“為何不共同探索一個值得期待的未來？為何不在創新、想象與治愈的道路上走得更遠？”亞馬遜云科技（AWS）以一連串反問，拉開了第14屆re:Invent全球大會的序幕。這場科技盛會不僅展示了AWS在生成式AI領域的最新突破，更透露出其重構社會創新底座的雄心。

2025年，AWS交出了一份令人矚目的成績單：第三季度營收同比增長超20%，全年營收預計突破1320億美元。為支撐這一增長，亞馬遜全年資本支出預計達1250億美元，創歷史新高。在生成式AI浪潮中，AWS加速前行——Amazon Bedrock平臺客戶數量一年內翻倍，tokens處理量超萬億的客戶已超50家。

面對AI基礎設施的激烈競爭，AWS選擇了一條“全棧自研”的硬核路線。“我們需要一個可擴展性強、性能卓越且成本最優的基礎設施，而實現這一目標的唯一途徑是優化從軟件到硬件的全流程。”亞馬遜云科技大中華區產品部總經理陳曉建在re:Invent中國行北京站上直言。這一戰略在芯片領域體現得尤為明顯——AWS首款3nm工藝芯片Trainium 3正式亮相，其計算性能較前代提升4.4倍，能效提高40%，內存容量增至144GB，支持單個服務器集成144個芯片，并可擴展至數十萬甚至上百萬芯片的集群。

自研芯片的優勢在成本與效率上尤為突出。相比通用架構的英偉達GPU，ASIC架構的Trainium 3專為AI訓練設計，剔除了圖形渲染等冗余模塊，在矩陣運算等核心任務上實現更高性能密度。Anthropic、Karakuri等客戶通過Trainium將訓練與推理成本降至原有的一半。目前，AWS已部署超100萬顆Trainium芯片，其業務規模達數十億美元，Amazon Bedrock平臺上的大部分推理服務均由該芯片支持。更值得關注的是，Trainium的生態兼容性正在增強——2025年第一季度將支持更多PyTorch高級語言，未來或與ARM架構的Graviton形成“雙芯并立”的格局。Anthropic的Claude最新模型已全面遷移至Trainium平臺。

AWS的自研版圖遠不止于此。從2017年啟動芯片研發以來，其已形成三條產品線：Graviton系列負責通用計算，Trainium與Inferentia專攻AI訓練與推理，Nitro系統芯片則承擔網絡、存儲等底層功能。這種“從硅片到服務”的閉環布局，在本次大會上進一步延伸——AWS推出“亞馬遜AI工廠”（Amazon AI Factory），這是一個私有化的AWS區域，允許客戶利用自有數據中心與電力資源，由AWS協助構建AI基礎設施。該方案整合了英偉達GPU、Trainium芯片及SageMaker、Bedrock平臺，既滿足數據主權與合規需求，又保持了公有云級別的安全性與可靠性。“當硬件設計、虛擬化、網絡等每個環節都能同步優化時，整體優勢將呈指數級放大。”陳曉建比喻道，“未來，單個數據中心將升級為‘超級計算機’，整個數據園區將成為一臺巨型智能設備。”

如果說基礎設施是AWS的“地基”，那么Agent（智能體）則是其最鮮活的“果實”。2025年被業界視為“Agent元年”，AWS的落地策略延續了其一貫的“逆向工作法”——以客戶需求倒推產品設計。“沒有‘萬能’的大模型，企業的核心資產是知識與流程，而Agent是將這些資產轉化為生產力的工程化工具。”亞馬遜云科技大中華區解決方案架構總經理代聞指出。目前，AWS內部已部署超4萬個Agent，其價值不僅體現在工具迭代，更在于推動生產關系的重構。

以銷售場景為例，傳統模式下，銷售拜訪客戶前需查閱大量資料并請經理審核，如今通過Amazon Quick Suite，經理可一鍵生成包含客戶最新輿情、歷史交易數據的報告，效率提升數倍。在開發場景中，產品經理（PM）過去需依賴研發團隊制作原型，現在可借助AI“召喚”虛擬工程師，獨立完成原型設計與驗證，再交由研發實現。“流程與組織形式的變革，才是效能提升的關鍵。”代聞強調，“如果工具到位但流程不變，開發速度再快也會卡在后續環節。”

企業擁抱AI的模式正呈現分化：一種是成立小規模AI原生團隊，如AWS合作伙伴獵豹移動，其新團隊對成員的AI熱情遠高于學歷要求；另一種是對傳統團隊進行轉型，這需要強有力的制度指引，包括調整KPI考核方式與提供配套工具。“‘推’是新的考核設計，‘拉’是工具支持，二者缺一不可。”代聞總結道。在這場人機協作的變革中，“工作屬于你，而非工具”的認知，或許將成為每個職場人的必修課。