AI 实验室，另一端是企业具体任务，中间的企业日常软件仍是空白。
• 亚马逊自研 Trainium 芯片的性价比比同类处理器高约 30% 至 40%，已获得超过 2250 亿美元未来收入承诺。

“高了一个数量级”

贾西的原话是：”在我看来，要让 AI 得到尽可能广泛的应用，推理成本仍然高了一个数量级。”这句话的分量，来自亚马逊的采购规模——它不是一家买不起算力的公司。今年 2200 亿美元的资本开支，已经超过很多国家的年度基础设施预算，但贾西仍然表示，无法建成足够的基础设施来满足需求。

这解释了为什么”降价”成了他反复强调的关键词。训练是一次性的巨额投入，推理是持续发生的运营成本。企业客户在评估 AI 项目时，不只看模型能不能做，更看每次调用要花多少钱、能不能覆盖业务毛利。

产能卖到了 2028 年

采访里最具体的数字，是供应档期：2026 年的主要算力额度基本订满，2027 年的大部分已被客户预订，2028 年也有相当一部分售罄。对一家云厂商来说，这种可见度既是好消息，也是约束——需求确定，但扩张速度受制于电力、土地、芯片和施工周期。

贾西的判断是，市场需求如此旺盛，亚马逊即使再多投入大量资金，都不会是浪费。这个表态背后，是云厂商对”算力短缺长期化”的押注：谁先把产能建出来，谁就能锁定未来几年的客户关系。

杠铃的两端与空白的中间

贾西把 AI 需求比作一副杠铃。一端是 AI 实验室，消耗的算力大到”前所未见”；另一端是企业客户，主要把 AI 用于客户服务、欺诈检测等具体任务。真正尚未充分开发的，是中间市场——企业日常使用的各类软件。

这些软件还没有广泛引入 AI，但贾西认为，未来最大的需求可能就来自这里。原因不难理解：实验室的数量有限，头部企业的场景也有限，而每个行业、每家公司都有大量重复性的流程，等待被重新写一遍。制约它们的不是想象力，而是单位经济模型。

Graviton 的故事再来一遍

为了说明自研芯片的必要性，贾西讲了一段旧事：当年英特尔主导云服务器处理器市场，亚马逊希望以同样的成本获得更高性能，却难以说服英特尔优先满足需求，最终决定自己做 Graviton。”同样的故事又在 AI 领域上演了。”

在 AI 芯片市场，英伟达依然占据主导。亚马逊的答案是 Trainium。贾西没有直接点名竞争对手，只强调市场上的主导供应商仍是亚马逊的重要合作伙伴。他给出的数据是：Trainium 的性价比比同类处理器高约 30% 至 40%，客户花同样的钱能获得更多算力。

更值得注意的是订单。亚马逊此前披露，Trainium 已获得超过 2250 亿美元的未来收入承诺，其中包括与 Anthropic 和 OpenAI 达成的协议。这意味着自研芯片不再只是”备胎”，而是被外部大客户认真采购的产品线。

企业为什么还在观望

推理成本只是第一道门槛。企业引入 AI 还要面对数据治理、权限控制、合规审计、模型幻觉和供应商锁定。一个客服场景，如果 AI 每次回答都要人工复核，节省的人力很快会被复核成本吃掉。

这也是贾西”降一个数量级”说法的现实含义：不是要让 AI 比人便宜一点点，而是要让 AI 便宜到企业愿意重构流程。只有单位成本跨过某个阈值，软件才会从”加个 AI 按钮”变成”以 AI 为默认架构”。

趋势洞察

接下来两年，AI 云市场的竞争会从”谁有更多 GPU”转向”谁能把每 token 成本压得更低”。自研芯片、推理优化、模型蒸馏、缓存复用，都会成为财报电话会上的高频词。对创业公司来说，这意味着两件事：套利模型差价的空间在缩小，而把 AI 嵌进具体业务流程、替客户省下可核算成本的能力，会越来越值钱。