全球云计算引领者，AI 打开业务长期展望。
AWS 业务是亚马逊利润来源的主要基石，除 2022 年外，近年来 AWS 经营利 润基本占公司整体的 6-7 成左右，OP margin 维持在 30%上下。自 2006 年亚马逊 推出 AWS 业务以来，AWS 经历了从基础服务创新到全面生态体系建设的过程，不 断推动云计算技术的发展和应用，逐步确立了在云计算领域的领先地位。
发展历程重要节点： 1.启动阶段： 2002 年，亚马逊开始探索网络服务领域，并初步推出了一些旨在帮助开发者利 用 Amazon.com 功能的服务。 2003 年至 2005 年间，亚马逊内部开始构建其云计算基础设施，为后续的 AWS 产品和服务打下基础。 2.正式发布与核心服务上线： 2006 年，亚马逊 Web Services（AWS）正式对外提供服务，标志着全球首个 公有云平台的诞生。 2006 年 3 月，AWS 推出了 Simple Storage Service (S3)，提供了可扩展且经济 高效的云存储解决方案。同期还推出了 Elastic Compute Cloud (EC2)，允许用户租 用虚拟服务器以运行应用程序。 3.产品线扩展与关键发展： 2009 年，推出了简单队列服务（SQS）和简单数据库服务（SimpleDB）等服 务。 随后几年内，AWS 持续推出了一系列创新服务，如弹性块存储（EBS）、弹性 负载均衡（ELB）、关系数据库服务（RDS）等。 2014 年，推出了 Lambda 无服务器计算服务，以及 DynamoDB 全托管 NoSQL 数据库服务。 4.2010 年代中后期至今：AWS 通过合作伙伴网络、培训认证计划及年度 re:Invent 大会等方式，加强了生态系统建设，进一步扩大市场份额和行业影响力， 截至目前，AWS 已经成为全球最全面、应用最广泛的云，从全球数据中心提供超过 200 项功能齐全的服务，亚马逊也成为了全球云计算行业市占率最高的厂商。
我们将 AWS 在 IaaS 层（Infrastructure as a Service，是云计算服务模式的 一种，它为用户提供的是底层的计算、存储和网络资源等基础设施。）的竞争优势总 结为两点：1）进入云计算行业时间早，先发优势极为明显；2）基础设施层面远超 竞争对手的大规模建设力度。 对于 IaaS 来说，由于供给侧的标准化程度较高以及需求侧的同一性，行业竞争 基本呈现着同质化，竞争的同质化在很大程度上决定了相对于其他行业来说，谁进 入市场更早、谁能提供大规模的基础设施服务，谁的优势将更为明显。我们将 IaaS 行业竞争同质化的原因总结为 2 个： 1）基础资源标准化：IaaS 的核心基础设施包括计算、存储和网络资源，这些资 源的技术实现逐渐成熟并形成行业标准，各厂商提供的虚拟服务器、硬盘存储、带 宽等基础服务在功能上基本趋同； 2）客户需求的一致性：大部分企业客户对于基础设施的基本需求是相似的，如 高可用性、安全性、弹性伸缩能力等，这也促使供应商们提供的基础 IaaS 服务满足 相同的基本需求特性。 亚马逊凭借大规模的技术建设投入以及先发优势，在云计算基础设施层面占据 绝对的领先优势，在 IaaS 层面一家独大。亚马逊是云计算行业的创新领导者，早在 2006 年亚马逊就发布了全球第一个云计算服务 Amazon S3。在云计算基础设施的建 设上，亚马逊拥有覆盖范围领先的全球云基础设施，截至目前，AWS Cloud 现已在 全球 33 个地理区域内运营着 105 个可用区，并宣布计划在德国、马来西亚、新西 兰和泰国新增 12 个可用区和 4 个 AWS 区域，有超过 600 个入网点，大幅领先 于其他竞争对手。 根据 IDC 统计，AWS 在全球 Foundational cloud services 领域（在一定程度上 包含了 IaaS 服务，不过还包括一些更底层或更广泛的概念，比如数据中心设施、物 理安全措施、电源供应等）市占率达 40.50%，超过排名第二的微软 16pct。在全球 IaaS 行业中，AWS 市占率也达到 38%，大幅领先于其他对手，龙头地位稳固。
我们认为亚马逊在 IaaS 层的优势是长期稳固的，主要有三方面： 1）基础设施建设需要大量投入，与自身的物流体系一样，存在资本壁垒，短期 内很难被追赶上； 2）不同云平台间的数据迁移成本较高并且存在安全隐患，在 IaaS 层服务内容 同质化的背景之下，亚马逊在 IaaS 层早已积累起的客户基本盘很难流失； 3）行业供给侧的同质化决定了价格竞争不可避免，亚马逊自 2006 年首次对外 推出 AWS 业务以来，已经进行了一百多次的降价频率。目前 AWS 在 IaaS 层的价 格仍处于行业低位，具备价格优势。
亚马逊凭借 IaaS 积累的大规模的客户基本盘以及极为丰富的产品，在 PaaS 层 （Platform as a Service，同过网络提供一个完整的开发、运行和管理应用程序的 平台，可让开发者进行应用软件的开发、测试、部署以及维护工作）同样实现了在 行业内大规模整合，2022 年市占率达到 33%，是全球最大的 PaaS 厂商。前期在 IaaS 层面取得成功后，亚马逊于 2010 年推出了自家首款 PaaS 产品 AWS Elastic Beanstalk 并斩获成功，又于 2014-2017 年间陆续发布了 Lambda、API Gateway、AppSync、Amplify 等多款里程碑式的 PaaS 产品，加强了亚马逊在 PaaS 领域的领 导地位。
SaaS 层目前在全球云计算市场结构中占据了主要部分，与 IaaS 和 PaaS 层的 竞争格局不同，SaaS 层的竞争更为分散，并没有呈现一家独大的情况，而相对于自 身 IaaS 和 PaaS 层的竞争优势和其他传统互联网厂商来说，SaaS 层可以说是 AWS 的短板。2021 下半年，Synergy Research Group 对针对企业应用的 SaaS 市场进 行了调查，微软、Salesforce、Adobe、甲骨文和 SAP 合计占据超过 50%的市场份 额，而 AWS 则未能跻身前 20 名。相比于 IaaS 和 PaaS，亚马逊在纯粹的 SaaS 产 品线上并不像 Salesforce、Microsoft Office 365 或 Google Workspace 那样具有广 泛的覆盖范围和深度集成的办公应用套件。 所以在SaaS的竞争策略上，AWS开辟了两条线并跑的方式，其一是自研SaaS， 截至目前 AWS 也对外发布了几款 SaaS 应用，如 Amazon WorkMail（邮件）、Amazon WorkSpaces（桌面应用）和亚马逊 Chime（视频会议）等；其二是推出了 Amazon MarketPlace，作为 SaaS 商店平台方吸引三方 SaaS 入驻，从中抽取佣金（通常 5%-20%）、基础设施费（在 MarketPlace 购买 SaaS 后不需要安装部署，所以用户 在运行这些产品时需要消耗 AWS 的基础计算资源）以及其他相关费用。
亚马逊通过多年以来在 AI 领域的深耕，多维度的布局，目前已经具备了 AI 全 产业链优势，即云基础设施+模型生态+算力+应用的全方位落地。 1）云基础设施：AWS 作为全球领先的云计算服务平台，这为 AI 服务提供了强 大的计算资源和弹性扩展能力。通过 AWS 可以方便地获取高性能的计算、存储和网 络资源，用于训练复杂的人工智能模型和运行大规模机器学习项目。 2）模型生态：亚马逊在模型生态中的布局可以分为两方面。①自研大模型：2023 年 4 月亚马逊对外公布了其自研大模型 Amazon Titan，包含类似 GPT-4 内容生成 的文本模型以及用于创建搜索功能的嵌入模型，具体参数量未披露；②通过合作构 建模型生态：亚马逊推出了能够支持多种第三方大模型的服务平台 Amazon Bedrock， 通过 Amazon Bedrock，客户能够通过单一 API 调用使用来自不同供应商如 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 以及亚马逊自家研发的基础模型，并 构建基于这些模型的生成式 AI 应用程序，亚马逊从中收取模型推理费、数据传输费、 定制和储存费等费用。 值得一提的是，亚马逊于 2023 年 9 月斥资 40 亿美元投资了 Anthropic，并成为 了其首选云供应商，Anthropic 将使用亚马逊自研芯片来构建、训练和部署其未来基 础模型，此外 Anthropic 对亚马逊开放所有基础模型的访问权，亚马逊的开发人员和 工程师可以通过 Amazon Bedrock 使用 Anthropic 模型构建产品。今年 3 月，亚马 逊宣布 Anthropic 的领先模型 Claude 3 系列将加入到 Amazon Bedrock 提供服 务。
3）算力层：亚马逊在算力侧有自己的 AI 自研芯片，具备成本优势。亚马逊在 2018 年的 re:Invent 大会上首次推出了自研推理芯片 Amazon Inferentia，专为大规模、高性能机器学习推理工作负载设计。此后，亚马逊又发布了训练芯片 Trainium， 是针对机器学习训练任务而研发的自研芯片，旨在提供高效能、低成本的训练解决 方案。 2023 年，亚马逊云科技（AWS）在当年的 re:Invent 全球大会上发布了新一代 自研芯片，包括了 Amazon Graviton4（CPU）和 Amazon Trainium2（ML 训练芯片）， 这些芯片进一步提升了性能并优化了能效比。第一代 Inferentia 为 EC2 Inf1 实例提 供支持，与同类 Amazon EC2 实例相比，该实例的吞吐量可提高多达 2.3 倍，每 次推理的成本可降低多达 70%。包括 Airbnb、Snap、Sprinklr、Money Forward 和 Amazon Alexa 在内的多家企业都采用了 Inf1 实例并实现了其性能和成本优势。与 第一代 Inferentia 相比，Inferentia2 的吞吐量提高了 4 倍，延迟低至前者的 1/10。
4）软件应用层：Amazon CodeWhisperer 是亚马逊推出的一款人工智能编程 软件，它利用机器学习技术来帮助软件开发者编写代码、优化现有代码以及查找潜 在的错误和安全漏洞，旨在提高开发人员的工作效率，减少重复工作，并确保代码 质量。从服务性质和交付机制来看，CodeWhisperer 可以被视为一种 AI 驱动的 SaaS 应用（无需本地部署，在云端运行），随着云计算技术的发展，越来越多的传统软件 产品正在向 SaaS 模式转变，AIGC 也有望赋能软件应用层，一定程度上补齐 AWS 在 SaaS 层的短板。
