“为何不共同探索一个值得期待的未来？为何不在创新、想象与治愈的道路上走得更远？”亚马逊云科技（AWS）以一连串反问，拉开了第14届re:Invent全球大会的序幕。这场科技盛会不仅展示了AWS在生成式AI领域的最新突破，更透露出其重构社会创新底座的雄心。
2025年，AWS交出了一份令人瞩目的成绩单：第三季度营收同比增长超20%，全年营收预计突破1320亿美元。为支撑这一增长，亚马逊全年资本支出预计达1250亿美元，创历史新高。在生成式AI浪潮中，AWS加速前行——Amazon Bedrock平台客户数量一年内翻倍，tokens处理量超万亿的客户已超50家。
面对AI基础设施的激烈竞争，AWS选择了一条“全栈自研”的硬核路线。“我们需要一个可扩展性强、性能卓越且成本最优的基础设施，而实现这一目标的唯一途径是优化从软件到硬件的全流程。”亚马逊云科技大中华区产品部总经理陈晓建在re:Invent中国行北京站上直言。这一战略在芯片领域体现得尤为明显——AWS首款3nm工艺芯片Trainium 3正式亮相，其计算性能较前代提升4.4倍，能效提高40%，内存容量增至144GB，支持单个服务器集成144个芯片，并可扩展至数十万甚至上百万芯片的集群。
自研芯片的优势在成本与效率上尤为突出。相比通用架构的英伟达GPU，ASIC架构的Trainium 3专为AI训练设计，剔除了图形渲染等冗余模块，在矩阵运算等核心任务上实现更高性能密度。Anthropic、Karakuri等客户通过Trainium将训练与推理成本降至原有的一半。目前，AWS已部署超100万颗Trainium芯片，其业务规模达数十亿美元，Amazon Bedrock平台上的大部分推理服务均由该芯片支持。更值得关注的是，Trainium的生态兼容性正在增强——2025年第一季度将支持更多PyTorch高级语言，未来或与ARM架构的Graviton形成“双芯并立”的格局。Anthropic的Claude最新模型已全面迁移至Trainium平台。
AWS的自研版图远不止于此。从2017年启动芯片研发以来，其已形成三条产品线：Graviton系列负责通用计算，Trainium与Inferentia专攻AI训练与推理，Nitro系统芯片则承担网络、存储等底层功能。这种“从硅片到服务”的闭环布局，在本次大会上进一步延伸——AWS推出“亚马逊AI工厂”（Amazon AI Factory），这是一个私有化的AWS区域，允许客户利用自有数据中心与电力资源，由AWS协助构建AI基础设施。该方案整合了英伟达GPU、Trainium芯片及SageMaker、Bedrock平台，既满足数据主权与合规需求，又保持了公有云级别的安全性与可靠性。“当硬件设计、虚拟化、网络等每个环节都能同步优化时，整体优势将呈指数级放大。”陈晓建比喻道，“未来，单个数据中心将升级为‘超级计算机’，整个数据园区将成为一台巨型智能设备。”
如果说基础设施是AWS的“地基”，那么Agent（智能体）则是其最鲜活的“果实”。2025年被业界视为“Agent元年”，AWS的落地策略延续了其一贯的“逆向工作法”——以客户需求倒推产品设计。“没有‘万能’的大模型，企业的核心资产是知识与流程，而Agent是将这些资产转化为生产力的工程化工具。”亚马逊云科技大中华区解决方案架构总经理代闻指出。目前，AWS内部已部署超4万个Agent，其价值不仅体现在工具迭代，更在于推动生产关系的重构。
以销售场景为例，传统模式下，销售拜访客户前需查阅大量资料并请经理审核，如今通过Amazon Quick Suite，经理可一键生成包含客户最新舆情、历史交易数据的报告，效率提升数倍。在开发场景中，产品经理（PM）过去需依赖研发团队制作原型，现在可借助AI“召唤”虚拟工程师，独立完成原型设计与验证，再交由研发实现。“流程与组织形式的变革，才是效能提升的关键。”代闻强调，“如果工具到位但流程不变，开发速度再快也会卡在后续环节。”
企业拥抱AI的模式正呈现分化：一种是成立小规模AI原生团队，如AWS合作伙伴猎豹移动，其新团队对成员的AI热情远高于学历要求；另一种是对传统团队进行转型，这需要强有力的制度指引，包括调整KPI考核方式与提供配套工具。“‘推’是新的考核设计，‘拉’是工具支持，二者缺一不可。”代闻总结道。在这场人机协作的变革中，“工作属于你，而非工具”的认知，或许将成为每个职场人的必修课。
