我把账本抄了下来：2200 亿美元还是不够，2026 年卖光，2027 年基本卖光，2028 年也卖掉一大块。
这一小时里，安迪·贾西把「钱花到哪、为什么还是不够、什么才会让企业真的用起来」讲了一遍。下面按节目顺序整理了全部要点，然后是整集逐句全文翻译；最值得单独看的那几句，我做成了图。1
一、片头：一天六亿，还是不够（00:00–01:31）
这一期没有寒暄，开场就是贾西本人的原话被剪进片头：「今年就算花掉 2200 亿美元，我们还是把一大块需求留在了桌上。我们总会留一部分给按需，但 2026 年显然已经卖光了，2027 年也基本卖光，2028 年的一大块也卖光了。」1
主持随即把这句话的另一面摆出来：金融市场在说「这世上没有那么多钱给这些东西融资」，而愿意为电力、散热、芯片付几乎任何价钱的大实验室就坐在同一张桌子边——那要不要把老客户买断、把容量卖给肯出价的人？这个问题在后面被真正问出来，贾西也真正回答了。
埃里克·托伦伯格随后给出这一期的四个问题：AI 需求为什么涨得这么快、亚马逊怎么决定建多少、推理成本为什么还必须降、以及 AI 正在怎么重塑亚马逊自己。
二、五年之后：规模、成本与服务（01:31–05:33）
贾西把 2021 年和今天放在一起比：整体营收高约 80%，AWS 差不多大三倍，广告约 2.5 倍。三个数字都不是本期重点，重点是紧接着的那段自述——他上任时正撞上疫情尾声，亚马逊把花了 25 年建起来的履约网络在 18 个月里翻了一倍，又用 20 个月建起了一个「跟 UPS 一样大」的最后一公里运输网络。
后果是服务成本失控。「你建得那么快，就一定会留下一堆没有优化过的东西。」当时内部有人说这是最糟糕的上任时机，他现在的判断正相反：正因为扛着服务成本的压力，公司才去重新审视那些最不肯动的信念，把一张扁平的全国履约网络区域化成一张张区域网——商品离客户更近，运输距离更短，成本更低、送达更快。他把这件事称为零售业务这几年能长这么快的重要原因。
然后才是 AI。他特意强调 AI 不是新东西，机器学习亚马逊做了很久，也经历过好几波「这次终于到拐点了」；真正的不同出现在 2023 年的生成式 AI。他把 AWS 的领先归到三件事上：功能最广、运营与安全更强、伙伴生态不同。上个季度，AWS 在 1690 亿美元年化收入上同比长了 36.7%。2
他还顺手列了手里那些「新业务的种子」：Prime Video 已经又大又赚钱、Amazon Leo 在做低轨卫星、Zoox 在做自动驾驶网约车、医疗、机器人。把这些串起来的，是他反复说的那句话——每天让客户的日子更好、更轻松一点。
三、建得太快的那一课（05:33–09:37）
本·霍洛维茨的追问是这一节最有价值的部分：亚马逊以效率和节俭出名，可你现在说「我们要建一个 UPS」，怎么在不降低文化标准的前提下把这件事讲通？
贾西的答案是 16 条领导力准则——它们彼此有张力，而「有张力」正是现实世界的样子。当时团队面对的问题被他说得非常具体：建这么快会很难、会更贵、很多事做不到最优，但客户和卖家真的需要它，那我们站在哪一边？他们几乎总是站在客户那一边。
然后是复盘机制。他没有把这段讲成胜利叙事：有些没被优化的地方，他承认当时没预见到。真正让问题浮出来的是两件事——好的指标，和「讲真话的文化」：把数据摆到桌上、把问题摆到桌上、彼此直接、不允许有人把问题糊过去。看清之后，团队回去重架构了网络的关键部分，而那件事在当时那份优先级清单上只排第八、第九位。
四、「建了就会有人来」与 2200 亿（09:37–15:38）
主持人把 AWS 的起点和今天并置：当年是「建好，他们就会来」，今天规模大到金融市场开始怀疑钱够不够。
贾西给出的起源故事比流传的版本更朴素：AWS 最初是为了让亚马逊自己动得更快。他发现产品团队把 70% 到 80% 的时间花在基础设施上——那些东西不构成差异化——只有 20% 花在真正让产品不同的地方，而且每个团队都在重新造轮子。所以他们想做一套像积木一样的大规模、高可用、低成本服务；对外发布之前，内部感兴趣的团队已经多到让他们相信方向对了。
速度的对比是这一期最硬的一个数字：AWS 头三年，年化收入约 6000 万美元；这一波生成式 AI 的头三年，光是 AWS 里的 AI 业务，年化收入就超过 250 亿美元。同一个三年，差了几百倍。
接着是钱怎么花。他提到 15 年前在领导团队早餐会上，大家不敢相信一家电信公司花了 500 亿美元资本开支；今天亚马逊一年要花约 2200 亿美元，而这仍然是「不够」。3 现金周期的两段被讲得很清楚：数据中心要提前约两年投，但只投一次，使用寿命约 30 年；服务器和网络设备只提前几个月，平均三年打平，寿命五到六年，而大多数交易是五年期合同。所以长得越快，头几年自由现金流越顶风——这是结构问题，不是经营失误。
五、反数据中心的政治（15:38–20:45）
主持人说了一句很尖锐的话：你刚开始做 AWS 的时候，数据中心大概是这世上最不可能变成政治议题的东西。
贾西的回答从「所有东西都已经是数字驱动」开始：股市、银行、医疗、娱乐、购物、教育、网约车，全都在用数据中心，而这还是在 AI 之前。他把这一次建设的量级比作 1950 年代的公路与桥梁，并给出一个不留余地的判断：这个国家承受不起不建，否则「像中国这样的另一个国家会把所有的领先地位和所有的规范都建立起来」。
然后他逐条拆他认为被传播的「神话」：高尔夫球场用水是所有数据中心用水的 200 倍，两天就超过数据中心一年；备用发电机按满负荷全天候申报，实际一年只跑约 10 个小时（0.1% 的时间）；电价在不同地区有涨有跌，真正的问题是电网投资长期不足，AI 只是那根把它推过投资线的稻草；而在印第安纳、佐治亚、密西西比这些地方，拿到产能之后电价会走平甚至下降。他给了一个具体数字：在印第安纳州圣约瑟夫县，亚马逊交了约 30 亿美元的税；以及一个承诺——「Built Together」项目再投 10 亿美元到有数据中心存在的社区。
六、杠铃、卖光的三年与「不挤老客户」（20:45–27:55）
主持人先把 2200 亿换算成「一天 6 亿美元」——这个换算不在节目里，是我们按 2200 亿除以 365 得来的，用来说明量级。
贾西用杠铃讲需求结构：一头是 AI 实验室，消耗的算力「是我从没见过的」，再加少数几款跑疯了的应用（他点名 ChatGPT、Claude Code）；另一头是企业拿 AI 做成本规避和生产率——客服自动化、反欺诈、流程自动化；而杠铃中间是企业现有的生产负载，今天还在用 CPU、还没有以任何普遍的方式用上推理，他认为那会是绝对规模最大的一块，五到七年内大多数企业应用都会普遍使用推理。
产能的排期是本期最有画面感的事实：2026 年卖光，2027 年基本卖光，2028 年的一大块也卖光。他还补了一层常被忽略的取舍：在内存总量有限的前提下，HBM（给 AI 加速器）和 DRAM（给核心业务）之间要分配。主持人的问题——要不要挤掉老客户——他的回答是明确的「不」：老客户在 AWS 上跑他们的核心业务，我们不会去挤，只会尽量把产能做出来。他还讲了一个先例：疫情期间，他们反而主动派人去帮客户降成本，明知那会削减自己中短期的收入。
七、Annapurna、Graviton、Trainium（27:55–31:13）
2015 年收购 Annapurna Labs 被他称为亚马逊历史上最好的收购之一，如果不是最好的那一次。但动机不是 AI 芯片：最初是为了把虚拟化、网络、安全、存储从服务器里卸载到一块网卡上，好让服务器几乎 100% 用于客户的计算；结果那块卡进了所有服务器。真正让团队转向芯片的，是「这个团队太会造芯片了」。
Graviton 的由来被讲成一个典型的在位者故事：英特尔几乎拥有全部 CPU 份额，当一个伙伴拥有几乎全部份额时，它不会去推性价比，而会去想别的功能拿更多份额——他把这直接称作「创新者的窘境」的一部分。亚马逊想要更好的性价比却拿不到注意力，于是让 Annapurna 去造 CPU。结果：Graviton 比同类 x86 处理器性价比高约 40%，前 1000 大 EC2 客户里有 99% 在大量使用；Trainium 比同类加速器性价比高约 30% 到 40%。
八、推理成本还得再降一个数量级（31:13–33:46）
这一节回答的是「杠铃中间什么时候才会动」。贾西认为瓶颈不只在人才和组织肌肉，更大一块在推理成本：过去几年降了不少，但在他看来还贵了一个数量级。
他把机制讲成一道门槛题：让企业把跑在 CPU 上的应用改写到 AI 加速器上，如果两边成本差得很大，客户要从加装加速器里拿到的增量收益就得跨过一道高得多的门槛；成本降下来，门槛就低下来，所有应用都会更聪明。所以「把推理成本打下来」不是财务目标，是采用率的开关。而自研芯片是这件事的一大块。
本在这里插了一个很具体的数字：a16z 有一位同事在最近这段时间里花掉了 200 万美元做推理，做的是不错的工作——「我当时想，好吧，这个推理并没有那么便宜」。
九、为什么投 Anthropic 与 OpenAI（33:46–37:03）
主持给出的金额是「Anthropic 大约 180 亿美元、OpenAI 大约 500 亿美元」。官方口径是另一组数：亚马逊此前累计向 Anthropic 投了 80 亿美元，2026 年 4 月再加 50 亿、并可在商业里程碑达成后再加至多 200 亿（合计承诺至多 250 亿），Anthropic 同时承诺未来十年在 AWS 技术上花超过 1000 亿美元、锁定最多 5 吉瓦 Trainium 容量；4 而 OpenAI 那边是 500 亿美元的多年战略合作，AWS 成为 OpenAI Frontier 的独家第三方云分发方，双方共建有状态运行时环境（Stateful Runtime Environment），OpenAI 承诺通过 AWS 消耗约 2 吉瓦 Trainium 容量。5 主持说的 180 亿是近似，我们在「口径与核对」里写明。
贾西的解释没有停在财务回报上：这两家团队和增长速度「我不知道我们有没有见过类似的东西」；对 Anthropic，客户在 Bedrock 里跑 Claude 最成功，双方在 Trainium 上一起学了很多；对 OpenAI，问题本来是「客户想同时用 OpenAI 和 AWS，但因为先前的商业安排做不到」，于是有了几个月的谈判和那个有状态运行时环境——「我认为未来所有 agent 都会这样建，你会需要状态」。
十、六个工程师、七十六天、更小的团队（37:03–43:52）
主持复述了一个内部故事：Bedrock 团队用六个工程师、七十六天重做了推理引擎，而这件事原本要四十个人做一年。贾西确认了这个说法，并说它对内部「大开眼界」，公司专门花时间讲这个故事。
然后是他对组织设计的判断，起点很个人：29 年前他以助理产品经理入职，一个人管五款产品；今天公司变大、产品变大，一个产品经理只管一款产品的一小块，比如只管定价。他把这种专门化称为一种被普遍接受、但在 AI 面前不再成立的默认。
两个刻度把变化量出来：四五个人的小组，周四定下想法，周末做出一个真正能跑的原型，到周日就有 80% 可以发布的程度；以及未来的组织形态——人更少、团队更小、每个人能跨职能工作，因为模型能把人带到那 80%。他还给大公司判了刑：几乎所有的代码都要重写一遍，才能被 agent 操作；要允许 agent 更新不同的代码，同时在那里建立约束；而今天开始的创业公司大多是 agent 原生，速度差会变成脆弱性。
十一、真正迫近的是网络安全（43:52–46:29）
他对当前 AI 安全讨论有一个明确的不满：注意力都在「更奇幻的场景」上——邪恶的僵尸网络、被注入恶意意图的机器人。他说这些「是可能的」，也相信行业和公私合作会一起解决；但更近期的风险讨论得远远不够，而那个风险就在网络安全。
机制讲得很实：这些模型找到的漏洞比人以前多得多；而今天发现漏洞、分类、开发补丁、再部署，每一步都要时间，大多数公司最后一步尤其慢，因为依赖太多。他的结论是部署必须做到分钟级——如果你没有把应用改写成能被 agent 更新的样子，在那个新世界里「一点机会都没有」。
AWS 这边的动作是一个叫 Continuum 的服务，识别漏洞并生成补丁；本补了一刀：大多数公司的安全实践不够好，原因之一正是前面说的专门化——极少数安全工程师与写代码的工程师之间隔着一堵墙。贾西的收尾是乐观的那一面：模型加自动化，会让你对整个攻击面做更好的渗透测试，找到本来只能靠偶然发现的东西。
十二、三种用法，与 Alexa 的从头再做（46:29–52:53）
本把市场分成三类用法：砍成本（包括买下老公司砍成本——他说这类「从来没让我们觉得有多大意思，因为那说明你的想法很少」）、建一个世界没见过的东西、以及第三种：把一个成功的产品从头重新想一遍。
贾西认为第三种最难也最容易被低估：如果一家已有规模的公司把 AI 只当成增量改进，「三到五年后很可能不会有那种能赢的体验」。Alexa 是他眼里「相当明显」的一个：它当年的「大脑」很有创造性，但生成式 AI 让这个大脑能做的事完全不同，不重新接线就无法长期保持相关性。
他也把难处在哪讲清楚了——不是技术判断难，是人难：团队与自己做出来的东西有连接，为它骄傲，有「辛苦换来的伤疤」，会告诉你「我们不是这么做的、我们试过、那样不行」。他点名的还有零售、Prime Video、Fire TV、Prime Music：这些体验里「技术今天有一个好得多的解法」并不明显，但他相信每一个都要重新发明。
本在这里贡献了这一期最好的一句引用：他刚做工程师时跟人争论，老板说，「第一行代码写出来之前，一切都是可以讨论的；写出来之后，它就是宗教」。
十三、如果你今年 18 岁（52:53–56:25）
埃里克问的是给 18 岁的人的建议。贾西有两个孩子（25 岁和 22 岁），他说自己很快学到一件事：你没法告诉他们别在教育里用 AI，那列火车已经开走，大学不跟它对抗才是明智的。
但他接着把「用」和「会」分开了：他的公司是写作文化，而「你能看出某样东西是 AI 写的——它就是不太对，那些部分拼在一起就是不太对」。所以建议是：去学它、大量用它、拿它当每天运作和工作的中心，也去做超出舒适区的事（他两个孩子都不是开发者，但都用 AI 建过应用）。
最重要的一句留给判断力。他用商学院案例法做比喻：过去每天三个案例、大量阅读与笔记、找关键问题、拼方案，而总有一大批人根本没做功课；AI 会把所有人快速带到那个先进的起点。但「真正把点连起来、把碎片拼起来」——建一个战略、一个产品、一个新客户体验——他不认为 AI 会替大多数人在大多数时候做到。
十四、三条大转型与收尾（56:25–61:21）
最后一个问题问的是跨度：卫星、机器人、医疗、生鲜、自动驾驶，怎么判断什么算「摊得太薄」。
贾西的框架是三场转型同时发生——AI、机器人、太空开发——而亚马逊站在三场的中间。组织上的答案是他一贯的那套：不让同一批人管多个业务，去中心化、单一线程；如果团队里有对的领导者和建造者、如果体验足够大能改变整体、如果想法有差异且这个空间没被很好服务，就有机会同时推进很多件事。剩下的问题只是「你愿意投多少」。他也承认「守着本行去增长」是完全可以成功的策略，只是他们选了另一条。
收尾那句是埃里克的总结：无止境的野心。
口径与核对
官方可查（本期的数字骨架）。 亚马逊 2026 年二季度（7 月 30 日公布）：净销售额 2006 亿美元、同比 +20%；经营利润 275 亿美元、+43%；AWS 净销售 422 亿美元、同比 +37%（18 个季度最快），年化收入 1690 亿美元；AWS 经营利润 166 亿美元、利润率 39.4%；净利润 626 亿美元，其中 534 亿美元是税前其他收入，主要来自对 Anthropic 的投资；当季资本开支 542 亿美元。2 资本开支指引在同一个电话会上由约 2000 亿上调到约 2200 亿美元，主因是内存涨价；贾西当时就说过，即使到 2200 亿，2026 年与 2027 年的产能仍然不够需求。3
两笔投资按官方口径。 Anthropic：亚马逊此前累计投 80 亿美元，2026 年 4 月再投 50 亿、并可在商业里程碑达成后追加至多 200 亿；Anthropic 承诺未来十年在 AWS 技术上花超过 1000 亿美元，锁定最多 5 吉瓦 Trainium 容量。4 OpenAI：500 亿美元的多年战略合作（首期 150 亿，其余 350 亿在条件达成后投入），AWS 成为 OpenAI Frontier 的独家第三方云分发方，双方共建有状态运行时环境，OpenAI 承诺通过 AWS 消耗约 2 吉瓦 Trainium 容量。5
只有节目里说过、没有第三方核实的说法。 Graviton 比同类 x86 性价比高约 40%、前 1000 大 EC2 客户 99% 在大量使用；Trainium 比同类加速器高约 30% 到 40%；Bedrock 团队用六个工程师七十六天重做推理引擎（原本要四十人一年）；印第安纳州圣约瑟夫县累计缴税约 30 亿美元、「Built Together」再投 10 亿美元；高尔夫球场用水是所有数据中心用水的 200 倍、备用发电机一年只跑约 10 小时；a16z 一位同事花掉 200 万美元做推理。这些是他本人在节目里的表述，卡上照引，但没有独立来源。
三处口径差，写在这里而不是混进译文。 一，主持说亚马逊在 Anthropic 投了「大约 180 亿美元」，官方是 80 亿已投 + 至多 250 亿承诺，180 亿两头都不完全对得上。二，贾西节目里说 AWS 上季同比 36.7%，官方新闻稿写 37%（四舍五入）。三，主持开场说「AWS 增长 28%」，那是再上一季的数字，本期谈的是 36.7% 这一季。
分段与说话人，本期都要自己处理。 这一期官方 RSS 没有章节表、没有逐字稿，Simplecast 单集页也没有章节；正文与图卡里的十四个分段（以及片头里那句「一天六亿」，是我们按 2200 亿除以 365 算出来的）都是按节目实际走向切的，不是官方章节。整集音频没有说话人标签，声部分离把嘉宾与两位主持混在同一簇里，所以译文里的「贾西／本／埃里克」是按内容判定的（本提到自己公司、自己当工程师时的老板；埃里克负责开场、结尾，以及提到「我们刚孵化了一个学院」），无法判定的提问统一标「主持」。
逐句全文翻译
第一节 片头：一天六亿，还是不够（00:00–01:31）
贾西：今年就算花掉 2200 亿美元，我们还是把一大块需求留在了桌上。我们总会留一部分给按需，但 2026 年显然已经卖光了，2027 年也基本卖光，2028 年的一大块也卖光了。
本：金融市场在说，哦，这世上根本没有那么多钱来给这些东西融资。
贾西：今天世界上我们所做的一切——股市、银行、医疗——它们都在用数据中心。
贾西：我们的工作是尽量把产能做出来。
贾西：我们有机会帮到多得多的客户体验，让他们的日子每天更好过一点。
本：那些大实验室愿意为电力、散热、芯片付几乎任何价钱。
本：那，也许我们该把老客户买断，再把这些容量卖给新来的，因为他们什么都肯付。
埃里克：亚马逊预计今年要花掉大约 2200 亿美元的资本开支。而按 CEO 安迪·贾西的说法，这仍然把一大块需求留在了桌上。今天我们聊的是：AI 的需求为什么涨得这么快，亚马逊怎么决定该建多少基础设施，以及为什么推理成本还必须大幅下降。我们也会聊 AI 正在怎么重塑亚马逊自己——从更小的团队把东西更快做出来，到把产品从头重新想一遍——以及安迪怎么看网络安全、工作、机器人和太空接下来的样子。安迪，欢迎来到节目。
贾西：谢谢你们请我来。
第二节 五年之后：规模、成本与服务（01:31–05:33）
主持：你管理亚马逊已经五年了，作为 CEO 你做了很多事。现在资本开支 2200 亿美元，AWS 增长 28%……你已经达成很多。跟 2021 年你正式接任 CEO 时相比，你怎么想 2026 年的野心？
贾西：哦，2021 年感觉已经过去很久了。感觉像十年前。你知道，世界变化很快。但如果你拿它跟 2021 年比，我们的整体营收大概高了 80%，AWS 这块业务差不多大了三倍，广告收入大约是原来的 2.5 倍。所以生意确实长大了不少。我想有几件事真的发生了。
贾西：我上任之后很快就发现——那是疫情的尾巴——我们的零售业务遇到了一个真实的「服务成本」挑战。我们基本上把履约网络的规模翻了一倍，而那是我们花了 25 年建起来的。我们在大约 18 个月里把它翻了一倍。然后我们又用了大约 20 个月，建起了跟 UPS 一样大的最后一公里运输网络。你建得那么快，就一定会留下一堆没有优化过的东西。
贾西：我们履约网络的服务成本不是我们想要的样子，它带来很多挑战、焦虑和挫败感。我记得那大概是上任一年、还不到一年的时候，人们说：天啊，这真是个糟糕的时机上任，运气真差。可回过头看，那其实是个非常好的时机，是真正的幸运，因为它让我们去考虑一堆本来可能很多年都不会去考虑的事——而那些想法对客户和对生意都真的很好。
贾西：其中最大的一件，是在履约网络上把一张扁平的全国网络区域化。我们把美国的履约网络区域化，让商品离客户近得多，结果既降低了服务成本——因为运输距离更短——又让商品更快送到客户手上。在那段为服务成本挣扎的日子里，对我们最坚持的一些信念重新做了一遍评估，结果释放出了配送速度和零售业务的一大块需求，这也是我们那块业务能长得这么快的重要原因。
贾西：当然，紧接着就是 AI 更进一步地爆发。AI 并不是新东西，我们做机器学习做了很久，也经历过很多次「这次才是真正拐点」的浪潮。但到了 2023 年，你能看到生成式 AI 带来的巨大不同。那时候我们的 AWS 业务已经长得很快了。我们的功能最广，运营表现和安全性更强，伙伴生态也不一样，我们是明确的领先者。我们当时觉得这块业务在很长一段时间里可以做到几千亿美元的收入——用十年去算。
贾西：再看看 AI 正在发生什么，我们知道每一个客户体验都会被推理和 AI 重新发明。我们真的认为 AWS 这块业务不光是在快速增长——上个季度我们在 1690 亿美元年化收入的基数上同比长了 36.7%——眼前的机会本身就已经很惊人了。
贾西：再往上叠加我们手里那些新业务的种子：Prime Video 现在是一块又大又赚钱的业务；还有 Amazon Leo 在做低轨卫星；Zoox 在做自动驾驶的网约车；还有医疗业务；还有我们在机器人上做的事。我觉得我们有机会去帮到多得多的客户、多得多的客户体验，让他们的日子每天更好、更轻松。而「每天让客户的日子更好更轻松」这个使命，把全公司我们在做的事串在了一起。
第三节 建得太快的那一课（05:33–09:37）
本：那我追问两点。第一，你提到在建履约网络建得那么快的时候，它一定会低效，一定会有粗糙的地方。然后你又说内部有焦虑。从一个 CEO 的角度，你怎么在不降低文化标准的前提下去沟通这件事？我的意思是，亚马逊以运营效率、以节俭出名，可你这时候说的是：我们要建 UPS。
贾西：有意思的是，我们有一套很多人知道的领导力准则，一共 16 条。其中很多条本来就应该、也确实在管着我们怎么作为一个团队运作、怎么形成文化。但有几条彼此是有张力的。有时候人们会因此困惑，可现实是它就反映了真实世界的样子：没有什么是完全干净的，你永远在做取舍。
贾西：所以回到那个决定——用那么激进、那么快的速度去建履约网络和最后一公里运输网络——团队当时面对的问题是：我们知道建这么快会很难，可能比慢一点建更贵，我们大概也没法把每件事都做到最优；但客户和卖家真的需要它。那我们到底要不要站在「让他们能用上」这一边？
贾西：记得那时候是疫情早期，没有任何实体店开门。你看看亚马逊在大家生活里扮演的角色，那是很关键的。所以我们必须问自己：我们要不要建得很快、也许不是最优，去换取服务那些同时也在努力让自己的生意活下去的客户和卖家？还是不要？这是你首先要做的决定。而我们几乎总是站在客户那一边。
贾西：然后就很明显了：在建的过程中，很明显并不是我们计划的一切都顺利。我们的履约团队在办公室里的比例比公司其他部门高，但仍有很多人需要参与设计、计划和评估，人散在各处、在远程。这时候你要平衡「行动偏好」或者说速度，和「近乎苛刻的高标准」——后者意味着你要按你原本计划的成本结构、配送水平和设计去交付。所以你还是得做取舍。我们做了取舍：站在客户这边，快速动起来，好服务卖家和消费者。
贾西：我们当时以为会有一堆收尾清理。我们有没有准确预见到地形会变成什么样？没有。有些没被优化的东西，我不确定我们预见到了它不会被优化。但如果你有好的指标，如果你的文化是讲真话的文化——这也是我们文化里非常重要的一部分——我们把数据摆到桌上，把问题摆到桌上，彼此直接，不允许有人把问题糊过去，那么在指标里、在讨论里，事情都会相当明显。
贾西：接下来你只需要去弄清楚怎么改进、哪些是小的生产率问题、哪些是架构问题。在把产能装好之后，我们回去把网络里关键的部分真正重新架构了一遍。那在当时那个团队的优先级清单上大概是第八、第九位，后来变成了高得多的优先级，因为那才是真正拿到速度和成本的组合的办法。
第四节 「建了就会有人来」与 2200 亿（09:37–15:38）
本：有意思。你刚开始做 AWS 的时候，那种感觉是「建好了，人就会来」：你在建所有这些基础设施，然后你要把它们租出去。所以人必须来，否则你就麻烦大了。而现在是同一个东西，规模大得多——你和其他人，但主要说你，至少你肯定是最主要的玩家之一——你们建数据中心和芯片产能建得那么快，快到金融市场在说：哦，这世上没有那么多钱来给这些东西融资。然后我们看到债券市场和股票市场那点胆怯。那你怎么知道，多少算太多？
本：在需求这么陡、你长得这么快的前提下，这个建设规模里「太多」是什么？而且供应链上你还在跟人抢散热、抢电、抢芯片。
贾西：对，这是个很好的问题，我希望有一个方程能让它变简单，那会给团队省很多时间。
贾西：我想说，在云计算的第一波里，是「建好，他们就会来」，但我们在公司内部有很好的信号。那是 2000 年代早期，我们有些团队推进得没有我们想要的那么快，虽然我们自己觉得相对已经很快了。可我们就是不理解为什么那么慢。结果发现，我们的产品团队把 70% 到 80% 的时间花在基础设施上——那些东西不构成差异——只有大约 20% 花在真正让产品不同的部分。而且我们意识到每个团队都在干这件事，都在重新造轮子。
贾西：所以我们最初构想 AWS，是为了让自己内部动得更快。我们想，如果我们建一套大规模、高可用、低成本、像积木一样灵活的服务——计算、存储、数据库、内容分发、消息——我们消费业务就能建得快得多。然后我们说，我们在技术上相对还不错，别的公司大概也有同样的问题。可甚至在我们对外发布之前，内部就有那么多团队感兴趣，我们就知道方向对了。我不认为当时有任何人预见到它在外部会长得那么快。
贾西：在 AI 这边，你也知道，一波又一波的人说「这一次 AI 终于来了」。甚至在生成式 AI 这一波之前的六七年，人们就觉得那是 AI 的时候了。我们建了一整套 AI 服务，它在 AWS 这边其实是一门相当不错的生意，但跟我们现在看到的完全没法比。
贾西：AWS 早期，我们觉得自己长得很快，也感觉不错，三年之后大约是 6000 万美元的年化收入。而这一波生成式 AI 的头三年，我们这块业务——光是 AWS 里的 AI 业务——年化收入就超过了 250 亿美元。所以它快了几百倍。我们真的没见过这样的事。
贾西：那接下来的问题就是：为了这个机会，你想投多少资本开支？我要告诉你的是，我们说 2026 年预计要花大约 2200 亿美元的资本开支。顺便说一句，我记得 15 年前在领导团队早餐会上，我们不敢相信一家电信公司花了 500 亿美元资本开支，我们当时想：真的要在资本开支上花那么多钱吗？所以这些数字是让人瞠目的数字。
贾西：而且就算今年花了 2200 亿美元的资本开支，我们还是把一大块需求留在了桌上。帮到我们的一点是，我们对市场有很好的可见度。如果你看 AWS 的资本开支和现金周期，它有两个大的部分：一块是投数据中心，一块是投服务器和网络。
贾西：数据中心这一块，你必须提前大约两年投——两年之后你才能把服务器放进数据中心、开始把它变现。好消息是你只需要投一次，它是使用寿命很长的资产，大约 30 年。但你要提前几年投。
贾西：服务器和网络设备只提前几个月，取决于部件。所以在扣动扳机之前，你对客户需求有很好的可见度。如果结果是你其实不需要那么多产能去填那些数据中心，你就不买服务器和网络设备了。它们平均大约三年打平，现在使用寿命大约五到六年，而我们做的大多数交易是五年左右的合同。
贾西：所以，当你像我们这样同时建那么多数据中心、建得那么快，你会花掉大量资本，你的自由现金流在那几年会顶风，直到几年后那些数据中心全部上线、全部在变现，你把服务器和网络投资的钱收回来。因为现金周期是这样，在长得那么快的早几年，它就是会顶风。
第五节 反数据中心的政治（15:38–20:45）
本：那说回数据中心。你刚开始做 AWS 的时候，数据中心大概是这世上最不可能变成政治议题的东西。可我们现在就在这儿。尤其在美国——挺有意思的，我肯定你也遇到过——世界上没有任何地方比美国政治更反数据中心，不管原因是什么。那这件事最后怎么影响你们？反数据中心的论点里，有没有一点道理？然后它又怎么影响你们的策略：在这里建什么、在其他地区建什么？
贾西：嗯，我先给你一些我掌握的、或者说我相信的背景。你想想今天世界上我们做的每一件事：股市、银行、医疗、娱乐、购物、教育、生意、网约车——我们做的一切都是数字驱动的。它们都在用数据中心，用的方式非常相似。
主持：对，每个人都一样。我自己就反——我不想再用手机了。
贾西：它们都在用数据中心。而这还是在 AI 之前。AI 是我们这个时代最大的技术转型——考虑到我们亲历过互联网、云计算和移动，这句话本身就很重。所以现实是：要支撑我们刚才说的 AI 那种快速增长，所需要的基础设施建设规模，在这个国家和这个世界里，上一次出现大概是 1950 年代我们修高速公路和桥梁的时候。这就是我们正在经历的那种规模的建设。
贾西：这个国家——我觉得全世界都是，但我特别说美国——承受不起不建数据中心。否则我们会发现，像中国这样的另一个国家会把所有的领先地位和所有的规范都建立起来。我不认为我们任何人会喜欢那个结果，无论在国内还是全球。所以我们必须建数据中心。
贾西：那么，我是否认为我们整个行业有办法做得比过去更好？当然。我觉得这件事发生得很快，所有人都在共同学习。但现在有相当多东西，我认为介于「神话」和「不实说法」之间，正在被传播——因为这类议题总是这样：你有一个容易指认的坏人，而有时候投机者就喜欢找出那个坏人来指。
贾西：我举例子。高尔夫产业或者杏仁种植业用的水比数据中心多得多。就一个数据点：高尔夫球场用的水，是我们所有数据中心用水的 200 倍。它们两天的用水量就超过我们数据中心一年的用水量。
贾西：再比如污染。你注册新站点、有备用发电机的时候，必须登记、并且按「你把所有发电机满负荷全天候运行」的量去申报。可那当然从来不会发生。你一年只会在 0.1% 的时间里跑备用发电机，大概一年 10 个小时，做维护。
贾西：还有电价。你看我们有大型数据中心存在的不同地区，有些地方电价涨了，有些地方降了。但真正的问题是，作为一个国家，我们没有按需要去投资电网基础设施，本来就会有很大的增长，只是需要有件事把它推过去变成投资；结果发现 AI 就是那件事，因为它长得太快、太大。
贾西：但建起来之后你会发现，一旦你真的拿到那些产能，在大多数地区，电价会走平甚至下降——印第安纳、佐治亚、密西西比都是这样。我们有些事可以做得更好。还有一件人们忘记的事：在这些地区，大型数据中心提供商交了很多税。
贾西：比如印第安纳州的圣约瑟夫县，我们交了大约 30 亿美元的税。社区拿到这些钱，可以花在那些社区真正要紧的事上。社区也确实得到了东西。我们做了像「Built Together」这样的项目，刚刚又承诺未来五年在我们有数据中心存在的社区里再投 10 亿美元。我觉得我们必须继续和社区一起做这件事，它必须是公私合作的伙伴关系。
贾西：但这次建设对这个国家的未来太重要了。你想象一下，如果我们当年没有修高速公路和桥梁，这个国家的经济繁荣和能力会是什么样。我们得把这件事放在正确的比例上看，也必须成为我们所在社区的伙伴。
第六节 杠铃、卖光的三年与「不挤老客户」（20:45–27:55）
本：我们把话题拉回资本开支一下。2200 亿美元，换成每天是 6 亿美元，给大家一个尺度。我很好奇你现在怎么看 AI 的需求。刚才不录的时候我们聊到，你把它看成一个杠铃。也许你可以把当下 AI 需求的状况放在这个框架里讲一讲。
贾西：嗯，第一个背景就是我在前面说的：我不敢相信 AI 长得这么大、这么快。它比 AWS 最初三年的速度快了几百倍——光是 AWS 里的 AI 业务，头三年的年化收入就是 250 亿美元。所以它真的很大。可如果你看需求的样子，它确实是个杠铃。
贾西：杠铃的一头是 AI 实验室，它们消耗的计算量大得惊人，是我从没见过的；然后还有少数几款跑疯了的应用，ChatGPT、Claude Code 这样的。杠铃的另一头是企业，它们主要把 AI 用在避免成本和提高生产率上——自动化客服、反欺诈、业务流程自动化。
贾西：杠铃的中间，是企业现有的生产负载。它们中间很多今天已经在用 AWS、已经在用推理，但我可以说，其中绝大多数还没有以任何普遍的方式用起来。而我认为那会是 AI 用量里绝对规模最大的一块。
贾西：你什么时候能看到它？我很难预测速度。它每年都在更大范围地发生。但如果你拉远看五年、五到七年，看那时候会是什么样——我不认为它会等五到七年，这种事从来不是一下子发生的——但如果你就拉远五到七年，我认为我们今天在用的、今天存在的企业应用里，相当大一部分、甚至大多数，会以普遍的方式使用推理。所以前面还有很大的增长。
主持：那你怎么想这件事？因为 2027 年前后，数据中心、芯片、内存这些全都短缺，就在眼前——现在所有人都在建，但到年底不一定就绪，而需求一点没慢下来。所以面对这种情况，你怎么办：一边是大实验室愿意为电力、散热、芯片付几乎任何价钱，一边是那些存在了很久、按正常价格付钱跑自己生意的老客户。有没有一种商业压力，让你想：也许我们该把老客户买断，把容量卖给新来的人，因为他们什么都肯付；而老客户那边我不能把价格翻倍，那不公平。
贾西：这是个好问题。我们不是按你说的那种方式想的，但我完全能理解这个说法。
贾西：你想，今天的数据中心和电力就那么多，内存就那么多，而我不认为这个短缺会在 2027 年结束。回到资本投资这件事：我认为我们可以投得多得多，而且不会是用错了资本——原因之一就是，2026 年显然已经卖光，2027 年基本卖光——我们总会留一部分给按需，留给我们的推理服务 Bedrock 或 EC2，但大部分、那些大块头，都卖光了。2028 年的一大块也卖光了。需求就是这么多。
贾西：你没法……如果我们想 AI 业务和我们所说的核心业务——把核心理解成非 AI——它们现在都长得非常快。而如果你只有一定数量的内存，你就得决定把多少内存分配给 HBM、分配给 AI 加速器，多少分配给 DRAM、给你的核心业务。这些是真实的取舍。
贾西：但我会说，我们在这个问题上的出发点是面向客户。在 AWS，我们跟客户有很深的关系和伙伴关系。就像疫情期间——跟我们的竞争对手不同，我认为他们当时想的是怎么在季度内优化、在大家都要做成本优化的世界里尽可能多推收入——我们采取了不同的做法。
贾西：我们主动让销售团队出去帮客户想办法做成本优化，即使我们知道那会在中短期减少我们的收入。但我们要帮客户成功，因为我们非常坚信：只要我们长期帮客户成功，我们的生意自然会跟着来。在核心业务上也是同一个道理。
贾西：你当然可以算一笔账，得出结论：因为稀缺、因为他们愿意付更多，你该挤掉你的核心客户。可他们是在 AWS 上面跑他们的生意，跑他们所有核心应用。我们不会去挤客户，我们会确保他们能扩展。然后我们的工作，是尽量把产能做出来——不只给核心客户，也给所有想在 AI 这边用我们的客户。
贾西：而且要用一种对我们自己也长期经济上可持续的方式来做。所以我希望能告诉你，供应约束只是 2027 年的问题。我认为我们会在不同部件上看到它持续好几年。我认为我们放的产能大概比任何人都多，因为我们真的非常在意继续在这个基础设施和 AI 领域保持像过去那样的重要领先地位。
贾西：就像我说的，我们今年要花大约 2200 亿美元，我们本可以花得多得多，而且不会是用错了资本——从中长期看都不是。而且我认为，即使那样，大概也还是满足不了全部需求。现在的需求就是不可思议地大。
第七节 Annapurna、Graviton、Trainium（27:55–31:13）
主持：说到这个，你们 2015 年做了一件事，收购了 Annapurna Labs，那大概是在……你当时大概也没在想 2015 年会有巨大的 AI 需求，因为 2015 年根本没什么 AI 需求。那是什么驱动了那个决定？它又怎么在这个新世界里回报了你们？
贾西：你知道，Annapurna 这个团队是我有幸合作过的最有才华的团队和人之一。它是亚马逊历史上最好的收购之一，如果不是最好的那一次。
贾西：我们预见到了一些部分，但我不认为我们——我们买 Annapurna 并不是为了 AI 芯片本身。但当你到了一定的规模，你开始能看到非常大尺度上客户的模式，你会意识到，如果你能做垂直整合、能自己建某些能力，你就能给客户提供更多价值，也能给生意带来更好的经济性。
贾西：所以 Annapurna 对我们来说，一开始只是用在核心的 EC2 服务器上。我们觉得服务器里太多部分被虚拟化、网络、安全、存储吃掉了，我们想让服务器几乎 100% 都用于给客户做计算。所以我们在收购之前就跟 Annapurna 合作做这块网卡，把那些部件卸载到网卡上，把尽可能多的服务器留给计算。
贾西：我们很喜欢这个团队，也很喜欢跟他们一起做出来的产品。我们意识到它会进到几乎每一台 EC2 服务器里——结果它进了我们所有的服务器。所以最初买它，是因为那会成为我们计算能力的核心部分；也因为那个团队在造芯片上太有才了，我们觉得他们大概也能造别的芯片。
贾西：那时候我们跟英特尔有很深的伙伴关系，今天仍然有。但英特尔几乎拥有全部 CPU 份额。当一个伙伴几乎拥有全部份额，他们往往不会去想怎么推动性价比，而是去想别的功能，好拿到更多份额、推动更多收入。顺便说，这完全可以理解，这就是市场运作的一些动力学，也是「创新者的窘境」出现的一部分原因。
贾西：所以我们试过在性价比上推，但很难让他们在那件事上注意我们。而我们有客户想把越来越多本地负载搬到云上，他们要更好的性价比。于是我们让 Annapurna 团队去做的下一件事，是造一颗 CPU 芯片。他们造出了 Graviton——今天我们前 1000 大 EC2 客户里有 99% 都在大量使用它，它的性价比比其他 x86 处理器大约高 40%。这对我们的客户和我们的生意影响巨大。
贾西：几年前，我们在 AI 领域看到了同一部电影：你确实有一个非常强的主导供应商，我们跟他们有很深的伙伴关系，现在有，只要我能预见将来也会有。他们有巨大的市场、很多不同的产品和优先级。而我们知道客户需要更好的性价比。这就是为什么我们在 Annapurna 里分出一个独立团队去做 AI 加速器，我们叫它 Trainium——它的性价比也比其他可比的处理器高大约 30% 到 40%。
第八节 推理成本还得再降一个数量级（31:13–33:46）
贾西：回到我们刚才说的杠铃中间：如果你问，什么能让杠铃中间有更多企业现有的生产应用用上推理？有几件事。一部分是人才——那些能做后训练和微调的人；还有一部分是组织肌肉——知道该优先做什么、该怎么做。
贾西：但很大、很大一块，是推理的成本。过去几年推理成本已经降了不少，但在我看来，它还是贵了一个数量级，还不足以被尽可能普遍地使用。因为如果你要求企业把今天跑在 CPU 上的应用改写到 AI 加速器上，而两者成本的差距很大，那么他们要从加装 AI 加速器里拿到的增量收益就得跨过一个高得多的门槛，才会愿意去改。
贾西：但如果你能把推理成本降下来，这个门槛就低得多；而所有应用加上 AI 加速器和推理，都会更好、更聪明、能力更强。所以让客户能够普遍地用上 AI，其中非常关键的一部分就是把推理成本降下来。我们的芯片业务是这件事的一大块。
本：是啊。我可以告诉你，在我们公司，这件事会变得非常贵。我们有一位同事在过去这段时间里花掉了 200 万美元，做的是不错的工作。我当时想：好吧，这个推理并没有那么便宜。
第九节 为什么投 Anthropic 与 OpenAI（33:46–37:03）
本：你做了一些投资，特别是在 Anthropic 和 OpenAI 上，非常大的投资——我记得大概在 Anthropic 是 180 亿美元，在 OpenAI 大概是 500 亿美元这样。是什么让你想这么做？而且英伟达等等也做了类似的投资，这让华尔街一阵紧张，因为它让他们想起互联网泡沫那些糟糕的旧日子。你怎么想这件事，尤其它们同时也是你的客户？为什么这说得通？
贾西：这两家公司都是非常令人印象深刻的团队，非常令人印象深刻的印象公司。它们营收增长的速度，至少从顶线看，我不知道我们有没有见过类似的东西，真的难以置信。
贾西：所以对我们来说，它是几件事的组合：这些团队是谁、他们建的技术和模型、他们建的一些应用、我们对 AI 有多具变革性的信念。长期看，这个领域会有一堆非常成功的公司——不是每个人都会赢，但会有很多。我们相信这两家会是其中的两家。
贾西：还有就是我们合作得那么紧密。我先说 Anthropic，我们跟他们的伙伴关系更久。我们有很多客户在 Bedrock、在我们的推理服务里跑 Anthropic。我认为客户在 Bedrock 里跑 Anthropic 是最成功的。
贾西：我们在芯片上有很深的合作，他们已经在 Trainium 上建了一段时间。我认为这对 Anthropic 非常好，对我们的 Trainium 团队也非常好，我们彼此都学到了不少。所以我们跟他们有很深的伙伴关系——我们对 AI 未来的信念、对这些公司的信念，加上伙伴关系，让作为伙伴关系一部分去投资变得说得通。
贾西：OpenAI 这边，我们有那么多客户同时用 OpenAI 和 AWS，但因为它们先前的商业安排，客户做不到。很长一段时间里，我认为两家公司彼此都很尊重、也都想合作。所以这也是同一类事：经过几个月的一系列对话，我们做到能在 Bedrock 里跑 OpenAI，我们一起做了一个独特的产品——有状态的运行时环境，我认为未来所有 agent 都会这样建，你会需要状态。
贾西：跟 Anthropic 一样，他们也对 Trainium 做出了多年、多吉瓦的承诺。我们就是相信那会是这个领域里长期最成功的公司之一。所有这些加起来，让更深的伙伴关系和投资说得通。
第十节 六个工程师、七十六天、更小的团队（37:03–43:52）
本：那说说你怎么用 AI 来建一家公司。我记得你说过，Bedrock 团队用六个工程师、七十六天重做了你的推理引擎，而那原本要四十个人做一年。这相当不一样。而亚马逊以「两个披萨团队」出名。所以以现在的技术，你对组织设计的想法是什么？因为这些年我们变得超级专门化：设计师、产品经理、前端工程师、后端工程师，各种角色。现在突然之间，好像每个人都是文艺复兴式的人。你怎么从组织设计的角度想这件事？
贾西：我同意你说的。我觉得你提到的那次 Bedrock 的经历，对这里所有人都是大开眼界的。我们花了不少时间在内部讲这个故事，去激励人、提醒人什么是有可能的。
贾西：因为这些年来会发生的是——我 29 年前加入公司，一开始是做助理产品经理，我一个人是五款产品的产品经理。今天，当公司成功了、变大了、产品变大了，就变成一个产品经理只管一款产品的一小块，比如只管定价。每个人都变得更专门化，每个人都接受「你要建大而成功的东西就必须这样」。其实不是。尤其当你看到 AI 正在发生的事。
贾西：就说过去这一周，我们在做消费者业务里 agent 相关的一些事。我们在那边有一堆投入，但我们有了一个我们真的很喜欢的想法——周四我们同意要去做出一个真正能跑的原型，然后有四五个人的小组，在周末把它做成到周日就有 80% 可以发布的程度。那真的是不同的世界。
贾西：所以我认为这对组织的未来意味着：第一，未来做今天这些工作的人会比今天少。你看 agent 在写多少代码，你看客服、商业智能、研究有多少在被做。你再快进想一下电子表格会怎么被做出来、会有多少律师。我不是说没有人，但不会再有那么多人在我们过去习惯的那种规模上被投进去。
贾西：会有不同的工作、新的工作——有些我们知道，有些我们不知道——它们会随着 AI、机器人和太空开发出现。会有各种各样的新工作。但今天我们做的那些事，未来需要的人会更少。
贾西：我认为团队会小得多。你会有更小的团队，里面有能跨职能工作的人。他们不再只拥有一小条，因为模型能把他们带到那 80%，在很多不同职能上。每个团队的起点都会比过去先进得多。所以你能发明得多得多、快得多。
贾西：我确实认为有一些东西必须变。今天开始的创业公司，大多数从一开始就是 agent 原生、AI 原生的。而那些已经经营了一段时间的大公司，都得想办法用同样的速度去建。我认为其中一些会想明白——当你有大生意、有很多能力、有忠诚的客户群时，你总是有优势的；另一些会走得很慢，在我看来，它们对创业公司会更脆弱。
贾西：公司几乎要把所有的代码重写一遍，才能具备被 agent 操作的能力。它们得允许 agent 去更新不同的代码，同时要在那里建立约束。就说安全——如果你看过去一两个月关于模型的所有紧张情绪，它们关注的是更奇幻的场景。顺便说，那些场景是可能的：会不会有一个邪恶的僵尸网络接管一切？我猜有可能。会不会有人给机器人注入恶意意图？都有可能。我个人认为我们会作为行业、作为公私合作的整体一起把它解决掉。
贾西：但我认为你必须从注意一些事情开始。真正有意思的是，关于更近期的风险，讨论不够多——那些风险真的就在网络安全周围。这些模型找到的漏洞比以往多得多，是以前人找不到的。
第十一节 真正迫近的是网络安全（43:52–46:29）
贾西：你也许可以争论人到底能不能找到，但他们当时就是没找到。所以如果你快进，我认为应用应对迫近的安全威胁的方式，将来必须是「分钟级」的。今天你想一想：你发现漏洞，有人给漏洞分类，有人开发补丁，然后即使你补丁做得快，大多数公司要部署还要很久，因为有一堆依赖关系。
贾西：你将来必须在几分钟内完成部署。所以如果你没有把应用改写成能被 agent 更新的样子，在那个新世界里你一点机会都没有。所以我就是认为，所有组织都会被重新发明，而那些把这件事放在优先位置的公司，会处在一个好得多的状态。
主持：是啊。而且我觉得作为行业，我们在架构上——从大系统到嵌入式设备——没有把好的安全架构做出来。清算的日子到了。好消息是，这对新公司、新尝试、新的人是个大机会。但就像我们说的，这就是威胁本身：那些理论的、思想实验式的威胁也许会发生、也许不会，可这个是清楚而迫近的。
贾西：对。在 AWS 这边，几乎每一个我们谈过的伙伴和客户、每一家有一定规模的公司，都在担心安全这一块。我们有一个专业服务团队在帮很多客户，我们也做了一个叫 Continuum 的服务，它能识别出很多这类漏洞并生成补丁。但你知道，说比做容易。
贾西：而且很多公司、很多工程师，有时候盯着安全这件事并不让人兴奋，很容易等到出了问题再说。而如果你要保护真正重要的数据，那是个坏主意。
本：还有一点，我觉得在大多数公司——回到我们前面说的——专门化在安全上大概是最糟的情况：你有一批非常非常冷门的安全工程师，他们不喜欢跟其他工程师合作，而后者是稀缺资源。结果就是，在大多数公司、大多数软件公司里，他们写软件的安全实践就是不够好。这显然必须改变。好消息是我们有工具可以帮上忙。
贾西：对，好消息那一面，就像你说的：你得请渗透测试人员，但你只会请那么多安全人员，他们也只能覆盖那么多应用。模型加上自动化，会让你能对整个表面做更好的渗透测试，你会找到一些本来只能靠偶然才能发现的东西。
第十二节 三种 AI 用法，与 Alexa 的从头再做（46:29–52:53）
本：我们看市场的时候觉得有意思的一件事是：用 AI 能做好几类很不一样的事。
本：一类是砍成本——你可以少请一些会计、少请一些律师。现在确实有风险投资公司在说：好，我们去买老公司，然后把它们的成本砍掉。这一类从来没让我们觉得有多大意思，因为我们会想：如果这就是你的想法，那你的想法很少。
本：另一类是：我们去建一个世界从来没见过的东西。那非常令人兴奋。但还有第三类，就是你在 Alexa 上做的事：你有一个成功的产品，然后你说，好，因为这个新平台，我们把整件事从头重新想一遍。你是怎么走到那一步的？什么时候它说得通？
贾西：我觉得你把这个分成三类很有意思。我认为组织——就像我们刚说的——真的会变，会变得更精简。如果你做得对，它会让你真正好的建造者、这些小的团队，去建你说的第二类：人们从来没见过的东西。你能做到。当你有了像我前面说的那种体验——四天里把一个新想法完整建到 80% 的程度——它对人的激励是那么强，以至于他们会把更多自由时间和自由思考的时间花在想新点子上。对我来说，这是 AI 正在发生的事里最令人兴奋的部分之一。
贾西：但我也认为，对于那些已经有成功客户体验、有规模的公司来说，如果它们把 AI 主要当成对现有体验的增量改进，那三到五年后它们很可能不会有那种能赢的体验。因为我认为我们知道的所有这些体验——甚至那些看起来最难想象会变的——几年后都会因为 AI 而变得明显不同。
贾西：所以这意味着，如果你想的不只是增量，你就必须找到办法让团队从头重新想：如果你今天带着所有可用的新技术、比如 AI，去建这个东西，它会是什么样？在某些情况下——对我来说 Alexa 就是——我觉得必须这么做是相当明显的。Alexa 的大脑在当年被造出来时非常有创造性，但生成式 AI 让这个大脑能做的事完全不同了；如果你想长期提供好的客户体验、想保持相关性，你就得把 Alexa 的大脑重新接线。
贾西：顺便说，即使它相当明显，做起来也很难。团队跟自己做出来的东西是有连接的，为它骄傲，对什么有用什么没用有辛苦换来的伤疤。要让他们完全从头、重新想象，是需要时间的。因为团队会说：我们不是这么做的；我们试过，那样不行。
贾西：但我觉得更难的是那些不那么明显的：把我们的其他消费者体验、把零售业务、把 Prime Video、Fire TV、Prime Music 拿过来——这些体验里，技术今天有一个好得多的解法，并不是那么明显。但我确实相信，这些业务里每一个都需要被重新发明。我们有团队在做那些完全重新想象的版本。
贾西：我们会一次就做对吗？大概不会，我们会迭代着进去。但它已经在产出各种新的想法和客户体验，我们觉得非常有吸引力。接下来有意思的是这场赛跑：你是要一个完全不同的体验——几乎像一个新应用——还是那些东西进步得足够快，被你加进现有体验里，于是你在未来几年里一点一点地、有意义地改变整体客户体验，同时找到那些有效的元素。但我确实认为，如果你想继续做一个成功的领导者，这些体验里每一个在未来几年都必须变得不一样。
本：是啊，这是个很难的领导力问题。它让我想起我刚开始做工程师的时候，我跟某个人为什么事争论，我老板说：你要明白一件事，本，在第一行代码写出来之前，一切都是可以讨论的；写出来之后，它就是宗教。
本：这真的很有意思，因为建最初那个东西时投入的所有知识、所有经验，现在你说：好，我们愿意放弃其中很多，走进这个新世界。而且客户也一样——你会有一大批喜欢现在这个体验的客户。
贾西：每一次大转型，至少我的经验是这样——也许你有反例——几乎每一次大转型都是巨大的变革管理。技术和产品、客户体验和商业元素都必须足够有吸引力，让人愿意改变。但当这成立时，它也不会自己发生。就像从本地部署搬到云，是同一类转变：很多基础设施负责人非常为他们的东西骄傲，了如指掌，处在行动的中心，他们不想学新东西。同样的情形也会出现在重新发明你所有客户体验的时候。
贾西：过去十年，我们都为这些体验骄傲，我们每个人都有一百件能让它更好的事，我们醒着的时候都在做。要去想「我怎么完全从头来一遍」，在智力和情感上都很难。
第十三节 如果你今年 18 岁（52:53–56:25）
埃里克：毫无疑问。安迪，几周前我们刚孵化了一个学院，去帮年轻人准备我们正在谈的这场转型。你说过 AI 让建造变得更容易，但年轻人仍然需要学真正的手艺。我很好奇：如果你在 2026 年是 18 岁，你会给自己什么建议，去准备我们正在进入的这场转型？
贾西：我有两个孩子，一个 25 岁，一个 22 岁。那个 22 岁的孩子，在这一切真正起飞的时候是 19 岁。我很快就学到：你没法告诉他们别在教育里用 AI。那艘船、那列火车已经开走了。我认为大学不跟它对抗才是明智的。它就是人们会用的工具。
贾西：但同时，我认为所有年轻人——对我们来说，我们的文化是写作文化，很多人用 AI 写东西——你能看出某样东西是 AI 写的。它就是不太对，那些部分拼在一起就是不太对。
贾西：所以我会给一个年轻人的建议，也是我给我孩子的建议是：你没法逃开它，也没法许愿让它不存在。它会在你的人生里产生难以置信的影响，在你工作中尝试使用的每一个体验里；它会让你用我们以前不可能的方式去发明。所以你真的需要去学它，去教育自己，去大量使用它，去试，去做那些超出你舒适区的事。
贾西：我两个孩子都不是开发者，但他们都用 AI 建过应用。把它当成你每天怎么运作、工作中怎么使用工具的中心点。但我不认为它替代批判性的推理和思考。
贾西：我觉得这对大学也成立。比如很多人想商学院：你每天要分析三个案例，要读很多东西、要做笔记、要找出关键问题，然后看一堆附件、在上面做笔记，然后你要拼出你认为这家公司该有的方案。而往往有一大批人就是没做那些功课——没读、没研究、没做笔记。
贾西：所有这些，AI 会让它消失。AI 能很快把每个人带到那个先进的起点，快得多。但我也要说，真正把点连起来、把碎片拼起来——无论是建一个战略、一个方法、一个计划，还是一个新产品、一个新客户体验——我不认为 AI 会替大多数人、在大多数时候做到。
贾西：不是它永远不会发生。我仍然认为你需要人的判断、创造力、发明、试验，以及去想所有碎片怎么拼到一起，才能建出惊人的体验和生意。所以你想用这些工具，它们会是巨大的助力；但我仍然认为批判性的推理和思考，在我们做的每件事里都会非常重要。
第十四节 三条大转型与收尾（56:25–61:21）
埃里克：是啊。往收尾走：你们所在的业务跨度很大——卫星连接、机器人、医疗。这种野心，想到这家公司最开始只是在网上卖书，现在到这里，真的很惊人。你怎么看把这几条业务线串起来的那根线？或者你怎么判断哪些业务线值得投很多年？怎么确保不把自己摊得太薄？还是说你怎么理解这么大的范围？
贾西：我说几点。第一，我认为我们正处在我们一生中、也许是有史以来最大的三场转型之中：AI、机器人、太空开发。三件都很大，三件都会彻底改变我们会遇到的很多客户体验。而我们正处在三场转型的中间。
贾西：你看我们在零售业务里怎么用机器人，看我们在 AI 这边做的事——既让内部和外部的建造者能更容易建出成功的 AI 应用和 agent，也重新发明我们所有的消费者体验。
贾西：你想想这些正在发生的转型，我们有机会帮客户把它们用起来，让客户的日子更好过。而且我们用的方式既帮到客户，也长期给我们自己带来可持续的生意。我觉得我们有机会在多得多的领域里帮到客户、变得更有相关性。
贾西：这还没提到我们在生鲜、在自动驾驶网约车、在医疗上做的事。关于组织方式，这些年来我们内部常有争论，外面也有很多人问同一个问题：什么算摊得太薄？我认为一部分取决于你怎么组织自己、以及你愿意投多少。
贾西：因为我们不会让同一批人管多个业务，我们是以这种去中心化、单一线程的方式组织的。如果那些团队里有对的领导者、对的建造者，如果你有一个足够大、能改变整体的体验，如果你有一个有差异的想法、而这个空间没有被很好地服务，你就有机会同时推进很多这样的事。我们在很长一段时间里就是这么做的。
贾西：然后它就归结为你愿意投多少。有些公司——完全可以理解——会说：我们就守着自己的本行，守着核心业务去增长。顺便说，那可以是非常成功的策略。我们也非常在意让现有业务继续增长、继续建。我认为我们做得相当成功，速度不错。
贾西：但还有那么多客户体验，我们知道客户真的很想让我们帮着解决，而我们能解决。它们会帮到客户，也会长期改变我们的生意。我们会继续去追这些。
埃里克：这是个很激励人的结尾。无止境的野心。安迪，非常感谢你来上节目。
贾西：谢谢你，安迪。谢谢你们请我来，我很感激。
埃里克：感谢你收听这一期 a16z 播客。如果你喜欢这一期，记得点赞、评论、订阅、留下评分或评价，并分享给你的朋友和家人。更多单集请到 YouTube、Apple Podcasts 和 Spotify。在 X 上关注我们，订阅我们的 substack：a16z.substack.com。再次感谢收听，我们下一期见。
埃里克：提醒一下，这里的内容仅供参考，不应被视为法律、商业、税务或投资建议，也不应用于评估任何投资或证券，并且不是面向任何 a16z 基金的投资者或潜在投资者。请注意，a16z 及其关联方也可能持有本播客中讨论的公司的投资。更多细节，包括投资清单的链接，请见 a16z.com/disclosures。
References
- 1The a16z Show 本期单集页
a16z.simplecast.com
- 2Amazon 2026 年第二季度业绩（IR）
ir.aboutamazon.com
- 3
- 4亚马逊追加投资 Anthropic 的官方公告
aboutamazon.com
- 5OpenAI 与亚马逊战略合作官方公告
openai.com
Comments