从卖书到算力底座：AWS CEO眼中的云与AI新周期

AWS现任CEO Matt Garman回顾了AWS从“书商做云”到百亿美元规模的关键转折，并分享了他对生成式AI、模型与数据关系、以及企业落地阻碍的真实判断。这是一段关于技术周期、耐心与长期主义的第一手经验。

为什么一家卖书的公司，要去做云计算？

理解AWS的起点，才能理解它今天面对AI的选择。Matt Garman在节目中反复提到，AWS早期最难的并不是技术，而是“解释”。他说：“我不知道在最初几年里，有多少次我需要向别人解释，为什么一家卖书的公司要提供计算和存储服务。”在当时，这几乎是一个不被认真对待的想法。

AWS最初的核心判断很简单，却极具前瞻性：计算和存储会成为所有互联网公司的基础设施，而且规模会非常巨大。Garman用一句话概括最原始的AWS使命——“we take care of the muck so you don't have to（脏活累活我们来做，你们不用管）”。这并不是在卖某个具体产品，而是在承诺一种分工方式：AWS负责复杂、重复、重资产的基础设施，客户专注于真正的业务创新。

这个定位在早期并没有立刻带来理解，但却成为后续所有决策的锚点。Garman提到，正是这种长期一致的逻辑，让客户逐渐“想要运行在我们之上”，而不是被某个短期功能吸引。这一点，也为后来AWS在AI时代的选择埋下了伏笔。

从0到百亿美元：什么时候意识到这会“非常大”？

Matt Garman亲历了AWS从几乎为零，到如今“百亿美元年化规模”的全过程。他提到，自己参与过最早的业务规划，甚至包括“哪些公司可能会对这些服务感兴趣”的最初假设。但有意思的是，AWS内部并不存在某一个清晰的“顿悟时刻”。

当被问到“你们什么时候意识到AWS会这么大”时，他的回答更偏向事后复盘：一些关键客户和企业级用例，逐渐建立了市场对AWS的信任。他直言：“我确实认为，这帮助我们在企业市场获得了大量可信度。”这里的转折在于，AWS最早并不是为传统企业设计的，但一旦企业开始采用，规模效应和行业地位就被迅速放大。

这个过程并非线性增长，而是由几个关键节点推动。Garman将其形容为“accelerator（加速器）”，一旦触发，增长曲线就发生质变。这种对非线性增长的理解，直接影响了他对AI浪潮的判断。

AI不是第一次浪潮，但可能是新一轮周期的起点

在谈到生成式AI时，Garman明显带着“经历过多次技术周期的人”的冷静。他回忆某项技术第一次出现时的震撼，并补充说：“我觉得我们可能又站在一个新周期的起点上，这一次是AI。”这并不是简单的类比，而是基于他对云计算早期轨迹的观察。

在他看来，真正的问题不在于模型是否足够强，而在于应用是否真的能被构建出来。这也是为什么AWS在AI讨论中，反复强调“帮助客户更容易地去做这件事”。阻碍并不只是算力或成本，还包括工具链、部署复杂度，以及企业内部的数据准备程度。

他还提到，生成式AI的价值不会自动释放。模型本身如果脱离真实业务数据，“并不会变得特别有用”。这句话点出了一个常被忽略的现实：AI的瓶颈，正在从模型能力转向数据与系统整合能力。

模型、数据与可移植性：AWS在AI上的核心判断

在模型层面，Garman并没有宣称“自家模型一定胜出”，而是强调选择权。他明确提到，“license portability（许可的可移植性）是一个关键因素”。这意味着，客户不应被某一个模型或平台锁死，而是能够根据需求变化自由调整。

更重要的是他对数据价值的判断。他指出，AI世界里“如果你没有有趣的数据可以去调用”，那么模型层面的进步意义有限。这一观点，延续了AWS一贯的基础设施思维：真正的护城河，往往不在最显眼的地方。

当主持人提到许多团队正在模型之外投入大量精力时，Garman的态度相对克制。他暗示，某些领域的投入“可能没有我们最初想象的那么大”。这种谨慎，并非否定AI，而是提醒创业者和企业：不要低估系统工程和真实需求的复杂性。

总结

Matt Garman的分享并不追求宏大叙事，而是不断回到一个朴素的问题：什么是真正长期有价值的事情？从云计算到生成式AI，AWS的逻辑始终一致——解决最底层、最麻烦、但规模最大的难题。对读者而言，这既是理解AWS的钥匙，也是判断AI机会时值得借鉴的一种耐心与视角。

关键词： AWS， 云计算， 生成式AI， 基础设施， Amazon

事实核查备注： 人物：Matt Garman（AWS CEO）；公司：Amazon、AWS；关键表述引语来自视频片段；规模描述：AWS百亿美元年化规模（视频原话）；核心概念：cloud computing、generative AI、license portability、data importance