亞馬遜 CEO：AI 業務年化收入超過 250 億美元，增速是 AWS 初期的數百倍，砸 2200 億美元仍無法滿足需求
近日，亞馬遜CEO安迪·賈西（Andy Jassy）作客知名風投a16z的播客節目，與a16z聯合創始人Ben Horowitz進行了一場深度對談。在這場訪談中，賈西全面揭示了亞馬遜在生成式AI浪潮下的戰略全景。
面對華爾街對科技巨頭無底洞般資本支出的擔憂，賈西給出了最直接的市場反饋：需求不僅沒有放緩，反而正在急速透支未來的產能。同時，他詳細拆解了目前AI市場的"槓鈴型"需求結構，並明確指出，要真正解鎖企業級的AI應用，算力推理成本還必須再降一個數量級。
"即使砸下2200億美元，我們仍把大量需求留在了桌面上"
市場當前最關注的核心問題，是巨頭們動輒千億的資本支出是否會變成過剩的沉沒成本。賈西用一組驚人的訂單數據直接回應了市場的疑慮。
"即使今年花費2200億美元，我們仍然把大量有意義的需求留在了桌面上。"賈西在訪談中直言不諱地指出當前算力極度供不應求的現狀："我們總是會為按需服務保留一定比例的算力，但2026年的產能顯然已經售罄，2027年也基本售罄，甚至2028年的很大一部分也已經賣光了。"
從業務增速來看，AI帶來的增長曲線極其陡峭。賈西對比了AWS（亞馬遜雲服務）早期與當下的發展速度："在AWS剛起步的前三年，我們覺得自己增長很快，當時的年化收入運行速率大約是6000萬美元。但在這一波生成式AI浪潮的前三年裡，我們在AWS的AI業務年化收入運行速率已經超過了250億美元。它的速度是當年的幾百倍，我們從未見過類似的情況。"
針對資本市場的擔憂，賈西解釋了數據中心投資的現金流周期邏輯。他表示，數據中心建築的投資需要提前兩年，但使用壽命長達30年；而伺服器和網絡設備的採購則只需提前幾個月。這意味著公司對客戶需求有非常清晰的能見度。"如果你發現實際上不需要填滿那些數據中心，你就不會去買伺服器和網絡設備。大部分伺服器協議都是五年期，通常三年就能實現盈虧平衡。由於這種現金周期的存在，當你以如此快的速度增長時，早期的自由現金流確實會面臨逆風，但一旦全部上線，回報將非常可觀。"
駁斥數據中心爭議："高爾夫球場兩天的耗水抵我們一年"
在美國本土，數據中心的能耗和環保問題正演變成一場政治爭議。賈西對此予以了強硬回擊，並將其上升到了國家競爭力的宏觀層面。
"我們正在經歷的基礎設施建設，其規模堪比上世紀50年代美國建設高速公路和橋樑。國家乃至整個世界都承受不起不建數據中心的代價，否則我們將發現像中國這樣的國家會確立所有的領導地位和規範，這對我們無論是國內還是全球層面來說，都是不可接受的。"
對於環保指控，賈西拋出了極具衝擊力的數據事實："現在有很多介於神話和謊言之間的說法正在傳播，因為政客和投機者喜歡找一個簡單的'反派'。事實上，高爾夫球場或杏仁種植業消耗的水量遠超數據中心。作為一個數據點：高爾夫球場消耗的水量是我們的200倍，它們兩天用的水比我們數據中心一年用的還多。"
他還補充道，備用發電機的污染也被嚴重誇大："你必須按照全天候滿負荷運行來註冊申報污染量，但實際上我們每年只運行備用發電機0.1%的時間（約10小時）用於維護。"
AI需求的"槓鈴效應"與降低推理成本的核心邏輯
在拆解具體的AI需求時，賈西提出了一個生動的"槓鈴"理論，這也解釋了亞馬遜為何堅持自研芯片的戰略。
"槓鈴的一端是AI實驗室，他們正在消耗我見過的海量算力；另一端是企業，主要利用AI來降低成本和提高生產力，比如自動化客服或業務流程。而槓鈴的中間，是企業目前的生產工作負載。絕大多數企業還沒有普及（AI推理），但我認為5到7年後，幾乎所有現存的企業應用都將深度使用推理技術。"
然而，要激活"槓鈴中間"的龐大市場，價格是最大的絆腳石。
"過去幾年，推理成本已經下降了不少，但在我看來，它仍然貴了一個數量級（an order of magnitude too expensive）。"賈西強調，"如果你要求企業用AI加速器重寫他們現有的CPU應用，如果成本差異巨大，他們重寫的門檻就會非常高。但如果你能把推理成本降下來，門檻就會大幅降低。這就是為什麼我們要在自研芯片業務上發力。"
賈西高度評價了2015年收購芯片設計公司Annapurna Labs的交易，稱其為"亞馬遜歷史上最成功的一筆收購，甚至沒有之一"。他透露，通過自研的Graviton處理器（性價比比其他x86高出40%）和Trainium AI加速器（性價比高出30-40%），亞馬遜正在強行拉低算力成本。
組織重塑：6名工程師幹了40人一年的活，所有產品必須推倒重來
除了向外輸出算力，AI正在從內部重構亞馬遜這台龐大機器的運轉方式，首當其衝的就是人員架構和產品開發邏輯。
賈西分享了一個令人震驚的內部案例：Bedrock（亞馬遜AI推理服務平台）團隊僅用6名工程師、耗時76天就重構了推理引擎，而這在過去需要40個人花上一整年的時間。
"這讓所有人大開眼界。"賈西直言，"未來，做同樣工作的人類將會比今天少。我不是說不需要人了，但隨著業務規模擴大，我們不會再像過去那樣投入那麼多的人力。團隊會變得更小，人們需要跨職能工作，因為模型能幫你完成80%的工作。"
在產品層面，賈西認為漸進式改良已經走不通了，必須擁有"從頭開始重構"的魄力。
"對於像Alexa這樣的產品，它的'大腦'在開發時非常具有創新性，但因為生成式AI的出現，能力的邊界已經完全不同了。如果你想擁有制勝的客戶體驗，你必須重新接入（rewire）Alexa的大腦。"
不僅是Alexa，賈西指出，亞馬遜的零售、Prime Video、音樂等所有核心消費者體驗，都必須在未來幾年內結合AI進行徹底的重新構想。"團隊往往會因為驕傲和歷史包袱而抗拒，說'我們試過那個，行不通'。但這（重構）是必須經歷的痛苦，如果只想着漸進式改善，三五年後你就會被淘汰。"
以下為播客全文翻譯：
Andy Jassy 00:00
即便今年要投入 2200 億美元，我們仍然把相當可觀的一部分需求留在了桌面上。我們總會留一部分產能給按需使用，但 26 年顯然已經售罄，27 年基本售罄，28 年也有相當一部分已經售罄。
Andy Jassy 00:14
金融市場在說，哎呀，世界上沒有那麼多錢來給這些東西融資。可我們今天在這個世界上做的每一件事------股市、銀行、醫療------它們都在用數據中心。我們的工作就是想辦法擁有盡可能多的產能；我們有這個機會，去覆蓋多得多的客戶體驗，讓他們的生活每天變得更好、更輕鬆。那些大型實驗室願意為電力、散熱和芯片付出幾乎任何代價。嗯，也許我們應該把老客戶買出來、再賣給新客戶，因為他們出價隨我們開。
a16z 00:48
Andy，歡迎來到節目。很高興你能來。謝謝你們的邀請。那么，你執掌亞馬遜已經五年了，做了很多事。能來到這裡本身就很不容易，作為 CEO 也有很多事情在接連推進------你現在手上是 2200 億美元的資本開支，AWS 增長了 20%、28%。嗯，嗯，你確實已經做了很多。
Andy Jassy 01:09
你已經實現了這麼多，那么你怎麼看待 2026 年亞馬遜的雄心------相對於 2021 年你正式接任 CEO 的時候？哦，2021 年感覺已經是很久以前的事了，感覺就像、你知道的、像十年前一樣。但是，你知道的，世界變化太快了。而且，你知道的，就是......
Andy Jassy 01:30
如果和 2021 年相比，我們的整體營收大概高出 80%，AWS業務大概接近三倍，廣告收入大概是兩倍半。所以這門生意，你知道的，增長得相當多。
Andy Jassy 01:47
我覺得確實發生了幾件事。在我剛上任不久------那正好趕在疫情尾段------我們的零售業務遭遇了一個真實的履約成本難題：我們基本上把履約網絡的規模翻了一倍。我們用 25 年建起來的網絡，在大約 18 個月裡把規模翻了一倍；接著又在大約 20 個月裡，建成了一個規模相當於 UPS 的末端配送運輸網絡。而只要你建得這麼快，就一定會留下各種各樣沒有優化到位的東西。我們在履約網絡裡的履約成本，並不是我們想要的樣子。嗯，你知道的，這在當時帶來了很多挑戰、很多焦慮。
我記得那會兒我上任也就一年左右、還不到一年，大家都在說：哎呀，這個時候接手真是最糟糕的時機，運氣太差了。可是現在回頭看，我覺得那其實是一個非常好的開始時機，真的是一種福氣------因為它逼著我們去考慮一大堆本來可能很多年都不會去考慮的事情，而那些事情對我們的客戶、對我們的業務來說都是非常好的想法。其中最大的一件，就是我們的履約網絡：我們把這個原本扁平的全國性履約網絡在美國做了區域化改造。通過區域化，我們把商品放得離客戶近得多，結果不僅因為運輸距離更短而降低了履約成本，同時送達客戶的速度也快得多。
嗯。在那個我們為履約成本苦苦掙扎的階段，重新審視我們那些最根深蒂固的信條，真正釋放了配送速度和零售業務裡的大量需求，也是我們在那裡能增長得這麼快的一個重要原因。當然，你知道的，緊接著就是 AI 如何進一步引爆全場。並不是說 AI 是什麼新東西------我們大家做機器學習已經很久了，此前也有過好幾波被認為"真正的轉折點"的 AI浪潮。但當你走到 2023 年，你真的會看到生成式 AI帶來的巨大不同。我想說的是，當時我們的 AWS業務已經增長得非常快了。
我們有、你知道的、明顯最廣的功能覆蓋、更強的運營表現和安全性，而且我認為還有一種不一樣的夥伴生態。我們是明確的領導者，我們當時覺得，這門生意在很長一段時間裡------假設十年以上------能做到幾千億美元的收入。現在我們再看 AI 正在發生的一切，再看我們所知道的每一種客戶體驗都將因為推理和 AI 而被重新發明，我們實際上認為，AWS 業務不僅增長非常快------上個季度我們同比增長了 36.7%，而且是在 1690 億美元年化收入的體量上------今天擺在我們面前的機會真的非常驚人。
而且你知道的，我覺得如果你再往上疊一層，我們有那些新業務的種子：不管是團隊把 Prime Video 做成了什麼樣------它現在已經是規模很大而且盈利的業務；還是我們正在用 Amazon Leo 建設的低地球軌道衛星；或者是和 Zoox 一起做的自動駕駛網約車服務；還有醫療業務，以及我們在機器人領域做的事。你知道的，我們真的有機會去幫助多得多的客戶，覆蓋多得多的客戶體驗，讓他們的生活每天變得更好、更輕鬆。
而這個"努力讓客戶的生活每天變得更好、更輕鬆"的使命，真正把我們在公司各處所做的事情統一在了一起。那么關於這個我有幾個追問。其一，你剛剛提到，當你這麼快地擴建履約網絡時，它必然會有點低效。你知道的，當你推進得這麼快，就一定會有些粗糙的地方。那么你是怎麼------而且你還提到內部圍繞這件事有些焦慮------從一個 CEO 的視角，你要怎麼去溝通你在做的事，同時又不拉低文化標準？我的意思是，亞馬遜是以卓越、以運營效率、以節儉著稱的，所有這些東西。可你現在說的是：我們要建一個 UPS 那樣的東西，諸如此類。那么你是怎麼把這兩者調和起來的？嗯，有意思的地方在於，我們有這套很多人都知道的領導力準則，一共 16 條。很多條準則，它們本應、也確實在支配我們作為一個團隊在運營和文化上的思考方式。
但其中有好幾條彼此之間是存在張力的，有時候人們會為此感到困惑。可現實是，這恰恰反映了真實世界的運作方式------沒有任何事情是真正乾淨利落的，你永遠在做取舍。所以回到當時那個時刻，當我們決定以那麼激進、那麼快的節奏去擴建履約網絡和末端配送運輸網絡時，團隊面臨的問題是：我們知道，如果推進得這麼快，會非常艱難；成本很可能比慢一點做要高；我們也很可能沒法把每件事都做得像慢一點做時那麼優化。但客戶和賣家真的非常需要它。所以，我們到底要不要偏向"先把它做起來"這一邊？你要記得，那時候是疫情早期，所有的實體店都關了。
我是說，如果你看看亞馬遜在疫情期間在每個人生活中扮演的角色，那是非常具有開創性意義的。所以我們必須問自己：我們是不是要建得快、也許做得沒那麼優化，以此來換取服務好那些客戶和賣家------那些賣家當時也在努力讓自己的生意維持下去？這是你首先要做的決定。而我們決定，就像我們幾乎一貫所做的那樣，偏向客戶這一邊。你知道的，接著，在建設過程中很快就很明顯了------我們規劃的事情並不是每一樣都進展得很完美。
我們有、你知道的，我們的履約團隊比公司其他大部分部門更常在辦公室裡。但即便如此，還是有大量的人需要參與到大量的設計、規劃和評估中。人被分散在各處、遠程辦公，然後你還要去平衡"崇尚行動"或者說速度，與"堅持極高標準"之間的組合或者張力------後者意味著你要按自己一貫規劃的成本結構、交付方式和設計去交付。所以你又得做取舍。
我們的取舍是站到客戶這邊、快速推進，以便服務好賣家和消費者，而且我們當時就想到後面會有一定量的清理工作。那么，我們當時是否確切知道最終會演變成後來那樣？沒有。也有一些東西是我們沒有優化到位的，而我不確定我們事先預見到了它們不會被優化。但如果你有好的度量指標，如果你的文化是一個講真話的文化------這也是我們文化中另一個非常重要的部分------我們，你知道的，會把數據擺到桌面上，把問題擺到桌面上，彼此直接溝通，我們不允許別人把問題粉飾過去。如果你有這樣一種文化，那麼在指標上會相當明顯，在討論中也會相當明顯。
然後你只要去想辦法怎麼改進它，分清哪些只是些小的效率問題，哪些是架構性問題。等我們把那批產能裝上之後，我們回過頭去真的重新架構了網絡的關鍵部分------那件事當時在那個團隊的優先級清單上大概排第八、第九位，但後來變成了重要得多的優先級，因為它能真正拿到速度和成本的組合。是的，很有意思。你知道的，有點像最開始，當你創辦 AWS 的時候------你創辦 AWS，那時候的套路有點像"建好了他們就會來"，對吧？你在建這一整套基礎設施，然後你去運營它。所以他們必須得來，否則你就麻煩大了。
但現在這件事是在一個大得多的規模上重演：你和其他一些公司------不過我得說，主要是你，至少你肯定是最大的玩家之一------正在以如此之快的速度建設數據中心和芯片產能，以至於金融市場開始說：哎呀，世界上沒有那麼多錢來給這些東西融資。然後，我們前陣子在 CoreWeave 的債務市場和股權市場等等地方，就看到了那種緊張情緒。所以你怎麼判斷------考慮到需求這麼陡峭、你增長這麼快------這輪建設到底建到多少才算太多？而且供應鏈上還有爭奪，你要去搶你的散熱、電力、芯片所有這些東西。是的，這是一個非常好的問題。我真希望有個公式能把它變簡單，那能替我們團隊省下大把時間。
嗯，我想我會這麼說：在雲的第一波浪潮裡，當我們創辦 AWS 的時候，確實有一點點"我們不知道人們會不會用它，所以先建好了他們就會來"的味道。但我們在公司內部有很好的信號。當時，你知道的，大約是 2000 年代早期那幾年，我們有不少團隊的推進速度遠沒達到我們的期望------儘管相對而言我們已經覺得自己夠快了。但我們就是搞不明白為什麼要花那麼久。原因其實是，我們的產品團隊把 70% 到 80% 的時間花在了基礎設施那部分工作上，而那部分並不能讓他們形成差異化；只有大約 20% 的時間花在真正讓產品有差異的部分上。
於是我們、你知道的，我們意識到每個團隊都在重複做這件事、都在重新發明輪子。所以我們最初構思 AWS，是為了讓我們自己在內部能跑得更快。我們當時的判斷是：如果我們建一套大規模、高可用、低成本、高度靈活的基礎模塊服務，比如計算、存儲、數據庫、內容分發、消息等等，我們就能在消費者業務裡建得快得多。然後我們只是說，相對而言我們技術還不錯，其他公司大概也有同樣的問題。但甚至在我們對外發布之前，公司內部就有那麼多團隊感興趣，我們就知道方向對了。我不認為我們當中有人預料到它在外部會增長得那麼快。
在 AI 這邊，你知道的，正如你所知，此前出現過一波又一波的人說：就是現在了，AI 終於來了。甚至在生成式 AI 這波浪潮之前大概六七年，人們就覺得那是 AI 的時代。我們建了一大堆 AI 服務，在 AWS 那邊其實是一門相當不錯的生意。但跟我們現在看到的完全沒法比。在 AWS 的早期，我們、我們覺得自己已經增長得非常快了，而且對此感覺不錯------三年之後，我們做到了大約 6000 萬美元的年化收入。而在生成式 AI 這波浪潮的頭三年裡，光是我們在 AWS 裡的 AI 業務，年化收入就超過了 250 億美元。所以它快了幾百倍。這個、我們真的從沒見過這樣的東西。於是問題就變成：你想投多少資本開支去追逐這個機會？我能告訴你的是，我們說過，2026 年我們預計要花大約 2200 億美元的資本開支。
順便說一句，我記得大概 15 年前在一次領導團隊早餐會上，我們當時無法相信有電信公司會花 500 億美元做資本開支，我們當時說：他們怎麼能花這麼多錢在資本開支上？所以這些數字，你知道的，真是讓人腦子發麻的數字。而即便今年要花 2200 億美元資本開支，我們仍然把相當可觀的一部分需求留在了桌面上。在這裡真正幫到我們的是，我們對客戶需求有很好的可見度。所以如果你去看 AWS 的資本開支投資以及現金周期的運作方式，它有兩大塊：一塊是數據中心的投資，另一塊是伺服器和網絡的投資。數據中心這一塊，你必須、你知道的、提前大約兩年投入，之後你才能在數據中心裡放上伺服器並開始變現。好消息是，這筆投資你只需要做一次，它是一個使用壽命資產，大約 30 年。
但你得提前幾年做這筆投入。伺服器和網絡設備則只需要提前幾個月，視具體部件而定。所以在你真正扣動扳機之前，你對客戶需求有很好的可見度。如果最後發現你其實並不需要那些產能去填滿這些數據中心，你就不會去買伺服器和網絡設備。平均而言，它們、你知道的、大約三年就能回本，而目前它們的使用壽命大約是五到六年。
我們做的大部分交易都是大約五年的。所以當你像我們這樣同時建這麼多數據中心、建得這麼快時，你會花掉大量資本，而且你的自由現金流在那些年份會承受逆風------直到幾年之後走到那個後期階段：所有這些數據中心都上線了、都在變現了、你從伺服器和網絡投資裡把錢賺回來。但由於現金周期的運作方式，在你增長得這麼快的頭幾年，它確實會帶來逆風。那么順著這個說，你知道的，回到你創辦 AWS 的時候，數據中心大概是世界上你最不可能相信會變成一個政治議題的東西。可我們現在就處在這樣一個局面裡，尤其在美國。
你知道的，這挺有意思的，我相信你也經歷過------世界上沒有哪個地方的人，會比美國政治圈那樣反數據中心，不管出於什麼原因。所以你，你知道的，這種情況最終會怎麼影響這件事？我想問的是，反數據中心的論點有任何道理嗎？然後，這又會如何反過來影響你的策略------你在這裡建什麼、你在其他地區建什麼？嗯，好吧，我可以給你一些我所掌握的、至少是我所相信的背景。你想想，我們今天在這個世界上做的每一件事------股市、銀行、醫療、娛樂、購物、教育、商業、網約車------我們所做的一切都是數字驅動的，它們都在用數據中心，說白了就是這麼簡單。不，每個人都是；我反對的是我自己，我再也不想用我的手機了。
可它們都用數據中心。而這還只是在 AI 之前。AI 是我們這個時代最大的技術變革------考慮到我們經歷過互聯網、雲和移動互聯網，這麼說是有分量的。所以現實是，為了支撐我們剛剛談到的 AI 方面那種高速增長，我們所需要的這類基礎設施建設，在這個世界、在這個國家，大概自 1950 年代我們修建高速公路和橋樑以來，就沒有出現過能與之相比的東西。我是說，我們現在正在經歷的，就是那種量級的建設。而這個國家------我認為整個世界大體如此，但我要特別說美國------承受不起不建數據中心的代價，否則我們會發現，像中國這樣的另一個國家會把所有的領導地位和所有規則都確立在那裡。我認為我們誰都不會喜歡那樣，無論在國內還是在全球。
所以我們現在必須建數據中心。那么，我是否認為作為整個行業，我們有辦法做得比現在更好？當然。我覺得事情發展得很快，大家都在共同學習。但現在有一批------我會稱之為介於迷思與不實之詞之間的東西------正在被傳播，因為這是那種人人都能找到一個現成"反派"的議題。在政治上，有時候機會主義者喜歡去找出那個反派來指指點點。我可以給你舉些例子。高爾夫產業或者杏仁種植產業消耗的水，比數據中心多得多。
就給一個數據點：高爾夫球場這樣的場所，耗水量是我們所有數據中心的 200 倍；它們兩天的耗水量，比我們數據中心一年的耗水量還多。所以這類例子有很多，這是一個很好的例子。或者你可以談污染。實際情況是，當你註冊新的場址、配備備用發電機時，你必須登記並申報：如果你把這些發電機全部滿負荷、全天候運行，排放量會是多少。但當然，這種事從來不會發生。備用發電機一年只運行千分之一的時長，比如一年 10 小時用於維護。
所以，你知道的，或者你談電價------如果你去看我們有大規模數據中心佈局的不同地區，有些地方的電價漲了，有些地方的電價降了。但真正的問題是：作為一個國家，我們沒有以應有的方式投資我們的電網基礎設施。這裡必然會有可觀的增長，所以總有什麼東西會把它推到需要投資的臨界點。結果就是 AI------因為它增長得如此之快、體量如此之大------成了那個把它推過去的東西。但等你真的把產能建起來，你會發現，在大多數地區，電價最終會走平甚至下降，就像在印第安納州、佐治亞州或密西西比州發生的那樣。
所以，是有一些我們能做得更好的地方。另外人們容易忘掉的一點是：在這些地區，大型數據中心供應商繳納了大量稅收。你看，就拿印第安納州的聖約瑟夫縣來說，我們已經繳納了大約 30 億美元的稅。社區拿到了這筆錢，可以把它花在對這些社區真正重要的事情上。所以社區也從中得到了回報。我們建了一些項目，比如 Built Together（共建），我們剛剛承諾在未來五年裡，再向那些我們有數據中心佈局的社區投入 10 億美元。所以我認為，我們必須持續和社區一起努力推進這件事。它必須是一種公私合作夥伴關係。但這輪建設對這個國家的未來太重要了------想像一下，如果我們當初沒有把高速公路建起來會怎樣。
a16z 20:44
以及橋樑------那會決定這個國家的經濟繁榮與能力邊界。所以我們要把它放在一個合理的視角裡看待，而且我們必須成為我們所建設社區的夥伴。我們再回到資本開支這個問題上。那 2200 億美元，也就是每天 6 億美元。我只是想、你知道的，把它放到一個參照系裡。我很好奇你現在怎麼看待 AI 需求------我們私下聊的時候，你把它形容為一個......
Andy Jassy 21:10
杠鈴（barbell）結構。也許你可以梳理一下、或者說定位一下當下 AI 需求的狀態。嗯，我想說，第一个背景就是我前面講過的------我簡直不敢相信 AI 長得這麼大、這麼快。你知道的，它比 AWS 初期快了幾百倍；頭三年，我們在 AWS 裡光 AI 收入就做到了 250 億美元的年化規模。所以它真的非常大。但同時，如果你看需求的結構，它真的是一個杠鈴。杠鈴的一端是那些 AI 實驗室，它們在消耗海量、海量的算力，規模之大是我從未見過的。然後還有少數幾個爆款應用，ChatGPT、Claude Code，諸如此類。
Andy Jassy 21:59
杠鈴的另一端是企業，它們主要在用 AI 做成本規避和提效，比如把客服自動化、反欺詐、或者業務流程自動化。杠鈴的中間，是企業當前的生產型工作負載，其中很多跑在 AWS 上、今天已經在用推理了。但我要說的是，其中絕大多數還沒有以任何滲透性的方式用起來------你知道的，而我認為那會成為 AI 使用中絕對值最大的一塊。我認為你會看到這一點。
Andy Jassy 22:38
我很難預測這件事發生的速度。它、你知道的，每一年都在更大程度上發生。但我覺得如果你把視角拉遠------五年、五到七年------去看看那會是什麼樣子；而且我不認為它會等到五到七年之後才發生，它從來不會一蹴而就。但如果你能把視角拉遠到五到七年，我認為相當多、甚至是我們今天使用和存在的多數企業應用，都会以滲透性的方式用上推理。所以我們面前還有大量的增長空間。
那麼你是怎麼看待這件事的？因為我們正面臨一場即將到來的數據中心、芯片、內存------所有東西------的短缺，而且真的就在 2027 年，因為大家現在都在建，但到今年年底未必能就緒，而需求一點都沒有放緩。所以面對這種情況你怎麼想------當那些大型實驗室願意為電力、散熱、芯片付出或許任何代價、幾乎任何代價的時候，那種環境；而你又有這些已經存在很久的老客戶在按常規費率付費來運轉他們的業務。有没有一种商业压力会让你想：嗯，也许我们应该把老客户买出来、再卖给新客户，因为他们出价随我们开？而老客户呢，我又不能把他们的价格翻一倍，那不公平。或者，你是怎么看待这件事的？因为这实在很奇怪------你有一批在你这里待了 20 年的人，做着一件、如你所说、大概会走向推理的事情；然后你又有这些新客户，他们贪得无厌，什么东西都愿意买。
Andy Jassy 24:35
是的，這是個好問題。你知道的，我們看待這件事的方式跟你說的那種不太一樣，但我完全能理解。如果你想想，今天的數據中心和電力就這麼多，內存也就這麼多，而且我不認為這種短缺會在 2027 年結束。
我認為、我相信------回到資本投資這個話題，我之所以覺得我們可以投得多得多、而且那不會是糟糕的資本使用，其中一個原因就是：26 年在這個時點顯然已經售罄，27 年基本售罄。我們總會留一部分給按需使用，無論是在我們的推理服務 Bedrock 裡、還是在 EC2 裡------但基本都售罄了，所有的大塊都售罄了。28 年也有相當一部分已經售罄。需求就是這麼大，你沒法......我們有，如果你看 AI 業務和我們所謂的核心業務------核心可以理解為非 AI 部分------它們現在都在以非常快的速度增長。
而且你知道的，如果你手上的內存只有那麼多，你就得決定要把多少內存分配給 HBM、也就是給 AI 加速器，又有多少分配給 DRAM、也就是給你的核心業務。所以這些都是你必須做的真實取捨。但我要說的是，我們在這件事上的出發點是客戶至上。
對我們來說，我們在 AWS 裡和客戶有著深厚的關係和合作。就像疫情期間那樣------當時我們的競爭對手，我認為他們在想的是怎麼在一個季度內做優化，以便在一個所有人都要做成本優化的世界裡盡可能多地推高收入；而我們採取了不同的做法。我們主動讓我們的團隊走出去，幫客戶想辦法做成本優化，儘管我們知道這會削弱我們短期和中期的收入。但你知道的，我們要幫客戶成功，因為我們非常堅信：如果我們長期幫助客戶，我們的業務也會隨之而來。在核心業務上，這也是同樣的道理。我猜你確實可以做一番計算，然後認定：由於稀缺性和客戶的支付意願，你可以從核心客戶身上多擠出一些錢。但他們是把自己的生意跑在 AWS 之上的，他們所有核心應用都跑在上面。
我們不會去擠壓我們的客戶，我們會確保他們能夠擴展。然後我們的工作，就是想辦法擁有盡可能多的產能，讓不僅是我們的核心客戶，還有所有想在我們這裡用 AI 的客戶、以及那些想用我們做 AI 的人，都能用得上，而且是以一種對我們而言經濟上也可持續的方式去做。所以，我真希望我能告訴你，供應緊張只會是 2027 年的問題；我認為在不同部件上，我們會連續幾年看到它。我們一直很進取，我認為我們投放的產能大概比任何人都多，因為我們真的很投入、非常執著於繼續做基礎設施和 AI 領域的重要領導者，就像我們一直以來的那樣。
但正如我所說，我們今年要花 2200 億美元，而且我們本來可以花得多得多。那不會是糟糕的資本使用。而且從中期到長期看，我認為我們大概仍然滿足不了全部需求。現在的需求實在是太驚人了。那么接著這個話題說，你在 2015 年做過一件事------你收購了 Annapurna Labs。那時候你大概還沒有在想 2015 年會有巨大的 AI 需求，因為 2015 年的 AI 需求本來就不多。那么是什麼驅動了那筆收購的決定？然後它在這個新世界裡又是怎麼產生回報的？是的，我覺得，Annapurna 團隊是我有幸共事過的最有才華的團隊和一群人之一，它是我們在亞馬遜歷史上做過的最好收購之一，如果不是最好的話。
是的，我們預見到了其中的一些部分，但我並不認為我們當初收購 Annapurna 是專門衝著 AI 芯片去的。是這樣的：當你達到一定規模，你就能接觸到、看到客戶在極大規模下的行為模式，你會意識到，如果你能做垂直整合、能自己建某些能力，你就能為客戶提供更多價值，也能為業務本身帶來更好的經濟性。所以 Annapurna 在我們這裡的起點，只是圍繞核心的 EC2 伺服器：我們覺得我們把太多的伺服器資源花在了虛擬化、網路、安全和存儲上，而我們希望幾乎能把 100% 的伺服器資源都用於給客戶提供計算。
所以我們在收購他們之前，就已經和 Annapurna 一起做這個網卡（NIC）------把這些組件卸載到網卡上，好讓我們儘可能多地把伺服器留給計算。我們非常喜歡這個團隊，也非常喜歡我們一起合作做出來的那款產品。我們意識到我們要買的那個東西，最終會裝進幾乎每一台 EC2 伺服器------結果它確實裝進了我們所有的伺服器。
所以我們最初收購它，是因為那將成為我們計算能力的一項核心能力；也因為這個團隊在造芯片上太有才華了，我們覺得他們大概也能造別的芯片。那時候，我們和英特爾有著非常深的合作關係------我們到現在依然和這家公司保持著深度合作。但問題是，英特爾當時幾乎握有全部 CPU 份額；而當你有一個握有幾乎全部份額的夥伴時，他們往往不會去想怎麼提升性價比，他們會去想別的、能讓他們拿到更多份額、帶來更多收入的功能。
順便說一句，這完全可以理解，這就是市場運作的某些動態，也是"創新者的窘境"出現的一部分原因。所以我們當時想在性價比上推一把，卻很難得到對方的重視。但我們有客戶想把越來越多的本地工作負載搬到雲上，他們想要更好的性價比。於是我們讓 Annapurna 團隊去做的下一件事，就是造一顆 CPU 芯片。他們做出了 Graviton------今天我們排名前一千的 EC2 客戶中，99% 都在非常廣泛地使用它。它的性價比比其他 x86 處理器高出大約 40%，這對我們的客戶和我們的業務都產生了巨大影響。然後在幾年前，我們在 AI 領域看到了同一部"電影"重演：那裡確實有一家非常優秀的主導供應商。我們和它有很深的合作關係------我們現在依然有很深的合作，而且在我能預見的未來都會一直有。
但他們有巨大的市場，也有很多正在做的不同產品、不同的優先級。而我們知道我們的客戶需要更好的性價比，這就是為什麼我們在 Annapurna 裡另起一支團隊去做 AI 加速器，我們叫它 Trainium，它的性價比也比同類可比處理器高出大約 30% 到 40%。而且你知道的，當我們談杠鈴的中間部分------我們剛才聊到的那個------如果你問：會有哪些事情改變杠鈴的中間，讓更多當前的企業生產型應用用上推理？有那麼幾件事。其中一部分是人才：有些人已經習慣做後訓練和微調，也需要那種知道怎麼排優先級、知道該攻什麼、以及怎麼做的組織能力。
但很大一塊在於：過去幾年推理成本已經降下來不少，但在我看來，它仍然貴了一個數量級，還不足以讓它被儘可能廣泛地使用。因為如果你要讓企業把今天用 CPU 跑的應用改寫成用 AI 加速器，如果兩者成本差異非常顯著，那麼他們為了願意去重寫這些應用，就必須從 AI 加速器上獲得非常高的增量收益------那是一個高得多的門檻。但如果你能把推理成本降下來，這個門檻就低得多，而所有應用都會因為 AI 加速器和推理變得更好、更聰明、更強大。所以，對客戶能否廣泛使用 AI 來說，一個非常關鍵的環節就是把推理成本降下來，而我們的芯片業務是其中很大的一塊。是的，確實。我可以拿我們自己的公司告訴你，它真的會變得非常貴。我們有一位員工在過去幾年裡花掉了 200 萬美元------做的是有價值的工作。
但沒錯，當時的感覺就是：好吧，這個推理還真不便宜。那么，你做過的一件事是做了一些投資，特別是對 Anthropic 和 OpenAI 的投資，規模非常大的投資，我印象裡對 Anthropic 是 180 億美元，對 OpenAI 大概是 500 億美元之類的。那么是什麼讓你想去做這些？而且這類投資，加上英偉達等等類似的投資，把華爾街搞得有點神經緊張，因為這讓他們想起了互聯網泡沫年代那些糟糕的舊時光。你是怎麼看待這件事的------尤其考慮到他們同時也是你的客戶？為什麼這麼做是合理的？這兩家公司都是非常出色的團隊，也是非常出色的公司；它們增長業務的速率------至少在營收端------我不知道我們是否曾見過類似的東西。真的，這簡直令人難以置信。
所以對我們來說，這是幾個因素的組合：這些團隊是什麼樣的團隊，他們造出來的技術和模型，以及他們做出來的一些應用；我們相信 AI 有多大的變革性；我們相信它們會在很長一段時間裡成為這個領域最成功的兩家公司------當然這個領域不會每個人都成為贏家，但會湧現出很多非常成功的公司，而我們相信它們會是其中兩家。再就是，我們合作得如此緊密。我先說 Anthropic------我們和它的合作時間更長。我們有非常多客戶在我們的推理服務 Bedrock 裡跑 Anthropic。而且我認為，客戶在 Bedrock 裡跑 Anthropic 是最成功的。我們在芯片上和它有深度合作------他們已經在 Trainium 之上構建了一段時間。我認為這對 Anthropic 非常好，對我們的 Trainium 團隊也非常好，我認為雙方都從對方身上學到了很多。所以我們和它有深度合作------無論是我們對 AI 未來的信念、對這些公司的信念，還是這種合作關係本身，都讓我們覺得作為合作的一部分去做投資是合理的。
然後在 OpenAI 這邊，我們只是有太多客戶想在 AWS 上使用 OpenAI，卻因為此前的商業安排而無法做到。而且很長一段時間裡，我認為兩家公司都對彼此懷有很多尊重和合作的意願。所以這也是那種情況：經過一系列、歷時數月的對話之後------能在 Bedrock 裡跑 OpenAI；我們一起做了一款獨特的產品，就是那個有狀態運行時環境（stateful runtime environment），我認為未來所有智能體都會以這種方式構建，你會需要狀態；還有他們像 Anthropic 一樣，對 Trainium 做出了多年、多吉瓦的承諾。而我們就是相信，它會在很長一段時間裡成為這個領域最成功的公司之一。所有這些，都讓我們覺得深化合作與投資是合理的。換個話題，談談你如何用 AI 來建設一家公司。我記得你說過，Bedrock 團隊用 6 名工程師、76 天重建了你們的推理引擎，而那本來需要 40 個人幹一年。這差別相當大。
而且你知道的，亞馬遜以"兩個披薩團隊"著稱。那么現在，你的組織設計思路是什麼？考慮到這項技術------它似乎真的改變了一切。這些年來我們變得極度專業化：有設計師、有產品經理、有前端工程師、有後端工程師，這個那個，諸如此類。而現在好像大家又都變成了通才。那么從組織設計的角度，你怎麼看這件事？是的，我同意你說的。我認為你提到的那次 Bedrock 經歷，對這裡的每個人來說都非常開眼界。
我們也花了很多時間在內部分享那個故事，去激勵大家、提醒人們什麼是可能的。因為隨著時間推移，最終會發生這樣的事------我是 29 年前加入公司的。我從一個助理產品經理做起，當時我一人負責、我不知道、五款產品。而今天，當公司成功、規模變大、產品變大之後，你會走到這樣一個狀態：一個產品經理只做一個產品，而且只擁有其中一個切片------比如他只負責定價之類的。每個人都變得更專業化，而且每個人都接受：如果你要做大、做成，這就是必須的做事方式。但這不是，而且當你看 AI 正在發生的一切時，它絕對不是。
就拿剛剛過去的一周來說，我們正在做一些事，圍繞消費者業務裡的智能體。我們在那裡有一大堆投入，但我們有一個非常喜歡的想法，我們周四決定要去試試，看能不能做出一個真正能跑的原型。結果呢，我們四五個人在周末動手，到周日就已經讓它以 80% 可發布的狀態運行起來了。這是真的------那完全是兩個不同的世界。所以我認為，這對組織的未來意味著什麼：第一，我認為未來做今天這些工作的人類，會比今天更少。你就看現在有多少編碼是由智能體完成的，看有多少客服、商業智能和研究工作在被做。
是的，你再往前快進想想：表格會怎麼被做出來、你需要多少律師------我只是認為，你不會變成沒有人，但你不會再需要那麼多人類；過去隨著業務變大，我們都不停地往裡堆人，未來不會是這樣了。會出現不同的工作和新的工作，有些我們知道，有些我們還不知道。隨著 AI、機器人和太空的發展，它們會湧現出來。會有各種各樣的新工作，但做今天這些事的人類會更少。我認為團隊會比現在小得多。你會擁有更小的團隊，團隊裡的人能夠跨職能工作；你不會只讓一個人擁有其中一個小小切片，因為模型能幫你走到 80%。在很多這些不同的職能上，我認為每個團隊都會從一個比過去高得多的起點開始，所以我認為你將能夠更廣泛、更快速地去發明。
我確實認為有一大堆事情必須改變。今天成立的初創公司，大多數從一開始就是以智能體的方式、智能體原生（agent native）或者 AI 原生的方式起步的。而所有已經經營了一段時間的成熟公司，都必須搞清楚怎麼以同樣的速度去構建。我認為它們當中有一部分會搞明白。而且你總有這種情況：當你有一個擁有很多能力和忠實客戶群的大生意時，有些公司會非常緩慢地去弄明白，在我看來，它們面對初創公司時會更加脆弱。
而我認為，我預測，公司將不得不重寫幾乎全部代碼，讓它們具備智能體能力；它們必須允許智能體去更新不同的代碼片段，你還得在那裡建立約束。我認為單看安全這一塊就很有意思。如果你看過去一兩個月圍繞模型的各種緊張情緒，它們都集中在那些更奇幻的場景上。
順便說一句，那些場景是可能的：有沒有可能一個惡意的殭屍網絡接管一切？我是說，我想是有可能的；有沒有可能給機器人注入惡意意圖？都是有可能的。我個人認為，作為一個行業、加上公共與私營部門，我們會一起把這件事解決。但你得從先關注某些事情開始。是的，但有意思的地方在於，我認為關於那些更近期的風險，討論得還不夠------那些風險其實主要是圍繞網絡安全的。這些模型太厲害了，它們能找出比過去多得多的漏洞，而人類過去根本沒找出來。也許你可以爭論人類到底能不能找出來，但事實就是他們沒找出來。所以往前快進，我認為應用程序響應緊迫安全威脅的方式，必須以分鐘計。
今天的情況是：你發現漏洞，有人給漏洞分類，有人開發補丁；然後即便這部分做得很快，大多數公司部署也要花很長時間，因為有各種依賴關係。未來你必須以分鐘為單位完成部署。所以如果你沒有真正把應用重寫成可以被智能體更新的形態，在那個新世界裡你將毫無機會。所以我認為，所有組織都會被重新發明，而那些優先做這件事的公司，處境會遠好於那些不做的。
是的，而且看起來，作為一個行業，我們在架構一切東西的時候------從大型系統到嵌入式設備------並沒有把安全架構做得很好。而清算的日子到了。不過我認為好消息是，這對新公司、新的嘗試、人們去做事來說是一個巨大的機會。但沒錯，按我們說的，這個威脅------那些理論上的、思想實驗式的威脅，嗯，也許會發生，也許不會。但這個是明確而現實的。
是的，幾乎所有我們在 AWS 方面談到的合作夥伴和客戶，無論規模大小，每家公司都在擔心安全這一塊。你知道的，我們有一個專業服務業務在幫客戶做這件事，我們還建了一個叫 Continuum 的服務，它能識別大量這類漏洞並生成補丁。但這件事，你知道的，說起來容易做起來難。實際上，因為很多公司和很多工程師有時候覺得專注在安全上並不那麼令人興奮，很容易就等到出問題再說。可如果你保護的是重要的數據，那是個壞主意。而且，我認為在大多數公司裡------回到我們前面的對話------專業化在安全領域大概是最糟糕的情形：你有這些非常深奧的安全工程師，他們不喜歡和其他工程師一起工作，他們是稀缺資源，諸如此類。
結果就是，在大多數公司、大多數軟件公司裡，它們在寫軟件時的安全實踐就是不太好。我認為這顯然必須改變。好消息是我們有能幫助解決這個問題的工具。順著你說的，好消息在於：你得去雇滲透測試人員，可你能雇到的安全人員就那麼多，他們能覆蓋到的應用也就那麼多。模型加上自動化，會讓你能夠更好地對整個攻擊面做滲透測試，而且你會找到一些如果不是運氣好、本來可能發現不了的東西。所以我們觀察這個市場時，有一件事挺有意思：用 AI 你可以做很多事。一種是你用它來削減成本，減少你需要的會計師或律師的數量之類的。
現在確實有不少風險投資公司在說：好吧，我們去買下那些老公司，削減它們的成本。這一直都不太讓我們感興趣，因為我們會想：好吧，如果那就是你的主意，那你的主意實在太少了。再一種是：好吧，我們要去做一個世界從未見過的東西。那個非常令人興奮。但還有第三種，就是你做 Alexa 這件事：你手上有一個產品------一個成功的產品------然後你說，好吧，我們從頭把這個東西整個重新想一遍，因為我們有了這個新平台。你是怎麼走到那一步的？它在什麼情況下是合理的？是的，我覺得你把這個三分法劃得挺有意思。而且我認為，正如我們剛才談到的，組織會真正發生變化、變得更精簡。
如果你做對了，它會讓你那些真正優秀的構建者和這些小團隊，去做出你所說的第二類東西------那些人們從未見過的東西，你是能做得到的。而且當你有了我前面講的那種經歷------四天之內就把一個新想法做到 80% 的樣子------這對人們太有激勵作用了，他們會真的花更多業餘時間、更多空閒的思考周期去想新點子。對我來說，這是 AI 正在發生的事情裡最令人興奮的部分之一。
但我也認為，對那些已經在規模化地擁有成功客戶體驗的既有公司來說，如果他們把 AI 主要理解為只是漸進式地改善體驗，那麼三到五年後，他們很可能不會擁有那些勝出的體驗。因為我認為，我們所知道的每一種體驗------哪怕是那些看上去最難以想像會被改變的------在幾年後都會因為 AI 而變得顯著不同。
所以這意味著，如果你想要的不只是漸進式改善，你就必須想辦法讓團隊從零開始重新想像這些應用應該長什麼樣------假設你今天用它所有可用的新技術來建它。在某些情況下，就拿 Alexa 來說，我覺得我們必須這麼做是相當明顯的。Alexa 的"大腦"在它被造出來的那個時點確實很有創造性。但由於生成式 AI，這個"大腦"所能具備的能力已經完全不同了，所以如果你想提供出色的客戶體驗、想長期保持相關性，你就必須給 Alexa 的大腦重新布線。所以那件事相當明顯。順便說一句，儘管相當明顯，做起來其實很難------因為團隊和他們所造的東西是有情感連接的，他們為自己造的東西驕傲，他們對於什麼行得通、什麼行不通有來之不易的傷痕認知。
要讓他們完全從頭開始、重新想像，需要時間，因為團隊會說：嗯，我們不是這麼做的；我們試過那個，沒成功。或者諸如此類。但我認為更難的是：拿我們的其他消費者體驗來說------拿我們的零售業務，或者 Prime Video 業務、Fire TV 業務、Prime Music------這些體驗裡，技術今天已經有了好得多的解決方案，這一點並不那麼明顯。但我實際上相信，這些業務中的每一個，我們都需要重新發明；而且我們已經有團隊在做這些業務的、被徹底重新想像過的版本。
那麼，我認為我們一上來就能做對嗎？大概不會。我們會想辦法迭代著走進去，但它已經在產生各種各樣的新想法和客戶體驗，我們認為非常有吸引力。然後有意思的會是這樣一個賽跑：你是想要一個完全不同的體驗------幾乎像一個新應用那樣------還是說那些新東西推進得夠快，你把它們加進現有體驗裡，在接下來兩三年裡一點一點地、實質性地改變整體客戶體驗？隨著你找到奏效的要素。但我確實認為，如果你想成為一個成功的領導者，這些體驗中的每一個都必須在未來幾年裡變得不一樣。
是的，這是一個非常棘手的領導力難題。這讓我想起我剛做工程師那會兒。我和某個人為某件事爭論起來。我的老闆說：聽著，Ben，你必須明白一件事------在寫下第一行代碼之前，一切都可以討論；之後，它就變成了信仰。我猜你在 Alexa 上也經歷了這個。不過很有意思的是：所有那些知識、所有那些經驗、所有那些用來構建原來那個東西的東西------現在你在說，好吧，我們願意放棄其中很大一部分，走向這個新世界。
而且順便說一句，對客戶也是一樣：你會有一大批熱愛當前體驗的客戶，對吧？是的，每一次大的轉型------至少以我的經驗，也許你能舉出不是這樣的例子------但幾乎每一次大轉型，都需要一次巨大的改變：技術、產品、客戶體驗和商業要素，都必須足夠有說服力，才能讓人想要改變。但即便如此，它也不會自動發生。這是一次巨大的變革管理------就像從本地部署遷到雲上，是同一類轉型：很多基礎設施負責人對自己造的東西非常驕傲，他們對它了如指掌，他們身處行動的中心，他們不想去學新東西。
這將會是同一回事，就是我剛才提到的那種體驗。對於重新發明你所有的客戶體驗這件事，也會是這樣。我們都為自己過去十年在這些體驗上所造的東西感到驕傲，我們都有 100 件能讓它變得更好的事情，我們都為此興奮，我們把所有醒著的時間都花在上面。要去想"我怎麼完全從頭開始"，你知道的，這在理智上和情感上都是很難的。是的，毫無疑問。
a16z 53:06
還有，Andy，我們幾週前剛剛孵化了 Harwood's 和 Jason Academy，幫助年輕人為我們正在談的這場轉型做準備。你說過 AI 讓構建變得更容易，但年輕人仍然需要學習、你知道的、真正的專業能力。我很好奇：如果你在 2026 年是個 18 歲的人，你會給自己什麼建議，來為這場我們正在進入的轉型做準備？
Andy Jassy 53:29
嗯，我有一個 25 歲和一個 22 歲的孩子。所以我想，那個 22 歲的孩子在開始真正起飛的時候是 19 歲。我很快就明白了：你不能告訴他們在教育裡不要用 AI。那艘船已經離港了，或者說那列火車已經出站了。而且我認為大學明智的做法是不去對抗它。我認為它就是一個人們會去用的工具。
Andy Jassy 53:54
但與此同時，我認為所有年輕人------而且我要說，對我們來說也一樣，我們有很多人、我們有寫作文化，大家在拿 AI 寫東西------你能看出來什麼是 AI 寫的：它、就是不太對，那些部分沒有被拼接到一起。而且你知道的，所以我會給年輕人的建議------也是我給我孩子的建議------是。
Andy Jassy 54:18
你不能逃避它，你知道的，你也不能指望它消失。它會在你的生活裡、在你嘗試使用的每一種體驗裡、在你的工作裡，產生極大的影響；而且它會讓你以我們從前不可能做到的方式去發明。所以你真的需要去了解它，你需要自學它，你需要大量地使用它。你需要去嘗試。試著做一些超出你舒適區的事。
Andy Jassy 54:48
我的兩個孩子都不是開發者，但他們、你知道的、用 AI 做過應用。把它當作你安排一天、以及在工作中使用工具的焦點。但我不認為它會取代批判性推理和思考。而且我認為對大學來說也是這樣。我在很多方面會想到------我拿商學院舉個例子。你會拿到三個要分析的案例，你要做大量閱讀、做筆記、找出關鍵問題是什麼。然後你會拿到一堆附件材料，你也要在上面做筆記。然後你得把你認為那家公司應該採取的方案整合起來。而你知道的，經常有一堆人根本不做這些功課------他們不閱讀、不研究、不做筆記。而所有這些，AI 都能幫你搞定，它能把每個人更快地送到那個更高的起點。
Andy Jassy 55:52
但我也要說，真正把那些點、那些碎片串起來------不管是要形成一個戰略、一個思路、一個計畫、一個新產品，還是一個新的客戶體驗------我不認為 AI 會在大多數時候、為大多數人做到這一點。我不是說這永遠不會發生。
Andy Jassy 56:10
我仍然認為你需要人類的判斷力、創造力、發明力、實驗精神，以及思考所有部件如何拼合在一起，最終做出驚豔的體驗和生意。所以我認為你應該使用這些工具，它們會是巨大的助力，但我仍然認為批判性推理和思考在我們做的每一件事裡都會非常重要。臨近尾聲了。你們所做的業務，是像......
a16z 56:43
從衛星連接到機器人、到醫療，如此多樣。我是說，這種雄心太不可思議了。想想這門生意是從、你知道的、在互聯網上賣書開始的，而現在它成了這樣。你會怎麼看待，嗯，是什么把這些不同的......
Andy Jassy 57:00
業務線串在一起？或者說，你如何判斷哪些業務線值得投入數年？或者你怎麼確保自己不會過度分散精力？或者你怎麼理解這個極其寬廣的版圖？
Andy Jassy 57:11
嗯，我會說幾件事。首先，我認為我們正處在我們有生之年------也許是有史以來------最大的三場轉型之中：AI、機器人和太空開發。它們都非常巨大，而且都會徹底改變我們所有人會遇到的許多客戶體驗。而我們正處在這三場大轉型的正中間。
Andy Jassy 57:40
如果你看我們在零售業務裡做的事，以及我們如何使用機器人、我們在 AI 側做的事------既包括讓內部和外部的建設者更容易做出成功的 AI 應用和智能體，也包括重新發明我們所有的消費者體驗。
Andy Jassy 57:58
如果你想想 Amazon Leo------我們正在為全球 5 億還沒有寬帶連接的家庭建設的低地球軌道衛星星座------那裡正在發生一系列不可思議的轉型，我們有機會幫助客戶去利用它們，讓他們的生活變得更好。而且我們做這件事的方式，既能幫助客戶，也能為我們自己帶來長期可持續的業務。而且我們、你知道的，我認為我們有機會在更多領域裡對客戶變得更有相關性。這還沒算上我們在雜貨領域做的事、我們在自動駕駛網約車和醫療領域做的事，以及、你知道的，這些。
Andy Jassy 58:47
你知道的，關於我們的組織方式，這些年來我們經常有這種內部辯論，也有很多外部人士問過同樣的問題：這算不算攤得太薄？我認為這在某種程度上取決於你怎麼組織自己，以及你願意投入多少。因為我們不會讓同一批人去管理多塊業務，我們是以這種去中心化的"單線程"方式來組織的。只要你在這些團隊上有合適的領導者和合適的建設者，只要這個體驗足夠大、能推動增長指針，只要你在一個服務得並不好的領域裡有差異化的想法，你就有機會同時去追求很多這樣的事情------而且我們在很長一段時間裡就是這麼做的。然後就歸結為你願意投入多少。
有些公司------完全可以理解------會說：我們就要做好自己的本行，我們就守著我們的核心業務，把它做大。順便說一句，那也可以是一個非常成功的策略。而我們也非常專注於繼續做大、做強我們的既有業務，我認為我們做得相當成功，速度也不錯。但有那麼多其他客戶體驗，我們知道客戶真的希望我們去幫忙解決，而我們也能解決------它們會幫助我們的客戶，也會長期改變我們的業務。所以我們會繼續追求這些。這是個鼓舞人心的收尾------無盡的雄心。Andy，非常感謝你來上節目。是的，謝謝你們邀請我。非常感謝，各位。