深度系列12—亚马逊(AMZN)：从Trainium2芯片和财报简单看Capex的投入产出效率
小总结：
1.以自研Trainium2芯片的数据中心为例，单点能“不亏钱”是比较容易的事，只需要20%的EBITDA Margin大致就能打平，而AWS整体的EBITDA Margin为50%，所以从各种角度看，自研芯片都有很强的动力和价值
2.长期非常看好AI的大机会，但是用中期的视角看扰动因素太多（多到我觉得对我来说已经有点难），从我的水平出发我觉得需要一定的估值折价来反馈风险因素，光去看“产能扩张拉动多么夸张的收入增速”是没有意义的，而要看利润，我的基准情形是未来4年AWS的利润绝对值有High teens的CAGR
3.这个领域我的水平不成熟，欢迎球友们狠狠拷打！
————————————————
一、以自研Trainium2为例的芯片经济性——每GW：
1.收入公式：a.每GW Trn2芯片数*b.每小时收入*c.使用率
a.每GW Trn2芯片数：印第安纳州的Project Rainier全部部署Trn2芯片，UBS在2025年9月进行过航拍，园区一共规划2.2GW，30栋建筑中完工7座，而在Q3 25财报会上表示已经运行了50万Trn2芯片，假设7座运营建筑等效5座满产——对应366MW产能(5/30*2.2GW)，则意味着1GW运营136万颗Trn2芯片（交叉验证：估算Trn2功耗500W，136万颗对应680MW，按1GW计算对应冗余电量300MW）
b.每小时收入：26年1月的时候美国东部和墨尔本的Trn2的EC2实例（trn2.48xlarge）对应的单个芯片的定价2.24美元/小时（最新在官网上已经查不到On-Demand的供给了，假设给Anthropic这样大客户能打7折，对应每小时价格大概1.6美元/小时
c.利用率：假设90%
对应的1GW Trn2芯片年收入大约为136万颗芯片*1.6美元/小时*1年8760小时*90%利用率=170亿美元（交叉验证：Q3 25财报会表示50万颗的Trn2成为数十亿的业务（ become a multibillion-dollar business），如果1GW=170亿收入，50万片大概对应62亿 run rate，数量级对得上）
————
2.折旧成本公式：a.每GW Capex/b.折旧期限
a.每GW Capex：Q4 25财报会提到2025年全年增加3.9GW，2025年全年AWS Capex 900亿左右（占AMZN总Capex70%），尽管Capex到GW的提升有时间差，但另一个好的交叉验证是公司表示到2027年底要把产能翻倍，按照当前大约16GW的总Capacity看，未来2年还要新增15GW，而2026年已经给出整个公司2000亿Capex，假设80%投在AWS就是1600亿，假设未来2年投3000亿对应增产15GW，也大致对应1GW的Capex在200亿。
所以暂且估算AWS作为整体每GW Capex为 230亿左右，这里保守一点假设一个最新芯片的AI数据中心需要300亿（需要注意的是这是整体而不是针对Trn2的数据中心，但业界公认的AI数据中心Capex大概是每GW 500亿美元，很大一部分原因在于买NVDA的卡要给75%毛利的老黄上税）
c.折旧期限：亚马逊服务器折旧期限5年，但建筑是40年，其他heavy equiptment是13年，保守点平均用8年来折旧（现在实际的AWS折旧年限推算平均在11年左右）
所以1GW的年折旧成本大约为300亿/8年=38亿
————
3.打平点：所以打平点在如果完成22%左右（38亿折旧成本/170亿年收入）的EBITDA Margin即可，而这个目标看起来并没有那么难完成
a.AWS整体的EBITDA Margin可以做到50%。不过需要注意的是这是整体，显然是靠上层的高利润率软件撑起来的，而IaaS本身利润率做不到这么高
b.最新的微软表态是AI业务利润为正（Low but positive），不过语焉不详、口径不清
————————————————
二、从财务数据看AWS的投入产出数据：
1.首先要了解，上面对Trainium的分析只是一个“点状数据”，实际上Trainium的占比并不高，例如Yipit Data根据有限的采样点统计的AWS GPU Spend中依然很低，不过这个数字显得过低，可能和Yipit Data本身采样相关，AWS整体Run rate 1400亿，根据财报Trainium芯片整体的run rate是数十亿级别，大概占整体AWS都有低个位数占比
2.看一下AWS的Top down投入产出数据：其实相对比较健康，AI浪潮发生后，在2025年效率指标略有下降，但依然上1年的1美元Capex能为下1年带来额外的0.3美元EBITDA（对应3年多收回Capex）
3.情景测试——按照现状进行线性推演：假设每1美元Capex对下1年收入增量驱动效率保持不变，整体AWS EBITDA利润率维持在 50%，2026年-2028年一共投入6000亿左右的Capex，新增Capex按照8年折旧，结果是虽然利润率会掉，但总的EBIT在2029年相对于2025年依然增长80%（830亿vs.460亿），对应16%的4年CAGR
————————————————
三、线性外推的问题是什么？
最大的问题来源于【价格】和【EBITDA Margin】的典型外推，这两者稳得住吗？我能想到的几个重要的因素有以下几个：
1.【价格】价格主要匹配的是供需，除了对未来行业需求的预测比较难（肯定会很大，但有多大？），另一个比较难的地方在于对未来模型训练的预测，举个例子：
根据The Information的数据源，可以推算出：OpenAI 2025年收入130亿，推理大概花了70亿（54%的COGS占比），但现金EBIT亏了100亿左右，所以对应训练的支出在100亿级别；Anthropic 2025年收入45亿，推理大概花了27亿（60%的COGS占比），EBITDA亏损52亿，训练支出估计也在50亿级别
也就是说大概率现在大模型公司的训练的支出是比推理多的。
我觉得这里的难处在于，如果未来几年内某个节点训练的边际效益太低或者训练效果触顶，模型公司的盈利性可以迅速打正，但也意味着对云厂商来说很容易变成供给过剩？但如果训练要一直烧下去，云厂商的供给会被所谓fully subscribed，如果模型巨兽的现金流一直打不正，短期内AI的叙事驱动市场情绪何去何从？
————
2.【EBITDA Margin】现在肯定是不怎么赚钱的，达不到很好的水准，这个叙事和云时代有些像，从低利润的IaaS转向高利润的PaaS与SaaS，但问题在于这一次最上层的蛋糕上有2个大玩家，Anthropic、OpenAI，目前看在应用上压MSFT一头，更压AMZN一头，未来利润率能做到多少呢？
————
3.另一个是【高客户集中度】，用我之前计算过的一组Q4 25的backlog数字，对于AWS和Azure而言，Anthropic和OpenAI还是举足轻重的
a.AWS：2440亿，同比38%，环比22%；但包含了380亿Q4新签的OpenAI Commitment，去掉后同比16%，环比3%（不过可能不需要把380亿全去掉，因为也未必把380亿都计入了Backlog）
b.Azure：6310亿，同比108%，环比59%，去掉OpenAI为3470亿，同比28%；但其实Q4 Anthropic也承诺了300亿给Azure，也去掉之后是3170亿，同比17%
c.Google Cloud：2400亿，同比163%，环比55%，但Q4其实Anthropic也承诺了“几百亿”，按300亿算，去掉Anthropic为2100亿，同比131%，环比35%
————
4.所以好像问题都回到了“AI市场是不是无敌大”，如果答案是肯定的，那么上面的问题都是短期扰动，经过对Claude Code等产品的体验，我觉得这个答案是肯定的，最后依然是一个“利润率降低但市场显著扩大，最终better off”的情景，只是我个人觉得这里边的变量（moving parts）太多了，需要一些估值的折让来补偿
————
5.最后简单用【AWS收入增加/上一年Capex】、【EBITDA Margin】两个变量看一下【29年AWS相比25年 EBIT总增长幅度】的敏感性分析：具体参考下图，举例来说，如果相比当前EBITDA Margin下降5ppts（从当前53%下降到48%），Capex对下1年收入增量驱动下降20%（从当前的0.4下降到0.32左右），还能维持相对Decent的增长
————————————————
最后附上一张YipitData采样的三朵云计算价格，目前为止很坚挺！
声明：作者和文中提到的部分公司利益相关，不构成投资建议