$220 млрд на AI у 2026 році: інтерв'ю Енді Джессі про нову стратегію Amazon
П’ять років на посаді генерального директора Amazon для Енді Джессі відчуваються як ціле десятиліття. Прийшовши на зміну Джеффу Безосу наприкінці пандемії, він одразу зіштовхнувся з неефективністю логістичної мережі, яку компанія розширила удвічі всього за 18 місяців.
Проте подолання цієї кризи відкрило шлях до глибокої трансформації, а подальший вибух генеративного штучного інтелекту поставив перед технологічним гігантом виклики безпрецедентного масштабу, про що очільник компанії розповів у подкасті на YouTube-каналі a16z.
Попри масштабні виклики, ключові показники розвитку технологічного гіганта вражають:
- Загальний CapEx у 2026 році: $220 млрд
- Річний темп виручки (Run Rate) AI: понад $25 млрд за перші 3 роки
- Темп зростання AWS (останній квартал): 36,7% YoY (з річним run rate у $169 млрд)
- Горизонт законтрактованих потужностей: 2026, 2027 та частина 2028 року повністю розпродані
$220 млрд CapEx: чому Amazon не встигає за попитом ринку
Фінансові ринки стурбовані масштабними капітальними видатками технологічних гігантів, стверджуючи, що у світі не вистачить грошей для фінансування подібних інфраструктурних проєктів. У 2026 році Amazon планує спрямувати на CapEx орієнтовно $220 мільярдів. Для порівняння, 15 років тому інвестиції телекомунікаційних компаній у розмірі $50 мільярдів здавалися керівництву Amazon астрономічними.
Попри ці видаткові рекорди, компанія все одно залишає помітний обсяг клієнтського попиту незадоволеним. Потужності дата-центрів на 2026 рік повністю розпродані, 2027 рік майже повністю заброньований, а також реалізована значна частина обсягів 2028 року. Джессі переконаний, що у довгостроковій перспективі AWS має потенціал вирости до бізнесу з річним виторгом у $1 трильйон.
Капітальні видатки AWS діляться на дві категорії з різною динамікою окупності:
- Будівництво дата-центрів: вимагає інвестицій за два роки до встановлення серверів. Це довгострокові активи зі строком корисної служби близько 30 років.
- Сервери та мережеве обладнання: закуповуються за кілька місяців до запуску. Вони виходять на беззбитковість приблизно за 3 роки при строці служби 5–6 років, що збігається з типовими 5-річними контрактами клієнтів.
Стрімке будівництво створює тимчасовий тиск на вільний грошовий потік (Free Cash Flow) у перші роки, однак повернення інвестицій гарантоване високим рівнем монетизації після введення об’єктів у експлуатацію.
Підписуйтеся на наші соцмережі
Структура попиту на AI та причини дефіциту потужностей
Стрімкість поширення генеративного AI вражає: якщо хмарному бізнесу AWS знадобилося три роки, щоб досягти річного темпу виручки у $60 мільйонів, то AI-напрямок AWS перевищив показник у $25 мільярдів за аналогічний період, показавши темп у сотні разів швидший.
За оцінкою Джессі, поточний попит на штучний інтелект нагадує штангу:
- Один кінець штанги: провідні AI-лабораторії та окремі надпопулярні додатки (ChatGPT, Claude Code), які споживають гігантські обсяги обчислень і готові платити будь-яку ціну за електроенергію, охолодження та чипи.
- Центр штанги: поточні корпоративні робочі навантаження, які перебувають у процесі поступової інтеграції інференсу.
- Другий кінець штанги: корпоративний сектор, який застосовує AI переважно для оптимізації витрат і підвищення продуктивності (автоматизація підтримки, боротьба з шахрайством, бізнес-процеси).
Amazon відмовляється від витіснення традиційних хмарних клієнтів на користь AI-лабораторій, які готові платити більше. Компанія зберігає партнерські пріоритети та допомагає постійній аудиторії оптимізувати витрати, паралельно нарощуючи нові потужності. При цьому дефіцит чипів, пам’яті High Bandwidth Memory (HBM) та електроенергії не обмежиться 2027 роком, а триватиме кілька років поспіль.
Будівництво дата-центрів: економіка та вплив на регіони
На тлі масштабного інфраструктурного будівництва дата-центри опинилися в центрі политичних дискусій, особливо в США. Джессі зазначає, що за масштабами цей процес можна порівняти з розбудовою системи міжштатних автомагістралей та мостів у 1950-х роках. Відмова від розширення інфраструктури загрожує втратою технологічного лідерства на користь росії чи Китаю.
Голова Amazon розвіяв популярні міфи щодо впливу дата-центрів на довкілля:
- Споживання води: гольф-індустрія споживає у 200 разів більше води, ніж усі дата-центри Amazon разом узяті. За два дні гольф-поля витрачають річний обсяг води дата-центрів компанії.
- Шкідливі викиди: резервні дизель-генератори реєструються з розрахунку теоретичної цілодобової роботи, але фактично функціонують лише 0,1% часу (близько 10 годин на рік для технічного обслуговування).
- Навантаження на енергомережі: зростання тарифів пов’язане з довгостроковим недоінвестуванням національних мереж, тоді як AI виступив лише каталізатором. У штатах Індіана, Джорджія та Міссісіпі після введення потужностей ціни на електроенергію стабілізувалися або знизилися.
Дата-центри приносять пряму користь місцевим громадам. Наприклад, у окрузі Сент-Джозеф (штат Індіана) Amazon сплатила близько $3 мільярдів податків. Додатково компанія виділила $1 мільярд на програму підтримки місцевих громад Built Together на наступні 5 років.
Розробка чипів Trainium та інвестиції в AI-партнерів
Купівля компанії Annapurna Labs у 2015 році стала однією з найуспішніших угод у історії Amazon. Початковою метою була розробка плати AWS Nitro для зняття навантаження з основних процесорів серверів EC2. Наступним кроком стало створення власного CPU-чипа Graviton, який на 40% перевершує аналоги x86 за співвідношенням ціни та продуктивності й використовується 99% з тисячі найбільших клієнтів EC2.
Для розв’язання проблеми високої вартості AI-інференсу Amazon розробила власні прискорювачі Trainium. Вони забезпечують на 30–40% кращу економіку порівняно з альтернативами на ринку. Зниження вартості інференсу є критичною умовою для того, щоб підприємства переписали свої традиційні програми під штучний інтелект.
Стратегічні інвестиції в AI-розробників також зміцнюють чипову та хмарну екосистему компанії:
- AWS Nitro: апаратне розвантаження віртуалізації, мережі та безпеки.
- Graviton (CPU): +40% до співвідношення ціна/продуктивність проти платформ x86.
- Trainium (AI): 30–40% економії на інференсі та навчанні великих AI-моделей.
- Anthropic: глибока інтеграція моделей у сервіс AWS Bedrock та використання чипів Trainium.
- OpenAI: запускання моделей у середовищі Bedrock через Stateful Runtime Environment та багаторічні зобов’язання щодо використання потужностей Trainium обсягом у кілька гігават.
Організаційні зміни та вплив AI на структуру команд
Штучний інтелект кардинально змінює підходи до розробки продуктів. Показовим став приклад команди AWS Bedrock, яка за допомогою AI-інструментів перебудувала рушій інференсу силами всього 6 інженерів за 76 днів — завдання, яке раніше вимагало роботи 40 фахівців протягом року. Інший внутрішній проєкт показав можливість створення 80% робочого прототипу за три дні силами 4–5 людей.
Джессі виділяє кілька напрямків трансформації організацій:
- Зменшення чисельності персоналу: компаніям знадобиться менше людей для виконання традиційних завдань у програмуванні, підтримці клієнтів, аналітиці та юридичній сфері.
- Компактні крос-функціональні команди: відхід від вузької спеціалізації, коли один співробітник відповідає лише за один елемент продукту.
- Переписання коду під агентів: підприємства змушені будуть переписати кодові бази для автономного внесення змін AI-агентами.
- Кібербезпека в реальному часі: AI виявляє вразливості набагато швидше за людей. Реагування на загрози та випуск патчів має відбуватися за хвилини, а не місяці. Сервіс Amazon Continuum допомагає автоматизувати цей процес.
Зміни торкаються й споживчих продуктів. Компанія повністю перезапустила архітектуру Alexa на базі генеративних моделей. Джессі переконаний, що кожні 3–5 років усі ключові сервіси (включно з Retail, Prime Video, Fire TV) мають переглядатися та кардинально реінвентуватись, аби не програти конкуренцію AI-нативним стартапам.
Для молодих фахівців критичною навичкою залишається критичне мислення. Штучний інтелект бере на себе рутину, підготує аналітику та збере первинні дані, проте здатність поєднувати факти, формувати стратегію та створювати унікальний клієнтський досвід залишається виключно людською прерогативою.
Масштаб Amazon охоплює супутникову мережу Amazon Kuiper (для 500 млн домогосподарств без інтернету), робототехніку, автономні таксі Zoox та охорону здоров’я. Вирішальним фактором децентралізованого управління є концепція Single-Threaded Leadership, коли окрема команда з власним керівником повністю фокусується на одному напрямку, не розпилюючи ресурси компанії.