一枚追踪器，跨越四个州

据科技媒体 404 Media 的调查报道，该媒体记者 Emanuel Maiberg 从 2026 年 7 月开始与一位二手书商合作：书商接到一笔约 1000 册的批量订单，订单通过独立旧书交易平台 Biblio 下达，而 Biblio 会隐去买家身份。记者征得同意后，在其中一册珍稀书籍里塞进了一枚苹果 AirTag。

这枚售价 29 美元的追踪器随后走完了一段并不起眼的旅程：先飞抵密尔沃基，在威斯康星州基诺沙郊外的一处配送仓库停留约两周，接着由卡车向西运输，途中在科罗拉多州大章克申过夜，最终信号定位在拉斯维加斯东北部一处亚马逊仓储园区——代号 LAS8。

LAS8 主体是一座按需印刷工厂，本职是”做书”。但园区北侧运行着另一条独立业务线。据在内部员工论坛发帖的亚马逊员工透露，这个单元的代号是 VGT3，门口的标识是一只霸王龙叼着一本摊开的书，龇着牙。

“我们只干一件事：扫书”

多名员工向 404 Media 描述了 VGT3 的工作流程：成托盘的印刷书籍运抵后，工人先把书脊裁掉，让散页能够高速通过工业扫描仪，扫完之后纸质原书就被丢弃。整条流水线的产物只有一份数字文件，实体书无法留存。”我们只干一件事，就是扫书。”一名员工在论坛上这样写道。

一处细节格外关键：据员工说法，工人在扫描内页之前，会先扫描每本书的 ISBN 条码。ISBN 是自 1970 年起为几乎所有正式出版物分配的 13 位国际标准书号，已被 ISO 2108 标准化并覆盖 150 多个国家和地区。先扫条码再扫内容，意味着这条流水线在建立一份”已消化书目”的台账——只要和公开的 ISBN 数据库交叉比对，就能算出还缺哪些书，从而系统性地按缺口下采购单。有书商提到一个印证：这类大额订单里”从来不包含”没有 ISBN 的珍本。

针对 404 Media 与 Ars Technica 的问询，亚马逊给出的回应是同一句话：公司”通过商业渠道采购图书，以帮助开发和改进客户所使用的产品与服务”。这份声明没有提及人工智能，也没有说明书籍在采购之后如何处理。

为什么偏偏要买旧书

AI 公司对旧纸书的胃口，来自训练数据本身的两个变化。

一方面，公开网页这块最容易取用的语料已被反复抓取，而绝版书、稀见书里的大量文字在互联网上根本找不到。另一方面，2022 年之后出版的内容越来越可能包含由 AI 生成或深度润色的文字——尽管出版合同通常明令禁止作者使用 AI 生成内容，仍会有人不遵守，自出版渠道更是缺乏有效约束。用 AI 的产物去训练下一代 AI，容易触发所谓”模型崩塌”，即模型输出的质量与多样性在一轮轮训练中持续退化。于是，2022 年之前的人类原创文本成了稀缺资源，旧书随之被重新定价。

对书商来说，这些订单确实带来了收入。一位爱尔兰书商、Kennys Bookshop 的 Tomás Kenny 曾收到一笔 5000 册的订单，书单杂乱无章：”有的是《A History of Connemara》这类高质量非虚构，下一本可能就是《The Eddie Hobbs Guide to your SSIA》。”还有书商提到，一本售价 5 欧元的书产生了 40 欧元运费，而这项业务整体带来了五位数中段的营收。

但下单方在意的东西非常单一。那位放置追踪器的书商对 404 Media 说：”价值有很多种。金钱价值当然算一种，但还有历史价值、知识价值、情感价值，各种各样的价值——而这些 AI 公司统统不在乎，他们只想要内容，只想要一串串词。”

版权这边还没跟上

破坏性扫描并非新事，但过去的做法要温和得多。2005 年谷歌启动 Google Books 项目时，用专门的 V 形扫描设备对校内图书馆的公共领域图书进行数字化，书本身会完整归还。VGT3 的做法则是先裁书脊、再走高速扫描仪，成本更低、吞吐更快。

法律层面的争议同样在积累。今年早些时候的法庭文件披露了 Anthropic 自 2024 年启动的”巴拿马计划”（Project Panama），一份内部规划文档写得很直白：”巴拿马计划是我们对全世界所有图书进行破坏性扫描的努力。”法官认定 Anthropic 可以用图书训练模型，但因其在中央库中保存了 700 万本盗版书籍，公司被罚 15 亿美元。2025 年针对 Meta 的一起诉讼则显示，该公司曾盗取近 82TB 的图书数据。

判例的方向目前并不统一。美国 2025 年的一项裁定将此类使用认定为对版权材料的”转换性使用”，因而合法；而在英国等版权规则更严格的司法辖区，同样的做法很可能违法。

需要说明的是，这枚 AirTag 只能证明其中一批货最终抵达了一处与扫书作业相关的亚马逊场地，并不足以说明这条流水线的整体规模，也无法确认具体是哪些模型使用了这些数据。但对长期只能靠猜测的书商而言，追踪器第一次把”书去哪儿了”这个问题，从怀疑变成了一条可以指认的路线。

从15分钟到30分钟：务实的配送目标

亚马逊的无人机配送项目始于2020年。最初，公司设定了15分钟内送达的”闪电”目标。然而，在多次试飞和安全评估后，亚马逊逐步将配送时间目标调整为更为现实的30分钟。

这一调整并非退而求其次。无人机配送的物理限制决定了，从起飞、飞行到降落的全过程很难压缩到15分钟以内——尤其是考虑到城市环境中建筑物、电线等障碍物的规避需要额外的飞行时间。30分钟的目标在可操作性和时效性之间找到了较好的平衡点。

500个城市：配送网络大规模扩张

根据亚马逊官方公布的信息，Prime Air无人机配送服务将在2026年底前扩展至约500个美国城市和社区。这一数字相较于2024年仅有的少数几个试点城市，是一次数量级的飞跃。

目前，Prime Air服务已经在以下城市常态化运营：

· 德克萨斯州欧文市（Irving）
· 加利福尼亚州普莱瑟顿（Pleasanton）
· 亚利桑那州部分社区
· 佛罗里达州部分社区
· 密苏里州堪萨斯城部分区域

在已运营区域，用户可以通过亚马逊APP直接下单选择无人机配送选项。配送范围通常以配送中心为圆心、半径数英里的范围内。

配送能力：能送什么、送多少

Prime Air无人机目前支持的配送规格如下：

· 重量限制：包裹重量上限为5至10磅（约2.3至4.5公斤）
· 配送时效：约30分钟内送达
· 配送范围：配送中心周围数英里
· 包裹类型：日常用品、小件电子产品、药品、食品杂货等轻量商品

亚马逊的目标是在2026年底前累计完成超过100万次无人机配送。截至2026年中期，亚马逊已经完成了超过100万次无人机配送任务，这是一个值得注意的里程碑。

无人机长什么样：设计特点

亚马逊的Prime Air配送无人机外观较为独特。机身呈白色，搭载多个旋翼，整体尺寸明显大于消费级无人机。

与市面上常见的四旋翼消费无人机不同，Prime Air配送无人机采用了六旋翼或多旋翼设计，以提供足够的升力和冗余安全能力。即使个别旋翼出现故障，无人机仍能安全降落。

无人机顶部设有专用的包裹固定装置，底部配备多种传感器，包括激光雷达、超声波传感器、视觉传感器等，用于在飞行过程中实时感知周围环境，确保飞行安全。

竞争格局：无人机配送赛道日趋激烈

亚马逊并非唯一在无人机配送领域投入巨资的企业。全球范围内，这一赛道的竞争正在加剧：

· Wing（Alphabet旗下）：已在澳大利亚、芬兰、美国弗吉尼亚州等地开展无人机外卖和日用品配送
· Zipline：专注于医疗物资无人机配送，已在非洲多国和美国部分州运营
· 顺丰科技（中国）：在中国多地开展了无人机物流试点，主要服务于偏远山区和岛屿的快递配送
· 京东（中国）：在中国部分城市开通了无人机快递服务，覆盖从配送站到社区的最后几公里

相较之下，亚马逊在资金实力、技术积累和市场规模方面具有明显优势。其庞大的用户基数和成熟的电商体系，为无人机配送的大规模商业化提供了坚实基础。

挑战与争议

尽管前景乐观，亚马逊无人机配送仍面临不少挑战：

天气因素：强风、暴雨、大雪等恶劣天气会导致无人机停飞。在气候多变的地区，配送可靠性会受到一定影响。
噪音问题：无人机飞行产生的噪音在社区中引发了部分居民的不满。亚马逊表示正在研发更安静的旋翼设计。
空域管理：随着无人机数量的增加，如何与民航客机、直升机等共享空域是一个复杂的技术和管理问题。美国联邦航空管理局（FAA）正在制定相应的监管框架。
公众接受度：让无人机在城市上空频繁飞行，需要获得社区居民的广泛接受。

行业展望

无人机配送被视为物流行业”最后一公里”革命的关键方向。相比传统的卡车配送模式，无人机具有以下优势：

· 配送速度更快，减少交通拥堵
· 运营成本更低，长期可降低快递费用
· 碳排放更少，符合可持续发展趋势
· 可覆盖偏远地区，弥补传统物流网络不足

随着各国监管政策的逐步放宽和技术瓶颈的持续突破，无人机配送有望在2027年至2030年间成为主流物流方式之一。

结语

亚马逊将Prime Air无人机配送扩展至500个城市的计划，标志着无人机物流从”概念验证”阶段正式迈入”规模化运营”阶段。30分钟送达、年送百万包裹的目标如果如期实现，将深刻改变美国消费者的购物体验和电商物流格局。

对于中国物流行业而言，亚马逊的这一进展既是一个观察窗口，也是一个竞争参照。中国的无人机物流企业在偏远地区和特殊场景的探索，与亚马逊在城市的规模化运营，共同描绘了一幅无人机配送的全景图。

默认开启的「训练」

Twitch 隶属于亚马逊，后者于 2014 年将其收购。8 月 12 日，平台上线了一个名为「Training for Generative AI」的开关，默认处于开启状态。按官方说明，一旦开启，用户的直播流、点播视频、剪辑、精彩片段、聊天记录、文字与图片，都可能被用于训练「能生成或合成文本、音频、图像或视频」的亚马逊模型。

关掉要翻三层

想退出并不难，只是藏得深。路径是：登录后进入账号设置，选择「安全与隐私」，一直滑到页面底部，才能看到那个开关并关闭它。更棘手的是，退出只针对「未来」的训练——Twitch 并没有说明，此前已经收集的内容是否已被用于训练；当被直接问到用户视频是否早进了训练集时，首席产品官 Mike Minton 坦言自己「不知道亚马逊到底用没用」。

观众这边的处境更被动：用户在别人频道里发的聊天内容，归不归训练，由那个频道主的设置说了算。也就是说，即便主播在自己频道退了出，只要去别人直播间发了言，留言仍可能被吸走。

退出不等于全停

关掉这个开关，并不能关掉 Twitch 上的所有 AI。自动审核（AutoMod）、字幕生成、推荐、赞助工具和安全系统仍会运行，平台称这些功能不保留频道内容去「生产」新素材。官方说法是，安全机制保护的是所有人，单人关闭会削弱整体安全，因此不提供单独开关。

一句大实话

面对用户铺天盖地的批评，Minton 在被问到「为何默认开启」时，给出了一句大实话：「说白了，如果是默认关闭、需要主动勾选，根本不会有人选。」社区负责人 Mary Kish 也直言，不指望用户会为这件事感到高兴。一条高赞评论写道：「没人会主动勾选，因为没人想把创意和内容喂给 AI。」

来源：Kotaku（经 Google News 收录）

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》

聊天机器人和 AI 工具，至今不怎么赚钱

自 OpenAI 在 2022 年底推出 ChatGPT 点燃这轮投资竞赛后，各家巨头都上线了面向消费者的 AI 聊天机器人：Meta 有 Meta AI，谷歌有 Gemini，亚马逊有 Rufus，苹果则重新改造了 Siri。然而这些产品本身，尽管研发成本高昂，却几乎没有给公司带来能拿得出手的直接收入。

最新的财报把这层窗户纸捅破了。谷歌母公司 Alphabet 在 1180 亿美元营收的背景下，自由现金流首次出现负值——也就是说，它在 AI 上的投入第一次超过了当季赚到的钱。Meta 的情况同样吃紧：610 亿美元营收对应仅 7.84 亿美元的自由现金流，几乎等于白干；负责 AI 与元宇宙业务的 Reality Labs 上半年更是亏掉了将近 90 亿美元。

华尔街要结果，不要新点子

投资者的耐心正在耗尽。Meta 公布业绩后，股价跌至一年来第二低位，导火索正是 CEO 马克·扎克伯格提到公司正在自研一个能自主运行的 AI 智能体，并计划向其他企业直接出售 AI 工具——这两样东西目前都还不存在，也没有时间表。即便如此，Meta 仍把今年的 AI 支出下限上调，全年投入很可能超过 1400 亿美元。

反观微软，股价冲上六个月高点。尽管它计划今年维持约 1900 亿美元的 AI 投入，但核心 AI 工具的采用率与营收增长亮眼，研究机构 Forrester 的分析师 Tracy Woo 评价称，微软正在证明巨额 AI 投资「开始产生回报」。亚马逊的反应如出一辙：尽管现金流为负、今年 AI 支出计划高达 2200 亿美元，其他业务的强劲表现仍把股价推到了两个月高位。

新技术的需求依然旺盛

AI 工具虽尚未成为互联网或电力级别的大众革命，但人们对新科技的渴求并未减退。谷歌上周披露，其 Gemini 聊天机器人月活用户已达 9.5 亿，是一年前的三倍。苹果方面则表示，Mac、iPhone、iPad 等核心产品今年卖得比预期更好，甚至因为芯片供应跟不上需求，预警相关产品销售可能放缓。

外界尤其关注苹果新版 Siri 的进展——这款由谷歌 Gemini 参与改造的 AI 语音助手即将迎来大修。即将卸任的 CEO 蒂姆·库克称，苹果已计划对重度使用新 Siri 的用户收费，并直言「我们对 Siri AI 兴奋到爆表，也相信会有很多人想大量使用它」。

来源：BBC News，记者 Kali Hays，2026 年 7 月 31 日发布

首个”生来就没有方向盘”的收费无人出租车

据科技媒体Wired报道，美国国家公路交通安全管理局（NHTSA）于周四宣布，为一款专门为无人驾驶而设计、不符合传统汽车设计标准的车辆，颁发了美国史上首个可以搭载付费乘客的许可。获得许可的正是亚马逊子公司Zoox。

Zoox表示，公司将很快在拉斯维加斯开始收费运营——此前一年多来，它一直在当地免费搭载乘客。目前，Zoox还在奥斯汀、迈阿密和旧金山以有限规模接送乘客，这几地暂时都是免费的。

这项许可之所以被视为里程碑，是因为它突破了传统的整车安全规则。当前美国自动驾驶出行的领头羊Waymo，所用车辆仍然符合政府的整车设计标准，配有方向盘、踏板、后视镜和常规座椅布局；即便是Waymo新推出的专用无人出租车，也保留了这些法律强制要求的部件。而Zoox耗费十多年时间去设计、制造并获批的车辆，干脆取消了方向盘和踏板，采用一种”围炉式”的座椅布局，乘客彼此面对面而坐。

两年豁免、上限5000辆，监管盯得更紧

NHTSA给出的是一项为期两年的安全标准豁免，允许Zoox最多部署5000辆此类无人出租车。作为交换，Zoox将接受更严格的政府监督，需要额外提交有关碰撞事故和”无法解释的急停”的数据；一旦被认定运营不安全，监管机构有权撤销这项豁免。

NHTSA署长乔纳森·莫里森（Jonathan Morrison）在圣迭戈的一场行业会议上表示，Zoox已经证明其车辆的安全性超过了适用于传统汽车的标准。他同时把话说得很明白：”这项技术需要以恰当、安全、负责任的方式发展。如果我们看到不合理的安全风险，你们会收到我们的通知。”此前，莫里森还专门发出公开信，点名批评自动驾驶车辆干扰急救人员工作的”明显模式”，并警告说：”一辆无法与急救人员安全互动的自动驾驶车，就是对公众的威胁。”

抢在特斯拉之前

在无方向盘路线上，Zoox暂时跑在了特斯拉前面。特斯拉称其无方向盘车型Cybercab已于6月底开始测试，但尚未说明打算如何为这类车辆申请政府许可；目前特斯拉有限的无人出租车服务，用的还是加装了方向盘和踏板的改装版Model Y。

不过，Zoox距离真正铺开仍有很长的路要走。公司表示，即便在正式获批载客之前，其车队已经累计自动运送超过50万人次、行驶里程超过300万英里。而就在本月早些时候，Zoox还因发现车辆可能无法正确识别烟雾、并在紧急情况下妨碍通行，主动对软件发起了召回。相关政府文件显示，Zoox目前仅有105辆在运营的无人出租车——要达到5000辆的上限，显然还有大量工作要做。

来源：Wired

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

这一细节出自《金融时报》援引的一份亚马逊内部演示材料。多份内部报告显示，AI 正在让这家公司在多个项目上出现超支，而 180 万美元还只是其中单个项目的数字。

“以前不值钱的错误，现在贵得吓人”

按照内部材料的说法，这类失误过去”便宜到可以忽略不计”，但 AI 模型让它们变得”代价高到灾难性”，尤其是在部署 AI 智能体之后，token 消耗量急剧攀升。

目前已知最大的一笔来自一次失败的 Claude Sonnet 部署，原本用于匹配作者信息与商品列表，最终花掉 180 万美元。除此之外，内部还浮现出另外两笔超支：一个财务审计工具项目额外产生了 54.1 万美元成本——这一点颇具讽刺意味；一套用于缩短物流网络配送时间的系统，额外支出 13.4 万美元。

从数量级上感受一下这笔钱的分量：Claude Sonnet 的公开定价约为每百万输入 token 3 美元、每百万输出 token 15 美元。仅按输入价格粗略折算，180 万美元大致对应约 6000 亿 token 的消耗量。作为参照，同一模型上一次典型的开发者编程任务，成本通常远低于 5 美元。

亚马逊的回应：不要以偏概全

针对这些数字，亚马逊在内部演示中回应称：”和任何新技术一样，我们也在实验、学习并改进使用方式，包括如何提升成本效率。”

公司还表示：”挑出一些孤立的小例子——那些团队正在相互学习的场景——并把它们描绘成常态，并不能反映亚马逊各团队使用 AI 的真实情况。”

从比例上说，这个辩解有其道理。亚马逊最新一季营收超过 1810 亿美元，这些超支的 AI 费用甚至占不到其一个月收入的 0.1%。

真正的问题在治理，不在模型

这并不是 AI 第一次在亚马逊的工作流里制造麻烦。今年早些时候，AWS 曾报告多起由 AI 编程机器人失误引发的服务中断，公司的应对方式是限制 AI 智能体的权限，而不再让它们与所绑定的资深工程师享有同等权限。

更值得注意的是激励机制层面的问题。亚马逊内部曾维护一份排行榜，展示哪些员工使用 AI 最多。在 AI 成本不断膨胀之后，公司重新审视了这一政策并取消了排行榜。这套机制催生出一个被称为”tokenmaxxing”（刷 token 量）的现象——员工为了在排行榜上排名靠前，让 AI 智能体去执行毫无意义的任务。

不少科技公司都在推动员工多用 AI，理由是能提升生产力。但优步（Uber）首席技术官表示，这类政策与能否成功交付产品之间并没有关联。

问题的根源在于计费模式的转变。随着智能体接管更多工作、AI 供应商从订阅制转向按 token 计费，成本迅速膨胀，一些企业在几周内就用光了全年预算。传统软件里那些只值几分钱的失误——低效的循环、设计糟糕的工作流、失控的批处理任务——一旦交给大模型按 token 逐步执行，就会变成毁灭性的开支。

对亚马逊、微软这样的巨头而言，这也许还不是燃眉之急；但对绝大多数其他公司来说，这样的成本结构难以持续。

这起事件给所有在内部部署 AI 智能体的企业留下了一份相当明确的反面教材：为每条工作流指定明确的费用责任人，给智能体设置硬性熔断开关，并把自主 AI 系统当作正式的生产负载来对待，而不是当成边缘实验。

一张 180 万美元的账单，挂在一个从未上线的项目上——这说明跳过治理环节的代价，已经不再是假设性问题。

来源：Tom’s Hardware（https://www.tomshardware.com/tech-industry/artificial-intelligence/amazon-accidentally-spent-usd1-8-million-using-claude-for-menial-coding-task-went-860-percent-over-budget-catastrophically-expensive-coding-blunders-discovered-in-internal-amazon-ai-usage-metrics）、《金融时报》

大部分旗舰 Nova 模型进入「维持运行」状态

这次被降级的主要是 Nova 系列旗舰产品，包括高端模型 Nova Premier、多模态模型 Nova Omni、视频生成模型 Nova Reel 以及图像生成模型 Nova Canvas。有亚马逊员工用「KTLO」来形容这些模型的现状——这是「keep the lights on（维持运行）」的缩写，意思是仍会保障现有客户正常使用，但不再是重点研发方向。

不过，亚马逊并没有彻底放弃 Nova 品牌。目前保留下来的产品包括 Nova 2 Sonic 和 Nova 2 Lite 两款基础模型、模型定制服务 Nova Forge，以及浏览器智能体技术 Nova Act。未来新研发的前沿模型，也有可能继续沿用 Nova 名称。

面对外界对战略收缩的质疑，亚马逊发言人回应称：「AI 模型仍是我们最重要的工作之一，这一点没有改变。」并表示会根据客户需求调整产品阵容、提供迁移路径。

资源流向何处：内部代号 FMR 的前沿模型计划

被砍掉的资源有了明确去向。据报道，亚马逊内部代号为 FMR（Frontier Model Research，前沿模型研究）的新计划，今年已升级为公司最高优先级的 AI 项目。

该计划由研究员 Pieter Abbeel 牵头。Abbeel 原是机器人 AI 公司 Covariant 的研究人员，该公司被亚马逊收购后，他加入亚马逊并接手了下一代前沿模型的研发。FMR 团队目前正在训练一款全新的旗舰基础模型，预计将在今年秋季的 AWS re:Invent 年度大会上正式亮相。

调整背后：AGI 部门的权力更迭

这轮重组的背后，是亚马逊 AGI 部门的一系列人事变动。

亚马逊的 AGI 部门成立于 2023 年，当时由 CEO 安迪·贾西亲自推动，目标是打造能够支撑 Alexa、AWS、零售和广告等业务的基础模型，部门由 Rohit Prasad 领导。2025 年 12 月 Prasad 离职后，AGI、定制芯片和量子计算业务被统一划归高级副总裁 Peter DeSantis 管理；今年 2 月，AGI Lab 负责人 David Luan 也离开了公司。就在上周，亚马逊关闭了依托收购 Adept 团队组建的 AGI Lab，并裁减了 AGI 部门的部分岗位。

知情人士透露，DeSantis 比前任更强调聚焦。他此前在采访中直言，亚马逊的模型尚未站在最前沿，他希望公司在未来一年内跻身头部模型竞争者行列。与 Prasad 时期同时押注文本、图像、视频等多条产品线不同，DeSantis 正把人才与稀缺的训练算力收拢到少数最高优先级项目上。

值得玩味的是，就在去年的 re:Invent 大会上，亚马逊还高调发布了旗舰多模态模型 Nova Omni 2。不到一年，这条旗舰线就被部分关停。市场分析认为，这标志着 AI 竞争已进入深度淘汰赛：即便是财力雄厚的巨头，也不再有同时押注所有方向的余裕，「集中兵力打歼灭战」正在成为行业共识。今年秋天的 re:Invent 大会上，亚马逊的新答卷就将揭晓。

来源：Business Insider（报道转引：网易科技、新浪财经）

具体来看：Alphabet 最新将 2026 年资本开支预期从 1800 亿至 1900 亿美元上调至 1950 亿至 2050 亿美元；亚马逊表示今年预计投资约 2000 亿美元；Meta 的计划则是 1250 亿至 1450 亿美元——这一区间在 4 月刚刚上调过 100 亿美元。值得注意的是，这份「5000 亿俱乐部」名单还没算上微软，后者自己也给出了约 1900 亿美元的开支指引。

钱最终流向了哪里

这些预算并非全部用来买芯片，但相当大的比例落在了英伟达的地盘上。Alphabet 在财报电话会上透露，第二季度技术基础设施投资中约 60% 用于服务器采购，其余投向数据中心和网络设备。为了给 AI 基建筹钱，该公司 6 月还完成了一笔 496 亿美元的股票增发。

大客户的支出直接体现在英伟达的账面上。在截至 2026 年 4 月 26 日的 2027 财年第一季度，英伟达营收同比大涨 85%，达到创纪录的 816 亿美元；其中数据中心业务收入 752 亿美元，同比增长 92%。公司对下一季度的营收指引约为 910 亿美元，毛利率维持在 75% 左右。首席执行官黄仁勋在财报中表示：「AI 工厂的建设——人类历史上最大规模的基础设施扩张——正在以惊人的速度加速。」

客户在加钱，股价却在跌

耐人寻味的是，客户不断上调预算，英伟达股价却较 52 周高点回落了约 12%。上周四 Alphabet 宣布上调资本开支后，其股价不涨反跌，抛售随后蔓延至整个大型科技股板块，英伟达也未能幸免。

The Motley Fool 分析认为，这背后是市场开始质疑：半万亿美元的 AI 投入究竟能否赚回本钱？一旦投资者对回报产生怀疑，这些支出所转化的收入预期也会被打折扣——而其中很大一块正是英伟达的收入。

风险确实存在。英伟达的增长高度依赖少数几个大客户持续加码的意愿，而资本预算是计划，不是合同，繁荣期制定的计划随时可能被改写。与此同时，这些大客户也在设法降低对英伟达的依赖：Meta 在财报会上表示，正在部署超过 1 吉瓦规模的自研芯片（与博通联合开发），同时还采购了 AMD 的产品。

不过从估值角度看，市场似乎已经提前消化了放缓预期：英伟达目前的市盈率约为 32 倍（按过去 12 个月盈利计算），对应未来 12 个月预期盈利则只有约 21 倍——对一家刚刚实现 85% 增速的公司而言，这个定价并不算激进。半万亿美元的支出大战刚刚过半，买单方和收钱方，总有一边的判断是错的。

来源：The Motley Fool（via Yahoo Finance / Google News）