每經記者｜張梓桐    每經實習編輯｜余婷婷    

“亞馬遜云科技不會打極致的‘價格戰’，我們更注重功能、安全、可擴展性、合規這些方面形成整體價值。我認為這些都是客戶在將生成式AI推向生產階段時必須要綜合考慮的因素。”近日（6月20日），亞馬遜云科技大中華區產品部總經理陳曉建在接受《每日經濟新聞》記者專訪時如是說道。

圖片來源：企業供圖

雖然當前AI（人工智能）大模型行業還處在非常早期的階段，但價格戰已經愈發激烈。今年5月以來，頭部廠商相繼祭出“降價牌”，阿里云宣布通義千問主力模型Qwen-Long API（應用程序編程接口）輸入價格直降97%；百度也于近日宣布兩款主力模型ENIRE Speed、ENIRE Lite全面免費。

Deepseek所彰顯的極致性價比能力仍在影響著中外的大模型廠商，在“價格戰”下，行業洗牌速度加快，一些企業也在環境倒逼之下卷入這場漩渦之中。亞馬遜云科技又如何看待這一趨勢？

陳曉建對此顯得相對坦誠而冷靜：“對用戶來說，他們當然希望能用到最先進的功能，同時也希望價格合理，這都是完全可以理解的。但從另一個角度來說，雖然功能和價格是很重要的兩個方面，但其實客戶在使用生成式AI時還需要考慮很多其他的因素，比如安全與合規。我相信這也是所有客戶都會非常關注的點。”

價格戰之外，當安全合規成為核心壁壘

在陳曉建看來，亞馬遜云科技在設計產品的時候，并不僅僅關注功能和價格，而是全面考慮整個使用過程中的關鍵因素，包括功能、性能、成本控制、數據結合能力、安全與合規等方面。這些都是亞馬遜云科技持續重點投入的方向。

“客戶在落地生成式AI時，普遍會經歷從業務場景選擇、原型驗證到最終上線的過程，期間主要面臨模型功能匹配、成本控制、數據利用和安全合規四大挑戰。”陳曉建在采訪中指出，不同大模型在具體業務場景中的表現存在差異，企業需在功能、性能與成本間做權衡，“比如選擇最智能的模型、響應最快的模型，還是成本最低的模型”。

此外，成本控制也是企業落地的核心考量之一。“標準大模型調用中，部分成本來自冗余token（語言生成模型在運作時的最小工作單元）消耗，而按API調用按需計費的模式已成為行業主流。”

陳曉建提到，Amazon Bedrock提供的Prompt Caching（提示詞緩存）技術可減少token用量，“某電商客戶通過緩存高頻促銷話術，降低了模型調用成本”。對于定制化需求，平臺支持模型微調與知識庫構建，“若需要完全自定義訓練，亞馬遜云科技自研的專用芯片Amazon Trainium和Amazon Inferentia也可以提供支持”。

在數據利用層面，企業同樣希望挖掘自有數據的差異化價值。“制造業的設備傳感器數據、醫療行業的電子病歷等非結構化數據，需通過清洗與語義建模才能被大模型理解。”陳曉建介紹，Amazon SageMaker Unified Studio整合了PB級（更高級別的數據存儲容量單位）數據處理與大模型融合能力，“某車企通過該平臺整合路采數據與仿真場景，縮短了高級輔助駕駛模型迭代周期”。

最后一個挑戰是安全與合規。每位客戶都會將安全合規視為業務底線。無論客戶在哪個國家或行業開展業務，都必須滿足當地法律法規的要求，同時確保模型輸出內容的合法性和可控性。“金融領域的反洗錢模型、醫療領域的病歷生成等場景，對內容合規性要求極高。”陳曉建舉例。

AI Agent爆發前夜：從工具集成到智能決策的范式遷移

AI Agent（代理式人工智能）也被亞馬遜云科技視為未來生成式AI發展的重要方向。

“過去一年，機器智能已經爆發了，如今AI的發展又來到了一個拐點，我們正處在AI Agentic爆發的前夜。”6月19日，在亞馬遜云科技中國峰會上，亞馬遜全球副總裁、亞馬遜云科技大中華區總裁儲瑞松表示。

儲瑞松指出，正如歷史上蒸汽機的出現放大和解放了人與動物的肌肉力量，通過在紡織、交通、采礦和冶煉等領域的應用帶來了工業革命。機器智能的爆發則放大和解放了人的大腦智力，其應用也將帶來AI Agentic的革命。

從背后原因來分析，當前大模型雖為智能核心，但要解決現實業務問題，需借助AI Agent連接大模型能力與實際業務系統。它可對接企業內部IT系統，自動開工單、處理流程，完成一系列業務邏輯操作，是實現大模型“落地”的關鍵。

陳曉建表示，近期AI Agent的火爆，核心原因在于其開始具備“自主思考”能力，能拆解復雜問題，通過探索、推理解決問題。像Manus這類具備自我思考能力的產品備受關注，眾多同類產品也朝此方向發展，“AI Agent不再只是執行工具，更是智能決策中介。”

作為云服務商，亞馬遜云科技又將如何抓住這一風口？

陳曉建表示，亞馬遜云科技推出的Strands Agents工具大幅簡化了開發流程。此前，合作伙伴完成典型業務場景可能需編寫2000多行代碼，借助Strands Agents，僅需二十幾行即可實現，底層邏輯通過Agent與大模型交互自動完成，開發者得以擺脫繁瑣細節，專注業務創新。

類似這種開發效率的顯著提升，預示著AI Agent將在更多場景落地，為企業智能化轉型注入強大動力。

事實上，當前國內AI大模型行業競爭分化已然顯現。李開復預測中國市場最終或僅剩DeepSeek、阿里巴巴、字節跳動三家主導，其他廠商也紛紛在垂直領域進行深耕，“要么成為某行業的‘AI基礎設施’，要么融入大廠生態。”

當前月之暗面的代碼模型、MiniMax的長文本處理已形成局部優勢，但能否在資本退潮中完成技術閉環，決定其能否穿越周期。就在6月17日凌晨，MiniMax突然向開源社區投下“重磅炸彈”，其自主研發的MiniMax-M1系列模型正式發布，被定義為“全球首個開源的大規模混合架構推理模型”。在緊隨其后的四個工作日里，MiniMax開啟“一日一更”模式，技術產品“五連發”震驚市場。

在DeepSeek以低成本、高性能模型持續改寫行業規則時，國內大模型廠商紛紛采取降價、降價、再降價的策略。這場技術與資本的雙重較量，不僅考驗企業的技術縱深，更檢驗其在算力軍備競賽與商業化變現間的平衡能力。

但對亞馬遜云科技而言，不追逐短期價格優勢，而是通過安全合規、場景深耕等方式構建長期壁壘，或許是一條更為長久的生態共建之路。