雅虎财经的一篇分析文章提出了一个引人注目的论点：在亚马逊高达2000亿美元的创纪录资本开支计划背后，一个可能被投资者系统性低估的AI赢家正在成形——那就是亚马逊自己的芯片业务。

该评论指出，市场倾向于将这笔巨额支出视为沉重的成本负担，担心其拖累利润。但作者认为，这种看法忽略了资金流向的核心部分。亚马逊并非仅仅在购买土地和服务器，它正在大举投资于自研的Trainium（训练）和Inferentia（推理）芯片，以构建一个从底层硅片到顶层应用的垂直整合AI基础设施。

文章强调，亚马逊云服务（AWS）的客户，如Anthropic，已经在大规模使用这些定制芯片来训练和部署其先进的AI模型。这标志着一个重要的转变：超大规模云厂商不再仅仅是英伟达GPU的最大买家，它们正日益成为英伟达在芯片领域的潜在竞争对手。作者估算，如果这项内部芯片业务被剥离并独立估值，考虑到其增长轨迹和对昂贵外部GPU的替代效应，其隐含价值可能相当可观，而当前亚马逊的整体市值并未对此给予充分体现。

从产业背景看，亚马逊自研芯片的努力已持续数年。2018年推出首款服务器芯片Graviton后，其在AI专用芯片上的步伐明显加快。2023年底发布的Trainium2芯片，据称在训练性能上相比前代有数倍提升，且成本效益显著。这背后是云厂商降低对单一供应商依赖、优化自身成本结构的强烈动机。在AI算力需求爆炸的当下，英伟达的GPU供不应求且价格高昂，自研芯片一旦成熟，不仅能保障自身云服务的算力供给，还能作为差异化服务吸引客户，形成新的利润池。

从「五层蛋糕」的视角审视，这一动态牵动着芯片层和基础设施层的格局。在芯片层，亚马逊的Trainium和Inferentia直接与英伟达的H100/B200系列，以及AMD的MI300X等产品竞争。虽然目前在软件生态和绝对性能上仍有差距，但其深度绑定AWS生态、提供更优性价比的策略，正在AI推理和特定训练负载中撕开缺口。在基础设施层，这强化了AWS作为云平台的竞争力，使其能提供从算力、模型服务到应用的全栈解决方案，对微软Azure和谷歌云构成压力。

文章的观点是，投资者可能过度聚焦于资本开支的规模，而未能区分“维持性”支出与“增长性”投资。亚马逊在芯片上的投入，属于构建长期竞争壁垒的增长性投资。一旦其芯片生态成熟，不仅能节省数百亿美元的外部采购成本，还可能通过对外销售或云服务溢价创造新的收入来源。当然，这仍是一个高风险高回报的赌注，芯片研发周期长、技术迭代快，且面临英伟达强大生态的碾压式竞争。但该评论坚持认为，这个2000亿美元故事里最精彩的篇章，恰恰是市场当前定价最不充分的部分。