当时，亚马逊的云计算业务亚马逊云技术首次公布了营收。 2014年其营收仅为46.4亿美元。但这家规模相对较小的公司却处于技术变革的最前沿。此后十年，其营收增长近20倍，2023年营收达到907.6亿美元。 2024年收入预计将超过1000亿美元。
亚马逊云技术依靠“云转型”逐步成为全球最大的云厂商。据国际市场研究机构今年7月的数据显示，亚马逊云技术2023年全球公有云IaaS（基础设施）市场份额将为39.0%，位居全球第一。
十年后，大型模型成为新的技术浪潮。 “AI转型”取代“云转型”，成为IT行业新趋势。每一次IT技术变革，关键窗口期只有两三年。当巨人倒下时，他仍然是温暖的。如果不及时跟进，很快就会被竞争对手拉开差距。在此背景下，亚马逊云科技近两年一直在打造面向AI时代的产品体系。
美国西部时间12月3日，在亚马逊云技术年会上re:2024上，公司发布了面向AI时代的全套新产品，包括自主研发的大模型Nova系列、新一代AI训练芯片3，以及新版本（数据分析和AI一站式平台）、新版AI助手Q等。
亚马逊云技术也更新了由AI改造的计算、存储、数据库等基础云产品。过去一年，亚马逊云技术在IaaS（基础设施）、PaaS（平台软件）、SaaS（应用软件）、MaaS（模型服务）层面不断重塑产品。
这家公司在“AI转型”初期取得了良好的市场反馈。其收入增速和利润水平正在快速上升。最新财报数据显示，亚马逊云技术营收增速已连续五个季度回升。 2024年第三季度营收增速为19.0%，为2023年后最高点。2024年第三季度营业利润率将高达38.1%，为2020年后最高点。
随着IT行业的技术变革，“领导者”变成“保守派”的例子不胜枚举。尤其是市场份额最大的巨头，很容易反应迟缓，甚至视而不见。亚马逊云技术如何面对这一轮技术变革？
在两次演讲中，亚马逊云技术首席执行官（CEO）马特·加曼（Matt）和亚马逊云技术高级副总裁彼得·德桑蒂斯（Peter）分别阐述了公司目前的战略思路。
一是更加关注客户的实际需求——解决实际问题而不是沉迷于技术本身。马特·加曼 (Matt ) 解释说：“我们称之为以客户为中心和逆向工作。倾听他们的声音，了解他们想要什么，然后逆向工作以创造出出色的产品。这种以客户为中心的逆向工作方法是亚马逊云技术 DNA 的一部分。”
二是长期大力投资“根技术”。云服务是规模经济，亚马逊云技术希望带来高性能、低成本的云服务。 Peter 提到，“根技术”创新就像亚马逊雨林的根系，可以从树根延伸数百英尺，与附近的树木交织在一起，支撑树木在不稳定的土壤中生长。亚马逊云技术长期致力于芯片、存储、网络、数据中心等“根技术”的研发。这可以保持技术创新，降低计算成本，提高计算效率，也是公司长期竞争力的核心。
大模型是强大的，而且无论如何实施，它们都是强大的。
人们普遍认为，这一代大模型技术将成为改变全球工业企业的技术。然而，大规模模型在业界落地并不容易。需求方企业普遍遇到两个问题。
计算能力是昂贵的。大型模型的主要算力成本分为两部分：训练和推理。随着AI应用数量的增加，计算资源的消耗也在不断增加，算力成本也在不断上升。购买AI训练芯片的起价为1万美元。企业在进行模型训练、微调和推理时必须反复试错，这可能会浪费算力资源，并使整个过程的算力成本不可控。
项目实施难度较大。大型模型通常无法开箱即用。它需要用高质量的数据进行二次训练，有时还要进行蒸馏、微调，最后连接到应用程序才能真正使用。即便如此，模型“错觉”（生成事实上不正确或毫无根据的信息）仍然没有完全解决。在金融、制造等专业领域，有可能出现概率低但致命的错误，但这是绝对不能接受的。
亚马逊CEO Andy Jassy以亚马逊自身的大规模模型实施实践为例，提到了三点经验。
首先，当人工智能应用达到一定规模时，计算成本的重要性日益凸显。每个人都渴望获得更好的性价比。
其次，构建高质量的人工智能应用难度较大。使用好的模型只能解决70%的工作。
第三，永远不会有一种模式能够一统天下，必须给予客户选择的权利。
面对上述问题，亚马逊云技术采取了“多机型+生态开放”的策略——能够提供选择的空间，让客户找到价格和性能合适的机型。
亚马逊有自己自主研发的大型号Nova系列，包括四个基本版本（Micro、Lite、Pro、），以及图像型号Nova和视频型号Nova Reel。
亚马逊还投资了人工智能初创公司。其系列机型与亚马逊云技术有深度合作。一位亚马逊云技术人士今年11月表示，其系列机型性能非常强劲，是市场上少数可以与GPT-4竞争的机型之一。因此，很多亚马逊云技术的客户都会默认首选系列机型（相关文章参见《亚马逊再次出手，斥资40亿美元收购最大挑战者》）。
亚马逊云技术的模型平台集成了、meta、AI21 Labs、Al、Al、Luma AI等九家大型模型厂商的数十款精选模型（注：Luma AI即将上线）。模型市场这次也在模型平台上进行了更新——。它就像一个“超市”，拥有IBM、等公司的100多个专业或行业模型。
为什么要采取“多模式+生态开放”的策略？这与市场需求有关——不同的车型有不同的优势，而且车型的发展速度极快。企业很难找到一个适合所有应用场景的完美模型。事实上，许多公司同时使用多种模式。
一家国际ERP（企业资源管理）厂商今年8月份提到，他们在业务中使用了10多个模型，并且可以随时切换。他认为，只有选择丰富后，才能根据模型的性能、成本、性能来选择模型。这样可以最大限度地减少试错成本，还可以动态切换到成本更低的模式，避免被束缚于一种模式公司。
Andy Jassy 解释说，亚马逊云技术赋予开发者做出自己选择的权利。使用模型时，拥有多种选择非常重要。 “永远不会出现一种工具主宰一个领域的情况。”他举了一个例子，就像数据库一样（注：数据库已经存在了60多年），多年来人们仍然会使用各种产品。
选择型号只是第一步。大模型的实际使用还需要其他工程方法才能真正实现。为了解决这个问题，亚马逊云技术推出了下一代AI Q等产品。
它被视为解决生成式人工智能全生命周期问题的一站式平台。大多数大型模型不能“开箱即用”。它们需要用高质量的数据进行两次训练，还可能经过蒸馏、微调等。因此，数据是大模型的灵魂。只有将足够多的高质量数据输入到大模型中，模型的精度才能足够高。
该平台承担两项任务。一是对分散在企业内部各个“孤岛”的数据进行查询、管理和分析；二是利用高质量数据进行二次训练和模型开发。这可以降低大型模型的开发和使用门槛。
Q是一系列AI助手工具，包括代码开发（）、业务分析（）、数据报表（）、（智能客服）、Chain（供应链管理）等一系列模块。 Qbi的使用门槛较低。这是一套开箱即用的工具。适合大多数普通用户。
为什么在这个时候推出模型市场、下一代、AI助手Q等一系列工具？
亚马逊云技术的一位专业人士解释说，这源于客户的需求。亚马逊云技术不会为了创新而创新，也不会自行设计产品。而是采用“逆向工作法”——从客户的实际需求出发逆向推导。 ，从而推出合适的产品。这是亚马逊云技术保持长期竞争力的关键。
算力太贵，如何降低成本？
亚马逊云技术应对昂贵计算能力的方法是开发自己的芯片。大型号让云厂商更有动力研发自己的芯片。
大型模型是典型的“吃金兽”。科技公司需要投入巨额资本支出购买芯片和服务器，并租赁土地建设数据中心。过去两年，云厂商的资本支出普遍激增。以亚马逊为例。其近两个季度的资本支出增长率高达70.4%，为近三年来的最高水平。亚马逊管理层在2024年第三季度财报电话会议中预测，2024年的资本支出将超过750亿美元。
一位芯片行业人士解释称，亚马逊云科技等云厂商自研芯片一般有两个逻辑：一是云厂商自研芯片通常可以降低单位算力成本，让自己的云业务更具优势。具有成本效益；第二，节省资金 外部芯片采购成本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，而是会作为云算力出租给云厂商的数据中心。
亚马逊目前量产三款自研芯片，即基于Arm的CPU芯片4，主要与英特尔和AMD的芯片产品竞争。 AI训练芯片2，主要针对A100/H100等旗舰AI训练芯片。 AI推理芯片2，主要针对入门级AI推理芯片，如的A10。据亚马逊云科技介绍，4号和2号相比其他同规格芯片的性价比可提升40%。
我们了解，目前亚马逊全球新增算力一半以上基于Arm架构系列芯片，数量已超过x86系列芯片（主要厂商包括Intel和AMD）。亚马逊云科技也将于2025年量产3。这款AI训练芯片采用3纳米工艺，性能是上一代产品2的两倍，性价比可提升40%。
一位不愿透露姓名的中国云厂商芯片经理曾分析，云厂商自研芯片通常可以针对自身业务特点进行优化。在实现量产的前提下，自研芯片通常比英特尔和英伟达的芯片具有更低的采购成本和运营成本。节省的成本可以让利给客户并用于降低算力价格。
多家公司已成为亚马逊云技术自研芯片的用户，其中包括苹果和人工智能初创公司。
苹果是亚马逊云科技自研芯片的重要客户。苹果的搜索服务使用了4和2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 Dupin 在 re: 2024 演讲中表示，苹果仍处于评估 2 芯片的早期阶段，在 2 上预训练其模型将提高 50% 的效率。
对于AI初创公司来说，利用亚马逊云技术来开发自己的芯片则更为激进。联合创始人兼首席计算官 Tom Brown 在 re: 上宣布了雷尼尔计划。该计划的核心内容是，未来将采用拥有数十万颗亚马逊自研芯片的算力集群。芯片数量将是现有算力集群的五倍以上，成为全球最大的机器学习算力。集群（相关文章参见《将使用数十万颗亚马逊自研芯片》）。
除了自研芯片之外，亚马逊云技术也一直在基础设施层提升计算、存储、网络、推理等核心云计算产品的运行效率。这也可以降低算力成本，提高云的成本效益。
这其中涉及到很多看不见的技术优化，包括数据中心如何管理、网络光纤如何布放、存储设备如何定制等一系列细节。 Peter 提到，亚马逊云技术每年都会对差异化技术进行巨额投资，以构建高性能、低成本的基础设施。亚马逊云技术中国区一位人士解释说，IT行业有一句话，优秀的软件工程师往往需要了解底层硬件。基础设施层的技术创新是由上层的人工智能和应用需求驱动的。
例如亚马逊云技术软硬件管理系统Nitro——它就像数据中心的“交通警察”，可以智能调度服务器、网络和存储设备。不仅可以减少交通拥堵，还可以保证系统安全。因此可以有效地利用计算资源。
这只是一方面。亚马逊的技术投资反映在其财务报告中。该公司长期保持高强度的研发支出率。近三年来，研发支出率攀升至近十年来的最高点。
另一位中国云厂商人士解释称，基础设施层面的高强度研发支出可以有效提升算力效率。计算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路。
由于云是一项重资产业务，规模是一个障碍。其业务逻辑是采购芯片和服务器，建设数据中心，大力投入研发，并向外部租赁计算、存储、网络、软件等服务。云的技术特点是利用弹性调度能力移峰填谷，减少闲置资源。云一旦实现规模效应，就可以持续降低边际成本，获得更高的利润，并进行下一轮的资源采购和研发投入。算力成本将在这个周期中不断下降。
竞争激烈，你能继续保持优势吗？
亚马逊云技术诞生于2006年，在云计算市场长期保持着40%左右的市场份额，并且市场份额排名第一——这一优势一直保持了十年。
IT产业的技术变革往往会导致产业结构的剧烈变化。在十年前的“云转型”过程中，企业客户逐渐减少私有化软硬件采购，转而使用公有云上的计算、存储资源和应用软件。
亚马逊云技术是“云转型”的宠儿。近十年来，在营收快速增长的同时，一批以硬件为核心的传统IT企业却未能及时“云转型”，逐渐走向衰落。如果不能抓住大车型变革和“AI转型”的窗口，就会面临同样的问题——在温水煮青蛙的过程中一点点落后，然后被时代淘汰。
大型机型一直是近两年云厂商的主战场。在这一轮“AI转型”窗口期，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、谷歌云三大巨头保持着长期的竞争格局。尽管微软Azure和谷歌云的市场规模相对较小，但其收入增速一度较快。大模型被认为是这两家云厂商弯道超车的机会。
事实上，亚马逊云技术近年来面临着日益激烈的市场竞争。它的竞争对手正在缩小差距。
2022年至2023年，美国宏观经济承压，美国企业客户普遍优化IT成本，云市场增速将持续放缓。亚马逊云技术当时受此影响，营收增速和利润水平一度下滑。随后，相对优势就被削弱了。但当时，微软Azure利用大机型的先发优势，继续扩大市场份额。
2024年，微软Azure仍将表现强劲。微软管理层在2025财年第一季度财报电话会议中透露（微软财年为7月1日至次年6月30日，2025财年第一季度为2024年第三季度），仅需要两年半。 ，微软Azure的AI业务预计将在2025财年第二季度（即2024年第四季度）实现年化收入超过100亿美元（年化收入是云计算常用的统计口径） /软件公司，一般指季度收入订阅，业绩收入稳定且可预测，因此这种收入统计方式为业界所接受）。
随着新的竞争格局的到来，亚马逊云技术能否继续保持优势？至少从营收规模来看，答案是比较乐观的。
与微软Azure一样，亚马逊云技术的AI业务也在快速增长。 2024年第三季度，亚马逊管理层还在财报电话会议中披露了一组数据：亚马逊云技术的AI业务在2024年第三季度达到数十亿美元，增长率超过100%。 AI业务的增速是亚马逊云技术本身增速的三倍以上。
竞争对手咄咄逼人，但亚马逊云技术在过去两年的反应也非常迅速。近两年，在微软持续投资AI初创企业的同时，亚马逊连续三轮向AI初创企业投资总计80亿美元。双方的合作将消耗大量算力，直接带动亚马逊云科技AI营收的增长。这也将吸引一批企业客户，间接带动其他基础云产品的交叉销售。此次合作的最终受益者仍然是亚马逊云技术。
投资合作伙伴只是针对竞争的短期防御措施。云厂商想要在竞争中获胜，就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自主研发的大模型工具链——如Nova系列大模型、模型平台、模型市场、Q AI助手等。
这些产品被广泛接受，需要生态系统合作伙伴的支持。生态开放是亚马逊云技术诞生以来就存在的历史传统。提供基础云服务和核心应用，合作伙伴构建上层垂直应用。随着合作伙伴的成长，他们会消耗底层算力，亚马逊云技术自身的收入也会增长。
在“AI转型”中，亚马逊云技术延续了这一做法。模型平台和模型市场是拓展生态合作网络的重要工具。因此，在大型模型市场，围绕亚马逊云技术的生态系统也正在形成——随着模型厂商不断壮大，他们将消耗更多的算力，而最终的受益者仍然是亚马逊云技术。
在激烈的市场竞争中，亚马逊云技术顺应时代变化，拓宽了战略空间，手中的牌也更多了。
