订单簿 4,960 亿，自由现金流 −379 亿

先想一家新开的婚宴酒店。开业半年，档期就排到了后年——客人交了定金、签了合同， 可席还没开，菜也还没上桌。这时候翻它的账本，你会同时看到两件相反的事： 手上攥着的合同金额大得吓人，银行卡里的钱却在往下掉。 钱去哪了？拿去盖第二栋楼、第三栋楼了，因为不盖楼，那些已经签好的席根本摆不下。

合同是未来才会变成收入的东西，盖楼是眼下就要付出去的现金。 两件事记在账本完全不同的地方，看上去打架，其实是同一件事的两头。

亚马逊 2026 年二季度的财报，就是这么一张账本。 AWS 手上已签约、还没交付的合同是 4,960 亿美元， 而同一年摩根大通预测它的自由现金流是 −379 亿美元。 这门课接下来十七节，讲的就是这两个数字之间的那根绳子。

一个数字单看是没有感觉的，得先找把尺子量一量。量订单簿最顺手的尺子， 就是这门生意自己现在一年做多少营业额。AWS 二季度收入 422 亿美元，年化大约 1,690 亿； 手上签好没交付的合同 4,960 亿，差不多是三年的活。

三年这个量级，意味着接下来相当长一段时间里， 问「AWS 明年还能不能卖得动」已经没什么意义了——它明年要卖的东西，去年就卖完了。

前面十一门课，讲芯片也好、广告也好、游戏也好，最后都落在同一张表上——利润表。 收入多少、毛利多少、经营利润多少，一层一层往下扣，扣到最后是每股赚了几块钱。 这套读法之所以够用，是因为那些生意都是今天做完今天结账： 东西卖出去、广告播出去、游戏充值到账，收入当场确认。

云不是这样。客户签的是一份三年、五年甚至八年的用量承诺， 钱要等机房建好、机器插上电、算力真的跑起来才一点点确认成收入。 于是最重要的那个数字跑到了利润表外面——它叫未履约合同， 是「已经承诺、尚未发生」的那一堆。

接下来十六节的排法，不是按报告的目录抄的，而是按「读者得先懂什么」排的。 先把三个分部拆开，看清楚哪个抽屉真正决定股价；再回答 AI 到底在哪一行收到钱； 然后算账——两千两百亿花在哪、多久收得回来、缺的现金从哪补； 再把这一切翻译成 A 股能拿到的订单；最后才回到争议、估值方法和该盯的信号。

大公司的财报有点像一个几层的抽屉柜。监管不允许它把所有生意搅在一起报一个总数， 得按「管理层自己是怎么分头管的」拆成几格，好让外人看得出钱是从哪一格里来的。 这几格有个正式名字，叫报告分部。

亚马逊拆了三格：北美、国际、AWS。前两格是按地理分的零售生意——同样的电商、同样的会员和实体店， 只是一格在美加墨、一格在其余国家；第三格是按业务分的云。

看分部表的时候，有个直觉很容易骗人：抽屉的大小和抽屉的重要性，完全是两回事。 AWS 这一格的收入只占全公司两成出头，可它装的利润，比另外两格加起来还多。 下面这张表先把三格的规模摆出来，紧接着的那段话才是重点。

逛超市的时候，摆在货架最顺手那一层、或者堆在入口处的商品，通常不是超市自己挑的， 是品牌商额外掏钱买下的位置。超市把这笔钱直接装进兜里，几乎不用多付出什么成本—— 货反正要摆，摆谁的都一样。

亚马逊卖的是同一样东西，只不过货架变成了搜索结果页最上面那几个「赞助」位。 这一季广告收入 198 亿美元、同比涨 26%，比零售整体快得多，而且几乎没有对应的额外成本。

麻烦在于，这门赚钱的生意在财报里没有属于自己的抽屉。 收入按类别单独报，利润却被塞回北美和国际两格里。 所以你在分部表上永远找不到「广告利润」那一行——它藏在零售的利润率里面。

零售公司的收入涨了，可能是两回事：东西卖得更多了，或者只是卖得更贵了。 后一种在通胀年份很常见，看着漂亮，其实生意本身没长大。 所以看零售，第一眼要看的从来不是收入，是件数——真的多卖出去了多少件东西。

亚马逊这一季付费件数同比涨了 17%，是 2021 年一季度那波疫情囤货以来最快的。 件数增速接近收入增速，说明这一轮加速是真卖出去的量，不是价格。

做年货生意的公司，最怕春节在一月还是二月这件事。同样的销量，档期落在哪个季度， 两个季度的同比增速就能长成完全不同的两张脸——去年在这个季度、今年跑到下个季度， 这个季度就凭空「掉」了一截，下个季度又凭空「涨」了一截。生意一点没变，数字变了。

亚马逊也有这么个档期，叫 Prime Day。2026 年它对美国等多数大市场落在二季度， 2025 年落在三季度，于是这一季的增速被垫高，下一季的指引被压低。 读这份财报之前，得先把这块垫脚石搬开。

一个班上原本 10 个人，转来 5 个，人数涨了 50%；换成一个 100 人的年级，同样转来 5 个， 只涨 5%。增速这个东西，分母是去年的自己——生意越大，同样一笔增量摊出来的百分比越小。 所以任何一句「多少年来最快」，都要追问一句：当年那个分母有多大。

AWS 这一季同比涨 37%，比上一季的 28% 快了差不多 9 个百分点，是十八个季度里最快的一次。 Bernstein 特意在后面补了半句：「顺便说一句，当时这门生意只有现在的一半大。」 把两句话合起来才是完整的意思——不是回到了当年的增速，是在两倍的体量上回到了当年的增速。

换成绝对数更直观：AWS 单季收入 422 亿美元，年化约 1,690 亿。 在这个盘子上多加 9 个百分点，一年的增量收入接近 150 亿美元， 凭空多出一家中型软件公司。

街上有两家卖二手车的。一家自己把车收回来再卖出去，一台十万块的车， 账上记的营业额就是十万；另一家只做撮合，帮买卖双方牵线，抽三千块佣金， 账上记的营业额就是三千。两家实际赚的钱可能差不多，但账面收入差了三十几倍。

会计上给这两种记法起了名字：前一种叫总额法，后一种叫净额法。 它们没有对错，用哪一种取决于你到底是卖家还是中间人。 但如果不管这个区别，直接拿两家的收入放一起排名，排出来的东西没有意义。

云厂商正好卡在这个坑上。谷歌把 TPU 整机的销售按总额法计进云收入， AWS 在 Bedrock 上代销别家模型时按净额法只记自己抽的那一层。 所以下面这张表看起来是三家并排，其实尺子不一样长——摩根士丹利的原话是「这不是苹果对苹果的比较」。

一个数字突然变好，总得问一句是谁推的。推力不同，能持续的时间也不同： 靠一次性因素推的，下个季度就还回去了；靠结构性因素推的，才值得写进模型。

AWS 这一季的加速可以拆成四股力。前三股是产能终于上线、AI 需求本身在涨、自研芯片开始上量—— 这三样市场早就预期到了，摆在这里只是确认。真正没被预期到的是第四股： 连不做 AI 的那部分老业务，增速也在往上走。

电话会上高管偶尔会甩出一个特别大的数字。这类数字不能当预测用——没人能预测十年后的收入， 管理层自己也知道。它的用处在别处：它告诉你这家公司心里的天花板在哪儿， 而天花板决定了它愿意把资本开支推到多高、推多久。

这一季甩出来的是「AWS 可以成为年化一万亿美元收入的业务」。从现在的 1,690 亿到一万亿，约六倍。 你不需要相信这个数，只需要知道：一家心里装着六倍空间的公司，是不会在资本开支上手软的。

一个上班族今年工资涨了两千块，可他名下那套房子的评估价涨了两百万。 如果按「身家增长了多少」算，他今年的成绩单会漂亮得吓人。 但你我都清楚，工资是他干活挣的，房子涨价是市场给的， 后者既没有落进他的口袋，明年也可能反过来往下走。

公司的账本上，这两件事分别住在不同的楼层。 干活挣的钱走到「经营利润」这一行就结束了； 再往下才是投资升值、汇兑损益这类和干活没关系的收益， 它们照样会加进净利润，也照样会推高每股收益。

亚马逊这一季，就是同时交出了一份「工资单」和一份「房价单」。 下面把两边并排摆开，你会看到同一份财报里，两个楼层的成色差了一个数量级。

假设你借钱给邻居开饭馆，同时还占了这家饭馆两成股份，而且饭馆用的菜也全从你这儿进。 饭馆生意一火，三件好事会同时找上你：进货的订单变多、股份值钱了、借出去的钱更安全了。

三件事听起来是三条独立的好消息，其实只有一件事——饭馆火了。 如果饭馆哪天不行了，三条也会同时反过来。 所以正确的记法是把它们当成一个变量的三个影子，而不是三个变量。

亚马逊和 Anthropic 之间，正是这种结构。这不是说哪里不合规——三笔账都是按准则记的。 但作为读者，你得知道它们是同一件事的三个投影，不能当成三条独立的好消息各自加分。

称体重的时候，秤上多出来的那几斤可以有三种来源：昨晚吃了顿大餐， 这是一次性的，隔天就没了；每次都穿着鞋和外套上秤，这是反复的，次次都得减掉； 还有一种是秤本身就少两斤，这既不是一次性也不是反复， 它是这台秤固有的读法，你没法「剔掉」，只能在跟别人比的时候记住换算。

财报里的口径扰动也是这三类，而这一季四种全齐了。 分类比金额更要紧——搞错类别，你要么白剔一次，要么年年忘了剔。

到这门课为止，本系列已经攒了五个会计口径陷阱，机制各不相同： 有的是把口径换了一套，有的是分母在悄悄变小，有的是一笔支出被冲减进了收入里， 有的是收入被摊平到未来几个季度，这一门则是投资升值混进了每股收益。

五种机制里没有一个需要你懂行业。它们共享同一个检查动作，而且这个动作两秒钟就能做完。

一家奶茶店开了两个月，你问它一年能做多少生意。老板会怎么算？ 把上个月的流水乘以十二。这个算法有个正式名字，叫年化收入运行率—— 不是已经赚到的一年收入，是按眼下的速度往前推一年的数。

这么算的好处是不被过去几个冷清的月份拖住，能反映当下跑得多快； 坏处是它波动大、没有会计准则管着，而且不同公司算法可能都不一样，也不会出现在财务报表里。 所以它适合看趋势，不适合当估值的输入。

亚马逊这一季用这个口径披露了两条线：AI 业务和自研芯片业务，年化都超过了 250 亿美元。 数字本身不算什么，值钱的是它们从哪儿爬上来的。

一个县城刚通高铁，头一年坐高铁出门的人只占一成。这一成可以有两种读法： 一种说明大家还是习惯坐大巴，高铁不成气候；另一种说明渗透才刚开始，剩下九成都是空间。 光看这一成，两种说法谁也说服不了谁。

真正能分出胜负的是第二年、第三年的数——如果这一成变成两成、四成，那就是空间； 如果三年都卡在一成，那就是天花板。决定意义的不是占比，是占比的移动速度。

点一次外卖，你眼里的主角是后厨那个炒菜的师傅。可这单生意真正忙起来， 前台要接单、系统要算配送费、要查你有没有优惠券、要把订单派给骑手、还要通知你到哪了。 炒菜只是其中一环，围着它转的杂事比它多得多。

AI 推理也是这样。跑模型的是 GPU 或者 Trainium 这类加速卡，但一次调用前后要接业务逻辑、 要读数据库、要做鉴权、要写日志——这些活全是普通 CPU 干的。 用得越多，CPU 的账单也跟着涨。

Graviton 就是亚马逊自研的那颗普通 CPU，ARM 架构，跑的是常规程序，不是 AI 加速卡。 它这一季的动静，是本节最容易被跳过、但含金量很高的一条。

假设你开了家面粉厂。有三种活法：把面粉卖给所有面包房；自己也开面包房， 面粉既外卖也自用；或者干脆不卖面粉，磨出来的全进自家烤箱，对外只卖面包。 三种活法的收入长得完全不一样——前两种的收入是面粉的售价，最后一种的收入是面包的售价。

本系列前面几门课已经见过前两种：博通是纯卖设计能力的那一方， 谷歌和阿里的平头哥则是自研之后也对外供货。亚马逊走的是第三种。 这个差别不弄清楚，你会把它的「自研芯片业务 250 亿」和博通的芯片收入放在一起比，比出一个错的结论。

一家新开的餐馆，头半年菜做得不行，老客尝过一次就摇头。老板没关门，一直在改配方、换师傅。 两年后你再去问，评价会变成「最近好像不错了，可以再试试」。 这句「好像不错了」既不是差评也不是好评，它是一条正在走的曲线上的某一点。

研报里最有价值的往往就是这种句子——它承认事情还没定，同时把已经发生的变化说清楚。 Bernstein 2026 年 4 月写 Trainium 的那一段，正是这种写法：先摆出它当初有多不被看好， 再说现在情绪在回暖，最后追一句「但我们还不知道这是真信心还是没得选」。

挑空调的时候，「制冷强」和「划算」是两件事。一台贵的制冷更猛，一台便宜的弱一些， 但价格只有一半——后者按「每块钱买到多少凉快」算，反而更划算。 划算这个词里藏着价格，所以它可以靠降价做出来，不一定靠把机器做好。

公司口径里那句「Trainium2 的性价比比同类 GPU 高 30–40%」，说的正是「每美元的有效算力」， 不是「性能强 30–40%」。这两句话听着差不多，含义差得远。 下面这张表把四代 Trainium 的时间和口径摆出来，读的时候请一直记着这个区别。

一家航空公司如果把未来八年的大半座位提前包给两家旅行社，好处是不愁没客人， 坏处是这两家一旦出事，整张时刻表都要重排。锁定和依赖，往往是同一件事的两种说法。

Trainium 现在就处在这个位置。Anthropic 和 OpenAI 两笔合同， 把它未来相当长一段时间的产能包了下来——按电力口径算大约 7 吉瓦。 先看清楚这两笔的内容，才谈得上判断它是背书还是绑定。

想知道一家工厂到底开没开工，最笨也最可靠的办法是走到厂门口看看： 烟囱冒不冒烟、门口停了多少车、招工启事贴的是什么岗位。 听老板在会上讲得再好，也不如亲眼看见有多少台机器在转。

这几年云厂商的瓶颈从「有没有人买」变成了「有没有机器可以开机」， 于是研究方法也跟着换了——光问客户想买多少已经不够，还得去数对方到底建出来多少。 UBS 2026 年初那份印第安纳报告就是这么做的，下面这组数字全部来自实地核查。

商场里的美食广场是这么运作的：场地、桌椅、收银、清洁都归商场， 摊位租给十几家不同的餐厅。你在同一个取餐台点单，今天吃这家的面，明天换那家的饭， 换菜系不用换商场，也不用重新办一张卡。

Bedrock 就是 AWS 开的这么一个美食广场，只不过卖的不是饭，是大模型。 客户不用自己买机器部署模型，直接在 AWS 上按调用量付钱； 同一套接口下想换哪家的模型就换哪家，今天用 Anthropic 的，明天换成 OpenAI 的。

值得留意的是摊位名单：OpenAI、Anthropic、Google DeepMind、xAI 都在上面。 这些公司彼此是对手，其中几家还是亚马逊自家模型业务的对手—— 把对手请进自己的场子，本身就是一种判断：客户要的是选择权，那就把选择权卖给他。

外卖平台起来之前，一家馆子的生意好坏取决于它自己：口味、位置、老客。 平台起来之后，很多馆子变成了藏在写字楼里的一间后厨——顾客先打开平台，再在里面挑一家。 谁站在顾客和厨房之间，谁就握着定价权，后厨只能比谁更便宜。

Bernstein 担心云会走上同一条路。如果企业以后都是先找模型公司，再由模型公司决定 把这次推理放到哪朵云上跑，那么云就从「客户的落脚地」退成了「后厨」。 而后厨之间，比的只有价格。

更麻烦的是，这个风险对每家云的杀伤力并不一样，差别就藏在各自的收入结构里。 下面这段引用是本课最重要的一段，接着的对照表把两家的结构摆在一起看。

刚毕业租房的时候搬家很容易，一个行李箱拎走就行。住了十年、添了家具和孩子之后， 哪怕隔壁小区便宜一千块，多数人也懒得搬——不是搬不动，是算下来不划算。 东西越多，人就越被东西按在原地。

企业的数据也是这个道理。攒到一定规模之后，把它搬出去要付出站流量费、要停业务、 要重新走一遍合规审批，还要忍受跨云读取的延迟。这些成本加起来， 通常比换一家供应商能省下的钱多。于是算力会被吸到数据旁边，而不是数据被拖到算力旁边。 业内给这个现象起了个名字，叫数据引力。

Bernstein 一边提出了商品化的警告，一边自己给出了这条反证——而且它举的证据， 恰好就是上一节那笔 OpenAI 协议。

百货商场里的柜台分两种。自营柜台，货是商场进的，卖一件一千块的衣服， 账上记一千块营业额，进货成本另算；联营柜台，货是品牌方的， 商场只按比例抽成，卖同一件衣服，账上只记那两百块的抽成。

同样卖出一千块的衣服，两种柜台记出来的收入差五倍，而联营柜台的利润率看起来还高得多—— 因为它压根没把进货成本算进来。规模和利润率，被记账方式同时扭曲了，而且方向相反。

Bedrock 就是那个联营柜台。这件事直接影响你怎么读 AWS 这一季 39% 的经营利润率。

一个班期末平均分 78。这学期转来五个学生，他们的平均分是 92。 班级现在的成绩单上写的还是 78，但你已经可以断定一件事：只要这样的学生继续转进来， 平均分早晚会往上走。因为平均分是过去所有人拉出来的结果， 而新来的这批人代表的是「以后每加一个人，会加进来什么水平」。

公司的利润率也是这么两层。报表上那个经营利润率，是全部收入和全部成本算出来的结果， 被过去几年的成本结构拖着；还有一个数字没写在财报上，叫增量利润率， 算的是这一季新增的那部分收入里，最后留下了多少利润。

前者告诉你这门生意现在多赚钱，后者告诉你它接下来会往哪个方向走。 AWS 这一季的两个数字差得很开，而这个差距就是本节的全部内容。

一家餐馆这个月利润率变好了，原因可能是真的省了成本，也可能只是它把外卖平台的抽成 换了个记法——从前把整单流水记成营业额、再扣掉抽成，现在只记自己拿到手的那部分。 后一种做法下，营业额变小了，利润率自动变好看，可店里的生意一天没变。

拆一个利润率的来源，就是要把这两种东西分开。 AWS 这 52% 背后有四股力量，其中三股是真金白银的改善， 还有一股纯粹是记账方式带来的——它会一直在，而且随着那块业务占比上升还会越来越明显。

一个季度的数字再好，也只是一个点。要判断它是常态还是运气，得知道这类生意在正常情况下 应该落在什么范围里。如果连范围都给不出来，那这个数字就没法用。

摩根士丹利给了一个范围，但这个范围宽得有点吓人——上下差了一倍还多。 区间之所以宽，是因为它取决于三个此刻都还没有答案的变量。 与其记住 52% 这个数，不如记住那三个变量分别是什么，它们才是以后每个季度要盯的东西。

剔一次性项目的时候，有个心理陷阱：人容易只剔对自己结论不利的那些。 看多的人乐意把利空剔掉，看空的人乐意把利好剔掉，剔完各自都很满意。

零售这一侧正好提供了一个练手的机会——这一季它同时有一笔利好和一笔利空， 而且利空还比利好大。两边都剔干净之后，才能回答一个真正有用的问题： 撇开这些噪音，这门生意本身这一季到底是好是坏。