题图｜视觉中国

有报告称，全球公有云市场，预计在2026突破万亿级大关，相当于沙特阿拉伯 2023 全年的GDP 总值。

但也就是这样一个庞大的市场，此前却几乎完全构建在降本增效和技术领先两个模糊概念上。而对这两大概念的量化，却始终存在一定的争议。

前者的问题在于，上云的经济账并不好算，可能牵扯到业务流程精细到人时的换算；后者的问题在于，缺少明确的目标，对垂直场景和行业也不够针对，因而显得较为虚无。

归根结底，此前的云行业，在 PaaS、SaaS 层的产品力始终不够强，致使云计算的概念退化成了单纯的算力租用。

自 2022 年开始，以Basecamp、GitLab为代表的部分公司，开始权衡上云、下云的利弊。随后，以降低用云成本为目标的FinOps 理念，迅速引起业界注意。到了2024 年Q2，国内云计算市场干脆掀起了「价格战」的口号。

生成式 AI 确实是个好机会，但当前整个产业的利润都积压在硬件侧，云厂商想抓住这次机会也并不容易。

对此，亚马逊云科技的思路是，先搞定行业。

01 亚马逊云科技，开始进攻垂直行业了

在 5月29日刚刚开幕的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2023 年底，亚马逊云科技组建了汽车、制造、生命科学、零售电商、媒体娱乐、游戏、软件、金融八个专门的行业团队。

其目的是为了「更加贴近行业和客户」。

应该说，这次调整后，主流云厂商殊途同归，走到了一起。

此前，亚马逊云科技的主要竞争策略主要包含两条：一是放大产品技术优势；二是借助规模效应与成本优势，进而拿下市场。

在今天，这一事实已经出现变化，随着基础大模型产品陷入混战，对云厂商技术能力的衡量，某种程度上已经被重新定义了。此刻谁更能服务好客户，谁就能拔得头筹。

重心向行业转移后，亚马逊云科技背后的产品体系也发生了大变化。

Amazon SageMaker、Amazon Bedrock 当下占据了极重要的位置。一年来，作为亚马逊云科技进攻AI领域客户的重要底牌：Amazon SageMaker Jumpstart，功能是使企业可以获取、微调、部署业内主要的预训练大模型。而Amazon Bedrock，则承担了大模型货架的概念，以API接口的方式，允许客户直接访问其已经上架的大模型，或者客户自己开发的大模型。

这种产品设计，主要是考虑行业客户的诉求。当下大模型市场不仅是混乱的，也是复杂的。 整体来看，当下没有哪一个单独的大模型，会成为「唯一解」。

从技术层面来讲，当下各个模型擅长领域各有不同。比如根据Datalearner 公布的测试数据来看，Claude 3 Opus 在更偏重数学推理能力的评测基准GSM8K 得分高达95（GPT-4o得分90.5），但在偏重语义理解的测试集 MMLU 得分为 86.8，低于GPT-4o的88.7。

Gemini-pro 的分差更大，GSM8K 得分 86.5，但MMLU 得分仅为 79.13。

不会有一个基础模型适用于所有的商业场景。 这是在预训练阶段，整体数据准备、权重设计等因素造成的综合结果。

此外，当下大模型市场是存在分裂倾向的。开源模型、闭源模型之间的区隔在增加，端侧模型、通用模型之间的差异更大。

因此，从Amazon SageMaker Jumpstart 到Amazon Bedrock，亚马逊云科技设计的这种一条龙式的服务能力非常关键，是进攻行业客户的「核心武器」。

此外，在5月30日，亚马逊云科技产品部总经理陈晓建也宣布百川智能的Baichuan-2 7B基础模型和来自零一万物Yi-1.5 6B/9B/34B的基础模型在中国区域正式上线Amazon SageMaker Jumpstart 。

这无疑是对国内云市场释放了持续加码的信号， 亚马逊云科技正在解决生成式 AI 云服务的本土化问题和针对场景的生成式AI解决方案。 过去亚马逊云科技在中国拿下了最多的出海客户，高达80%。国产大模型上线后，对本土业务的影响也近在眼前。

当然，如果仅停留在这个层面，其实并没有摆脱云计算概念退化的问题。亚马逊云科技的「杀手锏」，还是在Amazon Q 上，它既要回答企业对于「降本增效」的担忧，也要回应企业对于「技术领先」的诉求。

02 Q，或将成为云计算的 「关键先生」

「降本增效」是个令所有 CTO 抓狂的话题。

在所有涉及统计的报表中，其真实性都极易受到质疑——不同的统计方法会产生截然不同的结果。而降本增效又尤其敏感，因其实际是将员工的个人工作行动抽象并量化了。

在尝试用技术产品思维，解决降本增效问题的历史中，大量的SaaS工具吃了亏。对于习惯了旧有工作模式的员工来说，新产品几乎总是不好用的。此前知名的协作工具，如Tower、Teambition，都遇见过类似的情况，喜欢它们的和讨厌它们的人，几乎一样多。

生成式 AI 在这一问题上的最大机会，是其既感知能力超越人类后，首次具备了强大的认知能力。 今天利用自然语言和AI交互的业务人员，实际上可以不再关心某个协作工具的使用逻辑、页面交互逻辑，只需要自然询问，然后得到答案。

这一理想中的结果，在今天被亚马逊云科技交付给Amazon Q Business 来实现。5月1日，亚马逊云科技官宣Amazon Q 正式上线，其分为两个版本：Amazon Q Business和Amazon Q Developer。

官方介绍显示，Amazon Q Business是一个由生成式AI驱动的助手，可以根据企业系统内的数据和信息回答问题、提供摘要、生成内容并安全地执行任务。该工具旨在提升员工的创造力、数据驱动能力、效率、预备能力及生产力。

实际上可以将其理解为一个AI版的「数字化业务架构师」，这个AI 既要理解业务背景、上下文消息，也要理解组织架构，能分配好权限。

在五年前，数字化转型如火如荼的时期，企业开始定义「数字化业务架构师」这样一个职位，但无奈招不到合适的候选人，因此这一职位大部分时间只存在于理论中，变成了个「历史遗留问题」，没成想，被今天的AI完美接任。

据亚马逊云科技透露，Amazon Q Business 可以连接40多种常用的业务工具，包括维基百科、内部网络、Atlassian、Gmail、Microsoft Exchange、Salesforce、Slack等，差不多是当下市面上支持信息源最多的工具。

另外，Amazon Q Business可以和亚马逊云科技旗下多个云产品组合联动，比如Amazon Q Business + Amazon QuickSight。Amazon QuickSight是专为云构建的统一BI服务，但Amazon Q Business可以给出具备汇报价值的数据结果，这与以往的BI工具截然不同。

至于Amazon Q Developer，则是服务于开发者和企业的研发流程。严格来说，这倒是一个很卷的赛道——过往虽然没有领先几个身位的统治级产品，但体量接近的研发效能工具却不少，且大部分开发时间较久，和开发者就产品功能有多年的交互和反馈。

如果对比 2020 疫情前，领先企业的研发效能提升通常都在 50% 以上，很难想象，这里还有什么发挥空间。

但Amazon Q Developer完全不受影响。个中关键在于，生成式AI对于开发者工作的效率提升是颠覆性的，也是在2023年最早付诸实践，并却得巨大成果的。有业内人士分享，公司优秀的架构师，今天完全可以脱离代码编写人员独立工作——传统的代码便携工作完全交给 AI实现，效率提升不止一倍。

此外，Amazon Q Developer已经深度介入了研发效能的整个生命周期，从立项、功能定义到测试用例，都全部覆盖了。

对于今天的研发团队而言，这仍然是关键的。 去年为止，生成式AI对研发团队的效能提升，更多依赖于某个架构师或者开发者的个人学习能力，但在今天有望沉淀为组织能力。

因此，对公有云业务的最新解之一，不在于对组织、效能的概念做出一个多标新立异的阐述，而在于返璞归真，重回业务的一线，实际关注业务细节。

无独有偶，Amazon Q Developer所负责的这部分工作，此前也有专门的岗位设计，行业内一般称其为「技术顾问」。与「数字化业务架构师」不同的是，「技术顾问」并不少见，在互联网行业崛起的十余年间里，始终在发挥作用。

Amazon Q面世不到一年，直指两大顾问角色，不得不说，也代表了生成式AI的未来发展趋势之一。

03 公有云：从发散到收敛

公有云经历了由少到多的阶段——服务在IaaS、PaaS、SaaS 三个维度暴涨。

以亚马逊云科技为例，从2014到2019年，移动互联网、AI与大数据、IoT等多个方向的解决方案在云服务上爆发式涌现，服务数量超越上个五年数倍。

而生成式AI爆发后，搭载AI能力的云基础设施正变得越来越复杂。按过往经验，底层基础设施的复杂化，势必牵引 PaaS 层、SaaS 层的服务也变得复杂。但自然语言替代 Web UI 成为主流交互方式，或许有望改变这一趋势。

这给 Amazon Q 增加了些许里程碑意义。

后续两个指标，或许将证明这次产品迭代的长期意义，一个是IaaS层长期的价格变动走势，一个是小微企业的平均团队规模是否正在缩小。

无论如何，今天的 Amazon Q 值得各家云计算企业学习和借鉴。