---
title: "Strategi Infrastruktur AI Amazon Bernilai $220 Bilion: Cip Tersuai, Ekonomi Pusat Data dan Skala AI Perusahaan"
author: "DeepValues Research"
publisher: "DeepValues Research (DeepValues / LuLu Ventures LLC)"
type: "Research article"
date: "2026-10-24"
language: "ms"
section: "Insights"
machine_translated: true
translation_method: "machine translation (gpt-6.1-sol, Azure OpenAI)"
translated_from: "https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion/"
original_url: "https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion/"
original_language: "en"
translated_on: "2026-11-15"
translation_note: "Machine-translated from the original report; the original is authoritative."
canonical_url: "https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion-ms/"
markdown_url: "https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion-ms/index.md"
license: "CC BY 4.0"
license_url: "https://creativecommons.org/licenses/by/4.0/"
cite_as: "DeepValues Research, Strategi Infrastruktur AI Amazon Bernilai $220 Bilion: Cip Tersuai, Ekonomi Pusat Data dan Skala AI Perusahaan, https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion-ms/"
publisher_url: "https://deepvalues.ai"
app: "https://deepvalues.ai"
api: "https://app.deepvalues.ai/developers"
data_note: "Reports are dated snapshots. Current data via the DeepValues API: https://app.deepvalues.ai/developers"
disclaimer: "Educational research, not investment advice."
disclosure: "AI-assisted"
generated_by: "NotebookLM + DeepValues editors"
category: "ai"
tickers: ["AMZN"]
sources:
  - title: "Amazon CEO Andy Jassy on the Infrastructure the AI Era Needs"
    url: "https://www.youtube.com/watch?v=-YMMRQ1qscI"
audio: "https://anchor.fm/s/117391698/podcast/play/127980195/https%3A%2F%2Fd3ctxlq1ktw2nl.cloudfront.net%2Fstaging%2F2026-9-24%2F434854705-44100-2-048188212c408.mp3"
audio_kind: "podcast episode"
audio_page: "https://open.spotify.com/episode/61w7dfoVt8mCa1yuuNZXDx"
---
# Strategi Infrastruktur Kecerdasan Buatan Amazon Bernilai $220 Bilion: Cip Silikon Tersuai, Ekonomi Pusat Data dan Skala Kecerdasan Buatan Perusahaan

Amazon sedang mengharungi kitaran perbelanjaan modal bernilai $220 bilion yang belum pernah berlaku sebelum ini pada 2026 untuk mengembangkan infrastruktur kecerdasan buatan dan pengkomputeran awan globalnya. Didorong oleh permintaan berterusan yang menyebabkan kapasiti pengkomputeran habis ditempah sehingga 2026, sebahagian besarnya habis ditempah untuk 2027, dan sebahagian besar telah diperuntukkan sehingga 2028, syarikat itu mengimbangi pelaburan kewangan jangka pendek yang besar dengan penjanaan hasil daripada infrastruktur dalam jangka panjang. Untuk membolehkan penggunaan kecerdasan buatan perusahaan secara meluas merentas beban kerja pengeluaran teras—yang kini dibatasi oleh kos inferens yang tinggi—Amazon sedang menggunakan cip silikon tersuai, termasuk pemecut Trainium dan cip unit pemprosesan pusat Graviton yang dibangunkan oleh Annapurna Labs. Digabungkan dengan peralihan asas ke arah aliran kerja kejuruteraan perisian berasaskan ejen yang amat ramping, strategi peruntukan modal ini bertujuan mengurangkan kos pengkomputeran sebanyak satu tertib magnitud dan mengukuhkan kepimpinan asas dalam era kecerdasan buatan yang sedang muncul.

## 1. Dilema Perbelanjaan Modal: Meningkatkan Skala Infrastruktur dalam Keadaan Permintaan yang Tidak Terpuaskan

Skala permintaan kecerdasan buatan perusahaan semasa yang begitu besar telah mendorong pembangunan infrastruktur awan ke tahap yang belum pernah diterokai. Amazon mengunjurkan jumlah perbelanjaan modal kira-kira $220 bilion untuk 2026—bersamaan kadar penggunaan modal yang luar biasa, sekitar $600 juta sehari. Walaupun terdapat komitmen modal ini, kapasiti pengkomputeran masih sangat terhad di seluruh ekosistem awan. Kapasiti Amazon Web Services telah habis ditempah sepenuhnya sehingga 2026, sebahagian besarnya habis ditempah untuk 2027, dan peruntukan besar telah pun dikomitmenkan sehingga 2028. Walaupun pasaran kewangan kadangkala menyuarakan keraguan tentang skala kewangan besar yang diperlukan untuk membiayai pengembangan ini, infrastruktur pengkomputeran perusahaan telah menjadi utiliti asas bagi perdagangan, perbankan, penjagaan kesihatan dan operasi perisian global.

Pengembangan pesat ini mewujudkan pertukaran keutamaan operasi dan kewangan sementara yang sangat menyerupai pengembangan rangkaian fizikal Amazon semasa pandemik. Antara 2020 dan 2022, Amazon menggandakan keluasan rangkaian pemenuhan pesanannya—rangkaian fizikal yang dibina sepanjang 25 tahun sebelumnya—dalam hanya 18 bulan. Pada masa yang sama, syarikat itu membina rangkaian pengangkutan penghantaran akhir yang setanding dari segi skala dengan United Parcel Service dalam 20 bulan. 

Apabila infrastruktur fizikal atau digital dibina pada kelajuan yang begitu ekstrem, ketidakcekapan operasi pasti timbul. Dalam bahagian runcit, peningkatan skala yang pesat pada awalnya mewujudkan tekanan besar terhadap kos perkhidmatan. Daripada menjejaskan pengalaman pelanggan atau menurunkan piawaian operasi yang menjadi sebahagian daripada budaya syarikat, Amazon memanfaatkan metrik data dalaman dan mekanisme semakan eksekutif untuk mengenal pasti kekangan struktur. Ini membawa kepada reka bentuk semula menyeluruh seni bina infrastruktur logistiknya, dengan menukar rangkaian pemenuhan pesanan nasional yang tidak dibahagikan mengikut wilayah kepada model berasaskan wilayah. Pembahagian mengikut wilayah menempatkan inventori lebih dekat dengan pengguna akhir, sekali gus memendekkan jarak pengangkutan, mengurangkan kos operasi perkhidmatan dan mempercepat penghantaran.

Evolusi seni bina yang serupa sedang berlaku dalam infrastruktur digital. Ketua pegawai eksekutif Amazon, Andy Jassy, menyifatkan pembangunan pusat data semasa sebagai keperluan perindustrian moden, dengan membandingkannya dengan projek infrastruktur persekutuan pada masa lalu. *"Tidak pernah ada sesuatu sepertinya di dunia dan di negara ini sejak mungkin ketika kita membina lebuh raya dan jambatan pada tahun 1950-an," kata Jassy.* Mengabaikan atau menangguhkan kitaran modal ini menimbulkan risiko strategik yang besar; kegagalan membangunkan infrastruktur pengkomputeran domestik boleh menyerahkan kepimpinan teknologi dan piawaian operasi kepada pesaing asing seperti China.

## 2. Mekanisme Ekonomi Pusat Data dan Tentangan Awam Berkaitan Grid

Memahami ekonomi pusat data berskala hiper memerlukan penilaian terhadap kitaran tunai dua bahagian yang berbeza yang mengawal infrastruktur awan:

* **Struktur Bangunan Pusat Data dan Infrastruktur Bekalan Elektrik:** Struktur fizikal bangunan pusat data dan sambungan bekalan elektrik memerlukan komitmen modal kira-kira dua tahun sebelum pemasangan pelayan. Walau bagaimanapun, struktur bangunan ini merupakan aset dengan hayat berguna 30 tahun yang memerlukan satu perbelanjaan modal utama.
* **Pelayan dan Perkakasan Rangkaian:** Aset teknologi maklumat—seperti rak pelayan, peralatan rangkaian, memori lebar jalur tinggi dan memori capaian rawak dinamik—dibeli hanya beberapa bulan sebelum digunakan. Aset ini mempunyai hayat berguna 5 hingga 6 tahun, lazimnya mencapai pulang modal dalam tiga tahun, dan disokong oleh kontrak pelanggan jangka panjang dengan tempoh purata lima tahun.

Oleh sebab struktur bangunan pusat data memerlukan modal pendahuluan yang besar dua tahun sebelum penjanaan hasil, penyedia berskala hiper mengalami tekanan sementara yang ketara terhadap aliran tunai bebas semasa fasa pembangunan dipercepat. Aliran tunai kembali normal dan berkembang secara kompaun apabila kemudahan mula beroperasi, pelayan dipasang dan kontrak pelanggan mula menjana hasil. *"Walaupun membelanjakan $220 bilion untuk perbelanjaan modal tahun ini, kami masih membiarkan sejumlah besar permintaan tidak dipenuhi," kata Jassy semasa perbincangan itu.*

Pada masa yang sama, pembangunan infrastruktur berskala hiper menghadapi tentangan politik dan masyarakat setempat berhubung kesan terhadap alam sekitar dan grid elektrik. Data sumber empirikal menyangkal beberapa tanggapan salah yang lazim dalam kalangan orang awam:

* **Penggunaan Air:** Sistem penyejukan pusat data sangat cekap berbanding hartanah komersial lama. Sebagai contoh, industri golf menggunakan 200 kali lebih banyak air berbanding semua pusat data Amazon digabungkan, dengan penggunaan air dalam dua hari melebihi penggunaan pusat data Amazon sepanjang satu tahun.
* **Pelepasan dan Penjana Sandaran:** Penjana diesel sandaran di tapak tidak beroperasi secara berterusan. Penjana ini hanya beroperasi semasa gangguan bekalan elektrik dan penyelenggaraan rutin, dengan tempoh operasi kira-kira 0.1% daripada setahun (sekitar 10 jam setahun).
* **Kesan terhadap Ekonomi Tempatan dan Grid:** Pusat data merupakan asas cukai yang besar bagi komuniti perbandaran yang menjadi lokasi operasinya. Di St. Joseph County, Indiana, Amazon telah membayar kira-kira $3 bilion dalam cukai tempatan. Selain itu, Amazon telah mengkomitmenkan $1 bilion sepanjang lima tahun secara langsung kepada komuniti yang menjadi lokasi operasinya melalui program "Built Together". Walaupun permintaan elektrik yang meningkat pesat pada awalnya memerlukan naik taraf grid, data sejarah dari wilayah di Indiana, Georgia dan Mississippi menunjukkan bahawa setelah kapasiti infrastruktur grid wilayah dipasang, kadar tarif utiliti tempatan kekal mendatar atau menurun dari semasa ke semasa.

## 3. Permintaan Kecerdasan Buatan yang Tertumpu pada Dua Hujung dan Peranan Cip Silikon Tersuai

Penggunaan kecerdasan buatan perusahaan semasa menunjukkan ketidakpadanan struktur, yang digambarkan oleh Andy Jassy sebagai "permintaan berbentuk barbel". Penggunaan pengkomputeran sangat tertumpu pada dua hujung ekstrem pasaran, menyebabkan sebahagian besar beban kerja perusahaan masih belum ditembusi:

* **Hujung Pengkomputeran Tinggi:** Merangkumi makmal penyelidikan kecerdasan buatan termaju dan aplikasi pengguna yang berkembang sangat pesat serta menggunakan kapasiti pengkomputeran yang amat besar tanpa mengira harga.
* **Hujung Pengkomputeran Rendah:** Merangkumi perusahaan yang memanfaatkan kecerdasan buatan untuk mengelakkan kos tertentu dan meningkatkan produktiviti, seperti perkhidmatan pelanggan automatik dan pengesanan penipuan.
* **Bahagian Tengah yang Belum Ditembusi:** Merangkumi aplikasi pengeluaran teras perusahaan, yang sebahagian besarnya masih terikat pada seni bina unit pemprosesan pusat lama. 

Kekangan utama yang menghalang beban kerja pengeluaran teras ini daripada beralih kepada pemecut kecerdasan buatan ialah kos inferens. Walaupun kos inferens telah menurun, kos tersebut masih terlalu tinggi sebanyak satu tertib magnitud untuk mewajarkan penulisan semula aplikasi arus perdana. *"Kos inferens... pada pendapat saya masih terlalu mahal sebanyak satu tertib magnitud untuk digunakan seluas mungkin," ujar Jassy.* Jika perbezaan kos antara pengkomputeran unit pemprosesan pusat standard dengan pengkomputeran dipercepat kecerdasan buatan kekal tinggi, manfaat prestasi tambahan mesti memenuhi ambang pulangan atas pelaburan yang luar biasa tinggi. Pengurangan kos inferens merupakan satu-satunya pemangkin penting yang diperlukan untuk membuka pasaran pertengahan yang besar ini.

Strategi Amazon untuk mengurangkan kos inferens sangat bergantung pada cip silikon tersuai yang dibangunkan oleh Annapurna Labs, yang diambil alih pada 2015. Pada asalnya, Annapurna diambil alih untuk memindahkan tugas penyimpanan, rangkaian, pemayaan dan keselamatan daripada unit pemprosesan pusat pelayan kepada kad antara muka rangkaian khusus. Seni bina ini membolehkan Amazon Web Services memperuntukkan hampir 100% daripada kapasiti unit pemprosesan pusat pelayan Elastic Compute Cloud secara langsung kepada beban kerja pelanggan.

Asas kejuruteraan ini menghasilkan dua keluarga cip utama:

* **Unit Pemprosesan Pusat Graviton:** Dibangunkan sebagai alternatif kepada seni bina x86 tradisional, cip Graviton memberikan kelebihan harga-prestasi sebanyak 40% berbanding pemproses x86 standard. Kini, Graviton digunakan oleh 99% daripada 1,000 pelanggan Elastic Compute Cloud terbesar Amazon Web Services.
* **Pemecut Kecerdasan Buatan Trainium:** Direka khusus untuk latihan pembelajaran mendalam dan inferens, pemproses Trainium menawarkan kelebihan harga-prestasi sebanyak 30% hingga 40% berbanding pemproses grafik komersial pesaing. 

Dengan mengurangkan kos inferens sebanyak satu tertib magnitud melalui cip silikon tersuai, Amazon menyasarkan untuk menjadikan penulisan semula aplikasi perisian teras bagi penyepaduan kecerdasan buatan secara meluas berdaya maju dari segi ekonomi untuk perusahaan arus perdana.

## 4. Reka Bentuk Organisasi dalam Era Berasaskan Ejen dan Realiti Keselamatan Siber

Perkembangan meluas kecerdasan buatan generatif dan alat pembangunan berasaskan ejen sedang mengubah kejuruteraan perisian, struktur pasukan dan model operasi korporat secara asas. Trend terdahulu ke arah struktur organisasi yang sangat khusus—apabila setiap pengurus produk atau jurutera bertanggungjawab terhadap bahagian produk yang amat kecil—sedang beralih kepada pasukan rentas fungsi yang amat ramping.

Contoh utama perubahan kelajuan ini berlaku dalam Amazon Web Services sendiri: pasukan kejuruteraan AWS Bedrock membina semula sepenuhnya enjin inferens terasnya menggunakan 6 jurutera dalam 76 hari. Sebelum ini, projek infrastruktur sebesar itu memerlukan 40 jurutera bekerja sepanjang satu tahun penuh. Begitu juga, pasukan dalaman kecil yang terdiri daripada 4 hingga 5 jurutera kini mampu membina prototaip perisian yang 80% sedia untuk dikeluarkan dalam satu hujung minggu sahaja.

Metrik kelajuan ini menandakan peralihan asas dalam cara organisasi teknikal memperuntukkan modal insan:

* **Perubahan Skala Tenaga Kerja:** Organisasi perisian akan memerlukan lebih sedikit pembangun manusia untuk tugas lama seperti pengekodan manual, pemprosesan dokumen undang-undang asas dan risikan perniagaan rutin. *"Pada masa hadapan, bilangan manusia yang melakukan kerja yang mereka lakukan hari ini akan lebih sedikit berbanding hari ini," jelas Jassy.*
* **Pasukan yang Sememangnya Rentas Fungsi:** Pasukan pembangunan akan beroperasi dengan struktur yang lebih kecil dan sangat fleksibel, bermula pada peringkat pembangunan lanjutan serta memanfaatkan model kecerdasan buatan untuk melaksanakan 80% daripada tugas rutin.
* **Masa ke Pasaran yang Dipendekkan:** Kitaran lelaran produk semakin singkat, daripada pelan hala tuju perancangan berbulan-bulan kepada pecutan pembinaan prototaip yang berlangsung beberapa hari.

Walau bagaimanapun, kelajuan berasaskan ejen membawa ancaman keselamatan siber yang serius. Model kecerdasan buatan canggih menemui kelemahan perisian lebih pantas daripada pakar keselamatan manusia atau penguji penembusan tradisional dapat mengenal pastinya. 

Secara tradisional, keselamatan perisian bergantung pada pengenalpastian kelemahan, penyediaan tampalan, pengujian kebergantungan dan pelaksanaan kemas kini—proses yang sering mengambil masa berminggu-minggu atau berbulan-bulan. Dalam persekitaran ancaman berasaskan ejen, organisasi mesti memendekkan masa pelaksanaan tampalan kepada beberapa minit. Untuk bertahan dalam perubahan ini, perusahaan mesti menulis semula asas kod lama kepada seni bina yang direka khusus untuk ejen, membolehkan ejen perisian automatik menemui kelemahan, menampal dan melaksanakan kemas kini secara berterusan tanpa campur tangan manual manusia.

## 5. Peruntukan Modal, Pakatan Strategik dan Penciptaan Semula Produk Teras

Strategi penggunaan modal Amazon menggabungkan pembangunan cip silikon proprietari dengan pakatan strategik bernilai berbilion-bilion dolar bersama pembangun model kecerdasan buatan terkemuka. 

Melalui perkongsiannya dengan Anthropic, Amazon Web Services bertindak sebagai penyedia utama latihan dan inferens untuk model Claude. Anthropic telah mengkomitmenkan penggunaan pengkomputeran berbilang gigawatt yang dibina berasaskan cip Trainium, sambil menawarkan modelnya secara terbina dalam pada AWS Bedrock. Begitu juga, Amazon telah mengembangkan ekosistemnya untuk menyokong beban kerja OpenAI pada Amazon Web Services, dengan bersama-sama membangunkan persekitaran masa jalan khusus yang mengekalkan keadaan dan direka khusus untuk pelaksanaan berasaskan ejen.

Selain mengehoskan model luaran, strategi teknologi perusahaan memerlukan penciptaan semula produk matang yang sangat berjaya dari asas, dan bukannya bergantung pada kemas kini ciri secara berperingkat. Jassy memetik rombakan menyeluruh Amazon Alexa sebagai kajian kes. Walaupun seni bina asal Alexa merupakan satu kejayaan terobosan ketika dilancarkan, kemunculan kecerdasan buatan generatif memerlukan penggantian keseluruhan enjin asasnya. 

Walaupun mengemas kini perisian lama secara berperingkat lebih mudah dari sudut organisasi, mengekalkan kepimpinan pasaran memerlukan penulisan semula pada peringkat asas. Aplikasi perusahaan yang mantap merentas peruncitan, penstriman video dan pengurusan awan mesti menjalani reka bentuk semula menyeluruh berasaskan kecerdasan buatan untuk kekal berdaya saing dengan syarikat pemula baharu yang direka khusus berasaskan ejen.
## Angka Utama

* **$220 Bilion:** Jangkaan perbelanjaan modal Amazon pada 2026 (~$600 juta sehari).
* **36.7%:** Pertumbuhan hasil AWS tahun ke tahun pada suku terkini, dengan kadar hasil tahunan sebanyak $169 bilion.
* **$25+ Bilion:** Kadar hasil tahunan AWS bagi perniagaan AI generatifnya dalam 3 tahun pertama (berbanding kadar hasil $60 juta selepas 3 tahun pada peringkat awal sejarah AWS).
* **80%:** Anggaran pertumbuhan hasil keseluruhan Amazon dari 2021 hingga kini.
* **3x:** Gandaan pertumbuhan AWS dari 2021 hingga kini.
* **2.5x:** Pertumbuhan hasil pengiklanan Amazon dari 2021 hingga kini.
* **30 Tahun berbanding 5–6 Tahun:** Hayat guna infrastruktur pusat data (30 tahun) berbanding peralatan pelayan/rangkaian (5–6 tahun, pulang modal ~3 tahun).
* **40%:** Peningkatan prestasi berbanding harga CPU Graviton berbanding pemproses x86 standard.
* **30%–40%:** Kelebihan prestasi berbanding harga cip AI Trainium berbanding pemproses yang setanding.
* **200x:** Gandaan penggunaan air oleh padang golf berbanding pusat data Amazon.
* **0.1%:** Peratusan masa dalam setahun penjana sandaran beroperasi (kira-kira 10 jam setahun).
* **$3 Bilion:** Cukai yang dibayar oleh Amazon di St. Joseph County, Indiana.
* **$1 Bilion:** Komitmen lima tahun kepada komuniti lokasi pusat data melalui program "Built Together".
* **6 Jurutera dalam 76 Hari:** Skop pembinaan semula enjin inferens oleh pasukan Bedrock (berbanding 40 orang selama 1 tahun sebelum ini).

## Perkara yang Akan Mengubah Gambaran Ini

1. **Kos Inferens yang Berkurang Secara Mendadak:** Penurunan besar kos inferens yang dipacu oleh cip silikon tersuai (contohnya, Trainium) yang mencetuskan peralihan bahagian tengah strategi "barbel" (aplikasi perusahaan arus perdana) daripada seni bina yang hanya menggunakan CPU.
2. **Penyelesaian Kekangan Bekalan Komponen dan Kuasa:** Peningkatan ketara dalam rantaian bekalan memori (HBM/DRAM), kuasa dan penyejukan yang membuka kapasiti melangkaui kekangan semasa apabila kapasiti telah habis ditempah (2026–2028).
3. **Penulisan Semula Autonomi Berasaskan Ejen Secara Meluas:** Perusahaan berjaya mengemas kini seni bina pangkalan kod legasi supaya direka khusus untuk ejen, membolehkan pelaksanaan tampalan keselamatan setiap minit.
4. **Perubahan dalam Perkongsian Infrastruktur Awam/Swasta:** Pelaburan persekutuan dan tempatan yang dipercepat dalam kapasiti grid elektrik bagi memenuhi permintaan industri terhadap pengkomputeran berskala hiper.

Untuk meneroka lebih banyak penyelidikan percuma atau menguji model anda sendiri, kunjungi platform DeepValues Research atau cuba aplikasi DeepValues.
## Rujukan

Amazon CEO Andy Jassy on the Infrastructure the AI Era Needs, hosted by a16z (Video Transcript).

## From DeepValues

- DeepValues app: intrinsic value, stances and the latest reports for 300+ stocks. [iPhone](https://apps.apple.com/us/app/deepvalues/id6775568608?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android](https://play.google.com/store/apps/details?id=app.deepvalues.android&referrer=utm_source%3Dresearch%26utm_medium%3Dweb%26utm_campaign%3Dmarkdown) · [Web](https://app.deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown)
- [Deep Value Intelligence](https://deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown): the multi-agent AI analyst behind these reports, for any listed company
- [Margin of Safety Weekly](https://app.deepvalues.ai/letter?utm_source=research&utm_medium=web&utm_campaign=markdown): free weekly email, every Saturday
- YouTube: videos on investing and on AI. [@TheDeepValues](https://www.youtube.com/@TheDeepValues?utm_source=research&utm_medium=web&utm_campaign=markdown) (investing) · [@deep-values](https://www.youtube.com/@deep-values?utm_source=research&utm_medium=web&utm_campaign=markdown) (AI)
- Podcasts: 6 shows in English and Chinese (Deep Values, 深度价值, Deep Values Frontier, 深度價值前沿, Deep Value Intelligence, 深度价值情报站). [all shows on Apple Podcasts](https://podcasts.apple.com/us/channel/deepvalues/id6826606342)
- Buffett Indicator: market-valuation gauge. [iPhone](https://apps.apple.com/us/app/buffett-indicator/id6747404614?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android (Buffett Indicator & Shiller PE)](https://play.google.com/store/apps/details?id=com.luluventures.bubblewatch.android&utm_source=research&utm_medium=web&utm_campaign=markdown)
