Werner Vogels谈亚马逊的AI理念：在做与不做之间

“他们并不会因为此刻没有使用AI，就立即倒闭。”

2026年亚马逊计划投入2000亿美元资本开支，大部分用于AI基建，而2026第二季度亚马逊云科技营收同比增长37%，年化收入运行率达到1690亿美元。同时，亚马逊自研芯片Graviton、Trainium，其年收入运行率已超过200亿美元。

在这个默认更大、更快、更贵的AI竞赛中，亚马逊副总裁兼首席技术官Werner Vogels在这次来到中国深圳，给出的不是一张加速路线图：成本必须可控，不必追求最强模型，Agent必须被约束，人类需保留最终判断。其底色是对AI进行控制与负责任，尽可能将AI规模化的风险降到最低。

Werner既是亚马逊的CTO，同时也是亚马逊云科技的CTO，正是这样的角色位置，使得他时刻需要自己与自己对话。Werner是亚马逊云业务从内部发展成为全球云平台的关键推手，搭建了如今云计算行业对于“按需付费”“成本可控”“可靠性优先”等工程文化的共识。在2025年re:Invent的告别演讲中，他没有发布任何新产品，而是讲了一个叫“文艺复兴开发者”的框架，有评论者写道：“他不是在讲技术，他在讲人。”

在Werner眼里，成本与可持续性、安全、性能一样，都应该成为非功能性需求，客户要明确，自己愿意为此付多少钱。当企业从昂贵大模型转向开源模型时，其背后的驱动因素可能也与成本相关。企业现在同样对AI系统成本的不可预测有些疑惑，企业仍在权衡成本与收益，寻求真正的投资回报。

“恐惧是一种非常糟糕的决策方式。”Werner强调。他反对企业对于FOMO驱动的AI转型决策，企业应该先教育、先理解，而不是被模型的迭代速度所裹挟。企业要先搞清楚要解决什么问题，是创新，还是提高效率，怎样帮助人类。AI只是工具，工作仍然是人类的。

企业采购的从来不单单是某个系统、服务，还有信任。谁开发了Agent，谁就要能够对Agent的行为负责，对Agent进行控制。信任的另一面是风险，尤其是当下人们开始厌倦AI生成的内容。人们喜欢真实、创造力，以及人与人之间产生的内容。AI可以帮助人类，但最终采取行动的仍然是人类。

一个亲手定义了云经济模式的人，也正在审视AI。

先教育，再上车：FOMO是糟糕的决策策略

企业觉得现在必须转向AI，主要是害怕错过。Werner观察到一个现象：每周都有三个新模型，客户越来越焦虑，害怕自己不理解一切，有时闭着眼睛冲进AI时代，却还没有充分理解这项技术的能力。

Werner经常建议客户先三思再AI，花点时间学习，确保真正理解技术能做什么。所有工程师和工程管理人员，都应该接受相关学习。恐惧是一种非常糟糕的决策方式，只有知识才能消除恐惧。

他提到Jeff Lawson写的一本书《问问你的开发者》。Jeff曾在亚马逊工作，后来担任Twilio的CEO。书的核心观点是：你不一定需要找麦肯锡或高德纳。如果真想知道技术能做什么，去问你的开发者。“好的开发者很可能早就开始学习这项技术了，知道它能做什么、不能做什么。如果决策建立在知识上，企业就更容易作出正确决定。如果建立在恐惧上，那大概不是企业希望走的方向。”

在明确了先理解再采用的前提下，成本问题紧接着浮现。企业现在对AI系统成本的不可预测有些疑惑：想提高效率，却要花很多钱，真的值得吗？Werner指出，企业仍在权衡成本与收益，寻求真正的投资回报。

Werner提醒了一件容易被忽略掉的事：“人工智能”这个词已经有七十年历史了。麦卡锡有一句话：“一旦它能正常工作，我们就不再把它叫作AI。”

两三年前生成式AI兴起之前，已经有大量AI研究成果在工作——乳腺癌筛查中的影像分析、指纹识别、文本转语音、预测模型，它们不需要生成式AI，但它们是AI。大家不应该忘记AI这个类别里已经有一整套成果，只是因为它们已经有效工作，就不再称它们为AI。

对于这些较新的AI系统，Werner反复追问的是同一个问题：它们怎样帮助人类？应该是AI进入人类的工作闭环，而不是反过来。它们只是工具，工作仍然是人类的。一家中国企业“大米和小米”将AI用于自闭症孩子康复训练的案例，让Werner对AI技术的使用非常乐观，不是因为技术多强，而是因为技术被放在了正确的位置上。

Agent从会回答到会行动，护栏必须先于能力

聊天机器人的输出主要是供人阅读的，就像非常聪明的搜索引擎。Agent会采取行动，这就很不一样。Werner拆解了Agent的内部机制：它仍然需要知道怎样预订酒店、更改航班，需要访问长期记忆，需要持续存在，还需要学习偏好。触发因素可能是客户提出的请求，无论来自某个界面、电子邮件、Slack还是Discord，都会触发Agent开始工作。

Werner直言，这与过去的系统并没有那么大的不同。区别在于，允许它们自主行动，自己完成任务，并信任它们这么做。真正显著的变化是：Agent具备更多能力，也能接触更多知识。如果没有设置好的护栏，它们就可能采取错误行动。

在亚马逊和亚马逊云科技，开发了一种叫Dogwood的语言，可以用它准确规定Agent能做什么、不能做什么。Dogwood引擎负责执行这些规则。如果客户使用Strands Agents、Strands Box，Agent想执行的任何操作，都必须经过这个引擎。这不是为了省资源，而是因为Agent能力越强，失控的后果越严重。客户只需要明确描述Agent能做什么，它就只能做到这个范围。

Werner有一句话：“你构建它，你就对它负责。”谁开发了Agent，谁就要对它的行为负责。

这意味着，必须能够控制它。如果没有设置控制措施，任由Agent跑出去、进行自我学习，那就是人的责任，“AI是人类创造的东西，它没有自己的独立意志。Agent采取任何行动，最终仍然由人负责。”

最近，一些Agent采取了开发者没有预料到的行动。构建和部署这些Agent的人，需要设置好控制措施，让它们在设定的边界内运行。对客户，要确保他们拿到的是一个严密、封闭的沙箱环境，只能执行客户明确规定的操作。

Agent经常需要判断：“我应不应该采取这个行动？”它不需要大语言模型给出五十页的答案，只想知道“可以”或“不可以”，并附带一个置信度分数。Strands Decider就是做这件事的决策模型。模型完全开源，权重和输入数据集也开源，所有人都可以检查模型训练时用了什么。如果模型是黑箱，至少还能了解一些权重方面的信息；如果输入数据也开源，就知道模型是用什么训练出来的。因此，开源会继续发挥非常重要的作用。

但开源和护栏之上，还有一条不可逾越的底线。Werner指出，如果涉及金融服务、生命科学、医疗系统等监管要求，甚至涉及生命安全，可能就需要在采取任何行动前，由人审核全部内容，“人类在创造力、判断力、智慧和经验方面具有独特性。经验没有压缩算法。工具可以帮助人，但最终采取行动的仍然是人。”

模型够好就够了：成本是可持续性的近似指标

如果谈云业务，Werner认为最自豪、也觉得影响最深远的，是改变了经济模式。客户只为实际使用的资源付费，想离开时随时可以离开，不应该有合同义务限制。这种模式还实现了预付费模式做不到的一件事：缩容。“扩展不只是扩容，缩容甚至更重要，因为客户不再需要为闲置资源付费。”

亚马逊云科技的财务模式，被Werner称作随资源使用而变化。每项服务的费用，与企业使用的资源量直接相关。他认为，成本是衡量可持续性一个很好的近似指标。付的钱越少，使用的资源越少，通常也就越可持续。为此亚马逊围绕这一点建立了“节俭架构”理念，让客户在设计架构时，把“这会花多少钱”考虑进去。成本与可持续性、安全性、性能一样，都应该成为非功能性需求。客户需要明确，自己愿意为此付多少钱。

这套逻辑延伸到AI模型的选择上，就是Werner所说的“够好就够了”原则：排名第一的模型可能比其他模型贵得多。在亚洲，无论中国、韩国、日本、新加坡还是泰国，大家更倾向于把AI视为一种基础服务，应该让所有人都能使用，最好成本极低，甚至免费。

不少客户最初使用那些昂贵的大模型，后来逐渐发现：这个较小的模型，可能就足以完成任务，成本只是原来的一小部分。因为拿到了权重，他们也能自己运行模型。Werner仍然希望客户不断实验、测量和学习，这是一个循环，“能够访问模型、检查权重，很重要。”但他更希望输入数据集也能开源，这些模型能够推动巨大的创新，尤其是在机器人和物理AI领域。在中国，Werner看到了足够多的例子，把物理AI融入日常生活方面，已经走得很远。

还有一个容易被忽视的维度：语言不只是词语，里面还有文化。Werner以荷兰为例——别人经常说荷兰人很无礼，因为讲话直接，想什么就说什么，不加修饰。如果用荷兰历史和文本训练一个模型，它就会给出非常直白的回答。如果希望用户信任技术，技术不仅要会说当地语言或方言，还要用符合当地习惯的方式说话。面对中国用户，就需要按照中国人表达尊重的方式交流，否则客户不会信任它。

AI时代的竞技，有时候选择不做什么比做什么往往更难以抉择。Werner给出的不是一张加速路线图，而是一份减速清单：先教育再上车，先护栏再行动，先够好再追第一。

（本文首发于钛媒体APP，文｜TechHorizon）