本文整理自 a16z 频道节目，2026-10-23 发布。以下为完整中文实录：
本期看点：
- 团队变小：Jassy认为AI会让未来团队更小、成员跨职能工作更多，但并不意味着企业完全不再需要人。
- 供给仍紧：他称即使Amazon今年投入2200亿美元资本支出，仍有大量需求无法满足，且短缺不会只持续一年。
- 成本是门槛：他认为推理仍贵一个数量级，降低成本才能让更多现有企业应用广泛使用AI，而非只靠少数热门产品。
- 成功也得重做：在他看来，既有产品若只做渐进式改善，几年后可能失去优势，而人的判断与批判性思考仍不可少。
访谈全文
开场混剪： 即使今年花掉2200亿美元，我们仍然有相当大一部分需求满足不了。我们总会留出一定容量，供按需使用（on-demand），但2026年的容量显然已经售罄了。2027年的基本售罄了。2028年的也已经卖掉了很大一部分。金融市场在说：“哦，全世界都没有足够的钱来为这些东西融资。”今天我们在这个世界上做的一切，股市、银行、医疗，都在使用数据中心（data center）。我们的工作就是想办法，尽可能多地提供容量。我们有机会在更多的客户体验中提供帮助，让他们每天的生活都变得更美好、更轻松。
Ben Horowitz / Erik Torenberg（假设性提问节选）： 那些大型实验室为了电力、冷却和芯片，几乎什么价都愿意付。那也许我们应该把老客户的合约买断，再把腾出的资源卖给新客户，因为不管我们开多少价，他们都愿意付。
从疫情扩建到AI新一轮增长
Ben Horowitz / Erik Torenberg： Andy，欢迎来到我们的播客。很高兴请到你。
Andy Jassy： 谢谢你们邀请我。
Ben Horowitz / Erik Torenberg： 你执掌Amazon已经5年了，在这里做了很多事，担任首席执行官（CEO）以来，也有很多成果陆续显现。现在，你们的资本支出（CapEx）达到2200亿美元，AWS增长28%。你已经取得了很多成绩。和2021年你正式接任CEO的时候相比，你怎么看2026年Amazon的抱负？
Andy Jassy： 嗯，2021年感觉已经是很久以前的事了。感觉像10年前，对。不过，你们也知道，世界变化得很快。和2021年相比，我们的总营收大约高了80%。AWS业务的规模大约是当时的、差不多3倍。广告收入大约是当时的2.5倍。所以，业务确实增长了很多。我觉得有几件事真正发生了作用。
你知道，我刚接任不久，当时已经到了疫情后期，我们的零售业务就遇到了一个很实在的服务成本（cost-to-serve）难题：我们基本上把过去25年建立起来的履约网络（fulfillment network）规模翻了一番。大约18个月里，我们就把它扩大到原来的两倍。接着，我们又在大约20个月里，建起了一个规模相当于UPS的最后一公里运输网络（last-mile transportation network）。建设速度这么快，总会有各种各样的地方没能做到最优。而我们履约网络的服务成本，并没有达到我们想要的水平。
这带来了很多挑战和焦虑。我记得，当时我才上任一年左右，或者还不到一年。很多人说：“天哪，选在这个时候上任，真是太糟了。”还有人说：“运气真不好。”但现在回头看，我觉得那其实是一个非常好的上任时机，真的是一件幸事。因为这让我们可以考虑很多事情，而那些事情，我们原本可能很多年都不会去考虑，但它们对客户、对业务来说，都是非常好的想法。
其中，对履约网络影响最大的一项，就是我们把美国原本一个扁平化、覆盖全国的履约网络，改成了区域化网络。区域化之后，商品离客户近得多了。结果是，运输距离缩短，降低了我们的服务成本，同时也能更快地把商品送到客户手中。在我们为服务成本苦苦挣扎的那段时间，重新审视那些自己最深信不疑的观念，真正释放了配送速度，也带来了零售业务中大量的客户增长。这也是我们的零售业务能够增长得这么快的一个重要原因。
当然，在那之后不久，人工智能（AI）又进一步爆发了。AI并不是什么新事物。我是说，我们大家做机器学习（machine learning）已经很久了，之前也出现过很多轮AI浪潮，大家都认为那会是真正的转折点。但到了2023年，你真的看到了生成式人工智能（generative AI）带来的巨大不同。
我想说，当时我们的AWS业务已经增长得非常快。我们的功能覆盖范围，明显比别人广得多，运营表现和安全性也更强，我觉得我们的合作伙伴生态也与众不同。我们是毫无疑问的领先者，而且我们觉得，经过一段很长的时间，比如按十年左右的跨度来看，这项业务的营收可以达到几千亿美元。
现在，我们再看AI正在发生的变化，看看我们所知道的每一种客户体验，都将如何通过推理（inference）和AI被重新塑造。我们实际上认为，AWS业务不仅仅是在非常快速地增长。我是说，上个季度，我们在年化营收规模（annual revenue run rate）达到1690亿美元的基础上，还实现了36.7%的同比增长。今天的机会实在是令人瞩目。
再加上我们那些新业务的种子：比如团队如何推动Prime Video业务发展，如今它已经是一项规模很大、而且盈利的业务；或者我们通过Amazon Leo建设的低地球轨道卫星（low earth orbit satellite）；或者Zoox的自动驾驶网约车服务；或者医疗保健业务；再或者我们在机器人领域做的事情。我觉得，我们有机会在更多的客户体验中帮助更多客户，让他们每天的生活都变得更美好、更轻松。而努力让客户每天的生活更美好、更轻松，这个使命，确实把我们整个公司做的所有事情都串联在了一起。
速度和高标准如何同时成立
Ben Horowitz / Erik Torenberg： 我想顺着这个追问几个问题。你刚才提到，履约网络建得那么快，就会有一些效率不高的地方。速度那么快，有些地方就难免做得粗糙。然后你又提到，这在内部引起了一些焦虑。那么，从CEO的角度，你如何向大家说明你们正在做的事，同时又不降低企业文化中的标准？我的意思是，Amazon一向以出色的运营效率、节俭，以及这些特质著称。但这一次，你们却是在说，我们要建出一个UPS，而且就这么快。所以，这些事情你怎么协调？
Andy Jassy： 有意思的是，我们有一套很多人都知道的领导力准则（leadership principles）。我们有16条领导力准则。其中很多准则，确实应该指导、也确实在指导我们如何思考团队运作和文化。但是，有几条准则之间是存在张力的。有时候，人们会对此感到困惑。但实际上，这恰恰反映了真实世界的运作方式。没有什么事情是完全清清楚楚、毫无矛盾的。你总是在做取舍。
所以，回到当时，我们决定用那么激进、那么快的速度建设履约网络和最后一公里运输网络，团队面对的问题是：我们知道，如果这么快推进，事情会非常难。成本很可能比慢一点推进更高。很多地方，我们可能也没法像慢一点推进时那样，做到那么理想的状态。但是，客户和卖家真的需要它。
那么，我们是不是要倾向于帮助他们？别忘了，疫情刚开始的时候，没有实体店开门。我是说，如果你看Amazon在疫情期间对每个人的生活所起的作用，那是非常关键的。因此，我们必须问自己：我们要不要快速建设，即使可能没办法尽我们所能做到最优，以此来服务客户，以及那些也在努力让自己的生意维持下去的卖家？这是你必须先做出的决定。而我们的决定，和几乎每一次一样，是站在客户这一边。
然后，在建设过程中，很明显，并不是我们计划中的所有事情都在完美地推进。我们的履约团队，去办公室的时间比公司其他大多数团队多。但仍然有很多人需要参与大量的设计、规划和评估工作，而这些人分散在各地，远程工作。
于是，这时你要兼顾、或者说要平衡两者之间的张力：一边是崇尚行动（bias for action），或者说速度；另一边是坚持最高标准（relentlessly high standards），也就是你要按照一直以来计划好的成本结构、交付要求和设计，把事情做出来。所以，再一次，你必须做取舍。
我们选择站在客户这一边，快速行动，从而能够服务卖家和消费者。我们也认为，之后会有一定的收尾和整顿工作。那么，我们当时是不是确切知道，事情最终会以怎样的具体面貌展开？不知道。有些事情我们确实没有优化好，我也不确定，我们是否预见到了那些地方会优化不好。
但是，如果你有好的衡量指标，如果你的文化是一种讲真话的文化——这也是我们文化中另一个非常重要的部分——也就是说，我们把数据摆到桌面上，把问题摆到桌面上，彼此直言不讳，不允许任何人把问题掩盖过去。如果你有这样的文化，那么，从指标中就能相当清楚地看出来，从讨论中也能相当清楚地看出来。然后，你就得着手弄清楚：你想怎么改进？哪些只是小的生产效率问题，哪些是架构层面的问题？
在把那些容量建起来之后，我们回过头，真正重新设计了网络中几个关键部分的架构。这件事在当时，对那个团队来说，可能只排在优先事项清单的第8或第9位，但后来变成了优先级高得多的事，成为一种真正把速度和成本兼顾起来的方式。
2200亿美元该怎样算回报
Ben Horowitz / Erik Torenberg： 好，真有意思。你知道，最开始你创立AWS的时候，真的是从头创立AWS。当时有点像“先建起来，他们就会来”：好，你先建起所有这些基础设施，然后再把它们租出去。所以客户必须得来，不然你就麻烦大了。
而现在，是同样的事情，只不过规模大得多。你们和其他公司——但我会说，主要是你们，或者至少你们肯定是其中最大的参与者之一——正在以极快的速度建设数据中心和芯片容量，快到金融市场都在说：“哦，全世界都没有足够的钱来为这些东西融资。”我们刚刚也在公司债市场、股票市场等等地方，看到了这种不安。
那么，在这样的建设中，你怎么判断多少才算太多？需求这么旺盛，你们增长得又这么快，同时供应链上的资源也在被争抢，你们得去争取冷却、电力、芯片，所有这些东西。
Andy Jassy： 对，这是一个非常好的问题。我希望能有一个公式，让这件事变简单，那样我们整个团队就能省下很多时间。
我想说，在第一波云计算（cloud）浪潮里，我们创立AWS的时候，确实有一点不确定，不知道大家会不会用。所以，有点像“先建起来，他们就会来”。但是，我们在公司内部得到了非常好的信号。当时大约是2000年代初，我们有些团队的推进速度，远远没有达到我们的预期。虽然相对而言，我们觉得自己已经行动得挺快了，但对我们自己来说，就是想不明白，为什么要花那么长时间。
后来发现，我们的产品团队把70%到80%的时间都花在了基础设施上，而这些东西并不能让他们形成差异化。只有大约20%的时间，花在了真正能让产品产生差异化的部分。我们还意识到，每个团队都在这么做，都在重复造轮子。
所以，我们最初构想AWS，是为了让自己内部行动得更快。我们觉得，如果能建立一套大规模、高可用（high-availability）、低成本、高度灵活的积木式基础服务，比如计算、存储、数据库、内容分发、消息传递之类的，我们就能更快地开发面向消费者的业务。
然后我们就说：“相对而言，我们的技术已经相当不错了。其他公司很可能也有同样的问题。”但甚至在我们对外推出之前，内部就有那么多团队感兴趣，所以我们知道方向是对的。我觉得，我们没有一个人预料到，它在外部市场会增长得那么快。
在AI这边，你们也知道，之前已经有过不同的浪潮，人们都在说：“就是这次了。AI终于来了。”甚至可能在生成式AI浪潮到来前六七年，人们就觉得，AI的时代到了。我们建立了一大批AI服务，在AWS这边，那其实已经是一门挺不错的生意，但跟我们现在看到的完全不是一回事。
比如，AWS早期，我们觉得自己增长得非常快，也很满意。经过3年，我们的年化营收规模大约是6000万美元。而在这一波生成式AI浪潮的头3年里，仅仅是AWS里的AI业务，年化营收规模就已经超过250亿美元。所以，要快几百倍。这种情况，我们真的从来没有见过。
然后问题就变成了：为了抓住这个机会，你想投入多少资本支出？我可以告诉你，我们已经说过，今年，也就是2026年，我们预计会投入大约2200亿美元的资本支出。
顺便说一句，我记得15年前参加领导团队早餐会时，听说电信公司花了500亿美元的资本支出，我们简直不敢相信。我们当时说：“他们怎么会在资本支出上花这么多钱？”所以，这些数字，确实是让人瞠目结舌的数字。
而即使今年投入2200亿美元的资本支出，我们仍然有相当大一部分需求满足不了。 对我们有帮助的一点是，我们对客户需求有非常清楚的把握。如果你看AWS的资本支出投资，以及现金周期（cash cycle）的运作方式，可以把它大体分成两部分：一部分是数据中心投资，另一部分是服务器和网络投资。
数据中心这部分，你必须提前大约2年投入，之后才能把服务器放进数据中心，开始用它们赚钱。好消息是，这笔投资只需要做一次。这是一项使用寿命大约30年的资产。但这笔钱，你要提前几年投进去。
服务器和网络设备，则只需要提前几个月，具体取决于是什么部件。所以，在你真正决定采购之前，你对客户需求已经有非常清楚的把握。如果最后发现，你其实并不需要用那么多容量填满这些数据中心，那你就不会去买服务器和网络设备。
平均而言，这些设备通常大约3年就能收回成本。而它们目前的使用寿命，大约是5到6年。我们现在做的大多数交易，合同期也大约是5年。
因此，当你以我们这样的速度建设，同时建设这么多数据中心，你就会花掉大量资本。在那些年份里，你的自由现金流（free cash flow）会面临压力，直到几年后进入后面的阶段：那些数据中心全部上线，全部开始产生收入，你开始收回服务器和网络方面的投资。但由于现金周期的运作方式，在增长这么快的时候，前几年确实会面临压力。
数据中心的用水与电价争议
Ben Horowitz / Erik Torenberg： 说到这个，其实回到你创立AWS的时候，数据中心大概是你最不可能想到会成为政治问题的东西。但现在，事情就是这样。尤其是在美国，你知道，这件事很有意思，我相信你也有体会。不知为什么，世界上没有哪个地方，像美国政治中的某些声音那样反对数据中心。
那么，这最终会怎样影响你们？我想问的是，反对数据中心的论点，有没有什么站得住脚的地方？然后，这又如何影响你们的策略，比如在这里建设什么，以及在其他地区建设什么？
Andy Jassy： 我先说说我掌握的、或者至少是我所相信的一些背景。你想想，今天我们在这个世界上做的一切，股市、银行、医疗、娱乐、购物、教育、商业、网约车，我们做的一切都是数字化驱动的。它们都在使用数据中心。
Ben Horowitz / Erik Torenberg： 对，嗯，不，大家都是——我反对我自己。对，就是，我再也不想用手机了。
Andy Jassy： 而且，它们全都在用数据中心，那还是在AI出现之前。AI是我们这个时代最大的技术变革。考虑到我们经历过互联网、云计算和移动互联网，我觉得这么说是很有分量的。
所以，现实是，要支持我们刚才谈到的AI领域的高速增长，我们需要进行的这种基础设施建设，无论在全世界还是在美国，可能从20世纪50年代我们大规模修建公路和桥梁以来，就没有出现过类似的规模。我们现在经历的，就是这种程度的建设。
我认为，全世界大体上都是如此，但我这里特别说美国：我们承受不起不建数据中心的代价。 否则，我们会发现，像中国这样的另一个国家，将会确立这一领域的全部领导地位和所有规范。而我不认为，我们当中有谁会愿意看到这种局面，无论是在国内，还是在全球范围内。所以，我们必须建设数据中心。
那么，我是不是认为，我们整个行业可以有一些办法，比过去做得更好？当然。我觉得，事情发展得很快，所有人都在一起学习。但现在流传着一些说法，在我看来，介于迷思和不实之词之间。因为这类议题很容易找到一个反派。在政治上，有时候一些机会主义者就喜欢找出这样一个反派，把矛头指向它。
不过，我可以举几个例子。高尔夫行业，或者杏仁种植行业，耗水量远远超过数据中心。给你一个数据：高尔夫球场的耗水量，是我们所有数据中心耗水量的200倍。它们两天的耗水量，就超过我们数据中心一整年的耗水量。所以，这里面有很多这样的情况。
或者，你可以谈污染，大家会谈污染。实际情况是，当你为新场址进行登记，而那里配有备用发电机（backup generator）时，你必须申报，说明假如所有这些发电机全时、满负荷运转，会产生多少排放。但当然，这种情况从来不会发生。备用发电机只在一年里很少的时间运行，比如每年为了维护运行10个小时。
再比如电价。如果你看看我们拥有大量数据中心的不同地区，有些地方电价上涨了，有些地方电价下降了。但真正的问题是，作为一个国家，我们并没有按实际需要，对电网基础设施进行投资。需求会出现相当显著的增长，所以，总会有某种因素，推动我们跨过门槛，去做这些投资。而恰好AI增长得这么快、规模增长得这么显著，成了那个推动因素。
但把基础设施建起来之后，你会发现，一旦大多数地区真正获得了这些容量，最终电价就会持平，或者下降，就像Indiana、Georgia或Mississippi已经发生的那样。所以，确实有一些事情，我们可以做得更好。
还有一件人们会忘记的事是，在这些地区，大型数据中心供应商缴纳了大量税款。比如，你看Indiana的Saint Joseph County，我们已经缴纳了大约30亿美元的税款。社区拿到这些钱，可以把钱花在那些对当地社区真正重要的事情上。所以，社区也从中得到了好处。
我们还建立了Built Together这样的项目。我们刚刚承诺，未来5年，会向我们设有数据中心的社区再投入10亿美元。
所以，我觉得，我们必须继续和社区一起努力。这必须是一种公私合作（public-private partnership），但这项建设对国家的未来实在太重要了。你想象一下，如果我们当初没有修建公路和桥梁，这个国家的经济繁荣程度和各项能力会是什么样。我们必须以恰当的视角看待这件事，也必须成为我们开展建设的那些社区的合作伙伴。
AI需求为何呈现杠铃形态
Ben Horowitz / Erik Torenberg： 我们再回到资本支出（CapEx）上来。你知道，2200亿美元，那就是每天6亿美元。就是想让大家对这个规模有个概念。我很好奇，你现在怎么看人工智能（AI）的需求。我们私下聊的时候，你说你觉得它是个杠铃形态，也许你可以给大家描述一下，或者梳理一下，目前AI需求到底处于什么状态。
Andy Jassy： 嗯，首先要交代的背景，就是我前面说的：我真不敢相信AI竟然发展得这么大、这么快。头三年的发展速度，比AWS刚起步时的头三年快了几百倍。仅仅前三年，我们AWS的AI收入，按当前规模折算的年化收入（run rate）就已经达到250亿美元。所以它已经非常大了，但如果看需求的分布，它确实是个杠铃形态。我会说，杠铃的一端是AI实验室，它们消耗的算力之多，是我从来没见过的。还有几个爆火的应用，ChatGPT之类的。杠铃的另一端是企业，它们主要用AI来避免成本支出、提高生产力。比如客服自动化，或者欺诈相关的工作，或者业务流程自动化。
杠铃的中间，是企业现有的生产环境工作负载（production workloads）。其中有不少现在已经在用AWS，也在用推理（inference），但我会说，绝大多数还没有广泛地使用推理。而我认为，这一部分将会成为AI使用量绝对规模最大的板块。至于它会以多快的速度发展，我很难预测。每一年，这方面的应用都在加深。但我觉得，如果你把视野放到5年后、5到7年后，去看那时的情况，我不觉得要等到5到7年后才会发生，它从来不是一下子全部发生的。但如果把视野放到5到7年后，我认为，我们今天在用的、今天已经存在的企业应用，即使不是大多数，也会有相当多在广泛使用推理。所以，我们前面还有非常大的增长空间。
容量紧缺时要不要挤走老客户
Ben Horowitz / Erik Torenberg： 那你怎么看这个问题？因为到了2027年，我们实际上就要面对数据中心、芯片、内存，什么都短缺的局面。大家现在都在建，但到年底未必就能准备好，而需求丝毫没有放缓。所以，当你面对这样一种情况：大型实验室为了电力、冷却、芯片，为了整套运行环境，可能愿意付出任何价格，或者几乎任何价格。与此同时，你还有那些老客户，已经跟你们合作很长时间了，它们按常规价格付费，运行自己的业务。你会不会面临某种商业压力，心想：“好吧，也许我们应该花钱买断老客户的合约，把腾出来的资源卖给新客户，因为我们开多少钱，他们都会付。”而对于那些老客户，你知道，我又不能把价格翻一倍，那样不公平。你是怎么想这个问题的？
Andy Jassy： 对，这是个好问题。我们的想法不完全是你说的那样，但我完全理解你的意思。你想想，今天的数据中心和电力就只有这么多，内存也只有这么多。而且我不认为这种短缺会在2027年结束。回到资本投入的话题，我之所以认为我们还能投入更多，而且那也不会是糟糕的资本使用方式，其中一个原因就是：2026年的容量，到现在显然已经卖完了；2027年的也基本卖完了。我们总会为按需使用，以及我们的推理服务Bedrock或者EC2，留出一定的容量，但大块的容量基本都卖完了。2028年的也已经卖掉了相当一部分。需求就是这么大。
如果你看我们的AI业务，以及我们所说的核心业务——这里的核心业务，你可以理解为非AI业务——这两块现在都在非常快速地增长。如果你手上只有一定数量的内存，你就得决定，有多少要分配给高带宽内存（HBM），也就是用于AI加速器（AI accelerators）；又有多少要分配给动态随机存取存储器（DRAM），也就是用于核心业务。这些都是你必须做出的实实在在的取舍。但我会说，我们处理这个问题的出发点，是以客户为中心。
对我们而言，我们和AWS客户之间有着深厚的关系和合作。疫情期间也是一样。当时企业都要优化成本，我认为我们的竞争对手想的是，怎么在一个个季度里做优化，尽可能提高收入；我们采取了不同的做法。我们主动让自己的人去帮助客户，想办法优化成本，尽管我们知道，这会降低我们短期和中期的收入。但我们就是要帮助客户成功，因为我们非常坚定地相信：如果我们长期帮助客户，我们自己的业务也会随之发展。
这里的核心业务也是同样的道理。我想，你当然可以算一笔账，觉得资源稀缺，有些客户愿意付更高的价格，于是就把核心业务客户挤出去。但那些客户是在AWS上运行自己的业务，在运行它们所有的核心应用。我们不会挤压客户，我们会确保它们能扩大规模。然后，我们的工作就是想办法，尽可能多地提供容量，让不只是核心业务客户，也让所有想在AI方面使用我们的客户，以及想来使用我们的其他人，都能用得上，同时这种做法在经济上对我们也能持续。
所以，我希望我能告诉你，我认为供应约束只会是2027年的问题。但我认为，未来几年，我们还会在不同的部件上看到这些约束。我觉得我们增加的容量，可能比任何其他公司都多，因为我们真的非常有热情，要继续像过去一样，在基础设施和AI领域保持非常显著的领先地位。不过，正如我说的，我们今年要花2200亿美元，而我们还可以花更多。从中长期来看，那也不会是糟糕的资本使用方式，而且我认为，即便如此，我们可能仍然满足不了全部需求。现在的需求实在是太惊人了。
自研芯片要解的是成本难题
Ben Horowitz / Erik Torenberg： 我想想。说到这个，你们在2015年做过一件事，就是收购Annapurna Labs。那可能是在你们真正开始考虑AI巨量需求之前——我是说，也许你们当时已经在想了，但2015年的AI需求确实还不大。那么，当初是什么推动你们做了那个决定？在今天这个新世界里，它又带来了什么回报？
Andy Jassy： 对，我觉得，Annapurna团队是我有机会合作过的最有才华的团队之一，里面的人都很出色。那也是Amazon公司历史上最好的收购之一，即便不是最好的一次。我们当时确实预见到了一些东西，但我们收购Annapurna，本身并不是为了AI芯片。
当你的规模达到一定程度，你就能接触到、看清非常大规模的客户使用模式。你会意识到，如果能够做垂直整合（vertical integration），自己构建某些能力，就能为客户提供更多价值，同时让业务本身的经济效益更好。所以，Annapurna最早对我们而言，着眼点其实就是核心的EC2服务器。我们觉得，服务器有太多资源被用在了虚拟化（virtualization）、网络、安全和存储上。我们希望能够把尽可能接近100%的服务器资源，用于为客户提供计算。
因此，在收购之前，我们就已经在和Annapurna合作，做一款网卡（NIC），把这些部分的工作卸载到网卡上，让服务器尽可能多地用于计算。我们非常喜欢这个团队，也非常喜欢我们和他们一起合作开发的产品。我们意识到，我们要买下来的这项东西，最后几乎会用在每一台EC2服务器上，而结果是，我们现在的每一台服务器都用上了它。所以最初收购它，是因为这会成为我们计算能力的一项核心能力。而且这个团队做芯片的能力太强了，我们觉得，他们大概也能做其他芯片。
当时我们和Intel有着非常深入的合作关系，今天我们和这家公司仍然保持着很深的合作。但Intel几乎占据了全部的中央处理器（CPU）份额。当你的一个合作伙伴几乎拥有全部份额时，它往往不会把心思放在如何提高性价比（price performance）上。它想的是，增加什么其他功能，能拿到更多份额、带来更多收入。顺便说一句，这完全可以理解。这就是市场运作的一些动态，也是创新者的窘境（innovator's dilemma）之所以会出现的部分原因。
我们曾试着推动它们提高性价比，但很难让它们重视这件事。可是，我们的客户想把越来越多的本地部署工作负载迁移到云端，也希望获得更好的性价比。因此，接下来我们放手让Annapurna团队去做的，就是开发一款CPU芯片。于是他们做出了Graviton。今天，在我们排名前1000的EC2客户中，有99%都在非常广泛地使用它。与其他x86处理器相比，它的性价比大约高40%。所以，这对我们的客户和我们的业务都产生了巨大的影响。
就在几年前，我们在AI领域看到了同样的一幕：实际上只有一家占据主导地位的供应商，它很出色，我们和它有着深入的合作。过去如此，现在仍然如此，在我能预见的未来，也都会如此。但它们面对的市场非常庞大，要开发很多不同的产品，也有很多优先事项。我们知道，客户需要更好的性价比。因此，我们在Annapurna里另组了一支独立团队，去开发AI加速器，我们把它叫作Trainium。与其他同类处理器相比，它的性价比也要高出大约30%到40%。
说到我们刚刚谈的杠铃中间那部分，如果你问，什么能改变这一部分，让更多现有的企业生产应用开始使用推理，有几个因素。有一部分是人才，要有熟悉后训练（post-training）和微调（fine-tuning）的人；还有一部分是人才和组织能力，要知道优先做什么、怎么做。但其中非常、非常大的一块，是推理成本。
过去几年，推理成本已经降了不少。但在我看来，要让它得到尽可能广泛的使用，现在的推理成本还是贵了一个数量级。 因为，如果你让企业重写今天使用CPU的应用，改用AI加速器，而两者的成本差距又非常大，那么，它们要愿意重写这些应用，就必须从AI加速器中获得更多额外收益，这个门槛会高得多。但如果能把推理成本降下来，门槛就低得多。而有了AI加速器和推理，所有应用都会更好、更聪明、能力更强。所以，要让客户能够广泛使用AI，降低推理成本是非常重要的一环，我们的芯片业务在其中占了很大一部分。
Ben Horowitz / Erik Torenberg： 对，对，确实。我可以拿我们公司自己的情况来说，这东西确实可能贵得很。我们有一个员工，最近这段就花了200万美元。对，他做的工作很好，但你知道，我当时就想，好吧，这推理可真不便宜。
为何投资自己的大模型客户
Ben Horowitz / Erik Torenberg： 所以，你们做的事情之一，是进行了一些投资，尤其是对Anthropic和OpenAI，而且是非常大的投资。我记得，投给Anthropic的大概是180亿美元，投给OpenAI的大概是500亿美元，或者差不多这个数。是什么让你们想这么做的？这些投资，再加上Nvidia等公司做的类似投资，让Wall Street有点坐立不安，因为这让他们想起了互联网泡沫繁荣时期那些糟糕的旧日子。你们是怎么考虑这件事的？尤其是，它们同时也是你们的客户，为什么这样的投资是合理的？
Andy Jassy： 这两家公司都有非常出色的团队，也是非常出色的公司。它们业务增长的速度，至少从营收来看，我不知道我们以前有没有见过这样的情况。真的令人难以置信。所以对我们而言，这是几个因素结合在一起的结果：这些团队本身，它们开发的技术、模型，以及它们做出来的一些应用；我们对AI具有多大变革力量的信念；还有，我们相信，从长远来看，它们会成为这个领域最成功的公司中的两家。这个领域会有很多公司，不是每个人都会赢，但会出现很多非常成功的公司，而我们相信，它们会是其中的两家。
还有一个因素，就是我们合作得非常紧密。先从Anthropic说起吧，我们和它们合作的时间更长。我们有非常多客户在Bedrock，也就是我们的推理服务上运行Anthropic。我认为，客户在Bedrock上运行Anthropic，最能取得成功。我们和它们在芯片方面也有深入合作，它们基于Trainium进行开发已经有一段时间了。我觉得，这对Anthropic非常好，对我们的Trainium团队也非常好。我们双方都从彼此身上学到了很多。
所以，我们和它们有着深厚的合作关系。我们对AI未来的信念、对这些公司的信心，再加上这种合作关系，使得我们把投资作为合作的一部分，是合理的。
再说OpenAI，我们有非常多客户想在AWS上使用OpenAI，但因为它们之前的商业安排，客户做不到。我觉得，很长一段时间里，我们两家公司一直非常尊重彼此，也都希望能一起合作。所以，这也是一个经过数月、一系列对话之后，才得以实现的事情：让客户能够在Bedrock上运行OpenAI。我们还一起构建了一款独特的产品，就是有状态运行时环境（stateful runtime environment）。我认为，今后所有智能体（agents）都会以这种方式构建。你需要保留状态。和Anthropic一样，它们也对Trainium作出了多年、数吉瓦的承诺。我们就是相信，长期来看，这家公司会是这个领域最成功的公司之一。所有这些因素，使我们加深合作、进行投资成为合理的选择。
四五个人的周末改变团队想象
Ben Horowitz / Erik Torenberg： 换个话题，聊聊你们如何用AI来建设一家公司。我记得你说过，Bedrock团队用6名工程师，花76天，就重建了你们的推理引擎。而这件事原本需要40个人做一年。这可真是大不一样。Amazon一直以两个披萨团队（two-pizza teams）闻名。那么，考虑到现在的技术，你对组织设计的想法是什么？因为它似乎真的改变了很多事情。你知道，这些年我们分工越来越细，有设计师、产品经理、前端工程师、后端工程师，还有这个那个，各种角色。然后突然之间，好像每个人都成了文艺复兴式的全才。
Ben Horowitz / Erik Torenberg： 所以，从组织设计的角度，你是怎么看这个问题的？
Andy Jassy： 对，我同意你说的。你提到的Bedrock那次经历，让我们这里所有人都大开眼界。我们花了不少时间在内部分享这个故事，激励大家，也提醒大家，有哪些事情是可以做到的。因为时间一长，最后往往会变成这样：我是29年前加入公司的，最初做助理产品经理，后来我同时担任大概5个产品的产品经理。
今天，当公司取得成功、规模变大，产品也变得更大，最后就变成，一个产品经理只做一个产品，而且只负责其中的一小块。比如，他只负责定价，或者他……每个人都变得更专业化，而且每个人都接受了这样一种想法：如果要做一个大规模、成功的业务，就必须这样运作。其实并不是。尤其是当你看到AI正在带来的变化时，就更不是这样。
就拿刚过去的一周来说，我们正在消费者业务里做一些与智能体有关的事情。我们在这方面有很多投入，但其中有一个想法，我们特别喜欢。周四我们达成一致，要试着做出一个真正能工作的原型。结果，同样是四五个人，利用周末，到周日就把它做出来、跑起来了，完成度大概已经到了80%可以交付的程度。这真的是两个完全不同的世界。
所以，我觉得，这对未来的组织意味着什么？首先，我认为，未来从事今天这些工作的人，会比现在更少。你只要看看，现在有多少代码是由智能体编写的，有多少客服、商业智能（business intelligence）和研究工作也是如此。再往前想想，未来电子表格会怎么做，你需要多少律师。我觉得，并不是说以后完全不需要人，但随着企业规模扩大，我们不会像过去那样，不断投入那么多人来支撑规模。
随着AI、机器人技术和太空领域的发展，会出现不同的工作、新的工作。有些是我们已经知道的，有些是我们还不知道的。各种各样的新工作都会出现，但从事今天这些工作的人会更少。我认为，团队会比现在小得多。你会有更小的团队，里面的人可以跨职能工作，不再只负责一小块，因为在很多不同的职能上，模型都能帮他们完成80%的工作。我认为，每一个团队的起点，都会比过去高得多。因此，你能在更广的范围内、更快速地进行创新。
我确实觉得，有很多事情必须改变。今天成立的初创公司，大多数从一开始就是以智能体的方式运作，是智能体原生（agent-native）、AI原生（AI-native）的。而那些已经经营了一段时间的大公司，都得想办法，真正以同样的速度去构建。我认为，有些公司会找到办法。而拥有庞大的业务、丰富的能力和忠诚的客户群，总归是件好事。有些公司找到办法的速度会很慢，在我看来，它们面对初创公司时就会更脆弱。
但我认为，你们必须……我的预测是，企业将不得不重写几乎所有代码，让它们能够支持智能体运作。它们必须允许智能体更新其中不同的部分……你得在里面设定约束。我觉得，单看安全这个问题，安全这件事……有意思的是，如果你看看过去一两个月大家对模型的种种紧张情绪，会发现大家关注的是那些更离奇的情景。顺便说一句，那些情景是有可能发生的。比如，一个邪恶的僵尸网络（botnet），有没有可能接管一切？我是说，我想是有可能的。你也有可能往机器人里注入恶意意图。这些都有可能。我个人认为，我们会一起找到解决办法，由整个行业，以及私营部门和公共部门共同来解决。
Ben Horowitz / Erik Torenberg： 我觉得，你得先开始关注其中一些事情。
软件安全不能再等人工慢慢补
Andy Jassy： 对。不过，我觉得有意思的是，大家对更迫在眉睫的风险讨论得还不够，而这些风险主要就在网络安全（cybersecurity）方面。
这些模型能发现的漏洞，比过去多得多，而且是人类以前没发现的漏洞。你当然可以争论，人到底能不能发现这些漏洞，但事实就是，他们之前没有发现。所以，如果往前看，我认为，应用程序今后必须能在几分钟内应对迫在眉睫的安全威胁。你想想现在的流程：发现漏洞，给漏洞分类，再由人开发补丁。即便前面这些步骤都做得很快，大多数公司在部署上还是要花很长时间，因为有各种各样的依赖关系。可今后，你必须在几分钟内完成部署。所以，如果你没有重写应用，让智能体能够为它们执行更新，那在那个新世界里，你就根本没有机会。 所以我觉得，所有组织都会被重塑，而那些优先处理这件事的公司，处境会比没有这么做的公司好得多。
Ben Horowitz / Erik Torenberg： 对。而且感觉我们这个行业，从大型系统到嵌入式设备（embedded devices），在设计架构时，都没有把良好的安全架构做好。现在，到了该还账的时候了。当然，我觉得好消息是，这为新公司、新的尝试，以及想做点事情的人，带来了很大的机会。不过，照我们现在讨论的情况来看，这就是那个实实在在的威胁。那些理论上的、思想实验里的威胁，可能会发生，也可能不会，但这个威胁已经明确地摆在眼前了。
Andy Jassy： 对。我们在 AWS 这边交流过的合作伙伴和客户，几乎每一家，不论公司规模如何，都在担心安全问题。我们有一支专业服务团队，在帮助很多客户；我们还开发了一项叫 Continuum 的服务，能识别所有这些问题并生成补丁。但这件事说起来容易，做起来难。而且，很多公司、很多工程师，有时候并不觉得专注于安全是件令人兴奋的事。等问题出现再说，很容易。但如果你要保护的是重要数据，那这么做可不是个好主意。
Ben Horowitz / Erik Torenberg： 我还在想，回到我们之前说的专业分工，在大多数公司里，安全可能恰恰是专业分工带来最糟糕结果的领域。你有一批专业非常冷门、非常深奥的安全工程师，他们不喜欢跟其他工程师合作，人数又很稀缺，诸如此类。结果就是，在大多数公司、大多数软件公司里，编写软件时采用的安全实践其实并不怎么好。显然，这一点必须改变。好消息是，我们现在有工具能帮助做到这一点。
Andy Jassy： 对，顺着你刚才的话说，好的一面在于：过去你得雇渗透测试人员（pen testers），但你能招到的安全人员总是有限，他们能顾及的应用数量也有限。模型结合自动化之后，你就能对整个攻击面（attack surface）更好地开展渗透测试（penetration testing），发现一些过去除非碰巧撞上、否则可能根本发现不了的问题。
Alexa为什么必须重做大脑
Ben Horowitz / Erik Torenberg： 我们观察市场时，有一点挺有意思，就是 AI 能做的事情很多。一种是削减成本，你可以减少会计、律师，或者这类岗位的人数。现在实际上已经有不少风险投资公司在说：“好，我们要去收购一些老公司，然后削减它们的成本。”我们对这事不怎么感兴趣，因为我们的反应是：“好吧，如果这就是你的点子，那说明你的点子实在没几个。”另一种是：“好，我们要去做一个全世界从没见过的东西。”这就非常令人兴奋。不过还有第三种，就是你们在 Alexa 上做的事：你已经有了一个产品，而且是个成功的产品，然后你说：“好，既然有了这个新平台，那我们就从头把整个东西重新想一遍。”你们是怎么走到这一步的？在什么情况下，这么做是有道理的？
Andy Jassy： 对。我觉得，你把这三种情况区分开来，确实挺有意思。就像我们刚才说的，组织会发生很大的变化，变得更加精简。如果做对了，就能让你那些真正优秀的开发者和这些小团队，去做你说的第二类东西，也就是人们从来没见过的东西。你会有能力做到这一点。而且，当你有了我前面提到的那种经历：在 4 天里，把一个全新的想法完整地做出来，完成度达到 80%，这种体验会让人特别受鼓舞，以至于他们会把更多业余时间和空闲的脑力用来思考新点子。对我来说，这是 AI 正在带来的变化中，最令人兴奋的部分之一。
但我也认为，对于那些已经拥有大规模、成功客户体验的现有公司来说，如果它们主要只是把 AI 看成一种渐进式改善体验的工具，那三到五年后，它们很可能就不会拥有能胜出的体验了。因为我认为，我们熟悉的每一种体验，即使是那些你最难想象会改变的体验，几年后也都会因为 AI 而发生实质性的变化。所以，如果你想超越渐进式改进，就必须想办法让团队从零开始重新设想：如果今天利用 AI 这样的所有新技术来构建这些应用，它们应该是什么样子？
有些情况下，比如 Alexa，我觉得我们必须这么做，是相当明显的。Alexa 当初构建时，它的“大脑”是非常有创意的。但生成式 AI（generative AI）让这个“大脑”所能拥有的能力变得如此不同，以至于你如果想提供出色的客户体验、想在很长一段时间里保持竞争力，就必须重新改造 Alexa 的大脑。所以，这一点相当明显。
顺便说一句，尽管道理很明显，实际做起来还是很难。团队对自己做出来的东西有感情，也为之自豪。他们对于什么行得通、什么行不通的那些原则，都是一路吃过苦、交过学费才总结出来的。要让团队彻底从头开始、重新想象，是需要时间的，因为团队会说：“可我们以前不是这么做的。这个我们试过，行不通。”或者类似的话。
不过，我认为更难的是，拿其他体验来说，比如我们其他面向消费者的体验，拿我们的零售业务、Prime Video 业务、Fire TV 业务，或者 Prime Music 来说。对于这些体验，今天的技术已经有了更好的解决方案，这一点并没有那么显而易见。但我确实相信，这些业务中的每一个，我们都需要重新打造。我们已经有一些团队在开发这些业务的全新版本，是从根本上重新构想的版本。
那么，我觉得我们一开始就能做对吗？大概不能。我们会想办法，靠不断迭代逐步找到方向。不过，这已经带来了各种各样的新想法和客户体验，我们觉得都非常有吸引力。接下来有意思的是，两条路线之间会展开竞赛：你是想要一种完全不同的体验，几乎就像一个全新的应用？还是这些新东西进展得足够快，你可以把它们加入现有体验，随着你找到那些行得通的部分，在接下来的两三年里，一点一点地让整体客户体验发生实质性的变化？不过我确实认为，如果你想成为成功的领跑者，那么未来几年里，这些体验每一个都必须有所不同。
Ben Horowitz / Erik Torenberg： 对，这真是个很棘手的领导力问题。这让我想起，我刚开始做工程师的时候，有一次和别人为了什么事争论了起来。我的老板对我说：“听着，Ben，有件事你必须明白：在第一行代码写出来之前，一切都可以讨论；可第一行代码一写出来，那就成宗教信仰了。”
Ben Horowitz / Erik Torenberg： 我猜你在 Alexa 上就经历过这种事。不过，这确实很有意思，因为原先构建那个东西时投入的所有知识、所有经验、所有东西，现在你却在说：“好，我们愿意放下其中很多东西，走进这个新世界。”顺便说一句，客户那边也一样，会有一大批客户很喜欢现在的体验。
Andy Jassy： 没错。每一次重大转型，至少以我的经验是这样，也许你们有反例，但几乎每一次重大转型，都涉及巨大的变革管理（change management）工作。比如从本地部署（on-premises）转向云（cloud），就是同一种转变。很多基础设施负责人都很自豪于自己搭建的东西，他们对它了如指掌，而且是整个工作中的核心人物，他们并不想再学什么新东西。接下来也会是一样的。就像我刚才说的那种经历，当你尝试重新打造所有客户体验时，也会遇到同样的情况。我们都为过去 10 年做出来的东西、打造的这些体验感到自豪。我们每个人又都有一百件能把它们变得更好的事，为此满怀热情，几乎所有醒着的时间都在忙这些。可要去想“我怎样才能彻底从头再来”，无论在思维上还是情感上，都是很难的。
给年轻人的建议不是绕开AI
Ben Horowitz / Erik Torenberg： 几周前，我们刚刚孵化了 Andreessen Horowitz Academy，帮助年轻人为我们正在讨论的这场转型做好准备。你说过，AI 让构建东西变得更容易，但年轻人还是需要学习真正的专业知识。我很好奇，如果你在 2026 年是个 18 岁的年轻人，对于该如何为我们正在进入的这场转型做好准备，你会给自己什么建议？
Andy Jassy： 我有两个孩子，一个 25 岁，一个 22 岁。所以，我想，现在 22 岁的那个，在这件事真正开始迅速发展的时候是 19 岁。我很快就明白了，你没法让他们在学习时不使用 AI。那艘船已经开走了，或者说，那班火车已经出站了。我觉得，大学明智的做法就是不要跟它对着干。这就是一种人们会使用的工具。
不过与此同时，我觉得所有年轻人都需要注意这一点。我们公司也一样，我们有写作文化，现在有很多人在用 AI 写东西。一个东西是不是 AI 写的，你是能看出来的。总觉得有点不对，各个部分拼接得不太对。所以，我会给年轻人的建议，也是我给自己孩子的建议，就是：你躲不开它，也不能指望它自己消失。它会对你的生活，以及你在工作中尝试使用的每一种体验，产生极大的影响。它会让你以一些过去我们根本做不到的方式去创造。
所以，你真的需要了解它，主动学习相关知识。你需要大量使用它，去试一试。试着做一些超出自己舒适区的事情。我的两个孩子都不是开发者，但他们都用 AI 做出了应用。你可以把它作为自己安排日常工作、在工作中使用工具的一个核心。不过，我不认为它能取代批判性推理和思考（critical reasoning and thinking）。我觉得对大学来说，这一点也成立。
举商学院的例子，你每天会拿到三个必须分析的案例。你得读大量材料、做笔记、找出关键问题；接着还有各种附表和图表，你也得给它们做笔记，然后再整理出你认为那家公司应该采用的方案。往往总有一些人根本没做这些功课。他们没读材料，没做研究，也没做笔记。有了 AI，这些事情可以说都不再是障碍了。AI 能更快地把所有人都带到一个准备更充分的起点。
但我也想说，真正把那些线索和各个部分串联起来，无论是为了制定战略、方法、计划，还是为了开发新产品、新的客户体验，我不认为 AI 在大多数时候都能替大多数人做到。不是说它永远做不到。但我仍然认为，要最终做出出色的体验、打造出色的业务，你还是需要人的判断力、创造力、发明、实验，以及思考各个部分该如何组合起来的能力。所以，我认为你应该使用这些工具，它们会提供巨大的帮助；但在我们所做的一切事情里，批判性推理和思考依然会非常重要。
业务越来越多怎样不摊薄精力
Ben Horowitz / Erik Torenberg： 快结束了，我想问一下，你们涉足的业务如此多样，从卫星通信、机器人到医疗保健。这种雄心真的很了不起。这家公司最初只是做网上卖书的生意，现在却发展成了这样。你是怎么思考这些事情的？比如，是什么把这些不同的业务线串联在一起？或者，你怎么判断哪些业务值得投入好多年？你怎么确保自己不会把精力分散得太薄？面对如此广泛的业务，你又是怎么理解和把握的？
Andy Jassy： 我想说几点。首先，我认为我们正生活在一个时代，AI、机器人技术（robotics）和太空开发（space development）这三者，带来了我们一生中、甚至可能是有史以来最大的三场转型。它们每一个都很庞大，都会彻底改变我们所有人所接触到的许多客户体验，而我们正身处这三场重大转型之中。
看看我们在零售业务中做的事情，以及我们如何使用机器人；再看看我们在 AI 方面做的事情，既让公司内部和外部的开发者更容易构建成功的 AI 应用和智能体，也重新打造我们所有面向消费者的体验。再想想 Amazon Leo，也就是我们正在建设的低地球轨道（low Earth orbit）卫星星座，面向的是全球没有宽带连接的 5 亿户家庭。正在发生的这些转型非常了不起，我们有机会帮助客户利用这些变化，让他们的生活变得更好。而且，我们这样做，既能帮助客户，也能为自己建立长期可持续的业务。
我觉得，我们有机会在更多领域为客户提供帮助，在他们生活中发挥更大的作用。而这还没算上我们在食品杂货、自动驾驶网约车以及医疗保健等领域做的事情。
说到我们的组织方式，这些年来，我们内部经常讨论这个问题，外面也有很多人问过同样的问题：怎样才算摊子铺得太开？我觉得，这在一定程度上取决于两个因素的结合：你如何组织团队，以及你愿意投入多少。我们不会试图让同一批人去管理多个业务，而是采用去中心化、单线负责（single-threaded）的组织方式。因此，只要团队中有合适的领导者和开发者，你要打造的体验在规模足够大时能带来实质性的影响，你有一个差异化的想法，而这个领域又没有得到足够好的服务，你就有机会同时推进很多这样的事情。我们长期以来一直就是这么做的。
剩下的就取决于你愿意投入多少。有些公司会说：“我们还是专注于自己擅长的事情。守住现有的核心业务，把它发展起来。”这完全可以理解。顺便说一句，这也可以是一种非常成功的战略。我们也非常重视继续发展和建设现有业务。我觉得我们在这方面做得相当成功，增长速度也不错。不过，还有那么多其他客户体验，我们知道客户真的希望我们帮忙解决，而我们也有能力做到。这些事情会帮助我们的客户，也会在长期内改变我们的业务，所以，我们会继续做下去。
Ben Horowitz / Erik Torenberg： 用这个话题来收尾，真是令人鼓舞。可以说，这是一种没有止境的雄心。Andy，非常感谢你来参加我们的播客。
Ben Horowitz / Erik Torenberg： 对，谢谢你，Andy。
Andy Jassy： 谢谢你们邀请我。非常感谢各位。
原始视频：https://www.youtube.com/watch?v=-YMMRQ1qscI
发表于 2 小时前
|
查看: 5|
回复: 0
/1 
