“目前，机器学习和AI在AWS的年经常性收入（ARR）中已经是一项数十亿美元的业务，”Wood说道，随意地抛出一个足以让大多数独角兽初创公司进入估值巅峰的数字。“我们对GenAI非常看好。自早期互联网以来，这可能是我们与数据、信息和彼此互动方式的最大变化。”

他们最近的举措强调了这种承诺：

1. 向Anthropic投资40亿美元，确保获得最前沿的AI模型和人才。

2. 推出Amazon Bedrock，这是一项托管服务，提供对Anthropic、AI21 Labs等基础模型的轻松访问。

3. 继续开发定制AI芯片如Trainium和Inferentia，优化AI工作负载的性能和成本。

Wood在讲话时，条理清晰地描绘出AWS的宏大战略，我不禁想到硅谷那些可怜的人，带着他们闪亮的模型和聊天机器人，互相吹嘘着AGI和超级智能。那些孔雀们欣赏着自己的羽毛，似乎完全没有注意到巨大的蟒蛇，尽管它正慢慢地盘绕在他们周围。

巨兽

当闪亮的AI演示和穿着皮夹克的芯片CEO吸引了公众的注意时，AWS专注于实际构建和运营AI基础设施这一不太光鲜但绝对必要的任务。

在AI市场的喧嚣中，很容易暂时忘记AWS有多庞大，他们在将客户需求转化为云服务方面有多么高效，以及他们在“云大战”中有多么果断地获胜。现在，他们正在将这一套成功的策略应用于AI市场。

在征服AI市场的过程中，AWS正在部署其赢得云市场的五个验证过的策略：

1. 大规模基础设施投资：投入数十亿美元用于AI优化的硬件、数据中心和网络。

2. 生态系统建设：通过合作和收购打造一个全面的AI平台。

3. 组件化和服务集成：将AI分解为模块化、易于组合的服务，融入AWS生态系统。

4. 聚焦企业需求：根据大型、受监管行业的特定要求定制AI解决方案。

5. 利用其安全和隐私专长：应用AWS既定的云安全实践，解决AI特有的数据保护问题。

当其他人都在专注聊天机器人和视频生成器时，AWS一直在构建芯片、服务器、网络、数据中心，一个由硅、金属和代码构建的帝国。AWS对Anthropic的40亿美元投资只是公司构建全面AI生态系统的一个例子，他们以令人恐惧的效率吸收创新和初创公司。

不要误会了，极客们，AWS在这里玩的是长远游戏，他们对赢得下一个AI基准测试或在最新的Kaggle比赛中登顶没有兴趣。他们正在构建将为明天的AI应用提供动力的平台，并计划为所有这些应用提供动力。AWS不仅在构建基础设施，他们正在成为AI本身的操作系统。

那些西装革履的人，他们肯定来了，银行、医院、工厂——那些无聊的、受监管的巨头，使世界运转的存在，他们正以三条腿大象的优雅姿态跳入AI池塘，而AWS则在旁边，准备好毛巾和浸有氯仿的抹布。

Wood指出，这些行业比平均水平更快地采用GenAI。“他们已经解决了数据治理问题，拥有适当的数据质量控制和数据隐私控制，”他解释道。现有的基础设施使得采用GenAI成为一个相对较小的步骤。

这些客户通常拥有大量私有文本数据——市场报告、研发文件、临床试验——这些都是GenAI应用的理想素材。“GenAI非常擅长过滤、理解、组织、总结、发现差异、灰色区域和大量文档中的有趣部分。”Wood说。

Wood强调了AWS对GenAI的整体看法，投资于整个堆栈的三个主要方面：

1. 基础设施：“在最低层次，我们确保客户拥有合适的基础设施，能够使用他们自己的数据和大型数据集来训练和调整基础模型和专业模型，”Wood解释道。这包括定制设计的芯片，如用于训练的Trainium和用于推理的Inferentia，以及高性能网络能力。

2. 模型访问：通过其Bedrock服务，AWS提供了来自各种提供商的一套广泛的AI模型。“我们拥有迄今为止最广泛的GenAI模型，”Wood表示。这些模型包括Anthropic、AI21、Meta、Cohere、Stability AI和AWS自己的Titan模型。

3. 应用开发：AWS提供工具和服务，帮助开发人员快速轻松地构建AI应用程序。这包括用于机器学习工作流程的SageMaker和用于特定任务的各种AI服务，如文本分析、图像识别和预测。

要理解AWS的现状及其相对于Microsoft Azure和Google Cloud的策略，了解各云服务中的AI服务如何相互竞争是很有帮助的。

当我们一起分析AI云服务以及最近在AWS re:Invent、Microsoft Build和Google Cloud Next三大云展示会上发布的公告时，我们可以更清楚地看到这些行动的细微差别如何发挥各自的优势：

AWS

GenAI和企业应用：AWS非常重视利用AI帮助开发人员创建企业级应用程序，使用像Amazon Q和Amazon Bedrock这样的工具来提高生产力、客户服务和组织内的数据管理。对实际、企业就绪AI解决方案的关注使AWS成为解决实际业务需求的领导者。

强大的AI基础设施：AWS提供高性能基础设施，如专为AI和ML工作负载优化的Graviton4和Trainium2，满足企业规模运营的需求。这种基础设施优势使AWS能够支持大规模AI训练和推理，这对于需要可靠、可扩展性能的大型企业和开发人员来说至关重要。

集成的AI服务：像Amazon SageMaker这样的服务简化了模型构建和部署，而零ETL集成简化了数据工作流程，这显然是针对寻求效率和可扩展性的开发人员和企业用户。这些综合解决方案使企业能够快速有效地实施和扩展AI。

Microsoft Azure

企业集成：Azure的AI服务与Microsoft的更广泛的企业生态系统深度集成，包括Dynamics 365、Office 365和GitHub等产品。这种集成为开发人员和业务用户提供了无缝体验，使Azure成为已经投资于Microsoft生态系统的企业的有力竞争者。

与OpenAI的合作：Azure利用其与OpenAI的合作关系，提供最先进的GenAI模型，如GPT-4 Turbo with Vision，服务于企业和消费者应用。这种合作增强了Azure的AI能力，使其成为开发人员和各种应用的多功能选择。

全面的AI套件：Azure通过Azure Machine Learning和Azure Cognitive Services提供广泛的AI和ML服务，满足从视觉到语言理解的多样化需求。这一广泛的工具套件为各类开发人员和企业提供了灵活性和能力。

Google Cloud Platform（GCP）

先进的分析集成：GCP在将AI与数据分析集成方面表现出色，成为专注于数据驱动AI应用的开发人员的强力选择。像BigQuery ML和Vertex AI这样的工具突显了这一重点，特别有利于高度依赖数据分析的企业。

消费者AI：Google的AI努力通常涵盖企业和消费者领域。Google的AI模型和能力，如用于Google搜索和Google助手的那些，具有强大的消费者应用，但也提供显著的企业利益。这种双重关注使GCP能够服务于广泛的开发人员和用户。

创新的AI研究：GCP受益于Google在AI研究领域的领导地位，将先进的AI工具和能力提供给开发人员。这种研究优势使GCP成为前沿AI技术的领导者。

总结

AWS：主要关注于帮助开发人员构建企业级应用程序，提供无缝集成到业务运营的强大、可扩展的AI解决方案。AWS的战略合作伙伴关系和基础设施投资使其成为企业AI的强大领导者。

Azure：在企业和消费者应用之间取得平衡，通过与OpenAI的合作，利用Microsoft生态系统的深度集成和先进的AI模型。Azure为开发人员和企业提供了多功能和集成的解决方案。

GCP：在数据分析和AI研究方面表现强劲，重点关注消费者和企业应用，由Google更广泛的AI计划推动。GCP的双重关注使其能够满足多样化的开发人员需求。

堆栈堆叠

当一项技术真正成功时，它意味着什么？它会淡出背景，变得像电力或蜂窝数据一样普及且不可见。这种即将到来的动态与研究员Simon Wardley的技术从创生到商品化和公用事业模型的演变模式相一致。

例如，在早期的“创生”阶段，GenAI需要由技术高超的研究人员创建的全新、定制模型。但在短短的时间内，基础方法——变压器架构、扩散模型、强化学习等——变得越来越被理解、可复现且易于获取。

Wardley的组件化理念表明，随着技术的成熟，它们被分解为不同的、模块化的组件。这一过程允许更大的标准化、互操作性和效率。在AI的背景下，我们看到这一点的体现，AI堆栈的各个元素——从数据预处理到模型架构再到部署框架——变得更加模块化和可重用。

这种组件化使得创新速度加快，因为开发人员可以混合搭配标准化的部分，而不是从头开始构建所有内容，它还为技术成为更多公用事业铺平了道路，因为这些组件可以轻松地打包并作为服务提供。

AWS一直以来都是组件化的高手，正是这种方法使其在云计算市场上占据了主导地位。通过将复杂的云技术分解为满足特定客户需求的独立模块化服务，AWS使云计算变得更加可访问、灵活和具有成本效益。

现在，AWS正在AI领域重复这一成功的策略。像Bedrock这样的服务，提供预训练模型的丰富选择，以及SageMaker，它简化了机器学习工作流程，都是AWS如何将AI堆栈组件化的完美例子。通过提供一套专门构建的AI服务，企业可以根据特定需求进行混合搭配，AWS正在使AI普及化，使企业更容易采用和集成AI技术。

Bedrock不仅仅是一个产品，它是一个生态系统。Bedrock是AWS的策略，要成为AI模型的应用商店，用规模和效率的承诺吸引客户。Anthropic、AI21、Meta、Cohere——所有这些都在这里，喂养这个巨兽——经过精心包装，只需几行代码即可部署。AWS旨在将Bedrock定位为AI/ML价值链中的关键组件，降低复杂性，推动跨行业的采用。

想想Bedrock在Amazon的起始位置，它在云计算中的竞争优势。这是一个如此美丽、如此高效的陷阱，以至于抵抗不仅是徒劳的，几乎是难以想象的：

1. 庞大的客户基础：AWS是领先的云服务提供商，已有数百万客户在使用其服务。

2. 大量数据：这些客户数据已经存储在AWS服务器上，使其更易于用于AI训练和推理。

3. 训练有素的劳动力：大多数开发人员和数据科学家已经熟悉AWS的工具和服务。

4. 规模经济：AWS庞大的基础设施使其能够以具有竞争力的价格（不可战胜的价格）提供AI服务。

5. 运营专业知识：AWS拥有多年管理复杂、大规模计算环境的经验。

AWS的另一关键策略是为客户提供灵活性和未来保障。“我们不相信会有一个模型统治所有领域，”Wood说，展示了他内心的甘道夫。这种方法允许客户根据每个特定用例选择最佳模型，按需进行混合搭配。Wood指出，许多客户已经在组合使用多个模型，创造了“智能的乘数效应”。

安全性是AWS在云计算多年经验中获得的另一个显著优势。AWS在Nitro上进行了大量投资，提供云实例的硬件级安全性。Wood强调：“我们已经将架构一直延伸到加速器，以确保客户能够满足并超越他们自己的隐私和机密性要求。我们看不到数据。将其放在内部的封闭环境中，这样他们自己的员工也看不到数据或权重。”这种级别的安全性对于处理敏感数据的企业，尤其是在受监管行业中，是至关重要的。

AWS的财务资源使其能够进行长期博弈。例如，它可以等待并以低价收购陷入困境的AI初创公司，进一步巩固其地位。这一策略让人想起AWS在云计算早期时的做法，当时它积极从自己的合作伙伴生态系统中进行收购。

通过提供广泛的服务并不断降低价格，AWS使得较小的云提供商难以竞争。大多数潜在竞争者最终退出市场或被收购。我认为历史即将重演。

不可避免的声音

想象一下2030年。你醒来，对你的AI助手喃喃自语，你的一天像一台精密的机器一样展开。那个有用的助手？当然是运行在AWS上的。自动驾驶车辆顺利地载你到办公室？由AWS提供动力。诊断疾病、管理投资或设计产品的AI？都在AWS生态系统中愉快地运转。

Wood现在正要结束谈话，我能看出来他需要走了。他没有告诉我他的秘密，但他表现得自信从容，就像Bob Ross画完一片快乐的小云朵一样，给出最后的点睛之笔：“AWS通过使用芯片、SageMaker和Bedrock，确实拥有你成功所需的一切，无论你使用的是大模型、小模型还是介于两者之间的任何模型。”

这种对AWS现有基础设施的信心不仅限于Wood。在即将举行的VB Transform活动中，AWS战略客户总监Paul Roberts将论证，我们目前不需要其他技术突破来满足GenAI的基础设施扩展需求。Roberts主张，软件改进就足够了，这反映了AWS的信念，即他们的云基础设施能够应对AI的所有挑战。

当AI的热潮达到顶峰，然后逐渐消退时，AWS继续其无声而坚定的前进。AI革命来临然后消退。不是轰然一声，而是服务器风扇的嗡嗡声。你运行你的AI模型，现在更快了，更便宜，更容易，你不问为什么，AWS的云在嗡嗡作响，一直在嗡嗡作响，现在更响了。一首胜利的歌，你能听到吗？

从战略角度来看，我认为AWS在AI领域的主导地位似乎已成定局，他们在云计算领域的既定地位，加上其庞大的生态系统和客户基础，为潜在竞争对手设置了巨大的进入壁垒。随着AI服务从定制解决方案演变为标准化产品和公用事业，AWS完美地利用其规模经济，以无可匹敌的价格提供这些服务，同时不断创新。

AWS专注于用户需求、卓越运营和大规模创新的理念确保他们在AI开发和部署的前沿。他们全面的AI服务套件，从基础模型到高级API，使他们成为企业采用AI技术的一站式平台。这些服务的广度，加上企业级功能和与现有AWS产品的无缝集成，创造了一个竞争对手难以匹敌的价值主张。

他们与领先的AI初创公司和研究机构的战略合作和协作，使他们能够将新模型和技术融入其平台，为客户提供未来保障，进一步巩固其作为AI服务首选提供商的地位。

随着我们向2030年迈进，已经深度集成到AWS生态系统中的企业的转换成本将继续上升，使新进入者更难在市场上站稳脚跟。AWS多年来建立的信任和品牌认可将作为额外的护城河，特别是对于优先考虑可靠性和性能的企业客户。

随着AI变得越来越普及并逐渐融入我们日常生活的背景中，AWS很可能成为推动这一转型的无形力量。问题不在于AWS是否会主导AI领域，而是他们的主导地位会有多全面。云的嗡嗡声不仅是一首胜利之歌——它是整个时代的配乐。