重點摘要
- Amazon Q1 2026 營收為 1,815 億、年增 17%，營業利益為 239 億、營業利益率達 13.1% 創歷史新高，本季成長來自 AWS、廣告與零售效率同步改善。
- AWS Q1 營收為 376 億、年增 28%，較前季加速 480 個基點，並達到 1,500 億年化營收規模，成長動能同時來自核心雲端服務與 AI 服務，且企業在導入 AI 後會進一步拉動資料庫、運算、儲存與分析等 core service 需求。
- AWS 的 AI 營收年增維持三位數成長，Bedrock 客戶支出季增 170%，Q1 處理的 token 數量已超過過去所有年度總和，且 Bedrock 已被超過 12.5 萬名客戶採用、近 80% 的 Fortune 100 公司正在使用。
- 晶片業務 Q1 季增近 40%，目前年化營收 run rate 已超過 200 億，若以對內部與外部銷售等同口徑衡量則可達 500 億，Trainium 已累積逾 2,250 億收入承諾，Trainium2 幾乎售罄、Trainium3 近乎滿載、距離廣泛供貨尚有約 18 個月的 Trainium4 亦已有大部分產能被預訂。
- Graviton 已被前 1,000 大 EC2 客戶中的 98% 採用，且對 Meta 提供可達較 x86 處理器高 40% 的價格效能，透過 Trainium 與 Graviton 的雙晶片架構同時切入訓練、推論與 CPU 密集型 AI 工作負載，建立比單一 GPU 供應模式更完整的 AI 基礎設施優勢。
- CapEx 方面，Q1 現金資本支出達 432 億，主要投入 AWS 與生成式 AI，2026 年仍將維持大規模投資，同時公司認為 Trainium 每年可節省數百億 CapEx，並帶來數百個基點的營業利益率優勢，中長期 ROIC 與自由現金流前景依然具吸引力。
- 廣告收入為 172 億、年增 22%，零售 units 成長 15% 為疫情後高點，且平均售價較去年同期下降、同日與超快速配送持續擴張，透過 Rufus、Creative Agent 與品牌 prompts 等 AI 工具擴大廣告與電商變現機會，逐步把 AI 從雲端延伸到消費與商家生態系。
- Q2 指引方面，預估營收為 1,940 億至 1,990 億，營業利益為 200 億至 240 億，目前銷售趨勢延續強勁，但也提醒第二季將受到季節性股權薪酬費用增加、Amazon Leo 約 10 億的年增成本，以及燃料通膨與運輸成本上升影響。
FY 1Q26 財務概況
簡明損益表
| 單位：百萬 | FY 1Q26 | FY 4Q25 | FY 1Q25 | QoQ | YoY |
|---|---|---|---|---|---|
| Products | 71,304 | 89,992 | 63,970 | -20.8% | 11.5% |
| Services | 110,215 | 123,394 | 91,697 | -10.7% | 20.2% |
| 營業收入 | 181,519 | 213,386 | 155,667 | -14.9% | 16.6% |
| 銷售成本 | 87,463 | 109,959 | 76,976 | -20.5% | 13.6% |
| 履約成本 | 27,289 | 30,826 | 24,593 | -11.5% | 11.0% |
| 技術與基礎設施 | 29,567 | 29,399 | 22,994 | 0.6% | 28.6% |
| 銷售與行銷 | 10,314 | 14,264 | 9,763 | -27.7% | 5.6% |
| 一般與行政 | 2,587 | 2,704 | 2,628 | -4.3% | -1.6% |
| 其他營業支出(收入)淨額 | 447 | 1,257 | 308 | -64.4% | 45.1% |
| 營業費用小計 | 157,667 | 188,409 | 137,262 | -16.3% | 14.9% |
| 營業利益 | 23,852 | 24,977 | 18,405 | -4.5% | 29.6% |
| 其他收益 | 15,982 | 1,628 | 3,274 | 881.7% | 388.1% |
| 稅前淨利 | 39,834 | 26,605 | 21,679 | 49.7% | 83.7% |
| 稅後淨利 | 30,255 | 21,192 | 17,127 | 42.8% | 76.7% |
| EPS(元) | $2.78 | $1.95 | $1.59 | 42.6% | 74.8% |
營運部門財務績效
| 單位：百萬 | FY 1Q26 | FY 1Q25 | YoY |
|---|---|---|---|
| North America | |||
| 營業收入 | 104,143 | 92,887 | 12.1% |
| 成本費用 | 95,876 | 87,046 | 10.1% |
| 營業利益 | 8,267 | 5,841 | 41.5% |
| International | |||
| 營業收入 | 39,789 | 33,513 | 18.7% |
| 成本費用 | 38,365 | 32,496 | 18.1% |
| 營業利益 | 1,424 | 1,017 | 40.0% |
| AWS | |||
| 營業收入 | 37,587 | 29,267 | 28.4% |
| 成本費用 | 23,426 | 17,720 | 32.2% |
| 營業利益 | 14,161 | 11,547 | 22.6% |
FY 2Q26 財測指引
| 單位：十億 | FY 2Q26 / 2026 (G) | FY 1Q26 |
|---|---|---|
| 營業收入 | 194.0–199.0 | 181.5 |
| 營業利益 | 20.0–24.0 | 23.9 |
核心觀點
高額 CapEx 逐步被 AWS 需求強度與自研晶片經濟性消化
延續上季市場對 Amazon 2026 年約 2,000 億美元資本支出規模的疑慮，本季法說會開始出現更多可驗證的需求與回報訊號，AWS Q1 2026 營收年增進一步加速至 28% (上季 24%)，達 376 億美元，為近 15 季最快增速，公司亦指出 AI 不僅本身維持三位數成長，更正在帶動資料庫、運算、儲存與分析等 core service 同步放量，AI 支出成功擴大整體 AWS consumption 與平台黏著度。同時，AWS backlog 已達 3,640 億美元，且尚未納入最新 Anthropic 超過 1,000 億美元的合作案，若合併觀察，整體需求能見度已接近 4,640 億美元，強化了市場對 AWS 未來幾年成長的信心。
另一方面，鉅額 backlog 可能反映的是當前大型 AI 客戶更傾向向 hyperscaler 租用算力與基礎設施，而非自行大規模建設資料中心。從這個角度看，OpenAI、Anthropic 等公司暫時放棄或延後自建 DC，反而成為 AWS 與 GOOGL 等公司的直接利多，並可能正是本季 backlog 維持高強度擴張的重要原因之一；相對而言，原本預期 AI 客戶將自行擴建資料中心的基建供應鏈，反而需要留意後續訂單遞延或棄單風險。
此外，管理層本季更首次更具體地把自研晶片的財務意義說清楚，指出 Trainium 預計每年可替 Amazon 節省數百億美元 CapEx，並帶來數百個基點的營業利益率優勢；再加上公司強調資料中心使用年限可達 30 年以上、晶片與伺服器等設備可使用 5 至 6 年，代表這波建設若真能在 2 至 3 年後開始更完整進入變現期，則不僅折舊年限拉長有利於資產回收，Amazon 本身強勁的零售、廣告與 AWS 現金流也使其有能力承擔這段前置投資期。
Trainium 從單一合作案升級為 AWS AI 基礎建設主軸
若說 Anthropic 的 Project Rainier 還主要是在驗證 Trainium 能否承載最先進模型訓練，那麼本季法說會則顯示，Trainium 的戰略角色已從單一專案成功擴大為 AWS AI 基礎建設的核心支柱，本次晶片業務 Q1 季增近 40%，目前年化營收 run rate 已超過 200 億美元，若以對內與對外銷售統一口徑衡量則可達 500 億美元，Amazon 並強調 AWS 自研晶片業務已是全球前三大資料中心晶片業務之一。
更具指標性的訊號來自需求端的外溢，除了 Anthropic 與 OpenAI 已給出 multi-year、multi-gigawatt 的訓練承諾外，Trainium 已累積超過 2,250 億美元 revenue commitments，Trainium2 幾乎售罄、Trainium3 近乎滿載，甚至距離廣泛供貨仍有約 18 個月的 Trainium4，也已有大部分產能被預訂，Trainium 除了身為 Rainier 的專案晶片，也在 Bedrock、企業 AI 推論與未來 agentic application 架構中，逐漸成為 AWS 重新定義 AI 成本曲線與供應鏈主導權的核心工具。
此外，Amazon 本季同步把 Graviton 納入同一套論述框架，強調 agentic workloads、real-time reasoning 與 post-training 正大量拉動 CPU 需求，Meta 也已承諾使用數千萬個 Graviton cores，顯示 AWS 想建立由 Trainium 加 Graviton 構成、同時覆蓋訓練、推論與 CPU 密集型工作負載的完整 AI infra stack。
不過這些龐大承諾目前在某種程度上仍可被視為客戶向 AWS 租用算力與基礎設施，而非完全等同於終局性的長期 ownership，因此市場接下來不能只看承諾金額本身，而要更細緻追蹤這些 commitments 轉成已認列收入的速度、持續時間，以及客戶是否最終選擇繼續在 AWS 上擴租、或在未來部分回到自建資料中心。
Q&A
Q1: AWS 為了支撐目前的 AI 需求與 backlog，未來幾年還需要投入多少資本？Amazon 的自研晶片與 AI 基礎設施策略，將如何幫助公司在這一輪擴產中建立競爭優勢？
AWS 本季年增 28%，是在 1,500 億年化營收規模下仍能達成的高速成長，反映 AI 與核心雲端需求同步強勁。企業之所以持續選擇 AWS，來自其完整的全棧 AI 能力、資料與推論靠近既有應用與資料的部署優勢，以及安全性與營運表現領先。除了 AI 本身的需求外，AI 也進一步帶動 core service 成長，包括 post-training、reinforcement learning、agentic action 與 tool usage 等工作負載。Graviton 與 Trainium 讓 AWS 在 CPU 與 AI 晶片兩端都具備獨特優勢，因此未來幾年仍會持續進行大規模資本支出，並視這波 AI 基礎設施建設為一生一次的機會，預期長期將使客戶、股東與 Amazon 本身都明顯受益。
Q2: 目前 AWS backlog 的規模與客戶組成如何？除了大型 AI lab 之外，需求是否已擴散到更廣泛的客戶群？2026 年 Amazon 在 agentic commerce 最重視哪些里程碑？Rufus 要如何維持領先？
Q1 AWS backlog 為 3,640 億，且尚未包含近期公布、來自 Anthropic 的超過 1,000 億合作案，因此整體需求能見度仍在上升。backlog 並非集中於單一或少數客戶，而是已有相當程度的廣度。至於 agentic commerce，Amazon 對其長期前景非常樂觀，認為這將同時有利於消費者與公司本身。Rufus 在過去一年顯著進步，月活躍用戶年增超過 115%，互動度年增近 400%。第三方通用型 agent 的購物體驗目前仍不夠成熟，常出現價格、商品資訊與個人化不足等問題，因此 Amazon 的策略是讓 Rufus 成為最佳購物助理，透過更完整的商品資料、顧客歷史與帳戶資訊，強化在自家零售場景中的競爭力。
Q3: OpenAI 全系列模型導入 Bedrock，對 AWS 的吸引力與變現潛力有多大？Amazon 未來是否真的會對外銷售 Trainium racks？時程與機會該如何看待？
OpenAI 模型全面進入 Bedrock 對客戶來說是重要進展，因為企業一再證明希望保有模型選擇權，而非只依賴單一模型。Bedrock 原本已聚集大量 AI 工作負載，如今進一步加入 OpenAI 的 5.4 與後續 5.5 模型，將提升平台吸引力。更重要的是，未來 agent 與 AI 應用的主流型態將從 stateless 走向 stateful，這也是 Bedrock managed agents 的核心價值，因為企業需要保存狀態、身份、歷史互動與工具調用能力。至於 Trainium racks，未來幾年確實很可能對外銷售，但短期仍需在既有客戶需求、雲端內部配置與獨立硬體銷售之間進行平衡，因為目前 Trainium 的需求仍非常強勁。
Q4: Amazon Leo 在消費者與企業端未來幾年的收入機會有多大？現階段業務擴張的主要限制是什麼？收購 Globalstar 後，公司能多做哪些以前不容易做的服務？更長期來看，Leo 的願景是否會延伸到更廣泛的太空基礎設施？
Amazon Leo 瞄準的是全球數十億缺乏寬頻連線的人口，以及大量因缺乏連接而無法即時監控與數位化的企業與政府資產，因此長期市場空間很大。Leo 商轉後將成為當前技術領先的兩大方案之一，且在下行速度上可達現有替代方案的約兩倍、上行速度約六倍，並對客戶具備成本優勢。對企業與政府而言，Leo 與 AWS 的組合尤其具吸引力，因為衛星資料回傳後可直接進入雲端儲存、分析與 AI 處理。Leo 有機會成為一項規模非常大的、數十億級收入業務；現階段真正限制成長的因素，主要是星座部署進度，因此公司今年規劃超過 20 次發射、2027 年超過 30 次。收購 Globalstar 的戰略意義，在於取得稀缺頻譜與 direct-to-device 能力，同時深化與 Apple 的合作，支援 iPhone 與 Apple Watch 的衛星服務。
Q5: 記憶體、儲存與供應鏈成本上漲，會如何影響 Amazon 今年與明年的 CapEx？在 agentic commerce 時代，如果購買決策越來越由 agent 代勞，廣告業務還能維持成長嗎？
記憶體等關鍵零組件價格確實大幅上升，主因是整體供給仍不足以滿足需求。不過 Amazon 很早就觀察到這個趨勢，並已與策略供應商密切合作，爭取到相當數量的供應，因此目前仍努力避免成為產能受限的一方。這一波零組件價格與供給壓力，反而進一步推動更多企業將 on-premise 基礎設施遷移到雲端，因為大型雲服務商通常能優先取得供應。至於廣告，公司對 agentic commerce 下的廣告前景持正面看法，原因包括兩個層面。第一，AI 工具大幅降低廣告創意與投放門檻，將吸引更多中小型廣告主進場。第二，agentic commerce 通常是多輪互動，而非單次搜尋，因此在連續提問、篩選與推薦的過程中，反而會創造更多自然曝光與 sponsored placement 的機會，包含 sponsored prompts 等新廣告形式，因此廣告將能在這種新型購物體驗中繼續受益。
Q6: 目前新增 AI 需求主要還是來自早期採用者與大型客戶，還是已經開始向更廣泛的企業客群擴散？從內部營運角度來看，AI 在未來三到四年會如何改變 Amazon 的產品與工作方式？
AI lab 與已成功推出生成式 AI 應用的公司，確實仍在投入大量算力支出，但企業端的 AI 採用也相當明顯。就目前來看，企業最成熟的應用場景仍集中在 cost avoidance 與 productivity，例如客服自動化、商業流程自動化與 fraud 等領域；但與此同時，企業也正在推進大量新型 AI 體驗與既有產品重構專案，並已有不少開始進入 production。至於 Amazon 內部，AI 幾乎會改變每一項業務與每一種工作方式，無論是前端客戶體驗、產品介面、內部研發、DevOps、客服、研究、分析還是銷售流程，都會被重塑。所有業務都必須重新思考，若今天從零開始、且原生具備 AI 能力，理想的客戶體驗會是什麼樣子。以內部案例說明，一項原本需要 40 至 50 人、花一年才能完成的系統引擎重建工作，最後由 5 位具 AI 思維的員工運用 agentic coding 工具在 65 天內完成，顯示 AI 已不只是輔助工具，而是在根本改變營運效率與組織能力。
