据《The Information》报道并经 Tom’s Hardware 转述，亚马逊云科技（AWS）今年 5 月与内部工程师开会，明确要求减少“CPU 浪费”，以保证对外客户的算力供给。多名工程师表示，过去几小时就能拿到的实例，现在要等数天；其中一人称，在亚马逊工作多年，从未等过这么久。

显卡不再是唯一瓶颈

过去几年，数据中心的紧缺叙事几乎被 GPU 垄断。但这一轮压力落到了通用处理器身上。

报道称，数据中心里 GPU 与 CPU 的配比正在改变：传统上常见的 8 比 1 或 4 比 1，如今正朝着接近 1 比 1 的方向靠拢。原因指向智能体（AI agent）这一新的工作负载形态。

训练和推理主要吃 GPU，CPU 长期只扮演“喂饱显卡”的辅助角色。智能体则不同：它要按顺序编排多步任务、根据条件分支、频繁调用外部工具、维护中间状态，这些活儿基本都跑在 CPU 上。工作负载结构一变，被长期视作廉价管道的通用处理器，突然成了瓶颈。

AWS 的 EC2 实例同时部署了 AMD、Intel 的处理器以及自研的 Graviton5。Graviton5 是该公司迄今性能最强的自研 CPU，采用 Arm 架构路线。

六成五的实例长期在空转

内部整顿的直接动因，是利用率数据太难看。

报道披露，在 30 天的观测周期内，约 65% 的 EC2 实例平均 CPU 利用率低于 20%，大量计算资源长期处于低负载状态。传统上，工程师习惯为开发环境自行开机器——Web 类基础设施对 CPU 要求本就不高，多开几台虚拟机几乎没有代价。这种习惯在算力宽裕时无伤大雅，一旦供给收紧就成了明显的浪费。

为了精准识别闲置资产，AWS 升级了计算优化工具 Compute Optimizer：自动抓取并分析虚拟机 14 天内的 CPU 占用与读写数据，对峰值 CPU 利用率低于 15%、网络流量长期低迷的实例自动打标，供工程师据此清理。

供给端也在同步扩张。过去一年，该公司新增电力配套容量达 3.8 吉瓦，按报道给出的口径，这一供电规模可满足约 280 万户家庭的日常用电。

智能体正在改写成本结构

算力紧张的另一面，是智能体带来的开销失控风险。报道提到一个案例：上个月，一个编码智能体在亚马逊内部烧掉约 180 万美元的 token 费用，超出开发预算 860%。

这类数字解释了为什么大型企业开始在内部推行算力治理。工具本身单次调用便宜，但智能体会自主发起成百上千次调用，最终账单与传统开发工具完全不在一个量级。

紧缺同样传导到了芯片厂商一侧。AMD 近期发布了面向数据中心的 Zen 6 架构“Venice”系列处理器——这是几十年来该公司首次让新架构在数据中心先于消费级产品亮相。英伟达也把对外叙事从加速卡向新推出的 Vera CPU 倾斜，试图在智能体基础设施这块扩张中的市场里占位。

不过短缺并非全面性的。报道援引一位顾问的说法称，供给紧张主要出现在竞价实例（spot instance）上，签订长期合同的预留容量并未出现短缺。

对普通开发者而言，这轮变化的现实含义相当直白：在智能体大规模进入生产环境的阶段，把 CPU 当作可以随手浪费的廉价资源，这个前提正在失效。

来源：Tom’s Hardware，原始报道来自《The Information》

Cloudflare 给出的答案叫 Cloudflare OS。8 月 5 日，这家公司宣布把它开源，任何组织都可以自行部署、接入内部系统并按需改造。

先在自家跑了三个月

今年 5 月，Cloudflare 向全体员工开放了第一个版本。据其官方博客描述，各职能部门数千人每天使用，其中很多人并非工程师——他们用它撰写文档和幻灯片、把重复性任务自动化、搭建小型应用来可视化数据。

更关键的是共享层。Cloudflare OS 为所有人提供了一个由各团队共建的上下文与技能库，把公司的术语、流程和处理常规工作的最佳做法，沉淀成智能体可以直接遵循的指令。一个人摸索出更好的做法，其他人立刻就能复用。

第一版也暴露了问题。它以个人私有工作区为中心，生成的应用是静态的，而非连接内部系统的活体软件；即便是几乎完全确定的重复任务，也得重新跑一遍智能体技能，白白消耗模型 token（模型处理文本的计费单位）。

协作环节的问题更根本。接入 MCP 服务（模型上下文协议，用于让智能体调用外部工具）只能告诉系统智能体可以调用哪些工具，却无法说明它实际读取过哪些底层资源。一旦开始共享工作区、应用和产出，就必须确保协作不会让人看到本不该看到的信息。

于是 Cloudflare 把整套系统在新底座上重建了一遍，核心判断是：安全必须是平台自带的能力，而不是每个搭应用、用智能体的人各自去正确实现一遍。

三个组成部分

新版 Cloudflare OS 由三块拼成：一个以公司自建上下文与技能为基础的智能体工作区，内置可让智能体编写并运行代码的隔离运行时；一套面向内部数据与服务的安全治理框架；以及一个支持个人搭建、共享并持续修改应用的平台。

工作区在浏览器里使用，不需要懂终端。它能做四类事：调用公司上下文与已授权资源做研究，且智能体是通过写代码去搜索、筛选、连接和分析信息，而不是把整个数据集塞进模型的上下文窗口；把研究结果转成可继续编辑的文档、演示或表格，这些产出可以与实时数据保持连接、随数据源更新，也能导出为常见格式；在文档表格不够用时，直接构建带界面、逻辑和状态的应用，供多人协同；以及把已知步骤的重复工作转成基本确定性的流程，用代码处理可预测部分，只在真正需要判断的环节调用模型，流程可按需触发、定时执行或由连接系统的事件驱动。

安全设计：智能体的默认权限是零

员工接触 AI 后最常提的诉求，往往是索要公司系统的 API 密钥。Cloudflare 的判断很明确：把密钥直接交给人和智能体既危险也无法规模化，密钥通常权限宽泛、有效期长，难以约束、难以安全共享、难以审计。

Cloudflare OS 的做法分三层。

默认无权限。 由 Cloudflare Access 控制谁能进入系统，进来之后每个智能体和应用的初始权限是零。智能体可以申请访问某个具体资源，由人决定批准或拒绝，生成的代码以类型化绑定的形式拿到该资源，凭据始终与智能体和代码完全隔离。服务端代码运行在关闭了全局出站网络的 Dynamic Worker 中，客户端代码运行在浏览器的沙箱框架内，两者除了显式授予的能力之外都无法访问互联网。

Gatekeeper 管资源和动作。 这是一个针对特定服务的 Worker，夹在 Cloudflare OS 与外部服务之间，理解该服务的接口、资源和可执行操作。官方举的例子是：把整个 GitHub 账号交给智能体范围太大，而 Gatekeeper 可以只开放单个仓库、只允许读取议题而不能读源码、屏蔽特定字段、施加速率限制，并要求合并请求前必须经人工审批。智能体看到的只是一个小巧的 TypeScript 接口，OAuth 授权、凭据保管、策略执行、读取记录和外部副作用的中介，全部由 Gatekeeper 承担。

策略跟着智能体看过的东西走。 只管住第一次读取是不够的。官方设想了这样一种场景：智能体读取数据仓库中一张敏感表，据此生成实时看板，分享看板不能变成把这张表分享给无权访问的人。为此，Cloudflare OS 记录智能体观察到的每一项资源，这些记录始终附着在智能体及其产出上。当另一个人试图打开工作区、与智能体交互或查看产出时，Gatekeeper 会核验此人对那些被观察资源的访问权限。同一套观察日志还用于判定智能体何时可以发起外部请求——读取过敏感数据，可能就会禁止它向特定目标写入、邀请新协作者、把工作移交给另一个智能体或发起外部请求。

每一个“文件”都是一个完整应用

多数生产力套件给的是固定几件套：文档、表格、演示。Cloudflare OS 的思路不同——每个“文件”都可以是一个应用，由智能体为某个人、某个项目或某个团队专门编写。

这些不是需要导出再另行部署的原型，而是自带客户端代码、服务端代码、接口和持久状态的全栈应用，默认私有，可像文档一样共享。智能体写应用时产出两部分：渲染界面的客户端代码，以及存储状态、实现逻辑的服务端代码。服务端以 Dynamic Worker 按需加载，并实例化为 Durable Object Facet（这两项能力都是为该项目专门构建的）。Facet 给每个应用一个独立的 SQLite 数据库，与管理它的运行时相互分离；Dynamic Workers 使用轻量级 V8 隔离环境，因此每个应用都能拥有独立运行时，而不必长期占用一台服务器或容器。

浏览器客户端通过 Cap’n Web 与服务端通信，这是 Cloudflare 开源的对象能力式远程过程调用系统。服务端方法可以像普通 JavaScript 函数一样从客户端调用——特别之处在于，智能体也能调用同一个方法。用官方博客的说法，只要一个人能造出工具来完成某项工作，那么在这个人不在的时候，智能体也能用同一件工具把活干完。

共享方式有两种：共享应用本身，其他人可基于同一份状态实时协作；共享应用的“蓝图”，其他人可创建属于自己的副本。从蓝图创建的应用包含原应用的代码，但不包含其 SQLite 数据、对话历史、凭据和已连接资源，每个新应用都从独立的状态和资源开始。这意味着团队成员可以自己用 AI 修改应用，而不必提工单等着原作者排期。

模型可换，花销可控

Cloudflare OS 支持任意模型，所有推理调用都经由 Cloudflare AI Gateway，组织可在同一处决定哪些模型可用、哪项工作交给哪个模型。官方给出的理由很实际：不是每项任务都需要最贵的模型——每天早上总结未读邮件，未必值得动用最昂贵的前沿模型。

每一次请求都会归属到发起它的人、团队或工作区。管理员可以看到推理支出流向，设定预算与速率限制，并决定触及上限后如何处理。

开源之后

代码已在 GitHub 的 cloudflare-os 仓库放出，可部署到自有 Cloudflare 账号，配合自家的 Access 策略、AI Gateway 配置、数据与集成。Cloudflare 一共发布两个仓库：Cloudflare OS 核心，以及一个基于其内部运行方式的示例部署；部署仓库不修改核心即可使用，用于承载配置、自定义界面、内部集成、分析和部署流水线。

值得一提的是，该项目在 GitHub 上把自己类比为一套真正的操作系统：workshop-backend 相当于内核，各类 Gatekeeper 相当于设备驱动，workshop-frontend 相当于 shell，Gadget 相当于进程，蓝图相当于可执行文件。而传统操作系统尚未管理的那一类对象，正是 AI 智能体——Cloudflare 的观点是，智能体不能简单当成用户对待，它必须对某个人类用户负责，同时拥有自己受限的权限，这种场景下更合适的安全模型是基于能力的安全，而非访问控制列表。

由于 Cloudflare Workers 的运行时 workerd 本身也是开源的，Cloudflare OS 并不局限于只能跑在 Cloudflare 上，完全可以架在自有服务器的 workerd 之上。

代码只是起点。Cloudflare 表示，其战略伙伴 Presidio 和 Happy Cog 会协助企业按自身运作方式定制并推广。后续规划包括：把 Cloudflare OS 做成 Cloudflare 控制台中的全托管产品、为开发流程增加容器支持，以及把工作区接入 Slack 等聊天工具。

来源：The Cloudflare Blog

100 亿美元买什么

根据彭博社援引匿名消息人士的报道，Anthropic 已签署合同，使用由英伟达支持的云初创公司 Volta 管理的数据中心算力。Volta 将联手比特币矿场转型而来的数据中心运营商 Bitdeer，在挪威建设一处设施。

• 挪威站点规划容量 133 兆瓦，将搭载英伟达最新一代 Vera Rubin 芯片架构。
• 协议为期六年，是 Volta 的招牌合同，也为这家”几天大”的初创公司提供了背书与现金流。
• Volta 本周二宣布完成 3 亿美元风险投资，投后估值 24 亿美元，投资方包括安德森·霍洛维茨、Altimeter、英伟达以及迈克尔·戴尔。

对 Anthropic 来说，把算力分散给众多供应商是一种保险：没有任何单一供应商能满足它的需求，过度依赖任何一家（包括自己的投资人）都暗藏风险。分散也是为了议价——能在亚马逊、谷歌、AMD 之间迁转工作负载的实验室，对任何一方都更少受制。

算力成了最贵的战场

Anthropic 今年以来疯狂扩充算力：与 SpaceX、AMD（50 亿美元、2 吉瓦 GPU）、Akamai 签下协议，并与 Meta 的数据中心洽谈；最大金主亚马逊已投入至多 250 亿美元，谷歌与博通的合作用量运行率已达 300 亿美元。公司今年早些时候还完成了一轮 650 亿美元融资。

Bitdeer 是众多在比特币价格走低后，把矿场改造成 AI 数据中心的矿企之一。前台 AI 实验室之所以要提前数年锁定算力，根本原因仍是 GPU 供给紧张、需求持续攀升。把 100 亿美元押在一家刚成立的公司身上并非没有风险——Volta 还得真正把设施建出来、跑起来。但在”产能就是天花板”的当下，Anthropic 愿意在任何能找到算力的地方下手，哪怕对方一年前还不存在。

来源：Bloomberg

美国东部时间 7 月 30 日盘后，亚马逊公布了截至 6 月 30 日的 2026 财年第二季度财报。整份财报里最抢眼的一项，是云计算部门亚马逊云科技（AWS）单季营收达到 422 亿美元，同比增长 37%，创下过去 18 个季度以来的最快增速。市场此前的普遍预期是增长 31% 左右，实际数字大幅超出。财报发布后，亚马逊股价盘后一度涨超 10%。

一份被云业务点亮的财报

从整体盘面看，亚马逊第二季度净销售额 2006 亿美元，同比增长 20%；营业利润 275 亿美元，同比增长 43%，去年同期为 192 亿美元。分部门看，北美业务营收 1162 亿美元，同比增长 16%；国际业务营收 422 亿美元，同比增长 15%；广告业务表现同样稳健，同比增长 26%。

利润端出现了一个需要特别说明的数字。亚马逊第二季度净利润为 626 亿美元，摊薄后每股收益 5.75 美元，去年同期分别为 182 亿美元和 1.68 美元。这个看似夸张的跃升并非全部来自主营业务——其中包含 534 亿美元的非经营性税前其他收入，主要来自亚马逊对 Anthropic 的投资估值变动。

真正体现经营质量的是 AWS 的利润表现：该部门第二季度营业利润 166 亿美元，去年同期为 102 亿美元，营业利润率回升至 39% 左右，在新增芯片和服务器折旧成本高企的背景下，这个水平相当扎实。

「AI 和自研芯片，年化收入各自都超过 250 亿美元」

亚马逊总裁兼首席执行官安迪·贾西（Andy Jassy）在财报声明中说：「AWS 正在蓬勃发展，第二季度同比增长 36.7%，这是我们 18 个季度以来的最快增速，而当时 AWS 的营收规模还不到现在的一半。我们的 AI 业务和芯片业务，年化收入运行率各自都超过了 250 亿美元。」

这两项业务的同比增速均为三位数。芯片业务指的是 AWS 自研的 Trainium 训练芯片与 Graviton 通用处理器两大产品线。亚马逊在财报中披露，Trainium 的势头仍在扩大：全球两大人工智能实验室 Anthropic 与 OpenAI 均已做出多年期、多吉瓦级的算力承诺；采用 Trainium 的初创公司持续增加，包括 NEURA Robotics、Odyssey 等独角兽企业，以及 TwelveLabs、Decart、Poolside、Karakuri、Metagenomi Therapeutics、NetoAI、Splash Music 等，Uber、Pinterest 这类规模更大的公司也在其中。

按照贾西在电话会上给出的口径，AWS 当前的年化营收运行率已达 1690 亿美元。他形容，如果 AWS 是一家独立公司，将位列《财富》500 强第 24 位。他还给出了一个更长远的判断：AWS 最终有潜力成长为一项年营收 1 万亿美元的业务。

4960 亿美元订单积压，与继续加码的资本开支

支撑这份乐观的是订单。贾西在电话会上披露，AWS 的在手订单积压（已签约但尚未确认收入的部分）达到 4960 亿美元，同比增长三位数。

代价同样明确。亚马逊第二季度用于物业和设备的支出达到 542 亿美元，去年同期为 321 亿美元。持续的重资产投入让公司过去十二个月的自由现金流由正转负——净流出 76 亿美元，而一年前为净流入 182 亿美元。同期经营性现金流则增长 33% 至 1614 亿美元。

更受关注的是资本开支指引的上调。亚马逊今年 2 月曾表示 2026 年资本支出约为 2000 亿美元，4 月维持了这一预测；本次电话会上，贾西将全年资本支出预期上调至 2200 亿美元，主要投向人工智能相关项目。他把上调的直接原因归结为内存价格上涨，并认为这轮支出热潮短期内不会放缓。

「即便如此，我们到 2026 年仍然不会有足够的产能来满足全部需求，我相信 2027 年同样如此。」贾西说，「事实上，我们对 2028 年的需求预判已经非常惊人了。」

三季度指引偏软，但另有解释

对当前的第三季度，亚马逊给出的营收指引区间为 1970 亿至 2020 亿美元，同比增长 9% 至 12%；营业利润指引为 225 亿至 265 亿美元。这一营收区间低于分析师此前 2041 亿美元的平均预期。

亚马逊对指引偏软给出了解释：今年的 Prime Day 会员大促由惯例的 7 月提前至 6 月举办，造成了同比基数上的错位。公司表示，若剔除两年间 Prime Day 时间错位带来的扰动，2026 年第三季度的内生增速将高出近 4 个百分点。

放在整个云计算赛道里看，这轮加速并非亚马逊独有。此前一周，Alphabet 报告谷歌云增长 82%；微软 Azure 在其财年第四季度（截至 6 月）营收增长 43%。三大云厂商同时提速，指向的是同一个变量——人工智能训练与推理需求正在把云计算的天花板整体抬高，而算力供给仍然吃紧。

来源：亚马逊 2026 财年第二季度财报公告（美国证券交易委员会存档）、CNBC、彭博社、华尔街见闻