亚马逊CEO Andy Jassy在最新财报后电话会议上释放了一个强烈信号：即便公司计划2026年投入2200亿美元资本开支，仍无法满足现有算力需求，而2028年的需求“令人震惊”。这一表态直接回应了市场对AI算力投资可持续性的质疑，并勾勒出一幅由前沿实验室与企业AI双轮驱动的需求图景。

Jassy用“杠铃”来比喻当前的AI采用曲线：一端是消耗海量算力的AI Labs（如OpenAI、Anthropic等前沿实验室），另一端是已经能从AI中获得真实回报的企业，例如客服自动化、业务流程自动化、欺诈检测等场景。而杠铃中间——企业现有的生产工作负载——目前大多尚未大规模使用推理（inference），但Jassy判断，未来规模最大的恰恰是这部分。他强调，企业在现有生产应用中大规模使用推理仍处于非常早期阶段，这意味着真正的需求爆发尚未到来。

这一观点改变了市场对AI资本开支支付方的认知。过去，市场主要看到前沿实验室在疯狂采购算力，但Jassy指出这只是第一层。全球AI Labs仅有几十家，而企业有数百万甚至数千万家，每家又有成百上千的生产工作流，分母巨大。因此，他敢于预测AWS长期可能成为万亿美元收入的业务。

谷歌和微软的最新财报也印证了企业AI的启动。谷歌表示，接近90%的Fortune 100企业已在使用Gemini Enterprise，且使用量在增加，超过2000家企业过去一年处理了超过1000亿tokens。谷歌还列举了百事可乐、英特尔、汇丰银行等案例，说明企业AI正从“试用”走向“持续消耗tokens”。微软则强调，本财季Azure的商业剩余履约义务（RPO）达到6780亿美元，同比增长84%，且所有环比增长均由前沿模型公司以外的客户承诺推动，显示AI基础设施需求正从AI Labs向企业扩散。

对于前沿实验室而言，自递归自我改进（RSI）正在重塑需求曲线。Anthropic今年6月发布的文章显示，截至2026年5月，Claude撰写了超过80%的合并进代码库的代码，而2025年初仅为个位数百分比；在优化实验任务中，模型性能从约3倍加速提升到约52倍加速。Anthropic联合创始人Jack Clark更给出2028年底实现完全自主RSI的概率为60%。OpenAI方面，GPT-5.6系列演示了AI自主选择训练配置、运行后训练任务的能力，且Lilian Weng（翁荔）重返OpenAI负责RSI研究。RSI意味着AI开始参与制造更好的AI，形成正反馈循环：更强模型→更强研发Agent→更高研发效率→更多训练→更强模型，算力需求因此不再有天然上限。

综合来看，AI算力需求正形成两个方向不同但叠加的增长引擎：Labs AI负责把需求曲线变陡，Enterprise AI负责把曲线拉长。对于企业AI，还存在“渗透率×单工作负载计算量”的双重增长，这意味着AI并非寻找下一个超级App，而是进入所有现有应用和工作流。Jassy的“2028年需求惊人”正是基于这一判断，市场对AI资本开支见顶的担忧或许需要重新审视。