亞馬遜CEO Andy Jassy在最新財報後電話會議上釋放了一個強烈訊號：即便公司計劃2026年投入2200億美元資本開支，仍無法滿足現有算力需求，而2028年的需求“令人震驚”。這一表態直接回應了市場對AI算力投資可持續性的質疑，並勾勒出一幅由前沿實驗室與企業AI雙輪驅動的需求圖景。

Jassy用“槓鈴”來比喻當前的AI採用曲線：一端是消耗海量算力的AI Labs（如OpenAI、Anthropic等前沿實驗室），另一端是已經能從AI中獲得真實回報的企業，例如客服自動化、業務流程自動化、欺詐檢測等場景。而槓鈴中間——企業現有的生產工作負載——目前大多尚未大規模使用推理（inference），但Jassy判斷，未來規模最大的恰恰是這部分。他強調，企業在現有生產應用中大規模使用推理仍處於非常早期階段，這意味著真正的需求爆發尚未到來。

這一觀點改變了市場對AI資本開支支付方的認知。過去，市場主要看到前沿實驗室在瘋狂採購算力，但Jassy指出這只是第一層。全球AI Labs僅有幾十家，而企業有數百萬甚至數千萬家，每家又有成百上千的生產工作流，分母巨大。因此，他敢於預測AWS長期可能成為萬億美元收入的業務。

谷歌和微軟的最新財報也印證了企業AI的啟動。谷歌表示，接近90%的Fortune 100企業已在使用Gemini Enterprise，且使用量在增加，超過2000家企業過去一年處理了超過1000億tokens。谷歌還列舉了百事可樂、英特爾、滙豐銀行等案例，說明企業AI正從“試用”走向“持續消耗tokens”。微軟則強調，本財季Azure的商業剩餘履約義務（RPO）達到6780億美元，同比增長84%，且所有環比增長均由前沿模型公司以外的客戶承諾推動，顯示AI基礎設施需求正從AI Labs向企業擴散。

對於前沿實驗室而言，自遞迴自我改進（RSI）正在重塑需求曲線。Anthropic今年6月釋出的文章顯示，截至2026年5月，Claude撰寫了超過80%的合併進程式碼庫的程式碼，而2025年初僅為個位數百分比；在最佳化實驗任務中，模型效能從約3倍加速提升到約52倍加速。Anthropic聯合創始人Jack Clark更給出2028年底實現完全自主RSI的機率為60%。OpenAI方面，GPT-5.6系列演示了AI自主選擇訓練配置、執行後訓練任務的能力，且Lilian Weng（翁荔）重返OpenAI負責RSI研究。RSI意味著AI開始參與制造更好的AI，形成正反饋迴圈：更強模型→更強研發Agent→更高研發效率→更多訓練→更強模型，算力需求因此不再有天然上限。

綜合來看，AI算力需求正形成兩個方向不同但疊加的增長引擎：Labs AI負責把需求曲線變陡，Enterprise AI負責把曲線拉長。對於企業AI，還存在“滲透率×單工作負載計算量”的雙重增長，這意味著AI並非尋找下一個超級App，而是進入所有現有應用和工作流。Jassy的“2028年需求驚人”正是基於這一判斷，市場對AI資本開支見頂的擔憂或許需要重新審視。