大模型時代，亞馬遜AWS堅守長期主義_風聞

**導語：**在大幹快上的大模型時代，亞馬遜AWS依然堅守長期主義。

周董石 | 作者 礪石商業評論 | 出品

1

“雲端”墜落

1996年，亞馬遜全年營收僅1500萬美元，2021年這一數字超過4600億美元。用20多年時間，亞馬遜從一家小型圖書零售商成長為全球屈指可數的科技巨頭，其營收體量增長了3萬倍。

但亞馬遜的增長神話定格在了2022年。這一年亞馬遜營收增速降至個位數，併產生了27億美元的鉅額虧損。而在此前，亞馬遜淨利潤從2018年的100億美元增至2021年的333億美元，也帶來股價的一度暴漲。

亞馬遜踩了急剎車，零售業務第一個閃了腰。從2022年開始，亞馬遜陸續關閉了西雅圖、紐約和舊金山的8家無人零售商店Amazon Go，位於弗吉尼亞州的第二總部的建設工程也被叫停。過去一年，亞馬遜減少了27000個工作崗位，零售是重災區。

2023年一季度，亞馬遜銷售額同比增長9%，淨利潤由去年（一季度）淨虧38.4億美元轉為盈利31.7億美元。

怎麼看，這都是一出重拾增長、絕地反擊的戲碼，但亞馬遜CEO安迪·傑西卻高興不起來，他甚至將2023年描述為公司“最艱難”的一年。即便面對零售大裁員、集團鉅虧的2022年，安迪·傑西尚能保持樂觀，但在業績復甦的今天，安迪·傑西卻釋放出濃重的無力感，背後是何原因？

亞馬遜兩大主營業務分別是零售電商與雲計算（AWS）業務。儘管AWS營收佔比不足17%，並且連續四個季度營業利潤率收窄，但一季度雲業務還是貢獻了超50億美元的利潤。在填補亞馬遜近20億美元窟窿後，AWS為集團創造了30多億美元盈利。

AWS不僅是亞馬遜最大的利潤現金牛，更是推動公司增長的最強動力。自2015年雲業務公佈業績數據以來，亞馬遜AWS營收增速一直保持在30%以上。但2022年這條高速增長曲線被打破了，當年增速首次降至29.4%。

今年一季度，亞馬遜AWS營收同比增速降到16%的歷史低值。但這還不是最低！亞馬遜在電話會議上透露AWS在4月增速還將繼續下跌，跌幅可能高達5個百分點。

最具增長潛力的雲業務急劇失速，引發了投資人對亞馬遜預期下滑，這是安迪·傑西作出“最艱難”判斷的根本原因。

其實，不止AWS，整個行業都在裁員、收縮。例如，客户關係管理軟件Salesforce宣佈裁員10%，視頻會議服務商Zoom裁員15%，雲通訊公司Twilio裁員17%……

市場曾對在美市值前25名的SaaS企業2022年上半年營業利潤做過統計，得出的結論是，14家至今仍在虧損，其中8家虧損幅度擴大，3家由盈轉虧。

嚴峻的宏觀經濟形勢，抑制了企業對數字化的投入。安迪·傑西認為，亞馬遜AWS面臨短期危機，客户數字化支出下滑是直接原因。

但並非所有的雲服務商都按照亞馬遜的版本進化。2023年一季度，微軟旗下雲業務Azure和谷歌雲計算部門近日分別報得27%和28%的增長，依舊維持高增長態勢。這兩家雲計算廠商憑藉在AI領域的領先優勢，正在斬獲更多企業客户。

2021年7月，安迪·傑西憑藉其主政亞馬遜AWS的出色表現登上了亞馬遜公司整體業務掌門人的寶座。不到兩年後，無論是在業績增速還是大模型發展上，AWS都敗給了競爭對手。這讓亞馬遜上下蒙上了一層濃重的陰影。

2

“守正”護住基本盤

在自己最擅長的雲業務上被對手“超越”，安迪·傑西內心是拒絕的，他認為AWS的危機只是短期的。

支持此判斷的一個重要因素在於，AWS的客户並不是一味縮減開支，只是有節奏地調整需求方向，更加精打細算。

AWS的應對策略是提升性價比，自研芯片是一個方向。比如，AWS自研芯片Graviton2計算實例比最新一代x86實例提升了40%的價格性能，而2022年推出的Graviton3芯片又比Graviton2處理器性能提升了25%。

Trainium深度學習芯片則讓AI訓練成本大幅降低。2022年，亞馬遜AWS推出了第一款訓練芯片（Trainium），基於Trainium的實例比基於GPU的實例速度提升了140%，成本低70%。

正如安迪·傑西所言，“AWS銷售和支持團隊花費大部分時間幫助客户優化他們的雲上支出，以便他們能夠更好地應對不確定的經濟形勢。”

利用企業回顧、確定新的戰略方向這段時間，AWS適應變化、捕捉新需求，2022年推出了超過3300個新功能和服務。

除自研芯片外，AWS將很大一部分精力用在培育長期可能性的創新發明，比如為行業廣泛注入機器學習的能力。

在AIGC（生成式AI）日漸火熱的當下，其背後的核心技術-機器學習（ML）能力，早已為行業所認可。某種意義上講，機器學習創新一直是亞馬遜雲的DNA。

從早期電商推薦引擎、運營中心撿貨機器人以及預測產能，到後來亞馬遜的無人機以及線下無人零售實體店中的計算機視覺場景，都在使用機器學習技術。

亞馬遜發明的產品也在趨向於培養機器學習能力，搭載Alexa系統的智能音響設備，家用機器人Burnham，都在引入AI模型的“情景理解”技術，這些都屬於機器學習的範疇。

而隨着AIGC的到來，機器學習技術進入指數爆炸式期，計算能力提升、數據精準要求、大模型複雜度提高正在驅動着機器學習技術快速演進。

安迪·傑西認為，能夠長期成功的公司都能很好地應對變革，機器學習便是亞馬遜守住雲業務基本盤，應對未來變化的核心能力。

市場調研機構Synergy Research數據顯示，2022年三季度全球雲計算基礎設施（公有云IaaS+PaaS以及託管私有云）市場前四強分別是：亞馬遜AWS（34%）、微軟Azure（21%）、谷歌雲（11%）、阿里雲（5%）。作為行業老大的亞馬遜雲，依然要比微軟雲與谷歌雲份額之和還要大。

商場如戰場，《孫子兵法》中有句話很好地詮釋了商業經營之道：“凡戰者，以正合，以奇勝”。對應全球雲市場，守正護住了AWS的基本盤；但缺少奇技的AWS也少了一擊致敵的武器。

具體來看，亞馬遜AWS正面臨微軟和谷歌愈發強烈的競爭與挑戰。通過低價策略，谷歌雲在瘋狂搶奪AWS的市場客户。由於缺少軟件業務，AWS在與微軟雲的競爭中，本就具備利潤率偏低的劣勢，如今又要直面大模型的兇猛衝擊。

與雲計算普遍下調的增長預期相比，微軟智能雲中的AI計算（Azure ML）業務，已經連續四個季度營收增速超過100%。

2019年，微軟耗資10億美元投資Open AI，從最初投資人不理解變成如今備受全球追捧。AI計算被認為正在重塑雲、軟件、芯片產業，還在影響其他產業的產業智能化轉型。

相比微軟雲，AWS本就失了先手，後期反應也較為遲鈍，最終落後一大拍 。直到今年4月，AWS才推出了名為Titan的大型語言模型（LLM）和名為Bedrock的生成式人工智能（AI）服務，徹底淪為追趕者。

但一直以來，“奇勝”一直是亞馬遜成長為全球最大雲服務商的關鍵因素。

2008年，AWS還是亞馬遜內部的一個小業務。彼時，公司計劃將投資向雲上傾斜引來內部諸多質疑，他們直接喊話“在線零售商在核心主業，為什麼要在雲計算上投入如此之多？”

安迪·傑西給不出明確的答案，但卻異常篤定了雲計算的未來：“我們正在發明一些可以為客户和亞馬遜創造巨大價值的特殊東西，我們必須在競爭對手之前佔據了先機，亞馬遜必須堅定長期投資AWS。”

15年後，AWS已經是年入千億美元的業務。如果2008-2009年減緩對AWS的投資，亞馬遜將是一家完全不同的公司。

如今在雲業務上，亞馬遜正在艱難地大象轉身，而小步快跑的微軟雲成了出奇制勝的那一方。

好在亞馬遜雲培育了自研、機器學習能力，並將自己與客户深度捆綁，在破解行業發展難題中，形成穿越週期的長期能力。具備這種能力，亞馬遜便保住了守正基本盤，也保有了出奇制勝的可能。

3

開闢AI敵後戰場

千呼萬喚始出來。4月13日，在AIGC圈一直“隱身”的亞馬遜突然加入生成式AI競賽。

安迪·傑西公然宣稱，大語言模型與生成式人工智能，對亞馬遜未來數十年至關重要，AWS正在大量投資。

與國內外一眾雲服務商拼速度、趕工期相比，AWS不緊不慢打了一套組合拳。

聚焦大模型：推出Amazon Bedrock與Amazon Titan，幫助企業提高效率和創新力；針對AI訓練：提供兩款專門針對生成式AI優化的高性價比的虛機實例EC2 Trn1n和EC2 Inf2，幫企業節省訓練與推理成本；發佈AI編碼助手Amazon CodeWhisperer，向個人用户免費開放。

其中，Amazon Bedrock既提供自研的大語言基礎模型——Amazon Titan Text、Amazon Titan Embeddings，也與AI21 Labs、Anthropic、Stability AI等基礎模型提供商開放合作，降低開發者使用門檻。

換言之，在Bedrock上，用户可以通過可擴展、可靠且安全的亞馬遜雲科技託管服務，訪問從文本到圖像等一系列基礎模型以及Amazon Titan基礎模型。

極易定製是Bedrock的突出特徵。藉助無服務器體驗，企業可以快速找到適合自身業務的模型，在確保數據安全和隱私前提下，進行個性化定製，並可將定製化模型部署到已有的應用程序中，無需其他基礎設施。

Bedrock主打便捷性，Titan則為Bedrock保駕護航。比如Titan基礎模型可以識別和刪除客户提交給定製模型的數據中的有害內容，拒絕用户輸入不當內容，過濾模型中不當內容的輸出結果。

在AI訓練與推理領域，AWS的核心目標依舊是提性能、降成本。比如，AWS本次推出的Trn1n不僅可以提供1600 Gbps的網絡帶寬，性能比訓練實例Trn1提高了20%；另一款推理軟件Inf2較亞馬遜此前發佈的首款推理專用芯片Inferentia吞吐量提高了4倍，延遲降低了10倍。

除了芯片領域創新，AWS發佈的AI編碼助手Amazon CodeWhisperer可以規避開發人員簡單無差別的代碼勞動。作為AI編碼伴侶，CodeWhisperer根據開發人員的自然語言評論以及集成開發環境中先前代碼實時生成代碼建議，提高開發者效率。此外，CodeWhisperer還可以自動掃描代碼中的安全漏洞並幫用户修復，增強代碼的安全性。

短短兩月，難以評價AWS產品成敗。但我們可能從市場反饋中抽絲剝繭，梳理亞馬遜的應對策略與發展邏輯。

按照安迪·傑西的話術：“大多數公司都想用上大語言模型，但真正好用的語言模型需要數十億美元以及長時間、大數據的訓練。不是所有公司都具備這樣的條件，大家期待的是從基礎模型中進行提升，根據自身目的進行定製。”

換言之，AWS似乎無意與ChatGPT爭鋒，而是希望通過Bedrock等成為中小企業入局生成式AI的基礎性工具，並以靈活定製方式，賺取企業的長期價值。

現實也在印證，Bedrock的表現似乎也未達預期，亞馬遜在推遲擴大Bedrock的試用範圍。

作為首批使用者，Coda首席執行官給Bedrock打出“未完成”的評級。他認為，該工具還處在早期發展階段，亞馬遜“正在現有服務的基礎上開發並重新包裝”，但他相信Bedrock的長期成長力。

針對AI訓練的EC2 Trn1n和EC2 Inf2以及AI編碼助手CodeWhisperer，AWS更像是搭建高性能、低成本的AIGC基礎設施，藉助培育行業生態為自己蓄勢。

如果將大模型看作本輪AIGC的前方主戰場，AWS選擇的更像是圍繞行業生態、智能產品出擊的敵後第二戰場。

2014年，由AWS的Alexa系統提供支持的第一代Echo智能音響設備問世，如今覆蓋了美國四分之一的家庭。Alexa之所以重要，不在於它的用户之多，更在於它是萬千消費者接觸AI助手理念和AI機器人對話模式的開端。

彼時，亞馬遜創始人貝索斯參與了Alexa的測試和開發，甚至親自設計了外觀和語言。貝索斯對Echo智能音箱抱有兩個期望，一是要在消費者的生活中無處不在，如同智能手機一般；二是帶動消費者通過對話模式開展購物，重塑亞馬遜的核心商業價值。

在很長一段時間，Alexa是亞馬遜戰略佈局的重要一環，亞馬遜幾乎是按成本價出售該設備，目的是為未來智能服務積蓄力量。但可惜，Alexa盈利困難的狀況一直沒有改善。

如今，安迪·傑西計劃用類似ChatGPT的生成式AI技術改造Alexa，讓它變得更像是在思考用户的提問，而不是從數據庫中復讀信息。傑西聲稱公司正在建造一個“更大、更通用、更強大”的大語言模型作為Alexa的基礎，把AI融入到現實產品服務中。“我認為這將極大地加速我們實現成為世界上最好的個人助理的願景，這背後有一個很大的商業模式。”

不止Echo，公司流出的內部文件顯示，亞馬遜正秘密研發旗下家用機器人Astro的升級版“Burnham”。Burnham機器人將引入基於包含大型語言模型（LLM）和其他先進AI模型的“情景理解”技術。

在設想中，它可以敏鋭地觀察周圍環境，智能地接收和理解聽到的內容，並與使用者進行對話，在此基礎上採取適當的行動。比如一位老人滑倒，Burnham可以檢查他是否安全，撥打報警電話以及呼喚其他人來幫忙。

4

結語

AWS在經歷多年的快速發展後，重新回到了積蓄勢能的準備期。

沒有像大部分雲服務商那般直面大模型，亞馬遜走了一條更寬泛的機器學習之路：結合行業痛點，以產品應用場景與行業生態服務的形式迂迴包抄。

沒有什麼不可思議，亞馬遜似乎總能獨樹一幟。

在十幾年的成長中，AWS以一種較為剋制的方式，堅持只當掃把（工具）、不做保姆，有所為有所不為的服務精神。這是一種專業主義，不投機市場，不調動情緒，靜待花開。

在生成式AI這場新一輪競爭中，我們依然看到亞馬遜不温不火，以及側重底層生態服務與機器學習的長期主義精神。

儘管在起步階段慢了一拍，我們看到**亞馬遜正在緩慢、迂迴地重整飛輪、積蓄勢能。**這是一條不一樣的路，短期出不了風頭，但長期會更有韌性。在大幹快上、押注大模型的當下，這是一股不可忽視的別樣力量。