所有人都在等英伟达，真正被低估的，可能是亚马逊

过去的一年，生成式人工智能（Generative AI）不仅是科技圈的热点，更几乎定义了全球资本市场的主线叙事。在这场席卷全球的智能化浪潮中，英伟达凭借 GPU 的算力垄断成为了“卖水人”中的王者，微软通过绑定 OpenAI 将 Copilot 植入办公场景的每一个角落，谷歌则依托其深厚的技术积淀试图重塑搜索与生态。这三家公司成为了聚光灯下的绝对主角，股价屡创新高，估值逻辑被彻底重构。

然而，在这喧嚣的 AI 盛宴中，另一家同样深度嵌入 AI 基础设施、数据、应用和商业化闭环的巨头，却在相当长一段时间里显得异常“安静”——那就是 Amazon。尽管亚马逊拥有全球最大的云计算平台 AWS 和最庞大的电商零售网络，但在二级市场的 AI 交易逻辑中，它似乎成了一个被遗忘的角落。其股价表现虽然稳健，却远未享受到如同英伟达或微软那样的估值溢价。

正是在这样的背景下，摩根士丹利（Morgan Stanley）近期给出了一份略显“反共识”的研报。维持亚马逊“增持”评级，目标价看至 300 美元，并明确指出——AWS 与零售业务，正在被市场系统性低估为生成式 AI 的受益者。这一判断如同一颗石子投入平静的湖面，引发了投资界的深思。

问题随之而来：在 AI 叙事已经高度拥挤的今天，亚马逊的“安静”究竟是市场理性的体现，还是错杀的机会？今天的亚马逊，究竟是一次难得的“抄底窗口”，还是一只被 AI 叙事重新包装、缺乏爆发力的成熟巨头？要回答这个问题，我们需要穿透市场的噪音，重新审视亚马逊在 AI 时代的真实生态位。

如果仅从二级市场的情绪和叙事逻辑来看，亚马逊确实并不像一个典型的 AI 核心资产。在投资者的刻板印象中，AI 投资往往追求“纯粹性”和“爆发力”。英伟达有着清晰无比的“算力垄断”逻辑，每一波大模型的迭代都直接转化为对 H100、B200 等芯片的渴求；微软则有着"OpenAI + Copilot"的性感产品叙事，让市场看到了软件订阅收入指数级增长的可能性。

相比之下，亚马逊的 AI 故事显得分散、缓慢，甚至有些笨重。它没有发布一个像 Sora 或 GPT-4 那样引发全民热议的 C 端模型，其 AI 战略更多是隐藏在 B 端服务和后台效率优化之中。这种“看起来不性感”的特质，构成了亚马逊被低估的起点。

市场长期以来对亚马逊的定价，仍停留在两条旧叙事上。第一条是“零售帝国”：尽管营收庞大，但电商业务利润率偏低，且需要承担沉重的物流资本开支，被视为一种“苦力活”。第二条是“云计算隐忧”：尽管 AWS 是行业老大，但过去几个季度增长趋缓，且面临微软 Azure 和谷歌 GCP 的激烈夹击，市场担心其在 AI 时代的云市场份额会被侵蚀。在这种旧框架下，AI 更多被视为亚马逊的“锦上添花”，用于优化物流或辅助代码编写，而非结构性重估的核心变量。

然而，这种认知忽略了一个关键事实：生成式 AI 并不是一个只靠模型能力取胜的行业，而是一个高度依赖算力、数据、分发场景与商业闭环的系统工程。大模型的训练需要海量算力，推理需要稳定低延迟的基础设施，应用落地需要丰富的数据场景，而商业化则需要成熟的支付与用户体系。

在这四个维度上，亚马逊恰恰同时具备规模优势，且这种优势是隐性的。与那些依靠单一爆款模型或单一硬件产品驱动的公司不同，亚马逊的 AI 能力是“水电煤”式的存在。它不直接售卖“智能”，它售卖的是产生智能的“土壤”。市场之所以低估它，是因为习惯了寻找“淘金者”，而忽视了那个在河边同时提供铲子、地图、帐篷和运输船的“基础设施服务商”。这种认知的滞后，正是预期差产生的根源。

真正让摩根士丹利重新看多亚马逊的，并不是它有没有“最强模型”，而是它在 AI 商业化链条中的位置。当 AI 从“技术演示”走向“产业落地”，亚马逊的 AWS 与零售业务，构成了 AI 时代最坚实的“变现机器”。

首先是 Amazon Web Services（AWS）。在生成式 AI 时代，云计算的角色已经发生了根本性转变，从传统的"IT 外包”转向了“算力工厂 + 模型托管平台”。大模型的训练、推理、微调、部署，每一步都在消耗真实的计算资源。对于绝大多数企业而言，自建算力集群成本过高且技术门槛极大，上云是唯一选择。这正是 AWS 最擅长变现的地方。

与微软 Azure 更偏向“软件绑定式 AI"（强力推广自家模型和 Office 集成），或谷歌偏“技术先行”（强调模型能力）不同，AWS 的最大优势在于“中立性”与“规模经济”。在 AI 时代，企业客户对于数据隐私和供应商锁定的担忧日益加剧。AWS 通过 Bedrock 平台，允许客户自由选择 Anthropic、Meta、AI21 等第三方模型，同时也支持企业自建模型。无论是初创公司还是传统巨头，最终都需要稳定、低延迟、可扩展的算力与云服务。这使得 AWS 成为 AI 浪潮中“最不依赖单一模型成败”的受益者。无论哪家大模型胜出，只要 AI 的流量在增长，AWS 的账单就在增长。此外，亚马逊自研的 Trainium 和 Inferentia 芯片，正在为客户提供更具性价比的算力选择，进一步巩固了其成本护城河。

更容易被忽视的，是亚马逊零售业务与 AI 之间的关系。市场往往将 AI 在零售中的应用狭隘地理解为“客服聊天机器人”，但这只是冰山一角。生成式 AI 在供应链预测、库存优化、广告投放、个性化推荐上的 ROI（投资回报率），远高于“演示型 AI"。

亚马逊拥有全球最复杂、数据密度最高的零售系统之一。从用户点击、浏览、加购到支付、物流、售后，每一个环节都产生海量数据。AI 的每一次效率提升，在这里几乎都可以直接转化为利润率改善。例如，利用 AI 更精准地预测区域销量，可以减少库存积压和调拨成本；利用生成式 AI 优化商品详情页和广告素材，可以提升转化率；利用 AI 优化物流路径，可以降低最后一公里配送成本。

当市场还在争论"AI 什么时候赚钱”或者“谁是下一个杀手级应用”时，亚马逊已经在内部悄然跑通了这条账。零售业务的运营杠杆（Operating Leverage）极高，一旦 AI 驱动的效率提升覆盖了固定成本，释放出的自由现金流将十分惊人。这种“润物细无声”的利润释放，虽然不如发布一个新模型那样激动人心，但在财务模型上却更具确定性和持续性。

既然亚马逊拥有如此深厚的 AI 底蕴，那么现在是否是入场的时机？真正的问题不在于亚马逊“有没有 AI"，而在于当 AI 从叙事期进入兑现期，市场是否会重新定价这种确定性的现金流模式。

从估值角度看，亚马逊当前并未享受与其 AI 基础设施地位相匹配的溢价。相较于高度依赖单一产品周期或资本支出的 AI 硬件公司，亚马逊的风险更低，但想象力也被压缩得更狠。市场给予英伟达的是“成长股”的估值，给予微软的是“垄断软件”的估值，而给予亚马逊的，依然夹杂着“传统零售”的折价。

这正是分歧所在：

看空者认为，亚马逊体量过大，AI 带来的收入增量在万亿营收面前只能带来“边际改善”，难以驱动股价大幅上涨。他们担心云业务的增长瓶颈，以及零售业务在宏观经济波动下的脆弱性。

而看多者——包括摩根士丹利——押注的是，一旦 AWS 与零售同时进入 AI 驱动的利润释放阶段，市场将被迫用新的模型给亚马逊定价。这不仅仅是收入的增加，更是利润率的结构性扩张。AWS 的高毛利 AI 服务占比提升，叠加零售端 AI 带来的成本下降，将形成“戴维斯双击”。

因此，“能不能抄底”的核心，并不取决于短期股价波动，也不取决于下一季度财报是否 beat 预期，而取决于一个根本性的投资哲学判断：

你相信 AI 的最大赢家，是“卖梦想的人”，还是“收账单的人”？

“卖梦想的人”依靠技术突破和愿景驱动，股价波动大，上限高但风险也大；“收账单的人”依靠基础设施和生态垄断，无论上层应用谁胜谁负，它都从中抽成。在 AI 发展的早期，市场追捧梦想；但在 AI 进入规模化落地的中期，现金流和确定性将成为稀缺资产。

如果是后者，那么今天的亚马逊，或许正站在一个被忽视的起点上。它不需要在每一个模型评测中拿第一，它只需要确保每一个运行在云上的 AI 应用都向它付费，确保每一笔通过其推荐系统达成的交易都贡献利润。这种商业模式在 AI 时代不仅没有过时，反而因为 AI 对算力和数据需求的爆发而变得更加稳固。

回顾科技股的历史，每一轮技术革命都会经历“技术爆发 - 泡沫形成 - 去伪存真 - 价值回归”的过程。当前，我们正处于从泡沫形成向去伪存真过渡的阶段。市场开始意识到，并非所有贴上 AI 标签的公司都能活下来，但那些掌握算力、数据和场景的公司，其价值将随着 AI 渗透率的提升而水涨船高。

亚马逊的特殊性在于，它既是旧时代的王者（电商与物流），又是新时代的基石（云与 AI）。这种双重身份让它在资本市场上显得面目模糊，但也正是这种模糊，提供了安全边际。摩根士丹利的 300 美元目标价，不仅仅是一个数字，更是对亚马逊从“增长焦虑”转向“利润释放”逻辑的确认。

对于投资者而言，关注亚马逊不再是因为 FOMO（错失恐惧症）情绪，而是基于对 AI 产业链价值分配的理性计算。当潮水退去，那些真正在收账单的巨头，终将证明其价值。亚马逊或许不会像英伟达那样在短期内翻倍，但它提供的，是在 AI 长跑中更为确定的复利回报。在 AI 共识股涨到极致的当下，回头看一眼这只沉默的巨象，或许正是资本回归理性的开始。