當云計算開始在硅谷“造星”，一場自我革命開始了

作者 | 陳姚戈、王一鵬

亞馬遜云科技是 AI 時代最大的“造星平臺”嗎？

恐怕是的。

在拉斯維加斯 re:Invent 2025 的主舞臺上，年輕 AI 公司的接連登場，再次驗證了這位云計算老大哥的號召力：在啤酒和輪盤的烘托下，亞馬遜云科技在新一代創業者眼中依舊性感，還沒有成為年輕人口中的 “Boring Old Guy”。

比如，成立不到兩年、估值已達 31 億美元的 Decart AI，憑借全球首個實時視頻生成模型迅速躥紅。其創始人在 re:Invent 上表示：“Amazon Trainium3 是我們創造出‘實時視覺智能’這一全新技術的關鍵推動力?！?/p>

另一家以視頻理解見長的 TwelveLabs，則把自己的數據基礎設施核心建立在 Amazon S3 之上。創始人 Jay Lee 形容公司是“誕生于亞馬遜云科技的公司”，Amazon S3 Vectors 的加入，讓他們具備了規?；桓兑曨l智能解決方案的能力。

更搶戲的是蘋果的再次現身。

去年，蘋果首次站臺，宣布采用亞馬遜云科技芯片訓練 Apple Intelligence。今年，蘋果進一步分享了一項技術實踐成果：蘋果已經將部分核心服務用 Swift 語言重寫，并將工作負載遷移至 Amazon Gravition 芯片運行，最終實現 40% 的性能提升與 30% 的成本降低。

“從 x86 架構的過渡幾乎是無縫的，Java 服務的遷移近乎直接替換，這要歸功于 Amazon Graviton，”云系統和平臺部門副總裁 Payam Mirrashidi 分享，“蘋果早在十多年前就已轉向 ARM 架構以驅動我們的設備。如今，我們同樣看到了基于 ARM 的 Amazon Graviton 在基礎設施層面帶來的價值——它讓我們從基礎設施中獲得了更高回報。更高的吞吐量意味著所需實例更少、成本更低、環境足跡更小，這對我們的客戶和地球而言是一場雙贏?！?/p>

可以說，這些估值飆升的新銳和謹慎的大廠，都對亞馬遜云科技的考量達成了共識。這種共識這可能來自亞馬遜云科技于基礎設施層面，大膽的自我革命和不知疲倦的工程優化。

一場果決的自我革命

都說“船大難掉頭”，但對于奉行“兩個披薩原則”的亞馬遜云科技而言，倒也未必如此。當 AI 工作負載的復雜性與苛刻要求，撞上云計算固有的服務形態，亞馬遜云科技幾乎沒什么猶豫——作為曾經最堅定的無服務器（Serverless）倡導者，他們主動打破了親手建立的概念邊界。

2014 年，亞馬遜云科技推出 Amazon Lambda ，初衷是讓開發者徹底擺脫“服務器管理”這件繁重又低效的事情。

隨著云計算進入更復雜、更大規模的應用場景，亞馬遜云科技發現客戶的需求已經遠遠超出了當年的假設——他們一方面希望希望接入 Amazon EC2 技術、需要大規模場景下的可預測性能、更高的網絡吞吐量、亞毫秒級延遲 ，也不愿為了這些需求犧牲 Amazon Lambda 與生俱來的簡潔性。

亞馬遜云科技很早意識到這一結構性矛盾。幾年前，它就將 Amazon Lambda 團隊與 Amazon EC2 團隊整合到同一個組織下，不再將計算僵硬地分類為 “服務器、容器、無服務器” ，而是將其看作一個選擇光譜。

今年的 re:Invent，亞馬遜云科技給出了這一戰略的關鍵拼圖——Amazon Lambda 托管實例（Amazon Lambda Managed Instances）。它允許開發者在專用的 Amazon EC2 上運行 Lambda 函數；在用戶自主選擇實例類型和硬件規格的同時，仍能享受到 Amazon Lambda 帶來的便利。

這是一項足以改變 Serverless 定義的更新。亞馬遜云科技實際上為大型企業開辟了一條從 Amazon EC2 平滑進入 Amazon Lambda 的遷移路徑，讓那些原本因性能、成本或硬件需求而必須留在 Amazon EC2 上的穩態工作負載，也能無縫銜接 Amazon Lambda。

FaaS 與容器服務的界線也因此進一步模糊。無服務器不再是一個要么接受，要么放棄的選擇，而是一系列可按需調節的服務。

亞馬遜云科技的第二場自我革命，則來自底層硬件。

在本屆 re:Invent 大會上，亞馬遜云科技發布了迄今為止性能最強、集成度最高的 CPU Amazon Graviton5。

Amazon Graviton5 最顯著的變化，是從 Amazon Graviton4 的雙芯片設計，回歸到單封裝架構。這一調整帶來了根本性的提升：192 個核心共享統一的內存訪問路徑，消除了跨芯片通信帶來的結構性延遲。相比之下， Amazon Graviton4 的兩顆芯片之間雖然 Coherent Link 鏈接，但跨芯片訪問仍會引入協議開銷與排隊等待，某些場景下延遲甚至可能增加兩倍。

在單封裝的基礎上， Amazon Graviton5 實現了規模與效率的飛躍：在單個封裝內集成 192 個核心，并將 L3 緩存容量提升至前代的 5 倍以上。實際測試中，基于 Amazon Graviton5 的新一代 M9g 實例，性能比基于 Amazon Graviton4 的 M8g 實例提升約 25%。憑借這一表現， Amazon Graviton5 已具備與 AMD 的 192 核、Intel 的 144 核服務器芯片直接競爭的規模與實力。

展示性能參數之外，蘋果又一次站上了 re:Invent 的主舞臺。

去年，蘋果 AI 與機器學習高級總監 Benoit Dupin 曾透露，與傳統的 x86 實例相比，使用亞馬遜云科技的 Amazon Graviton 和 Amazon Inferentia 芯片后，處理機器學習工作負載的效率提升超過 40%。

蘋果云系統和平臺部門副總裁 Payam Mirrashidi 這次則披露了更多合作內容：運行在 Amazon Graviton 上的 Swift 應用，每天處理著數十億次請求；蘋果已將多項核心服務用 Swift 重寫并遷移至 Amazon Graviton 平臺，最終獲得了 40% 的性能提升與 30% 的成本降低。

與蘋果的合作釋放出重要信號： Amazon Graviton 的價值已超越單純算力或性價比，x86 向 ARM 的遷移不再只是早期嘗試者的冒險，而是成熟企業可以大規模推進的選擇。

極致的性能壓榨和工程優化

亞馬遜云科技實用計算高級副總裁 Peter DeSantis，和亞馬遜云科技計算與機器學習服務副總裁 Dave Brown 的主題演講，歷來是觀察云基礎設施演進的標尺。2025 年，當 AI 成為一切工作負載的核心，亞馬遜云科技在基礎設施上的創新，都指向一個明確靶心——為 AI 重塑成本和效率。

從硅基芯片、軟件棧再到核心服務，亞馬遜云科技正以前所未有的深度，對 AI 的算力、推理與數據基礎設施進行“性能壓榨”。

性能優化的起點，是對算力單元的重構。Amazon Trainium3 芯片及以其為核心的 Amazon EC2 Trn3 UltraServers，共同構成了為超大規模 AI 訓練而生的系統級答案。

Amazon EC2 Trn3 UltraServers 是由 144 顆 Amazon Trainium3 芯片構成的單一 AI 超級計算機，提供 360 petaflops 的 FP8 計算能力與 20 TB 高帶寬內存，計算與內存帶寬相比前代分別提升 4.4 倍與 3.9 倍。實際效能更為關鍵：運行 GPT-OSS-120B 模型時，每兆瓦功耗輸出的 Token 數量是 Amazon Trainium2 的 5 倍以上。

在發布 Amazon Trainium3 同時，Peter DeSantis 披露 Amazon Trainium4 正在開發中，承諾提供比 Amazon Trainium3 高 6 倍的 FP4 計算性能、4 倍內存帶寬和 2 倍高帶寬內存容量。這將確保亞馬遜云科技在 AI 芯片領域的長期領先地位。

比一系列令人眼花繚亂的性能數字更有“殺傷力”的指標是，投資 Amazon Trainium3 是個省錢的“生意”，Peter DeSantis 在演講中表示，Amazon Trainium3 可以將訓練成本降低 40%。

如果一款芯片可以同時實現性能升級、成本降低、效率提升，那對于 AI Infra 構建者而言無異于“夢中情人”。頂尖 AI 公司因此齊聚 Amazon Trainium 生態下，驗證了這條路徑的價值： Anthropic 在 Amazon Trainium 上訓練和運行 Claude 最新一代模型。Decart AI 則借助 Amazon Trainium3 與 NKI 優化實時視頻生成模型，實現了 4 倍幀率性能提升和 80% 的張量核心利用率，遠超傳統 GPU 系統。

談及對 AI 落地工程的優化，向量能力是另一個不可或缺的維度。

此次發布會中，亞馬遜云科技給足了誠意，宣布向量搜索在全平臺落地，客戶無需學習全新的技術棧，也無需管理復雜流水線，亞馬遜云科技將向量能力集成到各類服務中，例如 Amazon OpenSearch。

向量搜索能力的全平臺落地，在效率和成本上都帶來的優勢——客戶無需重新學習全新的向量數據庫，也無需為新的服務付費。

向量服務的底座支撐，是此次全新發布的 Amazon Nova 多模態嵌入模型。它實現了向量跨模型搜索的功能，支持文本、文檔、圖像、視頻和音頻，將所有這些概念轉換為共享向量空間，創建對數據的統一理解。

最令人感到振奮的應用，莫過于 Amazon S3 Vectors。它將向量存儲能力整合至亞馬遜云科技最大的數據服務 Amazon S3 中，Amazon S3 的原生成本結構與海量規模為向量數據庫提供了強力支撐，可實現數十億級向量的亞 100 毫秒級查詢響應。

Amazon S3 Vectors 的核心功能，已經滋養出了前文提到的 TwelveLabs 這般的頂尖視頻模型公司。

TwelveLabs 將其核心數據平臺構建于 Amazon S3 之上。借助 Amazon S3 Vectors，該公司得以直接在存儲原始視頻的 S3 存儲桶中，處理并存儲數十億個向量嵌入。這消除了數據遷移與架構重構的復雜性，使其能夠高效處理數百萬小時的視頻數據。

此外，在 2024 年作為“傳聞”見諸媒體的“地幔計劃 Project Mantle”，在 2025 年被正式發布，成為了現實。

從芯片到實例，再到 Amazon Neuron SDK ，完成高效 AI 推理的組件已經齊全，但管理方法和平臺尚有不足，面對即將到來的海量并發推理任務，亞馬遜云科技顯然不準備把管理的復雜性完全留給客戶。

此次發布的 Amazon Project Mantle 推理引擎，則通過構建能實時自適應的架構，應對推理請求的各階段流程需求不同、高并發狀態下客戶需求多樣的挑戰。

Amazon Project Mantle 通過三通道的優先級管理、獨立客戶隊列、基于日志的持久化狀態恢復等機制，將充滿不確定性的推理過程轉變得可預測。

在服務層級上，系統讓客戶自主定義推理需求層級，并將請求分配到不同優先級的通道：Priority 通道面向實時、延遲敏感的交互場景，Standard 通道適用于穩定可預測的工作負載，Flex 通道適合后臺任務、更注重成本效率。

公平性問題上，Amazon Project Mantle 為每位客戶分配獨立隊列，確保一個客戶的突發情況不會影響其他客戶性能。

同時，為了在長時間運行請求下保證架構的可靠性，Amazon Project Mantle 引入了日志系統，使 Amazon Bedrock 可以持續捕獲每個請求的狀態，一旦出現問題，就能從斷點處精確恢復。日志系統也使得更精細的微調策略得以實現：在 Amazon Bedrock 中，微調被視為一項長時間運行的任務，實時流量激增時暫停，流量回落微調會從斷點處繼續執行。

在重新設置推理引擎時，亞馬遜云科技還重點考慮了有嚴格隱私與合規要求的企業。Amazon Bedrock 集成了機密計算（Confidential Computing）技術，使運維人員無法訪問運行環境，確保請求在經過客戶認證的環境中執行。

考慮到與蘋果、OpenAI 以及一種硅谷獨角獸廣泛的、深度的合作，在所有參與構建未來 AI 的公司面前，亞馬遜云科技實質上正成為最值得依賴、也最具前瞻性的云計算伙伴。

首先，亞馬遜云科技擁有“自我重構”的決心。 從打破無服務器邊界、推出 Amazon Lambda 托管實例，到改變 Amazon Graviton5 芯片架構，亞馬遜云科技不惜解構自己確立的產品形態與規則。這清晰傳遞出一個信號：在 AI 重塑一切的未來，任何固有的架構、概念與教條，都必須為更高的效率、更強的性能和更切實的客戶價值讓路。放下包袱，方能定義未來。

其次，在過去幾天的發布中，亞馬遜云科技的高管們多次提到，公司在很多模塊都擁有全棧自主生產、調優的工程能力，考慮到大部分云計算企業仍然執拗于“堆卡”“GPU 優先分配權”，這為亞馬遜云科技帶來了難得的“工程縱深”。 亞馬遜云科技拒絕捷徑，從芯片、服務器到服務層，建立起極致的性能與效率優勢。它同時投入專用 AI 算力與通用 CPU 算力，表明其理解 AI 革命的基石依然是堅實、可靠且高效的基礎設施。

第三層，則是不斷擴大的生態壁壘。從芯片到模型，從數據到開發工具，亞馬遜云科技提供的是一套可托付、可擴展、持續進化的“全棧能力地圖”——它不僅提供算力，更提供確定性。

最終，這一切技術創新與戰略選擇，都指向亞馬遜云科技一直堅持的一點：AI 的形態在變，應用的寫法在變，但云計算最基本的價值——安全、可用、彈性、成本與敏捷性——從未過時，反而愈發成為決定性競爭力。亞馬遜云科技在這一點上重新把行業的注意力拉回了基礎：AI 的未來，必須建立在一個穩固的地基之上。

2025 亞馬遜云科技re:Invent 中國行即將啟幕！12月18日開始，北京、上海、深圳、成都四城線下巡演及線上專場將同步開啟，無論你是云計算新手還是技術老兵，都將從高階演講、實戰內容、技術分享和專家互動中受益。點擊【閱讀原文】立即注冊，搶占席位，把握Agentic AI時代的新機遇！