Serenity解析巨頭AI資本支出路徑分歧
Claire Weston
分析師Serenity系統梳理七大科技巨頭AI資本支出邏輯，認為亞馬遜路徑最清晰——157萬員工的內部自動化是可量化的回報錨點，而非所有巨額支出都能講出同樣紮實的故事。
這些錢花得值不值——核心分歧在哪？
Serenity明確反對「利潤被晶片廠商抽走」的說法。她認為巨額AI資本支出本質上是對未來營收增長或利潤率提升的投入，並非單純的成本損耗。
這意味著→ 評估七巨頭的關鍵不在「花了多少」，而在花出去的錢能否指向具體、可量化的回報路徑。
但各家路徑清晰度差異明顯——有的已經能算出每一塊錢省在哪，有的仍處於「先花了再說」的階段。
為甚麼亞馬遜被列為最優樣本？
亞馬遜員工總數約157萬人，體量極為龐大。簡單來說＝ 光是內部自動化這一項，就有一個巨大的成本優化空間擺在眼前。
資本支出的第一條路徑：用LLM（大語言模型，能理解和生成文字的AI）改造內部工作流程，再延伸至自動駕駛配送和倉儲機械人等物理AI場景，直接對應營業成本的削減。
第二條路徑：AWS自研晶片Trainium正在擴大算力佈局，還可能透過「Neocloud」策略對外銷售晶片——這意味著→ 亞馬遜不只是AI的買家，還在嘗試成為AI算力的賣家。
Serenity特別拿Tesla Optimus機械人做對比：Optimus想像空間更大，但亞馬遜有明確的內部營運成本可以削減，落地確定性更強。
谷歌排第二——強在哪，弱在哪？
在ChatGPT衝擊搜索業務的背景下，AI投入是谷歌防守搜索護城河、推動Gemini追趕的必要動作。
谷歌雲受益於自研TPU（谷歌自研的AI晶片）帶來的成本效率優勢，亦存在對外銷售TPU、複製Nvidia模式的潛力。
Gemini用戶體量持續增長，AI能力還被用於廣告投放優化。但Serenity指出，谷歌在物理AI方向的敘事相對模糊——這反映出谷歌與亞馬遜的主要差距：有軟件側的防守邏輯，缺硬件側的進攻場景。
微軟和Meta——還在「自證」階段？
兩家目前仍需向市場證明如此規模的資本支出確實有必要。
Meta營收同比增速超過30%，一定程度上為支出提供了佐證。但微軟境況更複雜：自研晶片Maia進展被認為滯後，加上對OpenAI的大額投資被視為分散了自身AI研發資源，市場情緒承壓。
說白了＝ Meta至少能用增長數字說話，微軟則同時背着「晶片慢了」和「錢給了別人」兩個包袱。
不過Serenity認為這種悲觀情緒存在反轉可能——類似谷歌此前經歷的市場預期「180度大轉彎」。
為甚麼所有巨頭都在同時加碼？
核心驅動是頭部效應：擁有最強模型的廠商能持續吸引用戶，獲得更多訓練數據反哺模型能力，形成結構性的優勢壁壘。
這意味著→ 這不是簡單的軍備競賽，而是一場「贏家通吃」預期下的搶位戰——掉隊的代價可能遠超當前的資本支出。
但Serenity亦指出，各家即期商業化路徑的清晰度差異明顯：亞馬遜已經能算帳，微軟還在講故事。花錢的邏輯相同，花錢的底氣不同。
Content is for reference only, not financial advice.