題圖｜視覺中國

有報告稱，全球公有雲市場，預計在2026突破萬億級大關，相當於沙特阿拉伯 2023 全年的GDP 總值。

但也就是這樣一個龐大的市場，此前卻幾乎完全構建在降本增效和技術領先兩個模糊概念上。而對這兩大概念的量化，卻始終存在一定的爭議。

前者的問題在於，上雲的經濟賬並不好算，可能牽扯到業務流程精細到人時的換算；後者的問題在於，缺少明確的目標，對垂直場景和行業也不夠針對，因而顯得較為虛無。

歸根結底，此前的雲行業，在 PaaS、SaaS 層的產品力始終不夠強，致使雲端運算的概念退化成了單純的算力租用。

自 2022 年開始，以Basecamp、GitLab為代表的部份公司，開始權衡上雲、下雲的利弊。隨後，以降低用雲成本為目標的FinOps 理念，迅速引起業界註意。到了2024 年Q2，國內雲端運算市場幹脆掀起了「價格戰」的口號。

生成式 AI 確實是個好機會，但當前整個產業的利潤都積壓在硬件側，雲廠商想抓住這次機會也並不容易。

對此，亞馬遜雲科技的思路是，先搞定行業。

01 亞馬遜雲科技，開始進攻垂直行業了

在 5月29日剛剛開幕的亞馬遜雲科技中國峰會上，亞馬遜全球副總裁、亞馬遜雲科技大中華區總裁儲瑞松，表示2023 年底，亞馬遜雲科技組建了汽車、制造、生命科學、零售電商、媒體娛樂、遊戲、軟件、金融八個專門的行業團隊。

其目的是為了「更加貼近行業和客戶」。

應該說，這次調整後，主流雲廠商殊途同歸，走到了一起。

此前，亞馬遜雲科技的主要競爭策略主要包含兩條：一是放大產品技術優勢；二是借助規模效應與成本優勢，進而拿下市場。

在今天，這一事實已經出現變化，隨著基礎大模型產品陷入混戰，對雲廠商技術能力的衡量，某種程度上已經被重新定義了。此刻誰更能服務好客戶，誰就能拔得頭籌。

重心向行業轉移後，亞馬遜雲科技背後的產品體系也發生了大變化。

Amazon SageMaker、Amazon Bedrock 當下占據了極重要的位置。一年來，作為亞馬遜雲科技進攻AI領域客戶的重要底牌：Amazon SageMaker Jumpstart，功能是使企業可以獲取、微調、部署業內主要的預訓練大模型。而Amazon Bedrock，則承擔了大模型貨架的概念，以API介面的方式，允許客戶直接存取其已經上架的大模型，或者客戶自己開發的大模型。

這種產品設計，主要是考慮行業客戶的訴求。當下大模型市場不僅是混亂的，也是復雜的。 整體來看，當下沒有哪一個單獨的大模型，會成為「唯一解」。

從技術層面來講，當下各個模型擅長領域各有不同。比如根據Datalearner 公布的測試數據來看，Claude 3 Opus 在更偏重數學推理能力的評測基準GSM8K 得分高達95（GPT-4o得分90.5），但在偏重語意理解的測試集 MMLU 得分為 86.8，低於GPT-4o的88.7。

Gemini-pro 的分差更大，GSM8K 得分 86.5，但MMLU 得分僅為 79.13。

不會有一個基礎模型適用於所有的商業場景。 這是在預訓練階段，整體數據準備、權重設計等因素造成的綜合結果。

此外，當下大模型市場是存在分裂傾向的。開源模型、閉源模型之間的區隔在增加，端側模型、通用模型之間的差異更大。

因此，從Amazon SageMaker Jumpstart 到Amazon Bedrock，亞馬遜雲科技設計的這種一條龍式的服務能力非常關鍵，是進攻行業客戶的「核心武器」。

此外，在5月30日，亞馬遜雲科技產品部總經理陳曉建也宣布百川智能的Baichuan-2 7B基礎模型和來自零一萬物Yi-1.5 6B/9B/34B的基礎模型在中國區域正式上線Amazon SageMaker Jumpstart 。

這無疑是對國內雲市場釋放了持續加碼的訊號， 亞馬遜雲科技正在解決生成式 AI 雲服務的本土化問題和針對場景的生成式AI解決方案。 過去亞馬遜雲科技在中國拿下了最多的出海客戶，高達80%。國產大模型上線後，對本土業務的影響也近在眼前。

當然，如果僅停留在這個層面，其實並沒有擺脫雲端運算概念退化的問題。亞馬遜雲科技的「殺手鐧」，還是在Amazon Q 上，它既要回答企業對於「降本增效」的擔憂，也要回應企業對於「技術領先」的訴求。

02 Q，或將成為雲端運算的 「關鍵先生」

「降本增效」是個令所有 CTO 抓狂的話題。

在所有涉及統計的報表中，其真實性都極易受到質疑——不同的統計方法會產生截然不同的結果。而降本增效又尤其敏感，因其實際是將員工的個人工作行動抽象並量化了。

在嘗試用技術產品思維，解決降本增效問題的歷史中，大量的SaaS工具吃了虧。對於習慣了舊有工作模式的員工來說，新產品幾乎總是不好用的。此前知名的協作工具，如Tower、Teambition，都遇見過類似的情況，喜歡它們的和討厭它們的人，幾乎一樣多。

生成式 AI 在這一問題上的最大機會，是其既感知能力超越人類後，首次具備了強大的認知能力。 今天利用自然語言和AI互動的業務人員，實際上可以不再關心某個協作工具的使用邏輯、頁面互動邏輯，只需要自然詢問，然後得到答案。

這一理想中的結果，在今天被亞馬遜雲科技交付給Amazon Q Business 來實作。5月1日，亞馬遜雲科技官宣Amazon Q 正式上線，其分為兩個版本：Amazon Q Business和Amazon Q Developer。

官方介紹顯示，Amazon Q Business是一個由生成式AI驅動的助手，可以根據企業系統內的數據和資訊回答問題、提供摘要、生成內容並安全地執行任務。該工具旨在提升員工的創造力、數據驅動能力、效率、預備能力及生產力。

實際上可以將其理解為一個AI版的「數碼化業務架構師」，這個AI 既要理解業務背景、上下文訊息，也要理解組織架構，能分配好許可權。

在五年前，數碼化轉型如火如荼的時期，企業開始定義「數碼化業務架構師」這樣一個職位，但無奈招不到合適的候選人，因此這一職位大部份時間只存在於理論中，變成了個「歷史遺留問題」，沒成想，被今天的AI完美接任。

據亞馬遜雲科技透露，Amazon Q Business 可以連線40多種常用的業務工具，包括維基百科、內聯網絡、Atlassian、Gmail、Microsoft Exchange、Salesforce、Slack等，差不多是當下市面上支持資訊源最多的工具。

另外，Amazon Q Business可以和亞馬遜雲科技旗下多個雲產品組合聯動，比如Amazon Q Business + Amazon QuickSight。Amazon QuickSight是專為雲構建的統一BI服務，但Amazon Q Business可以給出具備匯報價值的數據結果，這與以往的BI工具截然不同。

至於Amazon Q Developer，則是服務於開發者和企業的研發流程。嚴格來說，這倒是一個很卷的賽道——過往雖然沒有領先幾個身位的統治級產品，但體量接近的研發效能工具卻不少，且大部份開發時間較久，和開發者就產品功能有多年的互動和反饋。

如果對比 2020 疫情前，領先企業的研發效能提升通常都在 50% 以上，很難想象，這裏還有什麽發揮空間。

但Amazon Q Developer完全不受影響。個中關鍵在於，生成式AI對於開發者工作的效率提升是顛覆性的，也是在2023年最早付諸實踐，並卻得巨大成果的。有業內人士分享，公司優秀的架構師，今天完全可以脫離程式碼編寫人員獨立工作——傳統的程式碼便攜工作完全交給 AI實作，效率提升不止一倍。

此外，Amazon Q Developer已經深度介入了研發效能的整個生命周期，從立項、功能定義到測試用例，都全部覆蓋了。

對於今天的研發團隊而言，這仍然是關鍵的。 去年為止，生成式AI對研發團隊的效能提升，更多依賴於某個架構師或者開發者的個人學習能力，但在今天有望沈澱為組織能力。

因此，對公有雲業務的最新解之一，不在於對組織、效能的概念做出一個多標新立異的闡述，而在於返璞歸真，重回業務的一線，實際關註業務細節。

無獨有偶，Amazon Q Developer所負責的這部份工作，此前也有專門的崗位設計，行業內一般稱其為「技術顧問」。與「數碼化業務架構師」不同的是，「技術顧問」並不少見，在互聯網行業崛起的十余年間裏，始終在發揮作用。

Amazon Q面世不到一年，直指兩大顧問角色，不得不說，也代表了生成式AI的未來發展趨勢之一。

03 公有雲：從發散到收斂

公有雲經歷了由少到多的階段——服務在IaaS、PaaS、SaaS 三個維度暴漲。

以亞馬遜雲科技為例，從2014到2019年，流動互聯網、AI與大數據、IoT等多個方向的解決方案在雲服務上爆發式湧現，服務數量超越上個五年數倍。

而生成式AI爆發後，搭載AI能力的雲基礎設施正變得越來越復雜。按過往經驗，底層基礎設施的復混成，勢必牽引 PaaS 層、SaaS 層的服務也變得復雜。但自然語言替代 Web UI 成為主流互動方式，或許有望改變這一趨勢。

這給 Amazon Q 增加了些許裏程碑意義。

後續兩個指標，或許將證明這次產品叠代的長期意義，一個是IaaS層長期的價格變動走勢，一個是小微企業的平均團隊規模是否正在縮小。

無論如何，今天的 Amazon Q 值得各家雲端運算企業學習和借鑒。