Transcription
OpenAI发布ChatGPT的三周年之际，AI大战是进入到了新一轮的激战中。谷歌在11月下旬重磅发布Gemini 3，同时放出TPU集群训练Gemini。与Meta大订单的消息，让OpenAI拉响“红色警报”（Code Red），也让英伟达这样的GPU巨头，吓出一身冷汗。
随着模型巨头们开启新一轮的较劲，AI云厂商们如今在算力市场蛋糕迅速扩张的现状中，既面临着紧张的速度竞赛，又面临着技术创新的压力。而我很好奇，面对如今的云端大战格局，全球最大云厂商亚马逊云科技会如何去布局下一步棋呢？
所以，我们又飞到了拉斯维加斯。而在今年的大会上，我们发现这家云巨头简直把整个拉斯维加斯变成AI乌托邦。在这里，连垃圾桶都要AI一下，哇，太棒了（识别得）非常准确。而在今年的re:Invent上，我们发现不仅我们在现场玩得挺大，亚马逊云科技也玩得很大。
“全球规模领先部署最为广泛的AI云基础设施，我们再次处在文艺复兴时代。从概念到转化为实际影响的自由度，正在以前所未有的速度实现。我们今天所展示的内容，证明了‘魔法’并非神话。他们正在改变游戏规则。他们正在淘金热中卖铲子和麻袋。外面确实有金子。”
不得不说，亚马逊云科技年度re:Invent大会是绝对的AI产业风向标。超过6万人从全球赶来参会，数百万人在线接入。虽然展现的很多都是2B企业级上的技术创新和案例，但是这会告诉我们公司们在如何“用脚投票”，以及AI到底好不好用。他们已经构建了如此强大的算力，和基础设施，AI可以直接加以利用。拥有这些可以随取随用，像乐高积木一样拼搭的组件，去构建你想要的解决方案，实在是太棒了。
“我计划进一步扩展我们正在为AI开发的这些能力。”
这期视频，就跟着我去到拉斯维加斯。我们会分别从算力、模型、Agent以及企业应用端等等方向，来看一下亚马逊云科技奏响的这首云端狂想曲，聊聊它看到的AI未来发展趋势，如何去打这场云端攻防战役。以及，我们也带大家去看看今年的展区，切身体验一下在各行各业，企业们在如何运用AI，让产品更有创造力，让管理更有效率，让互动更丝滑，以及真正地去助力企业AI的“最后一公里”。
顺便预告一下，我在现场真的是逛嗨了，大家要看到最后哦。连续几天的密集发布，我感觉亚马逊云科技是发了有上百项更新吧。我们这个视频肯定不可能面面俱到都讲完，但是我觉得有四个支点，是非常大的更新，分别是算力、模型、首创的“开放训练模型”平台和Agent。而信号也非常明显，就是要加速地押注AI，而帮助企业“完成务实的落地”是核心任务。
首先，我们就来看看市场非常关注的亚马逊云科技在算力支持上的升级。结论是，2025年末，这家云巨头的策略是，不仅继续与英伟达的GPU进行深度绑定，适配更好，自研芯片的性能更是有着大幅度的提升。
这里有两个重点。第一个重点，亚马逊云科技和往年一样，强调与英伟达的合作，并且要做GPU的“最佳栖息地”。简单来说，亚马逊云科技不只是部署英伟达的最先进GPU，而是会一起做深度优化。而这样的优化能让GPU算力获得极高的可靠性和可用性。比如说CEO Matt Garman就介绍了P6e-GB300实例，这是基于英伟达GB300-NVL72构建的超节点服务器。而亚马逊云科技要将自身打造成运行英伟达显卡的更优选择。说来容易，但要实现这些，需要在硬件与软件的每个层面进行深度优化，而这是唯有亚马逊云科技能做到的。
事实证明，这条道路没有捷径。就在2025年11月初，亚马逊云科技与OpenAI宣布达成多年的战略合作，总额达380亿美元。OpenAI选用的就是搭载英伟达GPU的Amazon EC2 UltraServers计算集群，在互联系统间实现极低延迟的通信，让OpenAI能够高效运行AI任务。
但是让市场更为关注的是第二个重点，也就是亚马逊云科技的自研芯片。和谷歌的TPU类似，这样的ASIC专项芯片在一定程度上是给英伟达目前的垄断地位带来了威胁。但是对于亚马逊云科技这样的云厂商来说，这是一场算力突围战。CEO Matt Garman就在keynote当中透露，提供多种模型API调用的Amazon Bedrock平台上，绝大部分的用户都是在用亚马逊云科技的自研芯片Trainium来做推理，包括Anthropic的Claude模型，推理都用的是Trainium芯片。
而在今年的大会上，Trainium芯片系列迎来了升级。采用3nm工艺的第三代AI加速器Trainium3，能效相较于上代提升了40%，算力翻倍。Trainium3为行业带来高性价比，用于大规模AI训练和推理。在过去一年中，Trainium2已经带来了惊人的成果，但Trainium3系统又实现了巨大的飞跃。它的算力提升了4.4倍，内存带宽提升了3.9倍。还有一点尤为关键，每兆瓦功率可处理的AI token数提升了5倍。
另外，还有一个特别的惊喜。今天我还把一台UltraServers机柜搬到了台上，而Matt还在现场直接剧透了Trainium4的消息。FP4性能提升了6倍，内存带宽提升4倍，HBM容量增加2倍。在性能增强的同时降低能耗，这进一步表明亚马逊云科技对自研内部ASIC芯片的决心和押注。这个信号其实很重要，因为前段时间谷歌的ASIC加速器芯片TPU是受到了非常多的讨论。亚马逊云科技的动作，也是让我们看到了巨头在纷纷地加码ASIC芯片。接下来ASIC芯片市场或许还会有更加积极的发展。
那么在这里，我们稍微照顾一下不太了解ASIC芯片的观众，多说那么一嘴。ASIC专项芯片是为特定功能或者应用场景量身定制的集成电路。相比起英伟达的通用处理器GPU，它在特定任务上能够实现更高的效率，更低的功耗和更优的性能。简单来说，英伟达的GPU芯片通用性非常好，什么任务都可以做。但是ASIC芯片需要一定的适配时间，目前大概是几个月的时间差。但是一旦适配好之后，就能够实现更高效的训练和推理。
优化性能的方式有很多，而Amazon Trainium把工具交到开发者手中，帮助其实现卓越的模型与应用性能。Amazon Trainium还显著降低了工作负载的运行成本。不得不说，Trainium系列在最近两年非常快速的发展，可以说是此前投资Anthropic 80亿美元大手笔终于出了效果。在2024年的re:Invent上，亚马逊云科技与Anthropic高调地宣布了Project Rainier，涉及30个数据中心，耗费1.1 GW（吉瓦）的电力，采用了50万块的Trainium2芯片。
而就是如此大集群的适配合作，让Trainium不仅仅是在推理，还有大模型的训练上都进行了适配和优化，来给Anthropic的Claude这样的模型用户提供高性能和低成本的算力服务。看起来这80亿美元没有白投。
但是我们采访的投资人就认为，ASIC和GPU其实它并不是对立的关系，而是在现在阶段是一个互补的关系。如果你看这些大家都在很aggressive（激进）地去在自研芯片在ASIC上面投入的这几家云算厂商，同时才在compete（竞争）说到底谁是host Nvidia GPU（英伟达GPU的托管者）最好的。所以我觉得就很难把它frame（描述）成一个ASIC versus GPU。那就是有很多的workload（工作负载）是在GPU上非常好，好，我们offer（提供）你最好的GPU，我们有最好的这些support（支持），最reliable（可靠）的infrastructure（基础设施），有最好的其他的这些security（安全性）也好，data storing（数据存储）也好，这些相关的配套。同时如果你想要某些特定的workload（工作负载）在我们的ASIC上面去跑，是非常有效，非常物美价廉，非常欢迎你来我们的ASIC。我觉得更多的是像这么一个dynamic（动态局面）。所以各家的ASIC，我觉得一定程度上是作为Nvidia的补充，在一些workload（工作负载）上面能够更有效，能够帮助他们更好地manage（管理）自己的margin（利润率）和cost structure（成本结构）。另外一个层面，我觉得他们自研的ASIC可以定制，去作为一个differentiating factor（差异化因素），去versus（对抗）其他的cloud provider（云供应商），不管是versus（对抗）刚才提到这几家，还是versus（对抗）这些Neocloud，像CoreWeave Nebius这些。
让外界非常关注的除了自研芯片之外，本次的亮点就还有亚马逊云科技的自研模型组合了。Nova模型的更新，让亚马逊云科技的模型生态得到了极大的扩展和升级。
亚马逊云科技的第二首狂想曲，就是它模型层的更新。而今年在模型层的关键词是“扩展”。如今，使用Amazon Nova的客户数以万计，既包括像电通这样的营销巨头，Infosys、Blue Origin、Robinhood等科技领军企业，也包括NinjaTech AI这样的创新型初创公司。而今天，Amazon Nova将更上一层楼。
我们在此正式发布新一代的Amazon Nova 2。我们知道，亚马逊云科技的模型家族叫Nova。四款模型的更新分别是Nova 2 Lite、Nova 2 Pro、Nova 2 Sonic以及Nova 2 Omni，都是在过去一年有了非常大的升级。
很有意思的是，亚马逊云科技的自研模型策略，其实并不是与头部最强的模型去争性能，而是在能够与一线模型能力持平的前提下，去打“性价比”这张牌，利用整个云生态的配套加持，来让客户有更多的选择。我们用这个逻辑去看亚马逊云科技的发布，其实就能够理解它今年发布的一系列模型的逻辑在哪里了。
接下来我们来看一下这四款Nova模型的升级。Nova 2 Lite是一款面向日常工作负载的快速、经济型推理模型，能够处理文本、图像和视频输入，并且生成文本输出。也就是说，在处理各类文档、从视频中提取关键信息、生成代码、提供准确的基于事实的回答，以及自动化执行多步骤的Agent工作流上，Nova 2 Lite的能力都是适配这些任务的。
Nova 2 Pro是亚马逊云科技最智能的推理模型，能够处理文本、图像、视频和语音输入，并且生成文本输出。它适合用于需要高准确率的高度复杂任务，比如说Agent编程（Agentic Coding）、长期规划以及复杂问题求解。这款模型还可以用作“教师模型”，通过知识蒸馏将自身能力迁移到更小、更高效的“学生模型”上，用于特定垂直领域和应用场景。也就是说，Nova 2 Pro是适合用在多文档分析、视频推理、复杂的指令执行、高阶数学问题求解，以及执行Agent与软件工程任务等等方面。
第三个模型的发布是Nova 2 Sonic，是亚马逊云科技的端到端语音模型，将文本与语音的理解与生成深度融合，实现了实时、类人对话式AI体验。这个模型支持更多语言和富有表现力的音色，具备更高识别准确率，并且提供高达100万tokens的上下文窗口，能够支撑长时交互，并且在语音与文本之间快速切换。模型可以异步处理任务，用户在继续自然对话，甚至切换话题的同时，系统仍可以在后台完成比如说订票等操作。而Nova 2 Sonic还能与Amazon Connect、第三方语音服务提供商以及对话式AI框架集成，在客户服务、AI助手和互动语音体验上支持交互。
而第四个发布的模型叫做Nova 2 Omni，是一款统一的多模态推理与生成模型，既可处理文本、图像、视频和语音输入，又可以同时生成文本和图像。Nova 2 Omni可以处理多达75万单词的文本、数小时音频、长视频以及数百页文档，可一次性同时分析完整产品目录、用户评价、品牌规范和视频素材库，降低了连接多种专业模型所带来的成本与复杂度。这样主打“全模态”的模型，对于企业来说其实是非常有用的。
所以我们看到，包括思科、还有西门子在内的众多企业，已经在利用Nova 2模型构建从Agent威胁检测到视频理解和语音AI助手等等多种创新应用了。
另外，本次re:Invent大会还有一个重点，就是发布了四家外部模型上线Amazon Bedrock。其中的两家就是来自中国的大模型MiniMax和Kimi。另外两家是Google的Gemma和英伟达的Nemotron。这也使得Amazon Bedrock的丰富模型生态，对开发者和企业们来说非常友好。
而除了模型本身，还有两个模型配套上的亮点，分别是发布的首个面向自建前沿AI模型的创新服务Nova Forge和面向UI工作流的高可靠AI Agent服务Nova Act。
Nova Forge的创立初衷是这样的：企业在拥抱AI的时候，很重要的是要整合自身的私域和专有的知识。然而在过去的两年尝试当中，企业们往往面临三种不尽如人意的选择。第一种是对闭源模型进行有限度的fine-tune微调，只能够浅层次地注入企业专业知识。第二是在缺乏原始训练数据的情况下，持续训练开源权重模型，可能会导致模型在指令跟随等基础能力上出现“退化”。第三是从零开始构建模型，投入巨大的成本与时间。而企业真正需要的是既能够获得前沿模型的能力，又能够深度地去融合自有专业知识的解决方案。
而Nova Forge就是亚马逊云科技找到的解决方案。Nova Forge是一个所谓的“开放训练模型”概念，通过将企业的专有数据与Nova的模型能力结合，帮助企业去打造专属的Nova优化变体，也就是被称为Novellas的“定制模型”。目前，旅游网站Booking.com、Reddit和索尼等多家企业或者机构，就已经开始利用Nova Forge来构建更契合自身需求的专属模型了。
而另外一个重磅的服务叫做Nova Act，是用于在浏览器中构建和部署高可靠性的AI Agent，实现自动执行各类操作。这项服务由定制版的Nova 2 Lite模型提供算力支撑，是构建和管理大规模浏览器自动化Agent集群的快捷路径。根据亚马逊云科技，Nova Act在早期客户工作流中达到了90%的执行可靠性。
一些客户案例就包括：初创公司Sola Systems将Nova Act集成到其平台当中，每个月为客户自动完成数十万次工作流任务，涵盖支付对账、协调货运和医疗记录更新等任务。1Password利用Nova Act帮助用户以更少的手动操作访问登录信息，只需要一个简单提示，即可以在数百个不同网站上自动完成登录步骤。赫兹（Hertz）通过使用Nova Act实现租车平台端到端测试自动化，将软件交付速度提升了5倍。这个平台每天处理百万美元的预订业务，以往需要数周才能够完成的测试流程，如今在数小时内就可完成。Amazon Leo在卫星互联网服务发布之前，借助Nova Act消除了质量测试瓶颈，用自然语言撰写测试场景，并且自动在数千个Web和移动端测试用例中执行和适配，大幅减少工程师投入时间。
而Nova Act的推出，也显示出亚马逊云科技对于Agent方向的重视。而围绕着Agent来打造的一系列生态支持，也是今年的re:Invent的重点。
“我坚信AI Agents将成为这个时代最具变革性的突破之一，而亚马逊云科技正是构建和运行这些Agents的最佳平台。”
那我们接下来看看围绕着Agent，亚马逊云科技是如何想要重塑软件开发团队的协作边界的。Agent在2025年爆发，特别是企业们是争先恐后地部署Agent。但是我们看到的难点在于，将Agent引入内部的生产和管理，需要快速规模化部署，记住过去交互和学习，识别和访问所有Agent工具和控制，掌握用于执行复杂工作流的Agent工具使用，最后观察和调试问题。这一套流程其实还挺复杂的。
所以如何帮助客户去大规模地构建、部署安全的生产级Agent？亚马逊云科技给出的解决方案就叫做Amazon Bedrock AgentCore。这是一款专为安全、大规模构建和部署Agent而设计的Agent平台。它包含了一系列的关键组件，提供了大规模运行生产级Agent所需要的全套服务。也就是说，客户既可以使用Amazon Bedrock AgentCore去构建Agent，也可以结合任何开源Agent构建框架。
在此基础上，Bedrock AgentCore有三项关键的新功能。第一是Policy in AgentCore，企业只需要用自然语言描述规则，就可以创建精细化策略，可以为Agent定义策略，比如说可访问的工具和数据、可执行的操作、适用条件等等，相当于为Agent的操作设定明确边界，解决了最棘手的权限问题。这也被视为着手于企业中Agent搭建的“最后一公里”。
第二是AgentCore Evaluation，通过内置的评估工具，监控Agents在实际运行中的表现质量，评估维度就包括准确性和帮助性等方面，同时还可以添加自定义评估工具来满足特定的业务需求。
第三是Episodic Functionality in AgentCore Memory，情景记忆功能，自动保存交互过程中的关键事件和状态，助力Agent从过往经验中学习，提升决策水平。
如今，随着构建Agents越来越便捷，下一个重大问题随之浮现：如何让它们更高效？现成的AI模型都具备广泛的智能，它们能处理复杂工具调用、多步推理和意外场景，但它们的效率还是有提升空间的。这种效率不仅关乎成本，更关乎延迟，您的Agent响应速度有多快？关乎扩展性，它能否应对流量高峰？关乎敏捷性，能否快速迭代和优化？这些都是大规模部署AI时必须面对的现实挑战。
我们可以看到，亚马逊云科技在布局的这些功能的核心目标，都是加速Agent从想法到大规模生产落地的进程。
除此之外，这次新发布的三款Agent：Kiro autonomous agent，可以自主进行开发和编程，就像一个优秀的程序员，在指导下独立完成开发任务。它可以说从根本上改变了软件的开发方式，能够与开发流程并行运作，保持上下文理解，自动化完成从功能交付、缺陷分类到提升代码覆盖率等一系列任务。
Amazon Security Agent，则是承担虚拟安全工程师的角色，在应用设计、代码审查与渗透测试等环节充当安全顾问。
Amazon DevOps Agent，则是作为虚拟运营专家，协助团队解决并且预防运行故障，持续提升系统可靠性与性能。
到这里，我们来总结一下。re:Invent整个大会几天下来，宣布了有上百项更新吧，我们实在是不能一一来跟大家说明。但是最重要的其实就是我们刚才说到的，构建AI Agent的四大支柱的全面升级：AI芯片、模型生态、首创的开放训练模型平台以及Agent开发工具。这四大支柱的升级以及全生态的加速押注，也明确传递出了一个关键信息：尽管AI正在改变应用开发的方式，但是云计算的基础属性——安全性、可用性、弹性、成本和敏捷性，比以往任何时候都更加的重要。
Google很明确要主推自己家的Gemini。Microsoft其实相对来说OpenAI的模型。Amazon是这几家里面，我觉得相对来说最均衡的一个。它虽然说也有自己的Nova系列模型，但是就并没有说感觉到它是要，去把自家的模型当做一个主推的点，而是提供一个，它的focus（关注点）我觉得更多是在Bedrock这一个层面。比如说作为一个multi-model的平台，把其他配套的这些东西，不管是security（安全性）也好，然后data storage（数据存储）也好，把这些东西都搭得很完整，然后给大家提供这么一个platform（平台）。其实给我的感觉是有点像电商这一块的思路，就是把大量的supply（供给）和大量的demand（需求）汇集到它这里，让它再去中间作为这么一个平台的角色。
说完了这些硬核的更新，来说点更好理解的客户案例，还有我们在现场的一些实地的体验，来看一下亚马逊云科技的客户都是怎么来拥抱AI策略的。
每年的拉斯维加斯re:Invent大会上，虽然有很多技术非常的硬核，但是我还是觉得整个大会做得非常好的一点是，通过客户的案例，来把很多“云上”技术怎么去赋能产品，这件事情说得非常的生动好玩，让观众们很能理解。
今年在现场看keynote的时候，让我记忆非常深刻的有这么几个合作的案例。首先就是Photoshop的母公司Adobe。作为被生成式AI最直接影响的设计师群体们，也一直非常的关注Adobe上的AI功能进展。Adobe的首席执行官Shantanu Narayen就表示，为了加速AI转型，Adobe正在利用亚马逊云科技的基础设施，帮助公司核心产品中部署AI。比如说一站式平台Adobe Firefly，就包含了Adobe生成式AI模型，支持文本到图像、文本到视频和生成填充能力。这些模型是由英伟达GPU驱动的Amazon EC2 P5和P6计算实例进行的模型训练。而Adobe Firefly上的模型，已经生成了超过290亿份的创意资产。我们也可以感受到AI赋予创作者们的创意掌控力。同时Adobe也将AI助手集成进了Adobe Express。与亚马逊云科技的合作保证这些Agents不仅运行高效，更重要的是具备高度的安全性。
还有一个比较有趣的案例是传媒巨头康泰纳仕。如果你没有反应过来这家公司的名字，那Vogue杂志大家总知道吧？康泰纳仕就是Vogue的母公司。这家百年出版业巨头，正在联手亚马逊科技进行现代数字媒体的转型。康泰纳仕的首席产品官兼首席技术官Sanjay Bhakta就在台上表示，从传统媒体转型的过程中，痛点是旗下不同国家、不同语言的传媒品牌、业务线和资产极其分散。公司基于亚马逊云科技构建统一内容系统与数据湖仓，通过AI翻译实现内容跨区域联合发布，使得数字收入占比达到70%。其中《纽约客》付费订阅超过了100万。
同时，康泰纳仕还依托于亚马逊云科技，合作大型的直播活动，包括大都会艺术博物馆的慈善晚宴Met Gala。对，没错，就是那个大家穿着争奇斗艳的晚礼服，被称之为“时尚奥斯卡”的Met Gala。通过与亚马逊云科技的合作，康泰纳仕通过对事件和直播流的实时分析，使得Met Gala这样的时尚社会的参与度（engagement）比格莱美奖要高出54%，比金球奖要高出近400%，甚至比超级碗都还要高出522%。对于康泰纳仕这样的传媒巨头来说，AI转型非常关键。就像这位首席技术官在最后的PPT上说的：“纸质媒体定义了我们，数字媒体扩张了我们，而数据将变革我们。”
在现场还有两个“上天入海”的案例，让我印象非常深刻。我们就先来讲讲如何用AI“上天”。在今年的re:Invent大会上，贝索斯旗下的商业太空公司蓝色起源（Blue Origin）简直就是炸场，简直是把“客场”当成自己的发布会“主场”。各种地放重磅消息。首先，蓝色起源是发布了第一艘能够自主垂直发射和着陆的航天器，同时旗下的New Glenn号轨道火箭，成功地发射并且着陆。接下来将目标放在重返月球上。
而公司与亚马逊云科技合作，使得2700个Agent进入业务流程。在过去一个月当中，为70%的员工促成了超过350万次的互动。同时，蓝色起源还发布了一款“月球吸尘器”，这款利用AI研发出来的能够将月尘转化为能源的设备，完全由AI设计。蓝色起源更是大胆地将亚马逊云科技的Agent功能引入到了航空系统设计，从细化需求、物料沟通、更高技术力的系统架构和物理仿真。蓝色起源通过内部的BlueGPT平台，调用了多个Agent来支持研发，让总体交付速度提升了75%。
“借助Agentic AI，我们相信未来已来，只是尚未惠及每一个人。我们还没有将AI应用到所有产品开发之中，但未来我们会做到。当数百万人在太空中生活与工作时，我们可以利用AI自主设计整枚火箭。我相信我们可以一个人发射一百枚火箭，而不是用一百人发射一枚。”
最后就是用AI“入海”了。在最后一场的keynote演讲当中，亚马逊CTO Werner Vogels就分享到，海洋清理组织（Ocean Cleanup）通过AI技术上的合作，来优化塑料检测模型，预测垃圾移动轨迹，最大化清理效率，确保在全球最关键的区域展开工作。
在现场，这样的客户案例还有非常非常多。不仅从keynote当中，我们听到了非常多振奋人心的故事，2B企业端正在如何的用AI来提效，并且在现场的展区我们也能够亲身体验到未来产品与AI的结合形态。
今年我自己的参会体验，我主要是放在了体育赛事的这个垂类上。而亚马逊云科技是单独地给这个行业安排了一个巨大的空间来展示。无论是小游戏，比如说是扔飞镖，通过端侧镜头进行视觉识别，然后在云端实时计算分数，这种非常小的场景，到实时的台球角度和力量识别来指引玩家，到实时云端高尔夫教练指导，还有实时胜率分析的电竞直播。
同时F1赛车和亚马逊云科技的合作，可以说又是给我增长了好多的知识点。今年苹果的《F1：狂飙飞车》电影，让这个赛事背后的运转机制来到了大众面前。我们知道每辆赛车都配备了300个传感器，每秒产生超过110万个数据点，所以F1堪称一项真正的由数据驱动型运动。但是厉害的是，这么快的速度下，就像赛车马上要进维修站的那么几秒的时间，云服务的实时数据传输要到位，及时数据分析要准确。这使得车队能在激烈的竞争中获得高效精确的响应和支持。这个技术真的是非常厉害的。
对了，我还在现场体验了一把F1换轮胎的工作。我第一次尝试的成绩实在是有点惨不忍睹，但相信只要我勤奋练习达到2秒，就能够去F1兼职换轮胎啦。
另外，亚马逊云科技与NBA的合作也是非常有意思。从前篮球比赛的分析全都是手写，基本上数据分析很难做到。而AI如今能够帮助NBA去追踪和共享统计数据，衡量以前无法直接量化的球员表现，包括使用亚马逊云科技的机器学习来跟踪投篮难度、防守综合评分和引力。作为伪球迷的我，第一次听到对“引力”（Gravity）这个概念。这是一种战术概念，指的是球员对对手防守注意力的吸引力。当一名进攻球员具备足够的威胁，他会迫使防守者更多地去关注靠近或者协防他，从而改变整个防守的站位和决策。而在AI出现之前，“引力”这样的数据是很难被记录并且分析的，并且观众其实也没有这样的意识。而如今有了AI的加持，对Gravity的分析成了NBA最核心的数据指标之一，并且也是改变了观众们只关注“带球球员”的比赛观看方式。
来顺便考考大家，NBA球星当中最有引力的球星是谁呢？答案就是Stephen Curry。你猜到了吗？所以其实NBA圈有着“库有引力”这样的说法。库里可能也没有想到，有人成为他的粉丝，居然会是因为亚马逊云科技的re:Invent大会。
好，其实咱们这次去拉斯维加斯的re:Invent逛了这么久，听了这么多，也看了这么多的发布，我的感受就是对AI在2026年的发展，我真的是更加期待了。一路上，我和同行的同事在聊说，看看过去AI发展的这三年：第一年是大家有巨大的新鲜感，觉得这个模型牛，那个模型厉害。然后到了第二年是巨大的失落感，发现其实这个不太好使，那个Bug也很多。然后现在是第三年，大家开始真的全力以赴地去思考，怎么样才能够“落地”，在各个生态、各个方向、各个技术栈上去创新研发出解决问题的产品和服务。那这其实是技术爆发的第三个阶段。
而在今年的re:Invent上，我真的是感受到了第三个阶段。就像今年大会上CEO keynote演讲的开场动画上的字说，如果问题不是“这可能吗”，而是简单的“为什么不呢？”
而亚马逊的CTO Werner Vogels更是说了一段非常动人的话。今年是他第十四年在re:Invent上面做keynote演讲了，也是他最后一次的演讲。他对现场的开发者们说：“我们建造的大部分东西最终都不会有人看到。我们之所以能够把这些做得这么好，唯一的原因就是我们对卓越运营的专业自豪感。亚马逊客户点击下按钮包裹就会送达，可谁会想到那些幕后的人，还有背后的供应链，所有这些工作没有人看见。客户永远不会告诉你，你们的数据工程师做得多出色，只有你明白其中的付出。我认为有一点很重要，所有人该为自己的工作感到自豪。大家持续了稳定的系统服务，清晰顺畅的部署，无人察觉的回滚操作。我们做的大部分操作都不会被人看见。我们之所以能把这一切做好，唯一的原因是我们对卓越运营的专业自豪感。这正是顶尖构建者的特质，他们做事一丝不苟，即使没有人看见。”
每次来re:Invent我都挺被触动的。来到这里很多都是2B企业服务端和工程师、开发者，以及所谓的“builder”们。他们是做着非常基层、非常infrastructure、非常基建的工作，不像2C端很多人能够感受到这个模型产品那么的fancy、那么的惊艳、反馈那么的直接。但是就是这些“不被看见的价值”，才是科技发展道路上能够帮助我们去解决问题的关键所在。
所以如今ChatGPT上线三周年之际，亚马逊云科技在用过去三年的时间，非常“长期主义”地去追求自己擅长的事情，也就是Werner口中说的“卓越运营”。并不追求某一个环节的单点领先，而是通过极致的优化，让算力、平台、模型、数据管理、Agent工具形成全栈的生态支持，真正地去帮助AI去落地。这会让我更加期待2026年的到来。
好啦，以上就是我们这期节目的全部内容了。你们的留言、转发和点赞，是支持我们《硅谷101》做好深度科技和商业内容的最佳动力。那我们就下期视频再见啦。