一個萬億級市場的最新解法

有報告稱，全球公有雲市場，預計在2026突破兆級大關，相當於沙地阿拉伯 2023 全年的GDP 總值。

但也就是這樣龐大的市場，先前幾乎完全建構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，卻始終存在著一定的爭議。

前者的問題在於，上雲的經濟帳並不好算，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。

歸根究底，先前的雲端產業，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代表的部分公司，開始權衡上雲、下雲的利弊。隨後，以降低以雲端成本為目標的FinOps 理念，迅速引起業界注意。到了2024 年Q2，國內雲端運算市場乾脆掀起了「價格戰」的口號。

生成式 AI 確實是個好機會，但目前整個產業的利潤都積壓在硬體側，雲廠商想把握這次機會也不容易。

對此，Amazon Web Services(AWS)的想法是，先搞定產業。

01

Amazon Web Services(AWS)，開始進攻垂直產業了

在5月29日剛開幕的Amazon Web Services(AWS)中國高峰會上，亞馬遜全球副總裁、AWS大中華區總裁儲瑞松，表示2023 年底，AWS組成了汽車、製造、生命科學、零售電商、媒體娛樂、遊戲、軟體、金融八個專門的產業團隊。

其目的是為了「更貼近產業和客戶」。

應該說，這次調整後，主流雲廠商殊途同歸，走到了一起。

此前，AWS的主要競爭策略主要包含兩條：一是放大產品技術優勢；二是藉助規模經濟與成本優勢，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。

重心向產業轉移後，AWS背後的產品體係也發生了重大變化。

Amazon SageMaker、Amazon Bedrock 當下佔據了極重要的位置。一年來，作為AWS進攻AI領域客戶的重要底牌：Amazon SageMaker Jumpstart，功能是讓企業可以取得、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，主要是考慮業界客戶的訴求。當下大模型市場不僅是混亂的，也是複雜的。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，當下各個模式擅長領域各有不同。例如根據Datalearner 公佈的測試數據來看，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，整體資料準備、權重設計等因素所造成的綜合結果。

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、一般模型之間的差異較大。

因此，從Amazon SageMaker Jumpstart 到Amazon Bedrock，AWS設計的這種一條龍式的服務能力非常關鍵，是進攻產業客戶的「核心武器」。

此外，在5月30日，AWS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 。

這無疑是對國內雲端市場釋放了持續加碼的訊號， AWS正在解決生成式 AI 雲端服務的本土化問題和針對場景的生成式AI解決方案。過去AWS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，如果只停留在這個層面，其實並沒有擺脫雲端運算概念退化的問題。AWS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，因其實際上是將員工的個人工作行動抽象化並量化了。

在嘗試用科技產品思維，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。先前知名的協作工具，如Tower、Teambition，都遇過類似的情況，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。

這理想中的結果，在今天被AWS交付給Amazon Q Business 來實現。 5月1日，AWS官方宣Amazon Q 正式上線，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、產生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“數位化業務架構師”，這個AI 既要理解業務背景、上下文訊息，也要理解組織架構，能分配好權限。

在五年前，數位轉型如火如荼的時期，企業開始定義「數位化業務架構師」這樣一個職位，但無奈招不到合適的候選人，因此這一職位大部分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。

根據AWS透露，Ama​​zon Q Business 可以連接40多種常用的業務工具，包括維基百科、內部網路、Atlassian、Gmail、Microsoft Exchange、Salesforce、Slack等，差不多是當下市面上支援資訊來源最多的工具。

另外，Amazon Q Business可以和AWS旗下多個雲端產品組合連動，例如Amazon Q Business + Amazon QuickSight。 Amazon QuickSight是專為雲端建構的統一BI服務，但Amazon Q Business可以給出具備匯報價值的資料結果，這與以往的BI工具截然不同。

至於Amazon Q Developer，則是服務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，且大部分開發時間較久，和開發者就產品功能有多年的互動和回饋。

如果對比 2020 疫情前，領導企業的研發效能提升通常都在 50% 以上，很難想像，這裡還有什麼發揮空間。

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，今天完全可以脫離代碼編寫人員獨立工作——傳統的代碼便攜工作完全交給 AI實現，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週期，從立項、功能定義到測試案例，都全部涵蓋了。

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，更依賴某位架構師或開發者的個人學習能力，但在今天可望沉澱為組織能力。

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，實際關注業務細節。

無獨有偶，Amazon Q Developer所負責的這部分工作，此前也有專門的崗位設計，業界一般稱其為「技術顧問」。與「數位化業務架構師」不同的是，「技術顧問」並不少見，在網路產業崛起的十餘年間裡，始終在發揮作用。

Amazon Q面世不到一年，指向兩大顧問角色，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

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

以AWS為例，從2014到2019年，行動上網、AI與大數據、IoT等多個方向的解決方案在雲端服務上爆發式湧現，服務數量超越上個五年數倍。

而生成式AI爆發後，搭載AI能力的雲端基礎設施正變得越來越複雜。按過往經驗，底層基礎設施的複雜化，勢必牽引 PaaS 層、SaaS 層的服務也變得複雜。但自然語言取代 Web UI 成為主流互動方式，或許有望改變這個趨勢。

這為 Amazon Q 增加了些許里程碑意義。

後續兩個指標，或許將證明這次產品迭代的長期意義，一個是IaaS層長期的價格變動走勢，一個是小微型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鏡。