在亚马逊云科技re:Invent高管峰会上，亚马逊云科技首席执行官Matt Garman与即将执掌亚马逊云科技全球行业业务的Uwem Ukpong展开了一场极具分量的对话。Garman以真实的核心客户反馈——三分之二的企业已在短期内看到正向回报——有力回击了“AI 泡沫论”。他的核心逻辑清晰明确：亚马逊云科技承担重资产投入的核心意义，正是为了让客户能以轻资产模式运营，从而获得对抗不确定性的最大筹码——“敏捷性”。
在技术路径选择上，Garman认为，企业首先要完成的基础工作是将数据上云，实现应用现代化；在此基础上，平衡降本与提升生产力的核心目标，定制出既能保护专有数据，又懂企业业务、懂行业领域的前沿模型。
最引人深思的是关于组织变革的预言。Garman分享了亚马逊内部案例：一个原本需要30~50人团队才能交付的成果，在Agentic AI辅助下，如今仅需5~6人的小组即可完成。这一事实标志着企业必须重新审视并重构人才结构与管理范式。
AI没泡沫，但要先做好基础工作
Q：全球范围内涌现了大量对数据中心的投机性投资，基础设施投资已有1250亿美元的资本支出（CapEx），因此有人开始谈论“AI泡沫”。
A：运营云基础设施确实属于资本密集型业务。随着业务增长加速，所需投入的资本也越多。建设数据中心、构建AI服务器、获取电力与土地资源所需的资本支出规模确实庞大，也难怪现在有很多人担心AI是个泡沫。
但只要商业领袖们已经准备好，或是正在从AI投资中获得正向回报，就不太可能就此收手——因为未来获得更好回报的潜力只会持续扩大。
所以我一点也不担心所谓的AI泡沫。我认为，一两年或三年后，我们对AI的应用深度与广度，都将远超今天。
当然，如果是指那些还没写出一行代码就估值10亿美元的初创公司，确实可能存在泡沫。这种局部性泡沫或许存在，但从行业整体来看，AI蕴含的核心价值实在太过巨大。
Q：当我们探讨Agentic AI时代及相关变革时，数据语料库被认为是核心驱动力的关键。
A：我曾和不少分析师交流过，其中一位提到：“我们很认可你们对AI等技术的布局，但说实话，当我和客户沟通时，不确定他们是否都已准备好立即采用Agentic AI和Agent。”
我的回应是：“他们确实还没准备好。如果不先把数据迁移到云端，就无法从AI或 Agent中真正获取价值。”
如果企业还没把任何数据搬上云，却空谈用AI实现转型，那不如先搁置这个话题，优先厘清如何快速推进应用现代化、完成数据上云。当然，这些步骤可以并行开展，不必严格按部就班。但如果不迈出这一步，抱着“我在云上毫无布局，所有资产都在本地，却想靠AI转型”的想法，大概率无法实现目标。因为这样无法获得差异化竞争能力，也无法让Agent与企业数据、工作负载深度绑定。当然，这并非意味着毫无收益，但能获取的价值会大打折扣。
把应用和数据迁移上云，不只是简单的“迁移”动作，应用的现代化改造也是关键一步。只有当应用既完成上云，又实现现代化升级，企业才能真正看到AI落地的巨大成效。作为企业领导者，不能被那些过度炒作的“闪亮新事物”分散注意力，而忽略了做好基础工作的重要性。
平衡降本与提高生产力
Q：我近期与不少企业客户及CEO交流时发现，他们普遍面临着一种两难困境：究竟该优先削减成本，还是优先提高生产力、让现有团队完成更多工作？
A：答案大概是“视情况而定”。
有些业务领域的选择非常明确，如果某块业务已经没有增量空间，能用AI优化其中部分环节，那么这就是纯粹的成本节约。
以客户服务领域为例。如果能通过AI自动化处理一半的客服电话，企业不太可能因此刻意制造两倍的客服电话量，除非业务本身处于增长期，那自然是好事；但如果业务没有增长，这种AI应用带来的就是实打实的成本节约，因为并未额外创造客户需求。
再看软件开发领域。如果软件开发人员借助AI把写代码的速度提升一倍，就能开发出两倍体量的产品，这无疑是积极正向的。当然，企业也可以选择“不追求两倍速度，只提升1.8倍，同时节省10%的成本”，这种权衡同样可行。
所以最终选择取决于三点：一是企业自身的战略决策，二是所属行业特性，三是市场份额增长空间，比如企业是否处于增长放缓、以存量竞争为主的静态行业。企业必须根据自身情况做出差异化权衡，但主动权始终掌握在自己手中。
定制既前沿又专属的模型
Q：Amazon Nova Forge正试图彻底改变客户构建自有基础模型的方式，且能显著降低成本。这对企业而言意味着什么？
A：以亚马逊内部为例。当时我们计划构建亚马逊购物助手Rufus，为用户提供精准购物建议。团队先测试了通用模型，但效果并不理想——我们拥有海量优质零售数据，比如用户点击数据、购买行为数据、产品评价数据等，而通用模型根本不具备这类垂直领域的零售数据，自然无法精准理解我们的产品体系。
于是我们决定自主研发模型。负责这个项目的团队斗志昂扬，内部也集结了众多顶尖工程师。但即便如此，团队耗费了数百万美元的GPU算力、投入大量时间，最终还是没能研发出理想的前沿模型。虽然该模型在理解零售数据和购物模式上确实更出色，但核心逻辑与推理能力远不及行业前沿模型。
团队成员感叹：“真希望能拥有像Anthropic Claude那样强大的推理能力，同时让模型懂我们的零售数据。”内部还会有这样的反馈：“我们认可Nova模型，但希望它能懂购物场景；可又不想把零售数据喂给通用Nova模型，否则所有企业都会获取我们的购物数据。”
这样的诉求，我们听过一遍又一遍——银行、保险公司等行业客户都有类似困扰。大家普遍面临的困境是：“不可能花费10亿美元，把所有自有数据都投进去研发前沿模型；而对通用模型做微调和强化学习，效果又十分有限。”
正是为了解决这个痛点，Amazon Nova Forge的构想应运而生。
亚马逊投入数十亿美元研发Nova系列前沿模型，其中Nova 2表现出色，在多项基准测试中，性能与市面上的领先模型不相上下，且性价比更高。但关键问题是：如何让这些前沿模型更懂企业的具体业务？
我们的解决方案是：提供精选的训练数据集，将其封装在API接口背后。企业无需获取这些数据的许可权，却可直接调用；同时能接入自身专有数据，与精选数据集混合完成模型训练。这样一来，企业就能拥有一个真正懂自身业务、懂自有数据、懂行业领域的前沿模型。如果企业处于通用模型未覆盖的专业领域，还可将相关领域数据注入模型优化。
我坚信这将为众多企业的业务带来变革性影响：如果能在模型训练早期植入行业数据，后续模型对强化学习、微调的响应效果都会更好，因为它已经理解了行业领域，具备了基础认知。这就像先教一个人微积分，再教他物理会更轻松；如果没先掌握微积分，物理学习就会寸步难行。
Q：很多客户正在尝试Agent应用，包括Kiro autonomous agent、Amazon DevOps Agent以及Amazon Security Agent等，且在考虑投入生产。那么这些要素需要如何整合才能为客户创造价值？企业应该在什么节点全力投入？
A：大家现在或许已经听腻了关于Agent和Agentic工作流的话题，但我真心认为，这将对企业从AI投资中获取价值产生变革性影响。
相比内容创作、文本摘要这类应用，能让AI真正“把事落地”，才是企业面临的更大市场机遇。虽然内容创作、摘要生成也有价值，但终究只是企业工作的一小部分。如果企业能深入自身业务线，构建出可精准完成目标任务的Agent，才是真正有意义的突破。
软件开发是很多企业布局Agent的重要领域，这也是亚马逊拥有深厚专业积累的领域。因此我认为，我们推出的首批三款前沿Agents，将帮助行业彻底重构软件开发生命周期的运作模式。
重新定义“高效能团队”的运作范式
Q：AI Agent的普及会给企业带来哪些影响？特别是，在组织架构层面，将会有哪些变化？
A：所有企业都必须思考组织层面的深层变革。以软件团队为例，典型结构通常是：1名开发经理管理6～8名软件开发工程师（SDE），搭配1名项目经理、1名产品经理；3～6个这样的团队向1名高级经理汇报，以此类推。
但我不确定一年后的组织架构是否还会维持现状。亚马逊内部已经在自然发生这类变革：开发经理的角色逐渐转变为技术负责人，更像团队里的“领头羊”，同时仍会亲自参与编码；SDE的核心工作不再是单纯写代码，而是更多地指挥Agent、设计系统架构、整合系统模块并推动产品落地。角色分工越来越模糊，比如产品经理不再只是绘制原型图，而是借助AI系统构建工作原型，并与团队协同优化。
现在，一个5～6人的小团队，就能交付过去30～50人团队才能完成的成果。未来，一名管理人员可能需要管理三四十甚至五十人，也就是5～10个这样的高效小团队，并思考如何让这些团队快速推进工作、实现独立创新。
当然，专业领域仍会存在，组织中依然会有擅长系统架构、聚焦客户体验的核心人才。但随着前沿Agent进入企业，工作方式发生根本性改变，组织形态必然会出现显著变革。
Q：作为大型组织的管理者，你如何推动文化转型，帮助团队克服对AI的恐惧，真正拥抱AI？
A：首先是赋能。这就像要跨越千尺深渊，只给一块木板的话，人会走得很慢；但如果给木板加上护栏，就能大胆奔跑。很多员工不敢用AI，核心是不清楚“什么边界是安全的”。如果能为他们提供像Amazon Quick Suite这样的强大平台——连接所有企业数据，内置完善的权限管理，确保每个人只能访问权限范围内的数据——就能解锁团队的巨大潜力。无论市场、法律还是财务团队，都能借助这个平台构建AI应用。
其次是树立榜样。我们内部有位产品经理，利用Agent自动读取所有新服务的定价文档，并依据“优质文档标准”完成审核。过去，这项工作需要几十人团队开多次会议才能完成，现在一个Agent就能充当“审核教练”，让团队开会时可直接聚焦高质量文档的优化讨论。
最后是自上而下推动。管理者需要给团队明确的尝试许可，同时设定合理的激进目标，比如“实现20%的效率提升”。当团队反馈“不知道该怎么做”时，管理者要主动回应“我们一起探索解决方案”。
Uwem Ukpong是亚马逊云科技全球行业副总裁。
Matt Garman是亚马逊云科技CEO。
216.73.216.23
