文 | 明晰野望
当谷歌、Meta、英伟达都在积极推进 AI 布局时，亚马逊也出招了。
12 月 17 日，亚马逊 CEO 安迪· 贾西亲自宣布，旗下负责大语言模型的 AGI 团队、自研芯片的 Annapurna Labs，乃至前沿的量子计算团队将进行创造性“ 缝合”，转变为直属于他的全新“AGI 组织”。而公司 AGI 部门原负责人将于明年离职。
2025 年以来亚马逊的日子着实不好过，股价的年度涨幅凑不出一个涨停板。也就是说，在 AI 疯涨的大背景下，投资者压根没把亚马逊算在“AI 阵营” 里。一系列雷霆手段与其说是亚马逊在 AI 棋局上的主动出击，不如说是一次紧迫的“ 战略补救”。
明明手握 AWS、自研芯片和全球电商平台等王牌，亚马逊为何会将一手天胡好牌打得如此被动？
昔日位面之子，沦为版本弃子？
在“ 后百模大战” 时期，头部玩家的打法已然清晰：以一个强大的、具备持续进化能力的自研基础大模型为“ 大脑”，以自家的云平台为“ 躯干” 提供算力与服务，再通过丰富的应用场景和开发者生态将 AI 能力注入“ 四肢百骸”，形成正向循环、自我强化的闭环。
OpenAI 以 GPT 系列模型为核心，通过与微软 Azure 的深度绑定，构建了强大的“ 模型+云” 双引擎；字节跳动则依托豆包大模型迅速赋能抖音、剪映等亿级用户产品，实现技术与场景的快速融合。
在这个逻辑框架下审视亚马逊，会发现其 AI 的掉队并非一朝一夕，而是在“ 大脑”、“ 躯干” 与“ 四肢” 等多个关键环节都出现了不同程度的错位。
当 OpenAI 的 GPT-4 重塑着人们对智能的认知、谷歌携 Gemini 系列模型展示多模态的强大实力时，亚马逊推出的 Nova 系列模型在技术圈和公众视野中却显得声量微弱。
根据 Omdia 发布的最新数据，截至 2025 年 10 月，OpenAI 与谷歌的模型日均 Tokens 调用量占比分别为 31％和 19％，而亚马逊的 Nova 模型则被归入“ 其他” 类别，市场存在感较低。
为了扭转颓势，亚马逊内部启动了代号为奥林匹斯的秘密武器项目，据称其参数规模将远超现有模型。然而时至今日，该模型仍笼罩在神秘的面纱之下。作为亚马逊利润奶牛和 AI 战略“ 躯干” 的 AWS 云业务，同样面临腹地被侵蚀的严峻挑战。
要知道，大名鼎鼎的 AWS 曾凭借规模效应、稳定性和成本优势，成为全球企业上云的首选。但在 AI 时代，算力的价值正在与模型的优越性深度绑定。微软通过将 Azure 与 OpenAI 的服务进行深度整合，为企业提供了“ 开箱即用” 的顶尖 AI 能力，成功吸引了大量高价值的 AI 负载。
根据 Synergy Research Group 的报告，2025 年微软 Azure 在全球云市场的份额持续攀升，与 AWS 之间的差距正持续缩小。Azure 增长的主要驱动力，正是 AI 服务的强劲需求。同样，谷歌云也凭借其与 Gemini 模型的原生集成，在 AI 原生企业中获得了极高的青睐。
面对竞争对手“ 算力+模型” 一体化的凌厉攻势，AWS 的应对策略显得有些力不从心。
它推出的 Bedrock 平台表面上看像是巨大的“ 模型超市”，集成了包括 Anthropic 的 Claude、Cohere 以及自家 Nova 在内的多种模型。但这种策略也使其在定位上更像渠道商，而非拥有核心竞争力的“ 主机厂”。
当开发者和企业越来越倾向于选择拥有最强“ 大脑” 的生态时，AWS 算力租赁优势也被稀释。不仅利润的增长开始放缓，其在 AI 创新者心中的“ 首选平台” 地位也逐渐动摇。
而在作为 AI 能力“ 四肢” 的应用层，亚马逊的表现更是令人扼腕。
2014 年亚马逊首次发布 Echo 智能音箱，其内置的语音助手 Alexa 横空出世，一举开创了智能家居时代，成为人机交互领域当之无愧的先驱。
然而十年过去，当年的屠龙少年似乎忘记了如何挥剑。如今的 Alexa，绝大多数时候仍被困在“ 查天气、定闹钟、播放音乐” 的初级工具性困境中，商业化前景并不明晰。据内部消息透露，负责 Alexa 和硬件的设备与服务部门也长年处于巨额亏损状态。
大模型能力掉队、云业务腹地被侵蚀、C 端应用创新乏力，三大关键指标集体亮起的红灯，清晰地表明亚马逊的 AI 困境已非局部战术失误，而是较为深刻的系统性危机。此刻看似激进的组织重组，实则是这头商业巨兽在感知到生存危机后，一场迟到却又必然的奋力扑救。
当经验惯性，成为创新牢笼
要理解亚马逊为何会在 AI 赛道上陷入被动，就必须回溯其赖以成功的核心逻辑。
亚马逊的商业帝国是围绕类似“ 飞轮效应” 的增长模型建立的：以客户体验为中心，提供更丰富的选品、更低的价格和更便捷的体验，从而吸引更多客户；更多的客户带来销售的增长，吸引更多商家入驻、形成规模效应，随后进一步降低成本，再将节省的成本返还给客户，形成不断加速旋转的增长闭环。
这套成功学的核心正是“ 客户至上”，在这个逻辑的指引下，亚马逊布局自研芯片的决策堪称典范。
早在十多年前大多数公司还在满足于使用英特尔的服务器芯片时，亚马逊就敏锐地意识到要实现成本控制就必须掌握核心硬件。其自研芯片的初衷并非为了对外销售，而是服务于庞大的电商和 AWS 业务，摆脱对英伟达、英特尔等外部供应商的依赖，将成本牢牢控制在自己手中。
这一策略取得了巨大成功，帮助 AWS 在残酷的云计算价格战中始终保持领先，也为亚马逊电商业务的低成本运营提供了坚实基础。2023 年财报显示，AWS 的营业利润高达 246 亿美元，自研芯片带来的成本优势功不可没。
然而，正是这种被过往成功反复验证的经验，在面对生成式 AI 这样的全新物种时，却显现出了其僵化和局限的一面。
亚马逊手握全球最大的电商平台，拥有数百万活跃卖家和数亿会员，积累了无可比拟的消费行为数据，这是将 AI 能力与 C 端场景结合的绝佳试验场，但亚马逊却显得步履蹒跚。
它不仅错失了 C 端 AI 的破圈良机，更在电商主战场被来自中国的 Temu、Shein 等新势力以极致的低价策略拖入缠斗，分散了战略精力。
这背后的深层原因，在于亚马逊的很多资源，都倾向于去打造“ 一匹更快的马”、其创新模式高度依赖于对现有客户需求的洞察和优化，在细分场景做渐进式改良。
于是，亚马逊 AI 团队被散落在各个业务线，分别解决着“ 如何提升仓库拣货效率”、“ 如何优化商品推荐精准度” 等具体、细碎的商业问题，虽然在短期内提升了局部效率，却白白浪费了整合资源、集中力量攻坚 AGI 这类通用底层能力的黄金时期。
相比之下，阿里、腾讯等国内大厂在面对新趋势时，反而表现出更强的敏感度和行动力，甚至核心业务来为 AI 进化提供试错和加速度。
比如阿里巴巴迅速将“ 通义千问” 大模型融入钉钉、淘宝，实现“AI 帮你读财报”、“AI 帮你写文案” 等实用功能，腾讯将“ 混元” 大模型赋能广告、游戏、会议等核心业务。反观亚马逊，迟迟未能推出一款引爆市场的 AI 原生应用。
过往的成功经验也固化了亚马逊的组织行为模式，以芯片业务为例，“ 内部消化、不对外销售” 的模式虽然在短期内实现了降本目标，却使其芯片产品失去了在广阔市场中竞争和迭代的机会。它无需像英伟达那样为了让开发者使用其 GPU，而呕心沥血地打造出 CUDA 这一强大的软件生态。
缺乏外部市场的锤炼和开发者生态的滋养，亚马逊的芯片虽然性能优秀，却始终只是“ 内部特供品”，无法成长为像 GPU+CUDA 那样能够定义行业标准、撬动整个产业的平台。
“ 客户至上” 的强大惯性，让亚马逊过度执着于解决客户当下的、可见的痛点，从而系统性地忽视了那些需要长期、巨额投入且短期内看不到商业回报的“ 非共识” 领域。它擅长从 1 到 N 的优化，却在从 0 到 1 的开创上显得犹豫不决。
这也是所有创新企业的魔咒：从激进派取得了资源积累后，必然会步入保守的守业阶段。在 AI 的星辰大海面前，这种“ 小富即安” 思维无疑是致命的。也许，只有通过一场刮骨疗毒式的 AI 调整，加上对手的失误，才能让亚马逊重返 AI 第一梯队。
但那些强大且完成试错的对手们，会轻易犯错吗？
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
