亚马逊云科技CEO马特加曼在re:Invent 2024演讲不是大张旗鼓解决宏大的时代命题，而是一步步填补琐碎细小的技术和应用沟壑文 | 吴俊宇编辑 | 谢丽容IT产业每隔十年技术浪潮就会剧变。十年前，IT产业的浪潮是“云转型”。当时亚马逊旗下云计算业务亚马逊云科技首次公布收入，它在2014年收入规模仅有46.4亿美元。但这家规模还不算大的公司站上了技术变革的潮头。它在随后十年，营收增长近20倍，2023年营收规模为907.6亿美元。2024年营收规模有望超过1000亿美元。亚马逊云科技依靠“云转型”逐渐成为全球最大云厂商。国际市场调研机构Gartner今年7月数据显示，2023年亚马逊云科技在全球公有云IaaS（基础设施）市场份额为39.0%，位居全球首位。十年后的今天，大模型是新的技术浪潮。“AI转型”替代“云转型”成了IT产业的新趋势。每一次IT技术变革，关键窗口期只有两三年。巨人倒下时，身上还是暖的。如果不能及时跟进，很快会被竞争对手拉开差距。在此背景下，亚马逊云科技近两年都在建立AI时代的产品体系。美国西部时间12月3日，在亚马逊云科技年度大会re:Invent 2024上，这家公司发布了一整套面向AI时代的新产品，包括自研大模型Amazon Nova系列、新一代AI训练芯片Trainium 3、新版Amazon SageMaker（数据分析和AI的一站式平台）、新版AI助手Amazon Q等。亚马逊云科技还更新了AI改造过的计算、存储、数据库等基础云产品。近一年，亚马逊云科技一直在重IaaS（基础设施）、PaaS（平台软件）、SaaS（应用软件）、MaaS（模型服务）层的产品。这家公司在“AI转型”的早期取得了不错的市场反馈。它的营收增速、利润水平在迅速攀升。最新财报数据显示，亚马逊云科技营收增速连续五个季度回升。2024年三季度营收增速为19.0%，是2023年后的高点。2024年三季度营业利润率高达38.1%，是2020年之后的高点。
IT产业的技术变革，“领头羊”变成“守旧者”的案例数不胜数。尤其是市场份额位居首位的巨头，容易反应迟缓甚至视而不见。亚马逊云科技要如何面对这轮技术变革？两场演讲中，亚马逊云科技 CEO（首席执行官）马特加曼（Matt Garman）、亚马逊云科技高级副总裁彼得德桑蒂斯（Peter DeSantis）分别阐述了当下这家公司的战略思考。一是更关注客户实际需求解决实际问题，而非沉迷技术本身。马特加曼解释，“我们称之为客户至尚和逆向工作法。倾听他们，理解他们想要什么，然后逆向工作，创造出一个出色的产品。这种以客户为中心的逆向工作法是亚马逊云科技基因的一部分。”二是长期重金投资“根技术”。云服务是规模经济，亚马逊云科技希望带来高性能、低成本的云服务。彼得德桑蒂斯提到，“根技术”创新如同亚马逊雨林的根系，可以从一棵树的底部延伸数百英尺与附近的树木相互纠缠，支撑树木生长在不稳定的土壤之中。亚马逊云科技为此长期研发芯片、存储、网络、数据中心等“根技术”。这能保持技术创新、降低计算成本、提升计算效率，也是公司长期保持竞争力的核心。
大模型强，如何落地也强
人们普遍认为，这一代大模型技术将成为改变全球产业企业的技术。但大模型的产业落地并不容易，需求方的企业普遍遇到了两个难题。算力成本贵。大模型的主要算力成本分成训练、推理两部分。随着AI应用数量增多，算力资源消耗也在加大，算力成本也随之攀升。采购一枚AI训练芯片起步价是1万美元。企业进行模型训练、微调、推理时还要反复试错，可能会浪费算力资源，整个过程中算力成本不可控。工程落地难。大模型一般无法开箱即用。它要用高质量数据进行二次训练，有时还要蒸馏、微调，最终接入应用后才能真正被使用。即使如此，模型“幻觉”（生成不符合事实或毫无根据的信息）仍然没有彻底解决。在金融、制造等专业领域，它有出现低概率但致命错误的可能，但这是绝对无法接受的。亚马逊CEO安迪贾西（Andy Jassy）以亚马逊自身的大模型落地实践为例，提到了三点经验。其一，当AI应用达到一定规模时，计算成本的重要性变得愈加凸显。大家迫切希望获得更高的性价比。其二，打造一款优质的AI应用是有难度的，用上好模型只解决了70%的工作。其三，永远不会有一款模型能够一统天下，要给客户选择的权利。面对上述问题，亚马逊云科技采取了“多模型+生态开放”的策略它可以提供选择空间，让客户找到价格、性能适合的模型。亚马逊拥有自研的大模型Nova系列，其中包括四个基础版本（Micro、Lite、Pro、Premier），以及图像模型Nova Canvas、视频模型Nova Reel。亚马逊还投资了AI创业公司Anthropic。Anthropic旗下的Claude系列模型和亚马逊云科技深度合作。一位亚马逊云科技人士今年11月曾表示，Anthropic旗下Claude系列模型性能很强，是市面上少数可以和GPT-4对标的模型之一。因此，很多亚马逊云科技的客户，会默认首选Claude系列模型（相关文章可见《亚马逊再出手，向OpenAI最大挑战者Anthropic追投40亿美元》）。亚马逊云科技的模型平台Amazon Bedrock集成了亚马逊、Anthropic、Meta、AI21 Labs、Cohere、Mistral Al、Stability Al、Luma AI、Poolside等九家大模型厂商的几十款精选模型（备注：Luma AI、poolside即将上架）。此次Bedrock模型平台上还更新了模型市场Bedrock Marketplace。它就像是一个“超市”，上架了来自IBM和英伟达等公司的100多款专业模型或行业模型。为何采用“多模型+生态开放”策略？这和市场需求有关不同模型特长不同，模型进化速度也极快，企业很难找到一个完美的模型适用于所有应用场景。事实上，很多企业在同时使用多款模型。一位国际ERP（企业资源管理）厂商人士今年8月曾提到，他们的业务之中使用了10余款模型，它们可以随时调用切换。他认为，选择丰富之后，才能根据模型的性能、成本、表现选型。这可以尽量降低试错成本，也可以动态切换成本更低的模型，避免被一家模型公司绑定。安迪贾西（Andy Jassy）解释称，亚马逊云科技给了开发者自主选择的权利。使用模型时，拥有多种选择至关重要，“永远不会出现一种工具能在某个领域一统天下的情况”。他举例，就像数据库（备注：数据库已经诞生超过60年），多年来大家仍会使用各种各样的产品。选择模型只是第一步，大模型真正被使用还要经过其他工程化手段，才能真正落地。为解决这一问题，亚马逊云科技推出了下一代Amazon SageMaker、AI助手Amazon Q等产品。Amazon SageMaker被视为解决生成式AI全生命周期问题的一站式平台。大多数大模型无法“开箱即用”，它要用高质量数据进行二次训练，可能还要经过蒸馏、微调等。因此，数据才是大模型的灵魂。只有给大模型喂入够多的高质量数据，模型准确度才会够高。SageMaker平台承担了两部分任务，一是把企业内散落在各个“孤岛”的数据进行查询、治理、分析；二是把高质量的数据用于模型的二次训练和开发。这可以降低大模型的开发、使用门槛。Amazon Q是一系列AI助手工具，其中包括代码开发（Developer）、商业分析（Business）、数据报表（QuickSight）、Connect（智能客服）、Supply Chain（供应链管理）等一系列模块。Amazon Q比SageMaker的使用门槛更低，这是一套可以开箱即用的工具。它适合大部分普通用户使用。为何会在此时推出模型市场Bedrock Marketplace、下一代Amazon SageMaker、AI助手Amazon Q等一系列工具？亚马逊云科技的一位专业人士解释，这源于客户需求，亚马逊云科技不会为了创新而创新，也不会拍脑袋设计产品，而是采用“逆向工作法”从客户实际需求逆向推导，从而推出适合的产品。这是亚马逊云科技能够长期保持竞争力的关键。
算力太贵，如何降低成本？
亚马逊云科技应对算力昂贵的做法是自研芯片。大模型让云厂商自研芯片的动力变强了。大模型是典型的“吞金兽”，科技公司需要投入巨额资本支出采购芯片和服务器，租赁土地建设数据中心。云厂商近两年资本支出普遍在激增。以亚马逊为例，它在最近两个季度资本支出增速高达70.4%，是近三年的高点。亚马逊管理层在2024年三季度财报电话会中预测称，2024年资本支出将超过750亿美元。
一位芯片行业人士解读，亚马逊云科技等云厂商自研芯片一般有两条逻辑：其一，云厂商自研芯片通常可以降低单位算力成本，让自家云业务更有性价比；其二，节省外部芯片采购费用，减少对芯片供应商的依赖。不过，这些芯片不会直接对外销售，而是在云厂商的数据中心，变成云化的算力对外租赁。亚马逊目前量产了三款自研芯片，分别是Arm架构的CPU芯片Graviton 4，它主要对标英特尔、AMD旗下芯片产品。AI训练芯片Trainium 2，它主要对标英伟达旗下A100/H100等旗舰级别的AI训练芯片。AI推理芯片Inferentia 2，它主要对标英伟达旗下A10等入门级别的AI推理芯片。亚马逊云科技方面的说法是，Graviton 4、Trainium 2比同规格的其他芯片，性价比可提升40%。我们了解到，目前亚马逊全球新增算力的一半以上都是基于Arm架构Graviton系列芯片，数量已经超过了x86系列芯片（主要生产企业包括英特尔、AMD）。亚马逊云科技还将在2025年量产Trainium 3。这款AI训练芯片采用了3纳米工艺制程，性能比前代产品Trainium 2高出两倍，性价比可以提升40%。某中国云厂商一位不具名的芯片负责人曾分析称，云厂商自研芯片通常可以针对自身业务特点做优化。自研芯片在实现量产的前提下，通常比英特尔、英伟达的芯片采购成本、运营成本更低。节省下来的成本可以让利客户，用于降低算力价格。一批企业已经成了亚马逊云科技自研芯片的使用者，其中包括苹果公司和AI创业公司Anthropic。苹果公司是亚马逊云科技自研芯片的重要客户。苹果的搜索服务采用了Graviton 4和Inferentia 2的云服务，其机器学习推理工作负载的效率提高了40%以上。苹果机器学习和AI高级总监伯努瓦杜宾（Benoit Dupin）在re:Invent 2024演讲时表示，苹果还处于评估Trainium 2芯片的早期阶段，在Trainium 2上对其模型进行预训练，效率将提高50%。AI创业公司Anthropic使用亚马逊云科技自研芯片更激进。Anthropic联合创始人兼首席计算官Tom Brown（汤姆布朗）在re:Invent上宣布了“雷尼尔计划”（Project Rainier）。该计划的核心内容是，Anthropic未来将使用一个拥有数十万枚亚马逊自研芯片的算力集群，其芯片数量将是Anthropic现有算力集群的五倍以上，是目前世界上最大的机器学习算力集群（相关文章可见《Anthropic将使用数十万枚亚马逊自研芯片》）。除了自研芯片，亚马逊云科技还一直在基础设施层提升计算、存储、网络、推理等云计算核心产品的运行效率。这同样可以降低算力成本，提高云的性价比。这其中有大量看不见的技术优化，涉及数据中心如何管理、网络光纤如何排布、存储设备如何定制等一系列细节。彼得德桑蒂斯提到，亚马逊云科技每年都进行巨额差异化技术投资，目的是建成高性能和低成本的基础设施。一位亚马逊云科技中国区人士对此解释，IT行业有一句话，好的软件工程师，往往要懂底层硬件。基础设施层的技术创新，都是上层的AI和应用需求所倒逼的。比如，亚马逊云科技软件和硬件管理系统Nitro它就像数据中心的“交警”，可以智能地调度服务器、网络、存储设备，它既能减少交通拥堵，还能够保证系统安全。算力资源因此可以得到高效利用。这仅仅只是其中的一个切面。亚马逊的技术投资在其财报中有所体现。这家公司长期保持着高强度的研发支出率，近三年研发支出率已经攀升至近十年来的高点。
另一位中国云厂商人士对此解释，在基础设施层高强度的研发支出，可以有效提升算力效率。算力效率可以带来成本优势，让云厂商形成良性循环。事实上，中国云厂商也在走这条道路。因为云是重资产生意，规模即是壁垒。它的业务逻辑是，采购芯片和服务器，建设数据中心，高强度研发投入，对外出租计算、存储、网络、软件等服务。云的技术特点是利用弹性调度能力错峰填谷，减少资源闲置。云一旦形成规模效应，便能持续降低边际成本，获得更高利润，进行下一轮资源采购和研发投入。算力成本会在这种循环中持续下降。
竞争激烈，能否继续保持优势？
亚马逊云科技2006年诞生，它在云计算市场长期保持着40%左右的市场份额，且市场份额位居首位这一优势已经保持了十年。IT行业的技术变革往往会导致产业格局发生剧变。十年前“云转型”的过程中，企业客户逐渐减少私有化的硬件、软件采购，而是采用公有云上的计算存储资源、应用软件。亚马逊云科技是“云转型”的宠儿。过去十年，它的营收迅速增长的同时，一批以硬件为核心的传统IT企业没有及时“云转型”，进而逐渐走向衰落。如果无法抓住大模型和“AI转型”的变革窗口，它也会面临同样的问题在温水煮青蛙的过程中一点点落后，进而被时代淘汰。大模型是云厂商近两年的主战场。这轮“AI转型”窗口，亚马逊云科技不乏挑战者在云计算市场，亚马逊云科技、微软Azure、谷歌云这三巨头保持着长期竞争的格局。虽然微软Azure、谷歌云的市场规模相对更小，但它们的营收增速一度更快。大模型，被认为是这两家云厂商弯道超车的机会。
事实上，亚马逊云科技这几年面临的市场竞争越来越激烈。它的对手正在不断缩小差距。2022年-2023年，美国宏观经济承压，美国企业客户普遍在优化IT成本，云市场大盘增速因此不断放缓。亚马逊云科技当时受此影响，营收增速、利润水平一度下滑。相对优势当时被削弱了。但在当时，微软Azure借助大模型的先发优势高歌猛进不断扩大市场份额。2024年，微软Azure表现依旧强势。微软管理层在2025财年一季度（微软财年为每年7月1日至次年6月30日，2025财年一季度即2024年三季度）的财报电话会中披露，仅用两年半，微软Azure的AI业务就有望在2025财年二季度（即2024年四季度）实现超过100亿美元年化收入（年化收入是云计算/软件公司的常用统计口径，一般指当季收入×4。云计算/软件公司的客户通常按年/季/月长期订阅，履约收入稳定可预期，因此这一收入统计方式被行业接受）。
新的竞争格局来临，亚马逊云科技能否持续保持优势？至少目前从收入规模来看，答案是相对乐观的。和微软Azure一样，亚马逊云科技的AI业务也在快速增长。2024年三季度，亚马逊管理层在财报电话会议中也披露了一组数据：亚马逊云科技的AI业务在2024年三季度达到了数十亿美元，增长率超过100%。AI业务增速是亚马逊云科技自身增速的三倍以上。竞争对手攻势凶猛，但这两年亚马逊云科技反应速度也很快。近两年，微软不断加注投资AI创业公司OpenAI的同时，亚马逊连续三轮总计80亿美元投资了AI创业公司Anthropic。双方合作下，Anthropic会带来大量算力消耗，直接带动亚马逊云科技AI收入增长，这还会吸引一批企业客户，进而间接带动其他基础云产品的交叉销售。这场合作的最终的受益者仍是亚马逊云科技。投资合作伙伴只是短期应对竞争的防御性措施。云厂商想在竞争中取胜，必须拥有一整套自己的产品。因此亚马逊云科技在两年内逐步建立起了一套自研的大模型工具链比如Nova系列大模型、Bedrock模型平台、Bedrock Marketplace模型市场、Amazon Q AI助理。这些产品被广泛接受，还需要生态合作伙伴的支持。生态开放是亚马逊云科技诞生至今的历史传统。它提供基础云服务和核心应用，合作伙伴建设上层垂直应用。合作伙伴成长的同时会消耗底层算力，亚马逊云科技自身收入也会增长。在“AI转型”中，亚马逊云科技延续了这个打法。Bedrock模型平台、Bedrock Marketplace模型市场都是做大生态合作网络的重要抓手。因此，在大模型市场，同样正在形成一套围绕亚马逊云科技的生态模型厂商不断长大的同时，会带来更多算力消耗，最终的受益者仍是亚马逊云科技。在激烈的市场竞争中，亚马逊云科技应时而变，拓宽了自身战略空间，手中的牌也变得更多了。
