1996年，亚马逊全年营收仅1500万美元，2021年这一数字超过4600亿美元。用20多年时间，亚马逊从一家小型图书零售商成长为全球屈指可数的科技巨头，其营收体量增长了3万倍。

但亚马逊的增长神话定格在了2022年。这一年亚马逊营收增速降至个位数，并产生了27亿美元的巨额亏损。而在此前，亚马逊净利润从2018年的100亿美元增至2021年的333亿美元，也带来股价的一度暴涨。

亚马逊踩了急刹车，零售业务第一个闪了腰。从2022年开始，亚马逊陆续关闭了西雅图、纽约和旧金山的8家无人零售商店Amazon Go，位于弗吉尼亚州的第二总部的建设工程也被叫停。过去一年，亚马逊减少了27000个工作岗位，零售是重灾区。

2023年一季度，亚马逊销售额同比增长9%，净利润由去年（一季度）净亏38.4亿美元转为盈利31.7亿美元。

怎么看，这都是一出重拾增长、绝地反击的戏码，但亚马逊CEO安迪·杰西却高兴不起来，他甚至将2023年描述为公司“最艰难”的一年。即便面对零售大裁员、集团巨亏的2022年，安迪·杰西尚能保持乐观，但在业绩复苏的今天，安迪·杰西却释放出浓重的无力感，背后是何原因？

亚马逊两大主营业务分别是零售电商与云计算（AWS）业务。尽管AWS营收占比不足17%，并且连续四个季度营业利润率收窄，但一季度云业务还是贡献了超50亿美元的利润。在填补亚马逊近20亿美元窟窿后，AWS为集团创造了30多亿美元盈利。

AWS不仅是亚马逊最大的利润现金牛，更是推动公司增长的最强动力。自2015年云业务公布业绩数据以来，亚马逊AWS营收增速一直保持在30%以上。但2022年这条高速增长曲线被打破了，当年增速首次降至29.4%。

今年一季度，亚马逊AWS营收同比增速降到16%的历史低值。但这还不是最低！亚马逊在电话会议上透露AWS在4月增速还将继续下跌，跌幅可能高达5个百分点。

最具增长潜力的云业务急剧失速，引发了投资人对亚马逊预期下滑，这是安迪·杰西作出“最艰难”判断的根本原因。

其实，不止AWS，整个行业都在裁员、收缩。例如，客户关系管理软件Salesforce宣布裁员10%，视频会议服务商Zoom裁员15%，云通讯公司Twilio裁员17%......

市场曾对在美市值前25名的SaaS企业2022年上半年营业利润做过统计，得出的结论是，14家至今仍在亏损，其中8家亏损幅度扩大，3家由盈转亏。

严峻的宏观经济形势，抑制了企业对数字化的投入。安迪·杰西认为，亚马逊AWS面临短期危机，客户数字化支出下滑是直接原因。

但并非所有的云服务商都按照亚马逊的版本进化。2023年一季度，微软旗下云业务Azure和谷歌云计算部门近日分别报得27%和28%的增长，依旧维持高增长态势。这两家云计算厂商凭借在AI领域的领先优势，正在斩获更多企业客户。

2021年7月，安迪·杰西凭借其主政亚马逊AWS的出色表现登上了亚马逊公司整体业务掌门人的宝座。不到两年后，无论是在业绩增速还是大模型发展上，AWS都败给了竞争对手。这让亚马逊上下蒙上了一层浓重的阴影。

在自己最擅长的云业务上被对手“超越”，安迪·杰西内心是拒绝的，他认为AWS的危机只是短期的。

支持此判断的一个重要因素在于，AWS的客户并不是一味缩减开支，只是有节奏地调整需求方向，更加精打细算。

AWS的应对策略是提升性价比，自研芯片是一个方向。比如，AWS自研芯片Graviton2计算实例比最新一代x86实例提升了40%的价格性能，而2022年推出的Graviton3芯片又比Graviton2处理器性能提升了25%。

Trainium深度学习芯片则让AI训练成本大幅降低。2022年，亚马逊AWS推出了第一款训练芯片（Trainium），基于Trainium的实例比基于GPU的实例速度提升了140%，成本低70%。

正如安迪·杰西所言，“AWS销售和支持团队花费大部分时间帮助客户优化他们的云上支出，以便他们能够更好地应对不确定的经济形势。”

利用企业回顾、确定新的战略方向这段时间，AWS适应变化、捕捉新需求，2022年推出了超过3300个新功能和服务。

除自研芯片外，AWS将很大一部分精力用在培育长期可能性的创新发明，比如为行业广泛注入机器学习的能力。

在AIGC（生成式AI）日渐火热的当下，其背后的核心技术-机器学习（ML）能力，早已为行业所认可。某种意义上讲，机器学习创新一直是亚马逊云的DNA。

从早期电商推荐引擎、运营中心捡货机器人以及预测产能，到后来亚马逊的无人机以及线下无人零售实体店中的计算机视觉场景，都在使用机器学习技术。

亚马逊发明的产品也在趋向于培养机器学习能力，搭载Alexa系统的智能音响设备，家用机器人Burnham，都在引入AI模型的“情景理解”技术，这些都属于机器学习的范畴。

而随着AIGC的到来，机器学习技术进入指数爆炸式期，计算能力提升、数据精准要求、大模型复杂度提高正在驱动着机器学习技术快速演进。

安迪·杰西认为，能够长期成功的公司都能很好地应对变革，机器学习便是亚马逊守住云业务基本盘，应对未来变化的核心能力。

市场调研机构Synergy Research数据显示，2022年三季度全球云计算基础设施（公有云IaaS+PaaS以及托管私有云）市场前四强分别是：亚马逊AWS（34%）、微软Azure（21%）、谷歌云（11%）、阿里云（5%）。作为行业老大的亚马逊云，依然要比微软云与谷歌云份额之和还要大。

商场如战场，《孙子兵法》中有句话很好地诠释了商业经营之道：“凡战者，以正合，以奇胜”。对应全球云市场，守正护住了AWS的基本盘；但缺少奇技的AWS也少了一击致敌的武器。

具体来看，亚马逊AWS正面临微软和谷歌愈发强烈的竞争与挑战。通过低价策略，谷歌云在疯狂抢夺AWS的市场客户。由于缺少软件业务，AWS在与微软云的竞争中，本就具备利润率偏低的劣势，如今又要直面大模型的凶猛冲击。

与云计算普遍下调的增长预期相比，微软智能云中的AI计算（Azure ML）业务，已经连续四个季度营收增速超过100%。

2019年，微软耗资10亿美元投资Open AI，从最初投资人不理解变成如今备受全球追捧。AI计算被认为正在重塑云、软件、芯片产业，还在影响其他产业的产业智能化转型。

相比微软云，AWS本就失了先手，后期反应也较为迟钝，最终落后一大拍 。直到今年4月，AWS才推出了名为Titan的大型语言模型（LLM）和名为Bedrock的生成式人工智能（AI）服务，彻底沦为追赶者。

但一直以来，“奇胜”一直是亚马逊成长为全球最大云服务商的关键因素。

2008年，AWS还是亚马逊内部的一个小业务。彼时，公司计划将投资向云上倾斜引来内部诸多质疑，他们直接喊话“在线零售商在核心主业，为什么要在云计算上投入如此之多？”

安迪·杰西给不出明确的答案，但却异常笃定了云计算的未来：“我们正在发明一些可以为客户和亚马逊创造巨大价值的特殊东西，我们必须在竞争对手之前占据了先机，亚马逊必须坚定长期投资AWS。”

15年后，AWS已经是年入千亿美元的业务。如果2008-2009年减缓对AWS的投资，亚马逊将是一家完全不同的公司。

如今在云业务上，亚马逊正在艰难地大象转身，而小步快跑的微软云成了出奇制胜的那一方。

好在亚马逊云培育了自研、机器学习能力，并将自己与客户深度捆绑，在破解行业发展难题中，形成穿越周期的长期能力。具备这种能力，亚马逊便保住了守正基本盘，也保有了出奇制胜的可能。

千呼万唤始出来。4月13日，在AIGC圈一直“隐身”的亚马逊突然加入生成式AI竞赛。

安迪·杰西公然宣称，大语言模型与生成式人工智能，对亚马逊未来数十年至关重要，AWS正在大量投资。

与国内外一众云服务商拼速度、赶工期相比，AWS不紧不慢打了一套组合拳。

聚焦大模型：推出Amazon Bedrock与Amazon Titan，帮助企业提高效率和创新力；针对AI训练：提供两款专门针对生成式AI优化的高性价比的虚机实例EC2 Trn1n和EC2 Inf2，帮企业节省训练与推理成本；发布AI编码助手Amazon CodeWhisperer，向个人用户免费开放。

其中，Amazon Bedrock既提供自研的大语言基础模型——Amazon Titan Text、Amazon Titan Embeddings，也与AI21 Labs、Anthropic、Stability AI等基础模型提供商开放合作，降低开发者使用门槛。

换言之，在Bedrock上，用户可以通过可扩展、可靠且安全的亚马逊云科技托管服务，访问从文本到图像等一系列基础模型以及Amazon Titan基础模型。

极易定制是Bedrock的突出特征。借助无服务器体验，企业可以快速找到适合自身业务的模型，在确保数据安全和隐私前提下，进行个性化定制，并可将定制化模型部署到已有的应用程序中，无需其他基础设施。

Bedrock主打便捷性，Titan则为Bedrock保驾护航。比如Titan基础模型可以识别和删除客户提交给定制模型的数据中的有害内容，拒绝用户输入不当内容，过滤模型中不当内容的输出结果。

在AI训练与推理领域，AWS的核心目标依旧是提性能、降成本。比如，AWS本次推出的Trn1n不仅可以提供1600 Gbps的网络带宽，性能比训练实例Trn1提高了20%；另一款推理软件Inf2较亚马逊此前发布的首款推理专用芯片Inferentia吞吐量提高了4倍，延迟降低了10倍。

除了芯片领域创新，AWS发布的AI编码助手Amazon CodeWhisperer可以规避开发人员简单无差别的代码劳动。作为AI编码伴侣，CodeWhisperer根据开发人员的自然语言评论以及集成开发环境中先前代码实时生成代码建议，提高开发者效率。此外，CodeWhisperer还可以自动扫描代码中的安全漏洞并帮用户修复，增强代码的安全性。

短短两月，难以评价AWS产品成败。但我们可能从市场反馈中抽丝剥茧，梳理亚马逊的应对策略与发展逻辑。

按照安迪·杰西的话术：“大多数公司都想用上大语言模型，但真正好用的语言模型需要数十亿美元以及长时间、大数据的训练。不是所有公司都具备这样的条件，大家期待的是从基础模型中进行提升，根据自身目的进行定制。”

换言之，AWS似乎无意与ChatGPT争锋，而是希望通过Bedrock等成为中小企业入局生成式AI的基础性工具，并以灵活定制方式，赚取企业的长期价值。

现实也在印证，Bedrock的表现似乎也未达预期，亚马逊在推迟扩大Bedrock的试用范围。

作为首批使用者，Coda首席执行官给Bedrock打出“未完成”的评级。他认为，该工具还处在早期发展阶段，亚马逊“正在现有服务的基础上开发并重新包装”，但他相信Bedrock的长期成长力。

针对AI训练的EC2 Trn1n和EC2 Inf2以及AI编码助手CodeWhisperer，AWS更像是搭建高性能、低成本的AIGC基础设施，借助培育行业生态为自己蓄势。

如果将大模型看作本轮AIGC的前方主战场，AWS选择的更像是围绕行业生态、智能产品出击的敌后第二战场。

2014年，由AWS的Alexa系统提供支持的第一代Echo智能音响设备问世，如今覆盖了美国四分之一的家庭。Alexa之所以重要，不在于它的用户之多，更在于它是万千消费者接触AI助手理念和AI机器人对话模式的开端。

彼时，亚马逊创始人贝索斯参与了Alexa的测试和开发，甚至亲自设计了外观和语言。贝索斯对Echo智能音箱抱有两个期望，一是要在消费者的生活中无处不在，如同智能手机一般；二是带动消费者通过对话模式开展购物，重塑亚马逊的核心商业价值。

在很长一段时间，Alexa是亚马逊战略布局的重要一环，亚马逊几乎是按成本价出售该设备，目的是为未来智能服务积蓄力量。但可惜，Alexa盈利困难的状况一直没有改善。

如今，安迪·杰西计划用类似ChatGPT的生成式AI技术改造Alexa，让它变得更像是在思考用户的提问，而不是从数据库中复读信息。杰西声称公司正在建造一个“更大、更通用、更强大”的大语言模型作为Alexa的基础，把AI融入到现实产品服务中。“我认为这将极大地加速我们实现成为世界上最好的个人助理的愿景，这背后有一个很大的商业模式。”

不止Echo，公司流出的内部文件显示，亚马逊正秘密研发旗下家用机器人Astro的升级版“Burnham”。Burnham机器人将引入基于包含大型语言模型（LLM）和其他先进AI模型的“情景理解”技术。

在设想中，它可以敏锐地观察周围环境，智能地接收和理解听到的内容，并与使用者进行对话，在此基础上采取适当的行动。比如一位老人滑倒，Burnham可以检查他是否安全，拨打报警电话以及呼唤其他人来帮忙。

AWS在经历多年的快速发展后，重新回到了积蓄势能的准备期。

没有像大部分云服务商那般直面大模型，亚马逊走了一条更宽泛的机器学习之路：结合行业痛点，以产品应用场景与行业生态服务的形式迂回包抄。

没有什么不可思议，亚马逊似乎总能独树一帜。

在十几年的成长中，AWS以一种较为克制的方式，坚持只当扫把（工具）、不做保姆，有所为有所不为的服务精神。这是一种专业主义，不投机市场，不调动情绪，静待花开。

在生成式AI这场新一轮竞争中，我们依然看到亚马逊不温不火，以及侧重底层生态服务与机器学习的长期主义精神。

尽管在起步阶段慢了一拍，我们看到亚马逊正在缓慢、迂回地重整飞轮、积蓄势能。这是一条不一样的路，短期出不了风头，但长期会更有韧性。在大干快上、押注大模型的当下，这是一股不可忽视的别样力量。