作者 | 陳姚戈、王一鵬

亞馬遜云科技是 AI 時代最大的“造星平臺”嗎？

恐怕是的。

在拉斯維加斯 re:Invent 2025 的主舞臺上，年輕 AI 公司的接連登場，再次驗證了這位云計算老大哥的號召力：在啤酒和輪盤的烘托下，亞馬遜云科技在新一代創(chuàng)業(yè)者眼中依舊性感，還沒有成為年輕人口中的 “Boring Old Guy”。

比如，成立不到兩年、估值已達 31 億美元的 Decart AI，憑借全球首個實時視頻生成模型迅速躥紅。其創(chuàng)始人在 re:Invent 上表示：“Amazon Trainium3 是我們創(chuàng)造出‘實時視覺智能’這一全新技術(shù)的關(guān)鍵推動力?！?/p>

另一家以視頻理解見長的 TwelveLabs，則把自己的數(shù)據(jù)基礎(chǔ)設(shè)施核心建立在 Amazon S3 之上。創(chuàng)始人 Jay Lee 形容公司是“誕生于亞馬遜云科技的公司”，Amazon S3 Vectors 的加入，讓他們具備了規(guī)模化交付視頻智能解決方案的能力。

更搶戲的是蘋果的再次現(xiàn)身。

去年，蘋果首次站臺，宣布采用亞馬遜云科技芯片訓練 Apple Intelligence。今年，蘋果進一步分享了一項技術(shù)實踐成果：蘋果已經(jīng)將部分核心服務(wù)用 Swift 語言重寫，并將工作負載遷移至 Amazon Gravition 芯片運行，最終實現(xiàn) 40% 的性能提升與 30% 的成本降低。

“從 x86 架構(gòu)的過渡幾乎是無縫的，Java 服務(wù)的遷移近乎直接替換，這要歸功于 Amazon Graviton，”云系統(tǒng)和平臺部門副總裁 Payam Mirrashidi 分享，“蘋果早在十多年前就已轉(zhuǎn)向 ARM 架構(gòu)以驅(qū)動我們的設(shè)備。如今，我們同樣看到了基于 ARM 的 Amazon Graviton 在基礎(chǔ)設(shè)施層面帶來的價值——它讓我們從基礎(chǔ)設(shè)施中獲得了更高回報。更高的吞吐量意味著所需實例更少、成本更低、環(huán)境足跡更小，這對我們的客戶和地球而言是一場雙贏?！?/p>

可以說，這些估值飆升的新銳和謹慎的大廠，都對亞馬遜云科技的考量達成了共識。這種共識這可能來自亞馬遜云科技于基礎(chǔ)設(shè)施層面，大膽的自我革命和不知疲倦的工程優(yōu)化。

一場果決的自我革命

都說“船大難掉頭”，但對于奉行“兩個披薩原則”的亞馬遜云科技而言，倒也未必如此。當 AI 工作負載的復(fù)雜性與苛刻要求，撞上云計算固有的服務(wù)形態(tài)，亞馬遜云科技幾乎沒什么猶豫——作為曾經(jīng)最堅定的無服務(wù)器（Serverless）倡導(dǎo)者，他們主動打破了親手建立的概念邊界。

2014 年，亞馬遜云科技推出 Amazon Lambda ，初衷是讓開發(fā)者徹底擺脫“服務(wù)器管理”這件繁重又低效的事情。

隨著云計算進入更復(fù)雜、更大規(guī)模的應(yīng)用場景，亞馬遜云科技發(fā)現(xiàn)客戶的需求已經(jīng)遠遠超出了當年的假設(shè)——他們一方面希望希望接入 Amazon EC2 技術(shù)、需要大規(guī)模場景下的可預(yù)測性能、更高的網(wǎng)絡(luò)吞吐量、亞毫秒級延遲 ，也不愿為了這些需求犧牲 Amazon Lambda 與生俱來的簡潔性。

亞馬遜云科技很早意識到這一結(jié)構(gòu)性矛盾。幾年前，它就將 Amazon Lambda 團隊與 Amazon EC2 團隊整合到同一個組織下，不再將計算僵硬地分類為 “服務(wù)器、容器、無服務(wù)器” ，而是將其看作一個選擇光譜。

今年的 re:Invent，亞馬遜云科技給出了這一戰(zhàn)略的關(guān)鍵拼圖——Amazon Lambda 托管實例（Amazon Lambda Managed Instances）。它允許開發(fā)者在專用的 Amazon EC2 上運行 Lambda 函數(shù)；在用戶自主選擇實例類型和硬件規(guī)格的同時，仍能享受到 Amazon Lambda 帶來的便利。

這是一項足以改變 Serverless 定義的更新。亞馬遜云科技實際上為大型企業(yè)開辟了一條從 Amazon EC2 平滑進入 Amazon Lambda 的遷移路徑，讓那些原本因性能、成本或硬件需求而必須留在 Amazon EC2 上的穩(wěn)態(tài)工作負載，也能無縫銜接 Amazon Lambda。

FaaS 與容器服務(wù)的界線也因此進一步模糊。無服務(wù)器不再是一個要么接受，要么放棄的選擇，而是一系列可按需調(diào)節(jié)的服務(wù)。

亞馬遜云科技的第二場自我革命，則來自底層硬件。

在本屆 re:Invent 大會上，亞馬遜云科技發(fā)布了迄今為止性能最強、集成度最高的 CPU Amazon Graviton5。

Amazon Graviton5 最顯著的變化，是從 Amazon Graviton4 的雙芯片設(shè)計，回歸到單封裝架構(gòu)。這一調(diào)整帶來了根本性的提升：192 個核心共享統(tǒng)一的內(nèi)存訪問路徑，消除了跨芯片通信帶來的結(jié)構(gòu)性延遲。相比之下， Amazon Graviton4 的兩顆芯片之間雖然 Coherent Link 鏈接，但跨芯片訪問仍會引入?yún)f(xié)議開銷與排隊等待，某些場景下延遲甚至可能增加兩倍。

在單封裝的基礎(chǔ)上， Amazon Graviton5 實現(xiàn)了規(guī)模與效率的飛躍：在單個封裝內(nèi)集成 192 個核心，并將 L3 緩存容量提升至前代的 5 倍以上。實際測試中，基于 Amazon Graviton5 的新一代 M9g 實例，性能比基于 Amazon Graviton4 的 M8g 實例提升約 25%。憑借這一表現(xiàn)， Amazon Graviton5 已具備與 AMD 的 192 核、Intel 的 144 核服務(wù)器芯片直接競爭的規(guī)模與實力。

展示性能參數(shù)之外，蘋果又一次站上了 re:Invent 的主舞臺。

去年，蘋果 AI 與機器學習高級總監(jiān) Benoit Dupin 曾透露，與傳統(tǒng)的 x86 實例相比，使用亞馬遜云科技的 Amazon Graviton 和 Amazon Inferentia 芯片后，處理機器學習工作負載的效率提升超過 40%。

蘋果云系統(tǒng)和平臺部門副總裁 Payam Mirrashidi 這次則披露了更多合作內(nèi)容：運行在 Amazon Graviton 上的 Swift 應(yīng)用，每天處理著數(shù)十億次請求；蘋果已將多項核心服務(wù)用 Swift 重寫并遷移至 Amazon Graviton 平臺，最終獲得了 40% 的性能提升與 30% 的成本降低。

與蘋果的合作釋放出重要信號： Amazon Graviton 的價值已超越單純算力或性價比，x86 向 ARM 的遷移不再只是早期嘗試者的冒險，而是成熟企業(yè)可以大規(guī)模推進的選擇。

極致的性能壓榨和工程優(yōu)化

亞馬遜云科技實用計算高級副總裁 Peter DeSantis，和亞馬遜云科技計算與機器學習服務(wù)副總裁 Dave Brown 的主題演講，歷來是觀察云基礎(chǔ)設(shè)施演進的標尺。2025 年，當 AI 成為一切工作負載的核心，亞馬遜云科技在基礎(chǔ)設(shè)施上的創(chuàng)新，都指向一個明確靶心——為 AI 重塑成本和效率。

從硅基芯片、軟件棧再到核心服務(wù)，亞馬遜云科技正以前所未有的深度，對 AI 的算力、推理與數(shù)據(jù)基礎(chǔ)設(shè)施進行“性能壓榨”。

性能優(yōu)化的起點，是對算力單元的重構(gòu)。Amazon Trainium3 芯片及以其為核心的 Amazon EC2 Trn3 UltraServers，共同構(gòu)成了為超大規(guī)模 AI 訓練而生的系統(tǒng)級答案。

Amazon EC2 Trn3 UltraServers 是由 144 顆 Amazon Trainium3 芯片構(gòu)成的單一 AI 超級計算機，提供 360 petaflops 的 FP8 計算能力與 20 TB 高帶寬內(nèi)存，計算與內(nèi)存帶寬相比前代分別提升 4.4 倍與 3.9 倍。實際效能更為關(guān)鍵：運行 GPT-OSS-120B 模型時，每兆瓦功耗輸出的 Token 數(shù)量是 Amazon Trainium2 的 5 倍以上。

在發(fā)布 Amazon Trainium3 同時，Peter DeSantis 披露 Amazon Trainium4 正在開發(fā)中，承諾提供比 Amazon Trainium3 高 6 倍的 FP4 計算性能、4 倍內(nèi)存帶寬和 2 倍高帶寬內(nèi)存容量。這將確保亞馬遜云科技在 AI 芯片領(lǐng)域的長期領(lǐng)先地位。

比一系列令人眼花繚亂的性能數(shù)字更有“殺傷力”的指標是，投資 Amazon Trainium3 是個省錢的“生意”，Peter DeSantis 在演講中表示，Amazon Trainium3 可以將訓練成本降低 40%。

如果一款芯片可以同時實現(xiàn)性能升級、成本降低、效率提升，那對于 AI Infra 構(gòu)建者而言無異于“夢中情人”。頂尖 AI 公司因此齊聚 Amazon Trainium 生態(tài)下，驗證了這條路徑的價值： Anthropic 在 Amazon Trainium 上訓練和運行 Claude 最新一代模型。Decart AI 則借助 Amazon Trainium3 與 NKI 優(yōu)化實時視頻生成模型，實現(xiàn)了 4 倍幀率性能提升和 80% 的張量核心利用率，遠超傳統(tǒng) GPU 系統(tǒng)。

談及對 AI 落地工程的優(yōu)化，向量能力是另一個不可或缺的維度。

此次發(fā)布會中，亞馬遜云科技給足了誠意，宣布向量搜索在全平臺落地，客戶無需學習全新的技術(shù)棧，也無需管理復(fù)雜流水線，亞馬遜云科技將向量能力集成到各類服務(wù)中，例如 Amazon OpenSearch。

向量搜索能力的全平臺落地，在效率和成本上都帶來的優(yōu)勢——客戶無需重新學習全新的向量數(shù)據(jù)庫，也無需為新的服務(wù)付費。

向量服務(wù)的底座支撐，是此次全新發(fā)布的 Amazon Nova 多模態(tài)嵌入模型。它實現(xiàn)了向量跨模型搜索的功能，支持文本、文檔、圖像、視頻和音頻，將所有這些概念轉(zhuǎn)換為共享向量空間，創(chuàng)建對數(shù)據(jù)的統(tǒng)一理解。

最令人感到振奮的應(yīng)用，莫過于 Amazon S3 Vectors。它將向量存儲能力整合至亞馬遜云科技最大的數(shù)據(jù)服務(wù) Amazon S3 中，Amazon S3 的原生成本結(jié)構(gòu)與海量規(guī)模為向量數(shù)據(jù)庫提供了強力支撐，可實現(xiàn)數(shù)十億級向量的亞 100 毫秒級查詢響應(yīng)。

Amazon S3 Vectors 的核心功能，已經(jīng)滋養(yǎng)出了前文提到的 TwelveLabs 這般的頂尖視頻模型公司。

TwelveLabs 將其核心數(shù)據(jù)平臺構(gòu)建于 Amazon S3 之上。借助 Amazon S3 Vectors，該公司得以直接在存儲原始視頻的 S3 存儲桶中，處理并存儲數(shù)十億個向量嵌入。這消除了數(shù)據(jù)遷移與架構(gòu)重構(gòu)的復(fù)雜性，使其能夠高效處理數(shù)百萬小時的視頻數(shù)據(jù)。

此外，在 2024 年作為“傳聞”見諸媒體的“地幔計劃 Project Mantle”，在 2025 年被正式發(fā)布，成為了現(xiàn)實。

從芯片到實例，再到 Amazon Neuron SDK ，完成高效 AI 推理的組件已經(jīng)齊全，但管理方法和平臺尚有不足，面對即將到來的海量并發(fā)推理任務(wù)，亞馬遜云科技顯然不準備把管理的復(fù)雜性完全留給客戶。

此次發(fā)布的 Amazon Project Mantle 推理引擎，則通過構(gòu)建能實時自適應(yīng)的架構(gòu)，應(yīng)對推理請求的各階段流程需求不同、高并發(fā)狀態(tài)下客戶需求多樣的挑戰(zhàn)。

Amazon Project Mantle 通過三通道的優(yōu)先級管理、獨立客戶隊列、基于日志的持久化狀態(tài)恢復(fù)等機制，將充滿不確定性的推理過程轉(zhuǎn)變得可預(yù)測。

在服務(wù)層級上，系統(tǒng)讓客戶自主定義推理需求層級，并將請求分配到不同優(yōu)先級的通道：Priority 通道面向?qū)崟r、延遲敏感的交互場景，Standard 通道適用于穩(wěn)定可預(yù)測的工作負載，F(xiàn)lex 通道適合后臺任務(wù)、更注重成本效率。

公平性問題上，Amazon Project Mantle 為每位客戶分配獨立隊列，確保一個客戶的突發(fā)情況不會影響其他客戶性能。

同時，為了在長時間運行請求下保證架構(gòu)的可靠性，Amazon Project Mantle 引入了日志系統(tǒng)，使 Amazon Bedrock 可以持續(xù)捕獲每個請求的狀態(tài)，一旦出現(xiàn)問題，就能從斷點處精確恢復(fù)。日志系統(tǒng)也使得更精細的微調(diào)策略得以實現(xiàn)：在 Amazon Bedrock 中，微調(diào)被視為一項長時間運行的任務(wù)，實時流量激增時暫停，流量回落微調(diào)會從斷點處繼續(xù)執(zhí)行。

在重新設(shè)置推理引擎時，亞馬遜云科技還重點考慮了有嚴格隱私與合規(guī)要求的企業(yè)。Amazon Bedrock 集成了機密計算（Confidential Computing）技術(shù)，使運維人員無法訪問運行環(huán)境，確保請求在經(jīng)過客戶認證的環(huán)境中執(zhí)行。

考慮到與蘋果、OpenAI 以及一種硅谷獨角獸廣泛的、深度的合作，在所有參與構(gòu)建未來 AI 的公司面前，亞馬遜云科技實質(zhì)上正成為最值得依賴、也最具前瞻性的云計算伙伴。

首先，亞馬遜云科技擁有“自我重構(gòu)”的決心。 從打破無服務(wù)器邊界、推出 Amazon Lambda 托管實例，到改變 Amazon Graviton5 芯片架構(gòu)，亞馬遜云科技不惜解構(gòu)自己確立的產(chǎn)品形態(tài)與規(guī)則。這清晰傳遞出一個信號：在 AI 重塑一切的未來，任何固有的架構(gòu)、概念與教條，都必須為更高的效率、更強的性能和更切實的客戶價值讓路。放下包袱，方能定義未來。

其次，在過去幾天的發(fā)布中，亞馬遜云科技的高管們多次提到，公司在很多模塊都擁有全棧自主生產(chǎn)、調(diào)優(yōu)的工程能力，考慮到大部分云計算企業(yè)仍然執(zhí)拗于“堆卡”“GPU 優(yōu)先分配權(quán)”，這為亞馬遜云科技帶來了難得的“工程縱深”。 亞馬遜云科技拒絕捷徑，從芯片、服務(wù)器到服務(wù)層，建立起極致的性能與效率優(yōu)勢。它同時投入專用 AI 算力與通用 CPU 算力，表明其理解 AI 革命的基石依然是堅實、可靠且高效的基礎(chǔ)設(shè)施。

第三層，則是不斷擴大的生態(tài)壁壘。從芯片到模型，從數(shù)據(jù)到開發(fā)工具，亞馬遜云科技提供的是一套可托付、可擴展、持續(xù)進化的“全棧能力地圖”——它不僅提供算力，更提供確定性。

最終，這一切技術(shù)創(chuàng)新與戰(zhàn)略選擇，都指向亞馬遜云科技一直堅持的一點：AI 的形態(tài)在變，應(yīng)用的寫法在變，但云計算最基本的價值——安全、可用、彈性、成本與敏捷性——從未過時，反而愈發(fā)成為決定性競爭力。亞馬遜云科技在這一點上重新把行業(yè)的注意力拉回了基礎(chǔ)：AI 的未來，必須建立在一個穩(wěn)固的地基之上。

2025 亞馬遜云科技re:Invent 中國行即將啟幕！12月18日開始，北京、上海、深圳、成都四城線下巡演及線上專場將同步開啟，無論你是云計算新手還是技術(shù)老兵，都將從高階演講、實戰(zhàn)內(nèi)容、技術(shù)分享和專家互動中受益。點擊【閱讀原文】立即注冊，搶占席位，把握Agentic AI時代的新機遇！