OC
亚马逊 AI 数据中心配 7.65GW 电厂:声量不大,AWS 却在收走算力账单
科技 · 2026-08-09 · AI 基础设施 · 阅读 16

亚马逊 AI 数据中心配 7.65GW 电厂:声量不大,AWS 却在收走算力账单

作者:陈墨|OC 产业与资本编辑

作者 陈墨 陈墨

TechCrunch 报道,亚马逊计划在得州 Pecos County 建设大型数据中心,并使用 GW Ranch Energy Center 的现场发电能力。这个私人能源园区获批建设最高 7.65GW 的天然气发电设施,许可文件列出的温室气体排放量为每年约 3321 万吨二氧化碳当量。

一句话结论:亚马逊在 AI 时代不是没有生意,而是把生意藏在聊天框后面的云、芯片、存储和电力里;它与 Google 一样,社交媒体声量小于企业账单,但亚马逊更像一家多模型基础设施商,谁的模型赢都可能继续向 AWS 付钱。

先把最容易误读的数字说清楚。3321 万吨是得州环境质量委员会文件中列出的年度许可排放量,不是电厂已经产生的实际排放,也不是亚马逊承诺每年一定排放这么多。如果项目全部建成并接近许可上限运行,它才可能成为美国最大的单一温室气体排放源之一。

这份许可最初由 Pacifico GW LLC 申请。文件写明,电厂为现场数据中心园区供电,不连接、也不能向当地公共电网售电。后续报道将亚马逊与该园区的数据中心建设联系起来,亚马逊也确认项目会依赖新增现场发电。换句话说,亚马逊不是突然从云公司变成公共电力公司,而是在把一座只服务算力的私人电网纳入数据中心供应链。

亚马逊为什么需要这么大的电厂

因为 AWS 的 AI 生意已经不是发布会故事。亚马逊第二季度财报显示,AWS 单季收入达到 422 亿美元,同比增长 37%,营业利润达到 166 亿美元。公司称 AWS 的 AI 业务年化收入已经超过 250 亿美元,自研芯片业务的年化收入也超过 250 亿美元,两者都在以三位数百分比增长。

这些是亚马逊自行划分的业务口径,不是独立财务分部,不能简单相加。但它至少回答了“为什么要建”:亚马逊已经看到模型训练、推理和企业 Agent 形成真实订单,而电力是订单能否交付的硬上限。

模型调用通过AWS芯片云服务和企业数据最终转化为电力负荷

AI 客户买的也不只是 GPU 时间。模型训练后还要使用 CPU 做数据处理、强化学习和 Agent 工具调用;推理需要对象存储、向量数据库、身份权限、日志和网络。AWS CEO Andy Jassy 的说法是,AI 负载会反过来拉动传统云服务。对亚马逊来说,一次企业 AI 部署可能同时扩大 Trainium、Graviton、S3、数据库和 Bedrock 的账单。

自建电力则是在购买时间。公共电网的大型接入、输电建设和电源审批可能需要多年,AI 公司却不愿等待下一轮模型周期。把电厂建在数据中心旁边,可以避开初期并网瓶颈,也能让亚马逊宣称不会把新增发电成本直接转嫁给得州家庭用户。代价是天然气成为最快可交付的选择,碳排放和本地空气污染则留在项目所在地。

这和我们此前讨论的 Google 一样吗

相似之处很明显。此前 OC 在讨论 Google Cloud 时指出,Gemini 在开发者社区的声量不一定等于企业采购规模。Google 最新一季 Cloud 收入同比增长 82%,其增长来自芯片、模型、数据、安全和 Agent 平台的整套组合,而不是只靠 Gemini App。

AWS 也是同一条逻辑:开发者每天讨论 Claude Code、ChatGPT 或某个新模型,企业最后仍要决定数据放在哪里、权限怎么继承、推理在哪里运行、账单和合规由谁负责。云厂商不必成为时间线上最热闹的品牌,也能拿到最厚的长期合同。

但两家公司并不完全一样。Google 同时控制 Gemini、TPU、Search、Workspace、Android 和广告入口,既造模型,也把模型塞进自己的消费产品。亚马逊的消费级 AI 入口更弱,它的优势是 AWS、多模型平台 Bedrock、自研 Trainium,以及与 Anthropic 的资本和算力合作。Bedrock 同时提供 Claude、OpenAI、Google Gemma 等模型,意味着亚马逊可以把“哪个模型最好”的竞争,转换成“这些模型在哪套基础设施上运行”的生意。

所以,Google 更像一家具备云业务的全栈 AI 产品公司;亚马逊更像控制了芯片、机房、企业数据接口和交付体系的算力批发商。前者希望自己的模型和入口一起赢,后者更有动力让不同模型都来消费 AWS。

亚马逊是在闷声发财吗

一半是,一半还不能这样说。AWS 本季确实贡献了 166 亿美元营业利润,是亚马逊最强的利润引擎。公司对 Anthropic 的投资还带来 534 亿美元非经营性账面收益,让净利润显著上升。这些都说明亚马逊没有错过 AI 资本增值和云需求。

但现金账更严峻。过去 12 个月,亚马逊自由现金流由流入 182 亿美元变成流出 76 亿美元,主要原因是物业和设备购买同比增加 661 亿美元。公司又把 2026 年资本支出计划提高到约 2200 亿美元。电厂、数据中心和服务器先花钱,收入要在未来多年逐步收回;需求预测一旦落空,折旧不会跟着消失。

气候账也不能用“私人电厂不推高居民电费”结清。亚马逊自己的 2025 可持续发展报告显示,绝对碳排放同比增加 16%,虽然其单位收入碳强度自 2019 年以来下降了 38%。这说明效率确实提高了,但业务扩张速度超过了单位效率改善。年度可再生能源匹配也不等于 Pecos County 这座数据中心每个小时都由零碳电力运行。

因此,更准确的说法不是“亚马逊悄悄赢了 AI”,而是它已经把 AI 变成了可见的 AWS 收入,并正在用史无前例的资本支出抢占下一轮供给。它赚的是基础设施的钱,承担的是利用率和折旧风险,而项目所在地承担的则是排放、空气质量和土地资源成本。

关键事实

  • GW Ranch 获批建设最高 7.65GW 的现场天然气发电能力,服务本地数据中心园区
  • TCEQ 文件列出的温室气体年度许可排放量约为 3321 万吨二氧化碳当量,并非已经发生的实际排放
  • AWS 第二季度收入 422 亿美元,同比增长 37%;营业利润 166 亿美元
  • 亚马逊称其 AI 和芯片业务年化收入均超过 250 亿美元,但这是公司口径而非独立财务分部
  • 亚马逊过去 12 个月自由现金流为负 76 亿美元,2026 年资本支出计划约 2200 亿美元

OC 判断

亚马逊和 Google 都证明了,AI 时代的舆论声量与收入并不在同一层。Google 把 AI 变成搜索、办公和云服务的增量,亚马逊则把不同模型的竞争变成芯片、存储、数据库和电力需求。AWS 的确正在闷声收钱,但新电厂提醒我们:这笔收入背后不再只是服务器,而是一整套私人能源基础设施。

为什么重要

  • 对开发者:模型选择可能不断变化,但数据、身份、数据库和 Agent 运行时会把团队长期绑定在云平台上。
  • 对企业:多模型平台降低了单一模型依赖,却可能强化对底层云和自研芯片的依赖。
  • 对投资者:AI 收入已经出现,真正风险转向资本利用率、折旧周期和电力交付。
  • 对公众:企业自建电厂可以减少电网账单争议,却不会自动消除空气污染和碳排放成本。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

奉劝大家不要移民了

<p>对于大多数人而言,移民就是悲剧。实在看不下去了,大家不要往火坑里面跳。 国内发展那么快,你出国去慢车道,消费又高,又存不下钱,又要拼命适应当地环境,何苦? 老老实实在大城市找工作,根据收入买房子上车就好。</p> <p>补充:大城市觉得房价太高太辛苦,就好好学好英语,美国远程回老家省会城市,拿同比一线的收入,三线城市的开销,岂不美哉?</p> <p>转文章: <a href="https://mp.weixin.qq.com/s?__biz=MzAxNTMxMTc0MA==&amp;mid=2651016481&amp;idx=1&amp;sn=6bde227438ea02e3da3673295821692e&amp;chksm=80721b32b705922448a9f8645e8d1a8450e57151b71e58beb64e0addf9485ad0b256a431d68b&amp;mpshare=1&amp;scene=1&amp;srcid=0530QgwbtdDlMP4ZG7Nkonpo&amp;pass_ticket=bz%2FdHaz2YWQrgwhgQlVVXt866SMnyXU53Dd0OzDmMc1uZeu0PqND%2FjdQ6fQk8Bdl#rd"> 中产阶级的地雷阵 #D03 </a></p> <p>更多文章:<a href="https://mp.weixin.qq.com/s?__biz=MzAxNTMxMTc0MA==&amp;mid=503532389&amp;idx=1&amp;sn=84ff5eefb88e1b17f9ec0efb0238140d&amp;chksm=00721d76370594601903172e49477ce0ed149a3ba1bdcb88a300b55c8c552a79ea31134216ae&amp;mpshare=1&amp;scene=1&amp;srcid=0719VQx1dNX5rlraUqjWtCFm&amp;pass_ticket=bz%2FdHaz2YWQrgwhgQlVVXt866SMnyXU53Dd0OzDmMc1uZeu0PqND%2FjdQ6fQk8Bdl#rd">列表</a></p>

halida 198 9