踩爛的 MacBook 與雲端霸主之爭：拆解 AWS 的「反蘋果」護城河與 AI 生存戰 🦥

市場一度宣判 AWS 已被 Microsoft、Google 與 Oracle 在 AI 時代邊緣化。然後 Q1 2026 財報用 375 億美元營收、年增 28% 給了所有空頭一記回馬槍。這集 Sharp Tech 對亞馬遜「反蘋果」哲學的拆解，比財報本身更值得讀。

AWS 的反向加速：從 12% 跳回 28%

過去一年的主流敘事是：「OpenAI 在 Azure、xAI 簽 Oracle、Anthropic 雖在 AWS——AWS 正在 AI 軍備賽中掉隊。」AWS 成長率從 30%+ 一路掉到 12%，市場開始討論它會不會走進 IBM 大型主機的衰退弧線。

Q1 2026 把這套敘事打碎了。根據 Amazon Q1 2026 財報，AWS 單季 375 億美元、年增 28%；run rate 站上 1,320 億美元；合約 backlog 衝到 2,000 億美元。

反蘋果哲學：把大宗商品玩成暴利生意

為什麼 AWS 能在這麼擁擠、技術逐漸標準化的市場裡持續榨出高額利潤？Ben Thompson 給了一個犀利的框架：亞馬遜的商業模式，本質上完全反蘋果。

蘋果靠差異化賺錢——封閉生態、品牌溢價、毛利率 40%+。AWS 身處的市場剛好相反：一顆 vCPU 就是一顆 vCPU，沒有人因為「S3 比較有溫度」多付 30%。在大宗商品市場裡，差異化幾乎不可能存在；勝負取決於誰能用最低的單位成本提供最大可賣容量。

在大宗商品市場，最終價格由「成本最高的邊際供應商」決定。誰把成本壓到最低，誰就能在每一筆交易中拿走最大塊的利潤。

假設市場有四家供應商，成本分別是 10、9、8、7 元；為了讓成本 10 元的人活下來，市價必然落在 10 元——成本 7 元的亞馬遜就在每一筆交易中淨賺 3 元。這條護城河不是品牌，是 結構性的成本優勢。根據 Synergy Research，2025 年雲端基礎設施市佔：AWS 約 30%、Azure 約 20%、GCP 約 13%。AWS 不只是市佔最高，而是「資料中心折舊最早攤平 + 自研晶片占比最高 + 規模經濟最深」三件事同時成立的唯一一家。

看不見的成本武器：Graviton + Nitro

這個成本優勢是十年前就開始扎在硬體底層的兩張王牌。

Graviton：第一個讓 ARM 走進主流雲端的賭注

2018 年 AWS 推出 ARM 架構的 Graviton 處理器，相較 x86 同級實例提供 最高 40% 性價比、20% 價格降低、60% 能耗節省。對一個年運營成本以「數百億美元電費」計的雲端帝國，這是赤裸裸的毛利率注射劑。更狠的是 AWS 自家託管服務（RDS、Aurora、Lambda 等）大量內部採用——你以為自己在用「標準 RDS」，背後跑的是成本只有對手一半的 ARM 晶片，付的卻是市場價。如今 AWS 全網超過 50% 的新增 CPU 容量建立在 Graviton 上，三年前還不到 20%。

Nitro：把 20% 的「Hypervisor 稅」省下來

如果說 Graviton 是顯性武器，Nitro 系統就是真正的秘密武器。傳統雲端伺服器在切分 VM 給不同客戶時，要耗費約 20–30% 的 CPU 算力處理網路、儲存與安全管理——這就是「Hypervisor 稅」。

AWS 的解法是把這些雜事全部卸載到一塊獨立的 Nitro 晶片上，讓主 CPU 100% 服務客戶。結果是：在硬體成本相近的情況下，AWS 同一台實體伺服器比 Azure 多擠出約 20% 可賣算力。Nitro 還順帶解決了一個信任問題——虛擬化控制平面被搬到隔離硬體，AWS 工程師理論上看不到客戶記憶體，這也是 CIA、Apple 等高安全客戶最後仍選擇 AWS 的原因。

這兩件事疊加起來：AWS 的基礎設施毛利結構，比對手結構性地高出 10–15 個百分點。這不是「努力做得更好」，是「跑在不同的物理定律上」。

AI 時代的架構危機：Nvidia 改寫遊戲規則

但 AWS 算無遺策的虛擬機經濟學，撞上了一道前所未有的牆。

傳統雲端的核心動作是「切碎」——把一台大伺服器分成數十個小 VM。LLM 訓練的需求剛好相反：它要把成千上萬顆 GPU「黏合」成一台超級電腦，進行極低延遲的平行運算。Nvidia 透過 NVLink、NVSwitch、CUDA 把整個 AI 訓練基礎設施定義成「Nvidia 的事」——客戶買的不是晶片，是一整套垂直整合的封閉系統。對 AWS 過去十年精心打磨的「可水平拆分、可 commodity 化」架構來說，這是一個近乎反動的趨勢。

Trainium + Anthropic：把訓練拉回大宗商品戰場

亞馬遜沒有正面硬碰，而是「分而治之」：把 AI 算力拆成訓練與推論兩個經濟結構完全不同的市場。

推論的特徵是「破碎、低延遲、單次計算量小、總呼叫量極大」——完美契合 AWS 的低成本打法。亞馬遜很早佈局了 Inferentia 晶片；當 AI 從 demo 進入「滲透到每個工作流」的階段，推論將佔整個 AI 算力市場的 70–85%。Andy Jassy 在電話會議上講得直白：「推論才是讓 AI 經濟學閉環的那一塊。」

訓練市場目前 Nvidia 仍把持超過 80%。亞馬遜的 Trainium 碰到雞生蛋問題：沒人敢用沒被驗證過的晶片訓練旗艦模型。解法是直接砸錢買掉這個障礙。根據 2026 年 4 月最新公告，亞馬遜對 Anthropic 累計投資已達 250 億美元，並簽下十年期、總額 超過 1,000 億美元 的 AWS 算力承諾，鎖定最高 5GW 算力資源。

實質成果是 Project Rainier：AWS 為 Anthropic 部署了一個 近 50 萬顆 Trainium2 組成的超級叢集，年底前擴張到 100 萬顆規模——這不是合約，這是 AWS 對全世界的 CFO 證明：Trainium 真的能訓練前沿模型。

如果這條路走通，AWS 就能把 Nvidia 想要永遠保持「特殊、垂直整合、高毛利」的訓練市場，重新拉回自己主場的大宗商品成本戰，再用同一套 Graviton + Nitro + Trainium 的成本結構吃下未來十年數倍規模的推論市場。風險不低，但報酬極不對稱。

對照組：Microsoft、Google、Oracle 的不同賭注

AWS 的價值來自和對手對照後的差異。

Microsoft：押注應用層整合。Azure AI 業務年增 90%+，但主要是 Copilot、Office、GitHub 自家應用消化的算力，不是外部開發者主動選擇 Azure。整合優勢強，但長期當生成式 AI 變成「人人會的能力」會被稀釋；同時是 OpenAI 大股東又賣 Anthropic 替代品的中立性也會被質疑。
Google：唯一從晶片（TPU）、模型（Gemini）到應用全部自有的玩家。理論上最強的垂直整合，但 GCP 市佔多年卡在 11–13%——TPU 再強，企業 CIO 採購第一名仍是 AWS 或 Azure。模型強弱頂多影響 20% 的雲端決策。
Oracle：意外的 GPU 軍火商，憑 OpenAI、xAI 大單股價翻倍。但 Oracle 缺乏 AWS 的成本結構，這些大單能否轉成穩定毛利是大問號；資本支出已逼到自由現金流轉負，市場開始算「如果客戶的算力消化不如預期，誰來付這筆帳？」

看多 vs 看空：值得追蹤的張力

看多

自研晶片占比從 0% 走向 50%+，每個百分點都是毛利率乘數。
Backlog 2,000 億美元提供 2–3 年清晰營收能見度，且 10 月新簽已超 Q3 全季。
推論占整體 AI 支出仍不到 30%，天花板極高，且是 AWS 主場。
Bedrock 開放 Claude、Llama、Mistral 等多家模型，是「中立 AI 平台」最強賣點。

看空

Q1 單季 capex 達 342 億美元，全年將破 1,250 億，自由現金流壓力顯著。
AWS 的 AI 訓練營收高度依賴 Anthropic 單一客戶，是脆弱性而不是穩定性。
Trainium 軟體棧（Neuron SDK）的開發者體驗仍遠遜於 CUDA，外部客戶採用率有限。

務實的看法是：AWS 不會贏得最閃亮的一場戰役，但有可能贏得最長的那場戰爭。 Microsoft 與 OpenAI 拿走了 2023–2025 的鎂光燈，但雲端基礎設施是「按月計費、二十年攤提、規模經濟為王」的生意——亞馬遜過去二十年用同樣劇本擊敗了所有對手，沒理由相信他們會輸給敘事。

對台灣供應鏈的啟示

亞馬遜越是堅持自研晶片去打 Nvidia，台灣供應鏈的話語權就越強——他們是唯一能「兩邊通吃」的中立第三方。

台積電（2330）：Nvidia Blackwell、AWS Trainium2、Google TPU、Microsoft Cobalt 全是台積電 N3/N4 代工。AI 軍備賽越激烈，N2 與 A16 訂單能見度越長——這場戰爭裡唯一不會輸的玩家。
ODM 三雄（緯穎、廣達、鴻海）：AWS 的 ASIC 伺服器組裝大量交給台廠，Trainium2 產能售罄到 2026 下半年，背後 ODM 訂單能見度極高。
散熱與電源（雙鴻、奇鋐、台達電）：AI 資料中心 capex 持續放大，液冷滲透率還在 10% 出頭，是中長期最直接受益的二線供應鏈。

蘋果用差異化打造了一個品牌帝國；亞馬遜用大宗商品打造了一個成本帝國。兩種模式表面相反，本質都是同一件事——找到一個你能比所有對手做得更好的維度，然後推到極限。最危險的，是兩邊都想要的中間派。