生成式AI的“安全溢价”与生态竞争 专访亚马逊云科技陈晓建：我们不打极致的“价格战”

“亚马逊云科技不会打极致的‘价格战’，我们更注重功能、安全、可扩展性、合规这些方面形成整体价值。我认为这些都是客户在将生成式AI推向生产阶段时必须要综合考虑的因素。”近日（6月20日），亚马逊云科技大中华区产品部总经理陈晓建在接受《每日经济新闻》记者专访时如是说道。

虽然当前AI（人工智能）大模型行业还处在非常早期的阶段，但价格战已经愈发激烈。今年5月以来，头部厂商相继祭出“降价牌”，阿里云宣布通义千问主力模型Qwen-Long API（应用程序编程接口）输入价格直降97%；百度也于近日宣布两款主力模型ENIRE Speed、ENIRE Lite全面免费。

Deepseek所彰显的极致性价比能力仍在影响着中外的大模型厂商，在“价格战”下，行业洗牌速度加快，一些企业也在环境倒逼之下卷入这场漩涡之中。亚马逊云科技又如何看待这一趋势？

陈晓建对此显得相对坦诚而冷静：“对用户来说，他们当然希望能用到最先进的功能，同时也希望价格合理，这都是完全可以理解的。但从另一个角度来说，虽然功能和价格是很重要的两个方面，但其实客户在使用生成式AI时还需要考虑很多其他的因素，比如安全与合规。我相信这也是所有客户都会非常关注的点。”

价格战之外，当安全合规成为核心壁垒

在陈晓建看来，亚马逊云科技在设计产品的时候，并不仅仅关注功能和价格，而是全面考虑整个使用过程中的关键因素，包括功能、性能、成本控制、数据结合能力、安全与合规等方面。这些都是亚马逊云科技持续重点投入的方向。

“客户在落地生成式AI时，普遍会经历从业务场景选择、原型验证到最终上线的过程，期间主要面临模型功能匹配、成本控制、数据利用和安全合规四大挑战。”陈晓建在采访中指出，不同大模型在具体业务场景中的表现存在差异，企业需在功能、性能与成本间做权衡，“比如选择最智能的模型、响应最快的模型，还是成本最低的模型”。

此外，成本控制也是企业落地的核心考量之一。“标准大模型调用中，部分成本来自冗余token（语言生成模型在运作时的最小工作单元）消耗，而按API调用按需计费的模式已成为行业主流。”

陈晓建提到，Amazon Bedrock提供的Prompt Caching（提示词缓存）技术可减少token用量，“某电商客户通过缓存高频促销话术，降低了模型调用成本”。对于定制化需求，平台支持模型微调与知识库构建，“若需要完全自定义训练，亚马逊云科技自研的专用芯片Amazon Trainium和Amazon Inferentia也可以提供支持”。

在数据利用层面，企业同样希望挖掘自有数据的差异化价值。“制造业的设备传感器数据、医疗行业的电子病历等非结构化数据，需通过清洗与语义建模才能被大模型理解。”陈晓建介绍，Amazon SageMaker Unified Studio整合了PB级（更高级别的数据存储容量单位）数据处理与大模型融合能力，“某车企通过该平台整合路采数据与仿真场景，缩短了高级辅助驾驶模型迭代周期”。

最后一个挑战是安全与合规。每位客户都会将安全合规视为业务底线。无论客户在哪个国家或行业开展业务，都必须满足当地法律法规的要求，同时确保模型输出内容的合法性和可控性。“金融领域的反洗钱模型、医疗领域的病历生成等场景，对内容合规性要求极高。”陈晓建举例。

AI Agent爆发前夜：从工具集成到智能决策的范式迁移

AI Agent（代理式人工智能）也被亚马逊云科技视为未来生成式AI发展的重要方向。

“过去一年，机器智能已经爆发了，如今AI的发展又来到了一个拐点，我们正处在AI Agentic爆发的前夜。”6月19日，在亚马逊云科技中国峰会上，亚马逊全球副总裁、亚马逊云科技大中华区总裁储瑞松表示。

储瑞松指出，正如历史上蒸汽机的出现放大和解放了人与动物的肌肉力量，通过在纺织、交通、采矿和冶炼等领域的应用带来了工业革命。机器智能的爆发则放大和解放了人的大脑智力，其应用也将带来AI Agentic的革命。

从背后原因来分析，当前大模型虽为智能核心，但要解决现实业务问题，需借助AI Agent连接大模型能力与实际业务系统。它可对接企业内部IT系统，自动开工单、处理流程，完成一系列业务逻辑操作，是实现大模型“落地”的关键。

陈晓建表示，近期AI Agent的火爆，核心原因在于其开始具备“自主思考”能力，能拆解复杂问题，通过探索、推理解决问题。像Manus这类具备自我思考能力的产品备受关注，众多同类产品也朝此方向发展，“AI Agent不再只是执行工具，更是智能决策中介。”

作为云服务商，亚马逊云科技又将如何抓住这一风口？

陈晓建表示，亚马逊云科技推出的Strands Agents工具大幅简化了开发流程。此前，合作伙伴完成典型业务场景可能需编写2000多行代码，借助Strands Agents，仅需二十几行即可实现，底层逻辑通过Agent与大模型交互自动完成，开发者得以摆脱繁琐细节，专注业务创新。

类似这种开发效率的显著提升，预示着AI Agent将在更多场景落地，为企业智能化转型注入强大动力。

事实上，当前国内AI大模型行业竞争分化已然显现。李开复预测中国市场最终或仅剩DeepSeek、阿里巴巴、字节跳动三家主导，其他厂商也纷纷在垂直领域进行深耕，“要么成为某行业的‘AI基础设施’，要么融入大厂生态。”

当前月之暗面的代码模型、MiniMax的长文本处理已形成局部优势，但能否在资本退潮中完成技术闭环，决定其能否穿越周期。就在6月17日凌晨，MiniMax突然向开源社区投下“重磅炸弹”，其自主研发的MiniMax-M1系列模型正式发布，被定义为“全球首个开源的大规模混合架构推理模型”。在紧随其后的四个工作日里，MiniMax开启“一日一更”模式，技术产品“五连发”震惊市场。

在DeepSeek以低成本、高性能模型持续改写行业规则时，国内大模型厂商纷纷采取降价、降价、再降价的策略。这场技术与资本的双重较量，不仅考验企业的技术纵深，更检验其在算力军备竞赛与商业化变现间的平衡能力。

但对亚马逊云科技而言，不追逐短期价格优势，而是通过安全合规、场景深耕等方式构建长期壁垒，或许是一条更为长久的生态共建之路。