2026 年亚马逊计划投入 2000 亿美元资本开支，大部分用于 AI 基建，而 2026 第二季度亚马逊云科技营收同比增长 37%，年化收入运行率达到 1690 亿美元。同时，亚马逊自研芯片 Graviton、Trainium，其年收入运行率已超过 200 亿美元。
在这个默认更大、更快、更贵的 AI 竞赛中，亚马逊副总裁兼首席技术官 Werner Vogels 在这次来到中国深圳，给出的不是一张加速路线图：成本必须可控，不必追求最强模型，Agent 必须被约束，人类需保留最终判断。其底色是对 AI 进行控制与负责任，尽可能将 AI 规模化的风险降到最低。
Werner 既是亚马逊的 CTO，同时也是亚马逊云科技的 CTO，正是这样的角色位置，使得他时刻需要自己与自己对话。Werner 是亚马逊云业务从内部发展成为全球云平台的关键推手，搭建了如今云计算行业对于 " 按需付费 "" 成本可控 "" 可靠性优先 " 等工程文化的共识。在 2025 年 re:Invent 的告别演讲中，他没有发布任何新产品，而是讲了一个叫 " 文艺复兴开发者 " 的框架，有评论者写道：" 他不是在讲技术，他在讲人。"
在 Werner 眼里，成本与可持续性、安全、性能一样，都应该成为非功能性需求，客户要明确，自己愿意为此付多少钱。当企业从昂贵大模型转向开源模型时，其背后的驱动因素可能也与成本相关。企业现在同样对 AI 系统成本的不可预测有些疑惑，企业仍在权衡成本与收益，寻求真正的投资回报。
" 恐惧是一种非常糟糕的决策方式。"Werner 强调。他反对企业对于 FOMO 驱动的 AI 转型决策，企业应该先教育、先理解，而不是被模型的迭代速度所裹挟。企业要先搞清楚要解决什么问题，是创新，还是提高效率，怎样帮助人类。AI 只是工具，工作仍然是人类的。
企业采购的从来不单单是某个系统、服务，还有信任。谁开发了 Agent，谁就要能够对 Agent 的行为负责，对 Agent 进行控制。信任的另一面是风险，尤其是当下人们开始厌倦 AI 生成的内容。人们喜欢真实、创造力，以及人与人之间产生的内容。AI 可以帮助人类，但最终采取行动的仍然是人类。
一个亲手定义了云经济模式的人，也正在审视 AI。
先教育，再上车：FOMO 是糟糕的决策策略
企业觉得现在必须转向 AI，主要是害怕错过。Werner 观察到一个现象：每周都有三个新模型，客户越来越焦虑，害怕自己不理解一切，有时闭着眼睛冲进 AI 时代，却还没有充分理解这项技术的能力。
Werner 经常建议客户先三思再 AI，花点时间学习，确保真正理解技术能做什么。所有工程师和工程管理人员，都应该接受相关学习。恐惧是一种非常糟糕的决策方式，只有知识才能消除恐惧。
他提到 Jeff Lawson 写的一本书《问问你的开发者》。Jeff 曾在亚马逊工作，后来担任 Twilio 的 CEO。书的核心观点是：你不一定需要找麦肯锡或高德纳。如果真想知道技术能做什么，去问你的开发者。" 好的开发者很可能早就开始学习这项技术了，知道它能做什么、不能做什么。如果决策建立在知识上，企业就更容易作出正确决定。如果建立在恐惧上，那大概不是企业希望走的方向。"
在明确了先理解再采用的前提下，成本问题紧接着浮现。企业现在对 AI 系统成本的不可预测有些疑惑：想提高效率，却要花很多钱，真的值得吗？Werner 指出，企业仍在权衡成本与收益，寻求真正的投资回报。
Werner 提醒了一件容易被忽略掉的事：" 人工智能 " 这个词已经有七十年历史了。麦卡锡有一句话：" 一旦它能正常工作，我们就不再把它叫作 AI。"
两三年前生成式 AI 兴起之前，已经有大量 AI 研究成果在工作——乳腺癌筛查中的影像分析、指纹识别、文本转语音、预测模型，它们不需要生成式 AI，但它们是 AI。大家不应该忘记 AI 这个类别里已经有一整套成果，只是因为它们已经有效工作，就不再称它们为 AI。
对于这些较新的 AI 系统，Werner 反复追问的是同一个问题：它们怎样帮助人类？应该是 AI 进入人类的工作闭环，而不是反过来。它们只是工具，工作仍然是人类的。一家中国企业 " 大米和小米 " 将 AI 用于自闭症孩子康复训练的案例，让 Werner 对 AI 技术的使用非常乐观，不是因为技术多强，而是因为技术被放在了正确的位置上。
Agent 从会回答到会行动，护栏必须先于能力
聊天机器人的输出主要是供人阅读的，就像非常聪明的搜索引擎。Agent 会采取行动，这就很不一样。Werner 拆解了 Agent 的内部机制：它仍然需要知道怎样预订酒店、更改航班，需要访问长期记忆，需要持续存在，还需要学习偏好。触发因素可能是客户提出的请求，无论来自某个界面、电子邮件、Slack 还是 Discord，都会触发 Agent 开始工作。
Werner 直言，这与过去的系统并没有那么大的不同。区别在于，允许它们自主行动，自己完成任务，并信任它们这么做。真正显著的变化是：Agent 具备更多能力，也能接触更多知识。如果没有设置好的护栏，它们就可能采取错误行动。
在亚马逊和亚马逊云科技，开发了一种叫 Dogwood 的语言，可以用它准确规定 Agent 能做什么、不能做什么。Dogwood 引擎负责执行这些规则。如果客户使用 Strands Agents、Strands Box，Agent 想执行的任何操作，都必须经过这个引擎。这不是为了省资源，而是因为 Agent 能力越强，失控的后果越严重。客户只需要明确描述 Agent 能做什么，它就只能做到这个范围。
Werner 有一句话：" 你构建它，你就对它负责。" 谁开发了 Agent，谁就要对它的行为负责。
这意味着，必须能够控制它。如果没有设置控制措施，任由 Agent 跑出去、进行自我学习，那就是人的责任，"AI 是人类创造的东西，它没有自己的独立意志。Agent 采取任何行动，最终仍然由人负责。"
最近，一些 Agent 采取了开发者没有预料到的行动。构建和部署这些 Agent 的人，需要设置好控制措施，让它们在设定的边界内运行。对客户，要确保他们拿到的是一个严密、封闭的沙箱环境，只能执行客户明确规定的操作。
Agent 经常需要判断：" 我应不应该采取这个行动？" 它不需要大语言模型给出五十页的答案，只想知道 " 可以 " 或 " 不可以 "，并附带一个置信度分数。Strands Decider 就是做这件事的决策模型。模型完全开源，权重和输入数据集也开源，所有人都可以检查模型训练时用了什么。如果模型是黑箱，至少还能了解一些权重方面的信息；如果输入数据也开源，就知道模型是用什么训练出来的。因此，开源会继续发挥非常重要的作用。
但开源和护栏之上，还有一条不可逾越的底线。Werner 指出，如果涉及金融服务、生命科学、医疗系统等监管要求，甚至涉及生命安全，可能就需要在采取任何行动前，由人审核全部内容，" 人类在创造力、判断力、智慧和经验方面具有独特性。经验没有压缩算法。工具可以帮助人，但最终采取行动的仍然是人。"
模型够好就够了：成本是可持续性的近似指标
如果谈云业务，Werner 认为最自豪、也觉得影响最深远的，是改变了经济模式。客户只为实际使用的资源付费，想离开时随时可以离开，不应该有合同义务限制。这种模式还实现了预付费模式做不到的一件事：缩容。" 扩展不只是扩容，缩容甚至更重要，因为客户不再需要为闲置资源付费。"
亚马逊云科技的财务模式，被 Werner 称作随资源使用而变化。每项服务的费用，与企业使用的资源量直接相关。他认为，成本是衡量可持续性一个很好的近似指标。付的钱越少，使用的资源越少，通常也就越可持续。为此亚马逊围绕这一点建立了 " 节俭架构 " 理念，让客户在设计架构时，把 " 这会花多少钱 " 考虑进去。成本与可持续性、安全性、性能一样，都应该成为非功能性需求。客户需要明确，自己愿意为此付多少钱。
这套逻辑延伸到 AI 模型的选择上，就是 Werner 所说的 " 够好就够了 " 原则：排名第一的模型可能比其他模型贵得多。在亚洲，无论中国、韩国、日本、新加坡还是泰国，大家更倾向于把 AI 视为一种基础服务，应该让所有人都能使用，最好成本极低，甚至免费。
不少客户最初使用那些昂贵的大模型，后来逐渐发现：这个较小的模型，可能就足以完成任务，成本只是原来的一小部分。因为拿到了权重，他们也能自己运行模型。Werner 仍然希望客户不断实验、测量和学习，这是一个循环，" 能够访问模型、检查权重，很重要。" 但他更希望输入数据集也能开源，这些模型能够推动巨大的创新，尤其是在机器人和物理 AI 领域。在中国，Werner 看到了足够多的例子，把物理 AI 融入日常生活方面，已经走得很远。
还有一个容易被忽视的维度：语言不只是词语，里面还有文化。Werner 以荷兰为例——别人经常说荷兰人很无礼，因为讲话直接，想什么就说什么，不加修饰。如果用荷兰历史和文本训练一个模型，它就会给出非常直白的回答。如果希望用户信任技术，技术不仅要会说当地语言或方言，还要用符合当地习惯的方式说话。面对中国用户，就需要按照中国人表达尊重的方式交流，否则客户不会信任它。
AI 时代的竞技，有时候选择不做什么比做什么往往更难以抉择。Werner 给出的不是一张加速路线图，而是一份减速清单：先教育再上车，先护栏再行动，先够好再追第一。
（本文首发于钛媒体 APP，文｜TechHorizon）
