當AI開始重塑基礎設施：美國雲市場重新排位

美國雲端運算市場正在經歷一場由人工智慧驅動的結構性重組。過去近二十年，AWS、Microsoft Azure 與 Google Cloud 構成了幾乎固定的三大巨頭格局，市場規則圍繞「誰擁有更多資料中心、更多伺服器、更多企業客戶」來運作。然而，AI 的出現打破了這套既定規則，模型公司不再只是雲端服務的被動採購者，反而開始反向影響基礎設施的規劃與產品定義，整個市場迎來重新排位的關鍵時刻。 近期消息指出，Meta 正計畫建立一項雲端基礎設施業務，將公司內部的 AI 算力與模型存取能力出售給外部客戶。這意味著，像 Meta 這樣擁有大量資料中心、GPU、晶片與模型資源的 AI 巨頭，已開始將算力視為可獨立變現的資產。與此同時，OpenAI 透過「星際之門」計畫將雲端廠商 Oracle 深度綁定，用訓練萬億參數模型的需求驅使 Oracle 大舉擴建；xAI 則同時採購 Oracle 與 Nebius Group 的算力，保留議價空間；Anthropic 一方面與 AWS 簽訂未來十年超過 1000 億美元的計算資源合約，鎖定最高 5GW 的 Trainium 系列晶片，另一方面也推動 AWS 調整 AI 產品體系，甚至主導新功能的上線節奏。 模型公司既是雲端廠商的客戶，也是戰略夥伴，這一角色轉變成為雲端市場最重要的變數。傳統的權力格局被一再打破，算力愈稀缺，模型公司就愈不滿足於被動採購，而是主動介入基礎設施的規劃與建設。過去是雲端廠商服務 AI 公司，現在 AI 公司開始反向塑造雲端廠商。美國雲端市場正演變成三股力量共同博弈的新生態：傳統超級雲端廠商、AI 原生雲（NeoCloud），以及站在最上游的模型公司。 從財務數據可以清楚看到 AI 對傳統雲巨頭的拉動效應。AWS 最新季度收入達 376 億美元，年增 28%，創近四年最快增速，亞馬遜單季資本支出達到 432 億美元歷史新高，CEO Andy Jassy 表示 AI 需求已超過公司能提供的算力，未來數年將持續擴大投資。Microsoft Azure 及其他雲端服務收入年增 40%，帶動 Intelligent Cloud 業務增長 28%，資本支出增長 43% 主要用於 AI 基礎設施。Google Cloud 最新季度收入達 200 億美元，年增 63%，創 Alphabet 單獨披露雲業務以來最快增速，企業 AI 解決方案收入更年增 8 倍，雲端訂單積壓近 4600 億美元，幾乎翻倍。Alphabet 再次上調 2026 年資本支出至 1800 億至 1900 億美元，並首次對外銷售 TPU，將原本服務內部訓練的基礎設施轉為雲端產品。 在傳統四大雲端廠商中，Oracle 的成長最為驚人。截至 2026 年 5 月底的最新財年，Oracle 雲端基礎設施（OCI）收入達 181 億美元，年增 77%，第四季更成長 93%，遠超過 SaaS 業務 10% 的增幅。過去兩個季度 RPO 的大部分成長來自大型 AI 合約，客戶預付或自帶 GPU 交由 Oracle 託管的金額已達 750 億美元。圍繞 OpenAI 等超級 AI 客戶建設 AI 工廠成為 Oracle 的首要任務。 更值得關注的是，美國雲端市場成長最快的一批公司並不屬於傳統四大。AI 原生雲端廠商 CoreWeave 上市後市值迅速衝高至數百億美元，客戶名單包括 OpenAI、Meta、Anthropic 等頭部模型公司。它不是傳統意義的雲端廠商，更像專為大模型訓練與推理設計的 GPU 雲作業系統。Nebius 則憑藉與 Meta 簽署最高 270 億美元的 AI 基礎設施協議打響聲勢，市場預期其到 2026 年底年化收入可達 70 億至 90 億美元。這批 AI 原生雲正快速吃掉增量市場，而背後決定誰能交貨、誰能擴張的關鍵，其實是 GPU 供應。SemiAnalysis 指出，AI 時代最大的瓶頸不是需求，而是 GPU 與電力，NVIDIA 因此成為重構美國雲市場的第四個隱藏玩家。 與此同時，雲端服務的產品本身也在發生根本轉變。過去 AWS、Azure、Google Cloud 出售的是標準化的 CPU、儲存、帶寬、資料庫等計算資源，客戶租用後自行部署應用。現在，愈來愈多 AI 公司採購雲端服務時，最關心的問題是：有沒有 GPU？推理速度夠不夠快？一百萬 Token 多少錢？Agent 一次執行任務需要多久？GPU 集群、模型託管、推理服務、Token 計費、Agent Runtime、模型微調平台等過去不存在的產品，正成為各家雲端廠商的新收入來源。客戶購買的不再是資源，而是能力。 傳統雲端廠商正圍繞 AI 徹底重構基礎設施。Oracle 將大部分資源押注在大模型訓練場景，針對 GPU 集群深度優化 RDMA 高速網路，甚至按客戶要求從供電、散熱到網路拓撲全盤定製整座資料中心。AWS 推出 EC2 UltraCluster，搭配自研 Trainium 晶片與 EFA 網路，支援數萬 GPU 並行訓練，並進一步擴大與 Anthropic 的 5GW 算力鎖定協議。Google Cloud 依託 TPU v5p 與 AI 超級電腦架構，提供高頻寬低延遲的晶片間互聯。Azure 部署 Maia 100 加速器，與 NVIDIA 合作建構百萬 GPU 級的 AI 超級計算集群。而 CoreWeave 則將資料中心交付週期從傳統的 18 個月壓縮至六個月左右，透過長期固定價格合約鎖定 GPU 價格波動風險，從而搶走急於發布下一代模型的 AI 公司訂單。 雲端廠商的下一站，被認為是 Agent。過去兩年，AI 雲端機會主要來自大模型訓練，但隨著 Scaling Law 邊際收益放緩，模型廠商紛紛轉向讓 AI 真正進入工作流。一個典型 Agent 工作流消耗的 Token 數量，通常是傳統聊天機器人的 5 至 30 倍。對於雲端廠商來說，Agent 就像一家 24 小時營業的算力工廠，持續產生 Token 消耗。行業開始出現 Cost per Task 與 Cost of Pass 等新指標，客戶不再依照 GPU 利用率付費，而是問「完成一份財報分析多少錢？」智慧交付結果本身成為商品。 Nebius 等 AI 原生雲已開始探索從按 GPU、按 Token 收費，逐步向按任務、按結果收費演進。同時，推理成本成為限制 Agent 普及的最大障礙。Gartner 預測，到 2027 年約 40% 的 Agent 專案將因基礎設施成本超支而失敗。AWS 不斷優化 Trainium 與 Inferentia 以降低推理價格，Azure 與 Google 各依靠 OpenAI 生態與 TPU 建立成本優勢，CoreWeave 與 Nebius 則圍繞 GPU 利用率與推理編排降低單位任務成本。誰能把 Agent 的推理成本壓得更低，誰就能吃下一個比傳統 ERP 大十倍的市場。 雲端運算並未因 AI 而走到終點，反而回到變革的漩渦中心。決定美國雲端廠商重新排位的，不再是誰擁有更多伺服器，甚至不只是 GPU 數量，而是誰能夠持續、穩定、低成本地供應智能。這正是 AWS、Azure、CoreWeave、Nebius 等業者在下一階段爭奪的制高點。