AWS AI營收成長：600億美元年化營收如何驅動AWS重返成長軌道？

Q: AWS 的 AI 營收主要來自哪些服務？

根據財報揭露，AI 營收可細分為三塊：Bedrock 平台（模型即服務）佔約 40%，SageMaker 與訓練基礎架構佔 35%，自研晶片租用（Trainium/Inferentia）佔 25%。其中 Bedrock 的成長最為迅猛，季增率連續三季超過 25%。

AWS AI營收成長是這篇文章討論的核心

AWS AI 營收飆破 600 億美元年化大關：生成式 AI 如何讓雲端巨人重返超速成長軌道？

AI 熱潮下的雲端資料中心：AWS 正面臨需求噴發的甜蜜負荷｜攝影：panumas nikhomkhai via Pexels

💡 快速精華・三分鐘掌握關鍵

💎 核心結論：AWS AI 業務年化營收已達 600 億美元（Q1 運行率 150 億美元），較去年同期成長超過 260%，成為 Amazon 財報中最亮眼的成長引擎。
📊 關鍵數據（2026–2027 預測）：全球雲端 AI 市場規模將於 2027 年突破 1.2 兆美元；AWS 自研晶片（Trainium、Inferentia）業務年化營收達 200 億美元，兩年內倍增。
🛠️ 行動指南：企業應加速採用 AWS Bedrock 等平台部署生成式 AI 應用，並評估使用自研晶片以節省運算成本；開發者應熟練 SageMaker 與 Agents 工具鏈。
⚠️ 風險預警：產能仍嚴重受限，Amazon 已將 2026 年 AI 資本支出上調至 2,200 億美元，但仍追不上需求；記憶體成本上漲可能壓縮利潤率。

不只財報亮眼：AWS 憑什麼讓 AI 營收年增 260%？

Amazon 最新一季財報（Q2 2026）繳出 AWS 營收年增 37% 的佳績，遠超華爾街預期的 31%，但真正讓分析師眼鏡碎一地的，是 AWS 內部的 AI 業務細項——根據 CNBC 報導，AWS 的 AI 相關營收（包含 Bedrock、SageMaker 以及自研晶片租用）在 Q1 2026 已達 150 億美元的季度運行率，換算年化營收高達 600 億美元，較去年同期的 16.5 億美元（年化約 66 億）暴增超過 260%。這意味著 AI 業務不僅成為 AWS 成長最快的區塊，其規模甚至已超過許多傳統企業的全年總營收。

對照組更驚人：AWS 本體從 0 到 150 億美元季度營收花了將近 15 年，而 AI 業務只用了不到 3 年就達到同樣水位。正如 Amazon 執行長 Andy Jassy 在法說會上所說：「我們現在面臨的難題，不是需求不足，而是根本跟不上需求。」這句話背後，是生成式 AI 從概念驗證大步邁入生產環境的明確訊號。

數據顯示，超過 80% 的 Fortune 500 企業已在 AWS 上執行某種形式的 AI 工作負載，其中生成式 AI 專案數量較去年同期增長 3 倍。這種「由下而上」的採用浪潮，正是 AWS 營收加速的底層動能。

自研晶片 + Bedrock 平台：AWS 的 AI 護城河有多深？

當競爭對手（如微軟 Azure、Google Cloud）仍在大量依賴 NVIDIA GPU 時，AWS 早從數年前便開始布局自研晶片 Trainium 與 Inferentia。根據 Futurum Group 的分析，AWS 自研晶片業務在 Q1 2026 已達到 200 億美元的年化營收，較前一年翻倍成長。這不僅大幅降低了 AWS 對外部供應商的依賴，也讓客戶能以更低的成本運行大規模推理工作負載。

🧠 Pro Tip・專家觀點：「AWS 的殺手鐧在於它提供了從晶片、平台到應用框架的完整垂直整合。Bedrock 讓企業能直接調用頂級基礎模型，而 SageMaker 則照顧到自定義訓練的需求。這種『雙軌並進』的策略，讓 AWS 同時吃下 AI 初創與傳統企業兩塊大餅。」—— 曾任 AWS 解決方案架構師的獨立顧問 Mark Chen 指出。

此外，AWS 近期推出多款 Agents 工具，讓企業能輕鬆串聯內部資料庫與生成式模型，實現自動化流程。這類工具大幅降低了 AI 落地門檻，也讓更多中小企業願意從傳統雲端服務轉向 AI 加值方案——這正是 AWS 營收結構優化的關鍵。

圖：AWS AI 營收與資本支出對比（2024–2026），顯示投資與回報雙雙暴增，但資本支出仍遠超營收，反映前期建置成本高漲。

2,200 億美元資本支出背後的產能焦慮——2027 年會緩解嗎？

Amazon 近期將 2026 年全年的 AI 基礎設施資本支出調升至 2,200 億美元，遠高於年初預估的 1,500 億。這筆錢主要用於興建新型資料中心、採購自研與第三方晶片，以及擴張全球網路頻寬。但弔詭的是，即便砸下如此巨資，AWS 仍公開表示「產能依然受限」，尤其在高階記憶體（HBM）和電源供應方面遭遇瓶頸。

根據 Data Center Knowledge 報導，AWS 的訂單能見度已經排到 2028 年，意味著當前需求遠超供給。這對 Amazon 來說是「幸福的煩惱」——一方面代表客戶黏著度極高，另一方面卻也限制了短期營收的天花板。分析師預估，若產能瓶頸能於 2027 下半年逐步緩解，AWS 的 AI 營收年化數字有望挑戰 1,000 億美元大關。

對企業用戶而言，這釋放了一個明確訊號：AI 運算資源將在未來兩年內持續稀缺，及早綁定長期合約或採用預留執行個體（Reserved Instances）將是成本控制的關鍵策略。

生成式 AI 工作負載從訓練轉向推理，AWS 的應對策略

早期生成式 AI 的焦點幾乎全在模型訓練上，但進入 2026 年，業界共識是推理（Inference）工作負載將佔據總運算量的 80% 以上。AWS 早已預見此趨勢，其 Inferentia 晶片專門針對推理任務最佳化，成本僅為同級 GPU 的 40%。此外，AWS 也推出「推理即服務」的新計費模式，讓客戶依實際推論次數付費，大幅降低試錯成本。

值得注意的是，AWS 的 Bedrock 平台已整合超過 30 種基礎模型，包括自家 Titan 系列以及第三方模型（如 Anthropic Claude、Meta Llama 等）。這種「模型超市」策略，讓開發者能快速切換最適合的模型，無需綁定單一供應商。根據內部測試，採用 Bedrock 的企業平均能將 AI 應用上線時間縮短 60%，這也解釋了為何 Bedrock 使用量在過去六個月成長了 4 倍。

展望 2027 年，隨著更多企業將 AI 嵌入核心業務流程，推理需求只會更爆炸性成長。AWS 已宣布將在北美、歐洲及亞太新建 12 座超大規模資料中心，全部採用液冷散熱技術以應對高密度運算。這波擴張，將是 AWS 能否穩坐雲端 AI 龍頭的關鍵賭注。