Raghu Raghuram
前沿洞察
AI正从技术工具跃迁为编码价值观的地缘政治基础设施，模型选型即主权博弈。当前算力需求远超部署能力，电力、土地与网络瓶颈将制约扩张数年；智能体驱动推理转为持续负载，倒逼软硬件协同重构。企业须警惕“套壳”陷阱与旧抽象范式的失效，唯有攻克互操作性、动态路由与底层通信效率，融合创业迭代与分发优势，方能构筑真正的持久护城河。
观点集合
为 AI 智能体构建云基础设施 | AWS CEO Matt Garman
AWS以2026年2200亿美元资本开支押注AI需求持续，并为初创公司保留加速器产能。生产工作负载已产生正回报，单一客户占比最高为个位数，未来几年将采购200万块NVIDIA GPU。智能体或强化AWS优势，但电力、芯片与企业评估仍是关键约束。
查看摘要（8段）
AWS押注AI需求足够持久，足以支撑其2026年2200亿美元的资本开支，且预计不会放缓。 Matt Garman认为，AWS客户基础足够分散，单一客户占比最高也只是个位数百分比；已有生产环境工作负载持续产生正回报。“不存在一种泡沫情形，会让他们停止在这上面的投入。”
AWS正在整个生态中分配稀缺的加速器，而不是把芯片全部卖给前沿实验室。 尽管AWS可以把所有可用芯片卖给几家大型实验室，但它会为初创公司保留产能，并最终以某种形式满足收到请求的约60%；有时是在其他区域或采用不同配置。AWS计划在未来几年采购200万块 NVIDIA GPU，但Garman也承认：“谁知道这够不够？”
智能体工作负载正推动云架构转向高速、可能随时弃用且权限严格限定的资源，并与长期运行的系统并存。 智能体关注p99.9延迟、3秒创建数据库、计算沙箱、网关和限时权限，而不是直接继承某个人的访问权限。Garman的核心判断是明确的：“智能体工作流在AWS上的表现往往好于其他任何地方。”
AWS正在消除传统的上手摩擦，但不会把初创公司锁死在简化版终点上。 新流程铺开后，用户可以用Gmail开户、无需信用卡，并在30秒内开始使用，VPC和IAM默认配置则在后台处理。关键在于，这仍然是“一个真正的AWS账户”，客户之后可以逐步启用完整的安全和组织控制，无需迁移。
AWS的定制芯片路径从Nitro、Graviton延伸至Trainium。 Graviton的成本低20%、性能高20%，AWS前100大客户中约90%多在使用；Trainium 3的产能可能已经售罄至明年年底，而Trainium 4已经宣布但尚未发布。Garman称，按绝对性能和成本表现计算，Trainium可能是“目前市场上最好的推理芯片”。
企业采用智能体的瓶颈，与其说是模型访问，不如说是工作流重构、评估体系和信任。 Garman反对简单复制人类的五步流程：智能体可以并行尝试50种方法，但企业在赋予自主权前，需要权限体系、护栏、标注数据、生产环境度量和漂移测试。AWS的前置部署模式旨在用45天教会客户这些能力，然后退出，而不是制造持续数年的咨询依赖。
AWS围绕企业数据托管来定位Bedrock，同时保留专有模型和开放权重模型两条路径。 Garman表示，提示词和数据都留在客户的VPC内，永远不会回到模型提供商手中；拥有真正专有数据的客户可以对开放权重模型进行后训练或微调，甚至蒸馏，以更低成本获得更好表现。前提是必须建立评估体系，证明这种优势，而不是想当然。
在Amazon内部，智能体已经压缩软件、产品和业务流程，并开始重塑团队设计。 Garman称，采用智能体优先模式的“frontier teams”由员工管理能够写出全部代码的智能体；HR和财务员工也在为规划、税务和合规工作构建自己的智能体。过去需要10人完成的能力，如今可能只需3或4人，由此产生了新的问题：在小团队快速转向其他项目时，谁来持续维护已经上线的产品。