本團隊觀察到，近期雲端服務供應商（CSP）正以前所未有的速度擴張其基礎建設。2月5日，亞馬遜公布2025年第四季財報，同時宣布2026年資本支出預估將大幅提高至2,000億美元，明確將AI資料中心、算力晶片與基礎建設列為公司投資的重點目標。這一行動不僅是規模擴張，更預示著AI世代計算資源供給能力與交付節奏的提前鎖定。

根據Synergy Research Group數據，AWS在2023年全球雲端基礎設施市場份額達31%，維持領先。然而，隨著AI模型訓練與推論需求呈指數成長，對高效能運算（HPC）資源的需求急劇增加，現有基礎建設正面臨產能瓶頸。亞馬遜此次大規模資本投入，正是為了搶占AI時代的戰略高地。

亞馬遜200億美元的AI基礎建設豪賭：背後的戰略邏輯是什麼？

亞馬遜宣布2026年資本支出將達2,000億美元，相比2023年的551億美元近乎翻倍成長。這筆投資將主要用於擴建AI專用資料中心、部署自研晶片（如Trainium、Inferentia）以及提升全球網絡連接能力。管理層在財報電話會議上指出，AI工作是未來十年最大的增長驅動因素，必須超前部署以免錯失市場機會。

這一看法的背後，是對AI訓練成本持續攀升的警覺。根據OpenAI的研究，大型語言模型的訓練成本從GPT-3的數百萬美元飙升至GPT-4的數千萬美元。今后，模型規模繼續擴大，對算力的需求將呈立方級增長。亞馬遜必須確保其資料中心容量與電力供應能夠支援這類大規模訓練任務。

從財務角度，這筆投資將壓縮短期利潤，但長期有助於鞏固市場地位。AWS在2023年營收達907億美元，其中AI相關服務增長超過50%。勃勃野心揭示了亞馬遜將AI定位為下一階段核心增長引擎。

數據顯示，全球AI基礎建設市場規模預計將從2024年的約3,000億美元增長到2026年的5,500億美元，年複合成長率超過35%（IDC預測）。亞馬遜的2,000億美元CAPEX佔該市場預計規模的很大比例，顯示其決心主導這一領域。

上圖顯示當前市場份額分佈。值得注意的是，Others 類別中包含了諸多新興企業，如 CoreWeave、Oracle Cloud 等，它們在 AI 工作負載上表現活躍，未來可能侵蝕主要廠商的領地。

全球資料中心容量將在2026年前翻倍？數據揭露關鍵趨勢

亞馬遜的資本支出計畫呼應了全球資料中心容量快速擴張的趨勢。以印度為例，該國資料中心容量預計將從2023年的0.9GW增長至2026年的2.0GW，幾乎翻倍。這背後驅動因素包括 Digitisation、數據本地化法規（如 PDPB）以及 5G 部署帶來的低延遲需求。

根據 JLL 報告，印度將在2024年底新增681MW容量，使總容量達到1,318MW。其中孟買將貢獻57%的新增供給，其次是金奈的25%。成本方面，每MW的Setup費用從過去的40-45億盧比上升至60-70億盧比，反映了土地、電力與設備成本的上漲。

absorption 率從2019年的82%提升至2023年的93%，顯示市場需求強勁。業界預期2024-2026年間收入年複合成長率將維持在25-32%， EBITDA margin 保持穩定。此外，edge data center 的興起將滿足二線、三線城市對低延遲服務的需求，成為新一輪投資熱點。

這些趨勢與亞馬遜的戰略高度吻合：該公司正積極在印度、歐洲與中東擴建AI專用資料中心，以鎖定區域性需求。例如，AWS在印度已有孟買與海德拉巴兩個區域，未來兩年預計再開設三個可用區。

全球視角下，類似的高成長預期普遍存在。據Structure Research預測，全球資料中心容量將從2023年的約20GW擴增至2026年的40GW以上。這意味著每年需新增數GW的運算能力，對電力、冷卻與土地資源提出巨大挑戰。

AI晶片與算力競賽：Amazon如何提前鎖定供給能力？

亞馬遜在AI晶片領域的佈局可追溯到2018年，當時推出首款自研ARM架構伺服器晶片Graviton，用於降低對Intel x86的依賴。此後，針對AI工作負載的Trainium（訓練）與Inferentia（推理）相繼問世，形成完整的自研矽生態。

Trainium第二代號稱在特定模型（如BERT）訓練效能上比同代Nvidia GPU提升高達40%，同時成本降低50%。Inferentia2則將推理TOPS提升至380，功耗比前代改善3倍。這些晶片主要由台積電（TSMC）以7nm與5nm製程代工，亞馬遜透過長期供貨協議鎖定產能，確保資料中心部署無虞。

對比 relies on第三方GPU供應（如Nvidia H100），自研晶片讓亞馬遜在供給鏈上擁有更大的發言權，避免全球AI晶片短缺時被卡脖子。

AWS的AI晶片組合已累積數千億次推理請求與數百家大型企業客戶。分析師指出，隨著AI模型走向專用化（如代碼補全、藥物發現），自研ASIC將比通用GPU更具成本效益，這將進一步強化亞馬遜的長期競爭壁壘。

上圖顯示亞馬遜資本支出的加速趨勢，2026年目標數據較2023年成長逾260%。這筆巨額投資將集中於AI資料中心與自研晶片的產能擴張。

2026年雲端服務市場版圖重構：CSP的新玩家與挑戰

伴隨亞馬遜的豪擲，其他雲端大廠也競相加碼。Microsoft已宣布2026財年資本支出預算超過1,300億美元，重點投資AI資料中心與GPU供應。Google Cloud則計劃投入約800億美元，強化其Vertex AI平台。傳統競爭格局正被打破，新興供應商如CoreWeave（專注GPU雲端）和Oracle Cloud Infrastructure（OCI）也急起直追。

IDC預測，至2026年，全球AI基礎建設支出將佔雲端總支出的40%以上，高於2023年的15%。這意味著市場將不再是單純的 IaaS 競爭，而是圍繞 AI training 和 inference 能力的爭奪。

市場份額方面，AWS預計仍將保持領先，但份額可能從31%輕微下滑至28%，因為競爭加劇。Azure受益於企業對Office 365與GitHub的捆綁，份額預計從25%提升至27%。Google Cloud則憑藉其在AI/ML工具鏈的優勢，份額從11%成長至13%。Others 類別（包括阿里雲、IBM Cloud、CoreWeave等）合計佔32%，競爭更為混亂。

上圖顯示未來三年市場份額的預期變化。值得注意的是，Others 類別的競爭將更加激烈，可能導致價格下降與服務創新，最終惠及企業用戶。

企業用戶的機遇與風險：如何因應AI基礎設施成本上升？

面對CSP資本支出大幅上升，企業用戶最直接感受的是雲端定價可能上調。歷史經驗顯示，基礎建設投資成本終會部分轉嫁給終端客戶。此外，AI工作負載的特殊性——如需要長時間停留的訓練任務、大規模數據傳輸——可能導致額外的網路出口費用與儲存成本。

然而，挑戰中亦有機遇。自研晶片的普及將降低 each inference cost，使AI應用的邊緣部署更經濟。廠商也可能推出更靈活的定價方案，例如預留執行個體（Capacity Blocks）或基於GPU時數的訂閱制，幫助企業更好地控制成本。

風險管理層面，地緣政治因素可能影響資料中心的物理安全與數據跨境流動。建議企業 implement 多區域部署策略，並確保符合當地數據保護法規（如 GDPR、PDPA）。

此外，隨著AI訓練對能源消耗的增長，企業也需關注CSP的可持續發展報告。選擇使用可再生能源的資料中心合作夥伴，不僅符合ESG趨勢，也可能獲得較低的電力定價。

常見問題 (FAQ)

亞馬遜為何選擇在2026年大幅增加資本支出？

亞馬遜此舉主要為確保AI世代計算資源的供給能力。隨著大型語言模型和生成式AI的訓練需求呈指數成長，對高效能運算資源的需求急劇增加。提前鎖定資料中心容量、自研晶片產能與全球網絡連接，將使亞馬遜在AI競爭中保持領先。

AI基礎建設投資升溫對中小企業有何影響？

短期內，基礎建設成本上升可能導致雲端服務價格上漲，增加中小企業的IT負擔。長期來看，隨著競爭加劇與技術成熟，成本有望趨於平穩。中小企業可善用預留容量、Spot實例等彈性方案來優化支出。

企業如何評估是否需要自建AI基礎設施？

評估需考慮工作負載特性、數據敏感性與長期成本。若企業有持續、大規模的AI訓練需求，且對數據隱私要求高，自建資料中心可能更划算。然而，對大多數企業而言，採用CSP的專用AI服務仍是最具性價比的選擇。