亚马逊大意失AI：昔日位面之子，沦为版本弃子？

文 | 明晰野望

当谷歌、Meta、英伟达都在积极推进AI布局时，亚马逊也出招了。

12月17日，亚马逊CEO安迪·贾西亲自宣布，旗下负责大语言模型的AGI团队、自研芯片的Annapurna Labs，乃至前沿的量子计算团队将进行创造性“缝合”，转变为直属于他的全新“AGI组织”。而公司AGI部门原负责人将于明年离职。

2025年以来亚马逊的日子着实不好过，股价的年度涨幅凑不出一个涨停板。也就是说，在AI疯涨的大背景下，投资者压根没把亚马逊算在“AI阵营”里。一系列雷霆手段与其说是亚马逊在AI棋局上的主动出击，不如说是一次紧迫的“战略补救”。

明明手握AWS、自研芯片和全球电商平台等王牌，亚马逊为何会将一手天胡好牌打得如此被动？

昔日位面之子，沦为版本弃子？

在“后百模大战”时期，头部玩家的打法已然清晰：以一个强大的、具备持续进化能力的自研基础大模型为“大脑”，以自家的云平台为“躯干”提供算力与服务，再通过丰富的应用场景和开发者生态将AI能力注入“四肢百骸”，形成正向循环、自我强化的闭环。

OpenAI以GPT系列模型为核心，通过与微软Azure的深度绑定，构建了强大的“模型+云”双引擎；字节跳动则依托豆包大模型迅速赋能抖音、剪映等亿级用户产品，实现技术与场景的快速融合。

在这个逻辑框架下审视亚马逊，会发现其AI的掉队并非一朝一夕，而是在“大脑”、“躯干”与“四肢”等多个关键环节都出现了不同程度的错位。

当OpenAI的GPT-4重塑着人们对智能的认知、谷歌携Gemini系列模型展示多模态的强大实力时，亚马逊推出的Nova系列模型在技术圈和公众视野中却显得声量微弱。

根据Omdia发布的最新数据，截至2025年10月，OpenAI与谷歌的模型日均Tokens调用量占比分别为31％和19％，而亚马逊的Nova模型则被归入“其他”类别，市场存在感较低。

为了扭转颓势，亚马逊内部启动了代号为奥林匹斯的秘密武器项目，据称其参数规模将远超现有模型。然而时至今日，该模型仍笼罩在神秘的面纱之下。作为亚马逊利润奶牛和AI战略“躯干”的AWS云业务，同样面临腹地被侵蚀的严峻挑战。

要知道，大名鼎鼎的AWS曾凭借规模效应、稳定性和成本优势，成为全球企业上云的首选。但在AI时代，算力的价值正在与模型的优越性深度绑定。微软通过将Azure与OpenAI的服务进行深度整合，为企业提供了“开箱即用”的顶尖AI能力，成功吸引了大量高价值的AI负载。

根据Synergy Research Group的报告，2025年微软Azure在全球云市场的份额持续攀升，与AWS之间的差距正持续缩小。Azure增长的主要驱动力，正是AI服务的强劲需求。同样，谷歌云也凭借其与Gemini模型的原生集成，在AI原生企业中获得了极高的青睐。

面对竞争对手“算力+模型”一体化的凌厉攻势，AWS的应对策略显得有些力不从心。

它推出的Bedrock平台表面上看像是巨大的“模型超市”，集成了包括Anthropic的Claude、Cohere以及自家Nova在内的多种模型。但这种策略也使其在定位上更像渠道商，而非拥有核心竞争力的“主机厂”。

当开发者和企业越来越倾向于选择拥有最强“大脑”的生态时，AWS算力租赁优势也被稀释。不仅利润的增长开始放缓，其在AI创新者心中的“首选平台”地位也逐渐动摇。

而在作为AI能力“四肢”的应用层，亚马逊的表现更是令人扼腕。

2014年亚马逊首次发布Echo智能音箱，其内置的语音助手Alexa横空出世，一举开创了智能家居时代，成为人机交互领域当之无愧的先驱。

然而十年过去，当年的屠龙少年似乎忘记了如何挥剑。如今的Alexa，绝大多数时候仍被困在“查天气、定闹钟、播放音乐”的初级工具性困境中，商业化前景并不明晰。据内部消息透露，负责Alexa和硬件的设备与服务部门也长年处于巨额亏损状态。

大模型能力掉队、云业务腹地被侵蚀、C端应用创新乏力，三大关键指标集体亮起的红灯，清晰地表明亚马逊的AI困境已非局部战术失误，而是较为深刻的系统性危机。此刻看似激进的组织重组，实则是这头商业巨兽在感知到生存危机后，一场迟到却又必然的奋力扑救。

当经验惯性，成为创新牢笼

要理解亚马逊为何会在AI赛道上陷入被动，就必须回溯其赖以成功的核心逻辑。

亚马逊的商业帝国是围绕类似“飞轮效应”的增长模型建立的：以客户体验为中心，提供更丰富的选品、更低的价格和更便捷的体验，从而吸引更多客户；更多的客户带来销售的增长，吸引更多商家入驻、形成规模效应，随后进一步降低成本，再将节省的成本返还给客户，形成不断加速旋转的增长闭环。

这套成功学的核心正是“客户至上”，在这个逻辑的指引下，亚马逊布局自研芯片的决策堪称典范。

早在十多年前大多数公司还在满足于使用英特尔的服务器芯片时，亚马逊就敏锐地意识到要实现成本控制就必须掌握核心硬件。其自研芯片的初衷并非为了对外销售，而是服务于庞大的电商和AWS业务，摆脱对英伟达、英特尔等外部供应商的依赖，将成本牢牢控制在自己手中。

这一策略取得了巨大成功，帮助AWS在残酷的云计算价格战中始终保持领先，也为亚马逊电商业务的低成本运营提供了坚实基础。2023年财报显示，AWS的营业利润高达246亿美元，自研芯片带来的成本优势功不可没。

然而，正是这种被过往成功反复验证的经验，在面对生成式AI这样的全新物种时，却显现出了其僵化和局限的一面。

亚马逊手握全球最大的电商平台，拥有数百万活跃卖家和数亿会员，积累了无可比拟的消费行为数据，这是将AI能力与C端场景结合的绝佳试验场，但亚马逊却显得步履蹒跚。

它不仅错失了C端AI的破圈良机，更在电商主战场被来自中国的Temu、Shein等新势力以极致的低价策略拖入缠斗，分散了战略精力。

这背后的深层原因，在于亚马逊的很多资源，都倾向于去打造“一匹更快的马”、其创新模式高度依赖于对现有客户需求的洞察和优化，在细分场景做渐进式改良。

于是，亚马逊AI团队被散落在各个业务线，分别解决着“如何提升仓库拣货效率”、“如何优化商品推荐精准度”等具体、细碎的商业问题，虽然在短期内提升了局部效率，却白白浪费了整合资源、集中力量攻坚AGI这类通用底层能力的黄金时期。

相比之下，阿里、腾讯等国内大厂在面对新趋势时，反而表现出更强的敏感度和行动力，甚至核心业务来为AI进化提供试错和加速度。

比如阿里巴巴迅速将“通义千问”大模型融入钉钉、淘宝，实现“AI帮你读财报”、“AI帮你写文案”等实用功能，腾讯将“混元”大模型赋能广告、游戏、会议等核心业务。反观亚马逊，迟迟未能推出一款引爆市场的AI原生应用。

过往的成功经验也固化了亚马逊的组织行为模式，以芯片业务为例，“内部消化、不对外销售”的模式虽然在短期内实现了降本目标，却使其芯片产品失去了在广阔市场中竞争和迭代的机会。它无需像英伟达那样为了让开发者使用其GPU，而呕心沥血地打造出CUDA这一强大的软件生态。

缺乏外部市场的锤炼和开发者生态的滋养，亚马逊的芯片虽然性能优秀，却始终只是“内部特供品”，无法成长为像GPU+CUDA那样能够定义行业标准、撬动整个产业的平台。

“客户至上”的强大惯性，让亚马逊过度执着于解决客户当下的、可见的痛点，从而系统性地忽视了那些需要长期、巨额投入且短期内看不到商业回报的“非共识”领域。它擅长从1到N的优化，却在从0到1的开创上显得犹豫不决。

这也是所有创新企业的魔咒：从激进派取得了资源积累后，必然会步入保守的守业阶段。在AI的星辰大海面前，这种“小富即安”思维无疑是致命的。也许，只有通过一场刮骨疗毒式的AI调整，加上对手的失误，才能让亚马逊重返AI第一梯队。

但那些强大且完成试错的对手们，会轻易犯错吗？