亞馬遜執行長：AI業務年營收逾250億美元，成長速度為AWS早期數百倍，即便砸2200億美元仍供不應求

近日，亞馬遜執行長安迪·賈西（Andy Jassy）登上知名創投機構a16z的播客節目，與共同創辦人本·霍洛維茨（Ben Horowitz）深入對談。訪談中，賈西全面揭露亞馬遜在生成式AI浪潮中的戰略佈局。

針對華爾街對科技巨頭看似無底洞的資本支出擔憂，賈西給出最直接的市場回饋：需求不僅未放緩，反而正急速超出未來產能。同時，他詳述當前AI市場的「杠鈴式」需求結構，並明確指出：欲真正釋放企業級AI應用，推論運算成本須再降低一個數量級。

『即便投入2200億美元，我們仍遺留大量需求未滿足。』

目前市場最關注的核心問題是：巨頭動輒數千億美元的資本支出，是否將淪為過剩沉沒成本？賈西以一組驚人訂單數據，直接回應市場疑慮。

『即便今年投入2200億美元，我們仍遺留大量有意義的需求未滿足。』賈西直指當前運算力極端供需失衡：『我們始終預留部分運算力供隨需調度，但2026年產能已售罄，2027年基本售罄，連2028年很大一部分也已預售完畢。』

從業務成長角度看，AI帶來的成長曲線極其陡峭。賈西將AWS（亞馬遜網路服務）早期發展速度與當前AI進程比較：『AWS前三個財年，我們已覺得成長飛快，年化營收達約6000萬美元；而本次生成式AI浪潮前三個財年，AWS AI業務年化營收已逾250億美元——速度快了數百倍；我們從未見過如此景象。』

針對資本市場擔憂，賈西說明資料中心投資的現金流週期邏輯：資料中心建設須提前兩年啟動，但使用壽命可達30年；伺服器與網路設備採購僅需數月前置期。這代表公司對客戶需求有極高能見度。『若發現實際無須填滿這些資料中心，就不會採購伺服器與網路設備。多數伺服器合約為五年，通常三年內即可損益兩平。正因這現金週期，高速成長初期自由現金流確實面臨壓力，但一旦全面上線，回報將極為豐厚。』

駁斥資料中心爭議：『一座高爾夫球場兩天用水量，等於我司全年用量』

在美國，資料中心能耗與環保議題正演變為政治爭議。賈西強力反駁，並將之提升至國家競爭力宏觀層次。

『我們正經歷的基礎設施建設規模，堪比1950年代美國高速公路與橋樑建設。無論是美國或全球，都負擔不起不建資料中心的成本；否則將由中國等國主導所有領導地位與規範，這對我們國內及全球而言皆不可接受。』

針對環保指控，賈西提出震撼事實：『許多流傳說法介於謬誤與謊言之間，因政客與投機者偏好找簡單的『惡人』。實際上，高爾夫球場或杏仁種植耗水量遠超資料中心。舉例：一座高爾夫球場日均耗水是我司200倍；其兩天用水量即超過我司全年用量。』

他也補充，備用發電機污染被嚴重誇大：『法規要求按全載運轉申報污染量，但實際上，我們每年僅為維護啟用備用發電機0.1%時間（約10小時）。』

AI需求的『杠鈴效應』與降低推論成本的核心邏輯

剖析具體AI需求時，賈西提出生動的『杠鈴理論』，亦解釋亞馬遜堅持自研晶片策略的原因。

『杠鈴一端是AI實驗室，消耗海量運算力；另一端是企業，主要運用AI降本增效，例如自動客服或流程自動化。杠鈴中間則是企業現行生產工作負載。絕大多數企業尚未採用（AI推論），但我相信，5至7年內，幾乎所有既有企業應用都將深度整合推論技術。』

然而，要激活「杠鈴中段」的龐大市場，價格仍是最大障礙。

賈西強調：『過去幾年，推論成本已大幅下降，但在我看來，目前仍貴上一個數量級。若要求企業將現有CPU應用程式全面改寫為AI加速器架構，而成本差異極大，其改寫門檻便會非常高；但若能壓低推論成本，門檻將顯著降低——這正是我們聚焦自研晶片業務的原因。』

賈西高度評價亞馬遜於2015年收購晶片設計公司Annapurna Labs，稱其為『亞馬遜史上最具成效的併購，且毫無第二名可言』。他透露，透過自研Graviton處理器（相較其他x86處理器成本效益高40%）與Trainium AI加速器（成本效益高30–40%），亞馬遜正積極壓低運算力成本。

組織重整：6名工程師一年內完成原需40人之工作，所有產品皆須從零重建

除了對外輸出運算力，AI亦在內部重塑亞馬遜這台龐大機器的運作模式，其中人力結構與產品開發邏輯首當其衝。

賈西分享了一則驚人的內部案例：Bedrock（亞馬遜AI推論服務平台）團隊僅動用6名工程師，耗時76天即重構推論引擎；過去此類工作則需40人花費整整一年。

『此事令所有人眼界大開。』賈西坦率表示：『未來，執行相同工作的員工數將遠少於今日。我並非說我們不再需要人力，而是隨業務規模擴張，我們不會再像過去那樣投入同等規模的人力。團隊規模將縮小，人員需跨職能協作，因為模型可協助完成八成工作。』

在產品層面，賈西認為漸進式改良已不可行，必須具備『從零重建』的勇氣。

『以Alexa為例，其開發時期的「大腦」極具創新性；但生成式AI出現後，能力邊界已徹底改變。若想打造贏得客戶體驗的產品，就必須重新設計Alexa的大腦。』

不僅Alexa，賈西指出，亞馬遜所有核心消費者體驗——包括電商零售、Prime Video與音樂服務——未來數年都必須結合AI全面重新構思。「團隊常因自尊與歷史包袱而抗拒，聲稱『我們試過了，但失敗了』。但這種重建過程雖痛苦，卻勢在必行；若只執著於漸進式改良，三至五年內便會遭淘汰。」

以下為播客全文翻譯：Andy Jassy 00:00

即便今年投資達2200億美元，我們仍無法滿足大量需求。我們總會預留部分容量供隨選使用，但2026年已明顯售罄，2027年幾乎售罄，而2028年亦有相當比例提前售罄。

Andy Jassy 00:14

金融市場聲稱：『全球資金不足以支應這些投資。』但世上一切——股市、銀行、醫療——皆仰賴資料中心。我們的使命，就是盡可能擴充容量；我們有機會涵蓋更多客戶體驗，讓民眾生活更美好、更便利。那些大型實驗室願為電力、散熱與晶片支付近乎任意價格。那麼，或許我們該轉向老客戶退租、新客戶承租，畢竟他們願意按我們的價格競標。

a16z 00:48

Andy，歡迎來到節目，很高興邀請您。謝謝邀請。您擔任亞馬遜執行長已五年，成果斐然。身處此位殊為不易，而作為CEO，各項事務接踵而至——您目前資本支出達2200億美元，AWS成長率達20%、28%，確實成就非凡。

Andy Jassy 01:09

您已達成如此多目標，那麼您如何看待亞馬遜2026年的宏圖？與2021年您正式接任執行長時相比呢？噢，2021年感覺已十分久遠，彷彿已是十年前的事了。但你知道，世界變化得如此之快……

Andy Jassy 01:30

若與2021年相比，我們整體營收約高出80%，AWS業務接近三倍，廣告營收則約為兩點五倍。因此，這項事業確實成長頗為顯著。

安迪·賈西 01:47

我認為確實發生了幾件事。我上任後不久——正值疫情趨緩之際——我們的零售業務面臨實際的履約成本挑戰：我們的履約網絡規模幾乎翻倍。歷時25年打造的網絡，約在18個月內擴充一倍；隨後又於約20個月內建成可媲美UPS的「最後一哩」配送網絡。如此快速擴建，勢必導致各類未經優化的環節，履約網絡成本因而高於預期，當時確實帶來諸多挑戰與焦慮。

我記得上任還不到一年，大家就紛紛說：這時接任真是最差時機，運氣太糟。但回頭看來，這其實是極佳的起點，堪稱一種福分——正因如此，我們被迫重新審視許多多年來未曾深思的議題，而這些思考恰恰催生了對客戶與業務極具價值的構想。其中最重要的一項，便是履約網絡：我們將美國原本扁平化的全國性履約網絡轉為區域化。透過區域化，商品更貼近消費者，縮短運輸距離以降低履約成本，同時加快送達速度。

在那段履約成本艱困時期，重新檢視我們最根深蒂固的信念，確實激發了大量對配送速度與零售業務的需求，這也是我們能快速成長的關鍵原因之一。當然，緊接著AI更全面點燃整個局面。AI本身並非新事物——我們長期投入機器學習，此前亦曾歷經數波被譽為「真正轉捩點」的AI浪潮。但到了2023年，生成式AI所帶來的巨大差異才真正彰顯。我想強調的是，彼時AWS業務已高速增長。

我們擁有顯然最廣泛的功能覆蓋、更強的營運表現與安全性，且夥伴生態系亦具獨特性。我們明確領先業界，當時便深信此業務長期（例如十年內）有望達成數千億美元營收。如今，放眼AI發展全局，見證所有已知客戶體驗皆因推理與AI而重構，我們更確信AWS不僅持續高速成長（上季年增36.7%，年化營收達1690億美元），眼前機遇更是驚人。

此外，我們還孕育了多項新事業種子：無論是團隊如何發展Prime Video——如今已成為龐大且獲利的事業；或與Amazon Leo合作打造的低地球軌道衛星；或與Zoox共同推動的自動駕駛叫車服務；以及醫療健康事業與機器人領域的布局。我們確實有機會協助更多客戶，涵蓋更廣泛的客戶體驗，日復一日讓生活更美好、更便利。

而「每日讓客戶生活更美好、更便利」這項使命，真正貫穿公司全體行動。接下來我想就此提出幾個追問：首先，您剛提到快速擴張履約網絡難免導致效率下降。畢竟步調過快，必然出現各種不夠圓熟之處。那麼，從執行長角度，您如何溝通這項作為，同時不降低文化標準？畢竟亞馬遜以卓越、營運效率與節儉精神著稱，但您卻表示要打造如UPS般的網絡等目標。您如何調和這兩者？

有趣的是，我們有一套眾所周知的領導原則，共計16條，其中多數原則本就用以指導團隊對營運與文化的思考。

但其中有幾條彼此存在張力，有時甚至令人困惑。現實本就如此——世界從無非黑即白；我們永遠在權衡取捨。回到當初決心以激進速度擴張履約與最後一哩配送網絡的時刻，團隊面臨的挑戰在於：我們清楚，如此加速推進將極其艱難；成本很可能高於穩健推進；且未必能如從容規劃般實現全面優化。但客戶與賣家亟需這一切。此時，我們該傾向「先完成再完美」嗎？

請別忘了，那正是疫情初期，所有實體店面皆已關閉。

若觀察亞馬遜在疫情期間對每個人生活的影響，其突破性實屬空前。因此我們必須自問：是否應選擇快速建置（即使不夠優化），以服務客戶與賣家——尤其那些同樣苦撐維持營運的賣家？這是我們須做的第一個決策。而我們一如往常，選擇堅守客戶立場。過程中很快便發現，許多規劃並未順利推進。

我們的履約團隊比公司大多數部門更常駐辦公室，但即便如此，仍需大量人員參與設計、規劃與評估。人員分散各地、遠距工作，而我們又須平衡「行動導向」（速度）與「堅持極高标准」——後者意指依既定成本結構、配送方式與設計交付成果。因此，我們再度面臨權衡。

我們的權衡是：立足客戶立場、快速推進，以優質服務賣家與消費者，並坦然接受後續需進行清理工作。當時我們是否預見它會演變為今日樣貌？答案是否定的。部分環節確實未能妥善優化，我們也未必預料到這些缺口。但若有健全指標，且文化鼓勵講真話——這亦是我們文化至關重要的一環——我們便會攤開數據、直面問題、坦誠溝通，不容他人粉飾太平。擁有此類文化，問題便會在指標與討論中清晰浮現。

接下來只需釐清改善路徑，區辨何為微小效率問題、何為結構性問題。一旦基礎容量到位，我們便回頭徹底重組網絡關鍵部分——這原本僅排在該團隊當時優先事項的第八或第九位，但後來因能兼顧速度與成本，躍升為極重要任務。是的，頗有意思。您最初啟動AWS時，做法有點像「先建好，自然有人來」——您建構整套基礎設施，然後營運它。換言之，客戶必須上門，否則將陷入嚴重困境。

但如今，這股趨勢正以更龐大的規模展開：你們與其他幾家公司——雖說主要還是你們，至少你們無疑是其中最大玩家之一——正以驚人速度興建資料中心與晶片產能，以致金融市場開始驚呼：天啊，全球根本沒有足夠資金來支應這些投資！近期我們也看到CoreWeave等公司的債券與股票市場出現類似緊繃情勢。那麼，面對如此強勁的需求與高速成長，您如何判斷：這波建設浪潮中，何謂過度投資？此外，供應鏈競爭激烈，您必須與他人爭奪冷卻系統、電力、晶片等各項資源。沒錯，這是個極佳的問題。我真希望有套公式可簡化此決策，那將為我們團隊省下大量時間。

我想這麼說：在第一波雲端浪潮初期，當我們啟動AWS時，確實帶點『先建好，使用者自然會來』的實驗心態。但當時內部已有明確信號：早在2000年代初，我們就有不少團隊進度遠落後預期——儘管相較於業界，我們自認已算快速。然而始終無法釐清進度遲滯的主因；後來才發現，產品團隊竟將70%至80%時間耗費於基礎設施搭建，導致無暇專注於真正創造產品差異化的核心工作，僅約20%時間用於此。

因此，我們意識到每支團隊都在重複造輪子。於是最初構思AWS，目的正是提升內部運作效率。當時判斷：若能打造一組具大規模、高可用性、低成本與高度彈性的基礎模組服務（如運算、儲存、資料庫、內容傳遞、訊息服務等），便能大幅加速消費者業務開發。接著我們推論：自身技術水準尚可，其他企業很可能面臨相同困境。甚至在對外推出前，內部已有眾多團隊熱切參與，顯示方向正確。但包括我在內，誰都沒料到它對外擴張的速度會如此驚人。

至於AI領域，諸位皆知，歷來屢有聲浪宣稱『就是現在，AI終於來臨了』。即便在這波生成式AI浪潮前六、七年，業界已普遍認為『AI時代已至』。我們早已建構大量AI服務，且在AWS上已是頗具規模的業務；但與今日相比，仍顯遜色。AWS早期雖自認成長迅速——三年後年化營收達6,000萬美元，已令人滿意；但這波生成式AI浪潮的前三載，僅AWS的AI業務年化營收便突破250億美元，成長速度高出數百倍。如此現象，我們從未見過。因此關鍵問題浮現：為把握此機遇，您願投入多少資本支出？我可以明確告知：我們預期至2026年資本支出總額將達2,200億美元。

順帶一提，約15年前一次領導團隊早餐會上，我們難以置信某電信公司竟投入500億美元資本支出，還驚嘆：『他們怎麼可能砸下如此巨資？』這些數字確實令人咋舌。即使今年即將支出2,200億美元資本，我們仍不得不放棄相當部分的客戶需求。真正助益我們的是對客戶需求的高度可視性。若您觀察AWS資本支出結構與現金週期運作，其主要分兩大塊：一是資料中心投資，二是伺服器與網路設備投資。資料中心須提前約兩年投入，方能部署伺服器並開始變現；好消息是此類投資僅需一次，且屬長壽資產，使用年限約30年。

但您必須提前數年進行此類投資。伺服器與網路設備則只需提前數月採購，具體時程依元件而定。因此，在實際執行前，您已掌握清晰的客戶需求圖像；若發現無需填滿資料中心容量，便不會購入伺服器與網路設備。平均而言，此類設備約三年即可回本，目前使用壽命約五至六年。

我們多數合約期限約五年。因此，當您如我們般高速興建大量資料中心時，前期將耗費鉅額資本，自由現金流亦將面臨數年壓力——直至數年後進入後期階段：所有資料中心全面啟用、產生收益，且伺服器與網路投資亦逐步回收。但受現金週期特性影響，高速擴張的頭幾年確實造成現金流逆風。話說回來，回顧AWS創立之初，資料中心恐怕是全世界最不可能被視為政治議題的事物；但如今，尤其在美國，我們正身處此境。

有趣的是，我相信您也親身經歷過：全球各地中，美國政壇對資料中心的反對聲浪最為強烈，無論出於何種原因。那麼，這種局面最終將如何影響全局？我想問的是：反對資料中心的論點是否具合理性？這又將如何左右您的策略——例如在本地或全球其他區域的建設規劃？好的，我可分享一些個人見解，至少是我所相信的觀點。請想想，今日世界一切運作——股市、銀行、醫療、娛樂、購物、教育、商業、叫車服務——全都仰賴數據驅動，且毫無例外地倚靠資料中心。不，所有人皆然；若反對資料中心，我寧可不再使用手機。

但所有產業皆仰賴資料中心。這還是在AI尚未全面登場之前。AI堪稱當代最重大的科技轉型——歷經網際網路、雲端、行動網際網路之後，此評論分量十足。事實是，要支援前述AI領域的爆炸性成長，所需的基礎建設規模，自1950年代美國興建高速公路與橋樑以來，國內乃至全球均未曾見過。換言之，我們此刻正經歷同等級的建設浪潮。而此國——全球大致相同，但我特別點名美國——若不積極興建資料中心，將付出無法承受的代價；否則，中國等國家勢必在此領域全面主導並制定規則。無論從國內或全球視角，這絕非我們樂見的局面。

因此，此刻我們必須興建資料中心。那麼，身為整個產業，我們是否具備比現況更優的作為方式？當然有。我深感各方正快速演進，共同學習。但當前卻有一批——我姑且稱之為介於迷思與誤導之間的論述——正廣泛流傳，因其本質易於讓各方輕易找到現成「反派」。政治上，某些機會主義者樂於指認此類「反派」。舉例而言：高爾夫產業或杏仁農業耗水量，遠高於資料中心。

僅提供一個數據參考：高爾夫球場耗水量是我們所有資料中心總耗水量的200倍；其兩天的用水量，已超過我們資料中心全年的用水總量。此類案例不勝枚舉，這便是其中一例。您也可討論污染問題：實際上，當您登記新建站點並配置備用發電機時，必須完成登記與申報——假設這些發電機以滿載、全天候運轉，其排放量將為何？但事實上，這種情況從未發生：備用發電機每年僅運轉極短時間，例如僅約10小時用於維護。

因此，您可能也注意到電價議題——觀察我們大規模佈建資料中心的各區域，部分地區電價上漲，部分則下跌。但真正關鍵在於：我國對電網基礎設施的投資遠未達應有水準。隨著用電需求必然大幅增長，終將觸及臨界點，迫使我們必須加大投資。而如今推動這一臨界點提前到來的，正是AI——因其成長速度之快、規模之大，已成為最關鍵的驅動力。然而，一旦真正擴充供電容量，多數地區電價最終將趨於穩定甚至下降，正如印第安納州、喬治亞州或密西西比州已見證的情況。

當然，我們仍有可持續精進之處。另一常被忽略的重點是：在這些地區，大型資料中心供應商繳納了龐大的稅款。例如在印第安納州聖約瑟夫郡，我們已繳納約30億美元稅款。當地社區獲得這筆資金後，可用於真正攸關居民福祉的事項，故社區亦能實質受益。我們已啟動「攜手共建」（Built Together）等計畫，並承諾未來五年內，再投入10億美元支援既有資料中心所在社區。因此，我深信我們必須持續與社區協力推進此事，這必須是公私部門夥伴關係。但本階段的建設對國家未來至關重要——試想，若當年未興建高速公路，結果會如何？

a16z 20:44

還有橋樑建設——這將直接決定我國經濟繁榮程度與發展上限。因此，我們須以合理視角看待此議題，並務必成為所建社區的夥伴。讓我們回到資本支出（CapEx）話題：那2200億美元，即每日6億美元。我想為大家建立一個參照框架。我很好奇您如何看待當前AI需求——您先前曾將其描述為……

Andy Jassy 21:10

杠鈴結構。或許您可概述或定位目前AI需求的現狀。首先需說明的是我先前提過的背景——我實難相信AI成長之迅猛與龐大。其發展速度遠超AWS早期，達百倍以上；僅三年間，AWS的AI營收年化規模便已達250億美元。規模確實極其龐大。但同時，若細察需求結構，它確實呈現典型的杠鈴形態：杠鈴一端是AI實驗室，消耗巨量計算資源，規模空前；另一端則是少數爆款應用，如ChatGPT、Claude Code等。

Andy Jassy 21:59

杠鈴另一端則是企業用戶，主要將AI用於成本節省與效率提升，例如自動化客服、詐騙偵測或業務流程自動化。杠鈴中段則是企業現行生產工作負載——其中許多已部署於AWS，且今日已廣泛運用推理（inference）技術。但我必須強調：目前絕大多數企業尚未深度採用——我認為這將成為AI應用中絕對最大宗的部分，您很快便會見證。

Andy Jassy 22:38

我難以精確預估此進程加速之快慢，但可確定的是，其每年都在更廣泛地展開。若您拉遠視角，以五至七年為期展望未來——我甚至不認為需等到五至七年才全面實現，因變革從非一蹴而就。但若以五至七年為尺度審視，我認為現今我們使用與存在的企業級應用中，相當大比例、甚至絕大多數，都將深度整合推理功能。因此，前方仍有極大成長空間。

那麼您如何看待此狀況？因我們正面臨2027年資料中心、晶片、記憶體等關鍵資源即將短缺的危機：所有人皆正積極建置，但今年底前恐難全部完工，而需求卻毫無減緩跡象。您如何看待此局勢——當大型實驗室願意為電力、散熱、晶片等近乎不惜任何代價；而長期老客戶則依常規費率運作其業務。是否存在商業壓力，促使您思考：是否該逐步退出老客戶、轉向新客戶？畢竟新客戶正與我們同步競標。但對老客戶而言，我無法將其價格翻倍，那並不公平。您又如何看待此矛盾？實在頗為奇特：一方是合作長達20年、正邁向推理應用的既有客戶；另一方則是貪婪且願為一切付費的新客戶。

Andy Jassy 24:35

是的，這是個好問題。我們對此的觀點與您所述略有不同，但我完全理解您的立場。換言之，當前資料中心、電力與記憶體供給皆有限，且我認為此短缺狀況不會於2027年結束。

回歸資本投資議題，我之所以深信可加碼投資且不致造成資本錯配，原因之一在於：2026年產能目前已全數售罄，2027年亦幾乎售罄。我們雖會保留部分產能供隨選（on-demand）服務使用（無論是推理服務Bedrock或EC2），但整體而言，所有大型產能均已售罄。2028年產能亦已有顯著比例被預訂。需求如此龐大，您根本……若觀察AI業務與所謂核心業務（即非AI部分），兩者目前皆以極快速度成長。

此外，若手上僅有定量記憶體，您便須權衡：多少分配予HBM（用於AI加速器），多少分配予DRAM（用於核心業務）。這確實是真實存在的取捨。但我必須強調，我們在此議題上的出發點始終是以客戶為中心。

對我們而言，AWS與客戶擁有深厚關係與緊密合作。猶如疫情期間：當時競爭對手可能聚焦於季度內營收最大化，於人人壓縮成本的環境中追求短期最優化；而我們採取截然不同的策略——主動派出團隊協助客戶尋找成本優化方案，即使明知這將削弱自身短期乃至中期營收。但我們堅信：唯有長期助客戶成功，自身事業才能永續發展。核心業務亦同理。您確實可透過計算得出：基於稀缺性與客戶支付意願，或可向核心客戶收取更高費用。但他們的整體營運與所有核心應用，皆仰賴AWS平台。

我們不會壓縮客戶的空間，而是確保他們能順利擴展。接下來，我們的任務是盡可能提升產能，讓核心客戶、所有希望與我們共用AI的客戶，以及有意與我們共同發展AI的客戶，都能使用這些資源，且對我方而言具備經濟永續性。因此，我真希望能告訴各位：供應緊繃僅會在2027年出現；但實際上，我認為未來數年內，各類關鍵元件都將持續面臨此一挑戰。我們向來積極進取，我相信目前釋出的產能，已超越業界任何一家公司——正因我們堅定承諾、高度專注於持續擔任基礎設施與AI領域的重要領導者，一如過往。

但如前所述，今年我們將投入2200億美元，其實還可投入更多，這絕非低效的資本運用。此外，從中期至長期觀之，我認為我們仍難以完全滿足所有需求。當前需求規模實在驚人。延續此議題：2015年，你們收購了Annapurna Labs。當時恐怕未預見2015年即將爆發的巨大AI需求（彼時AI需求極為有限）。那麼，推動此項收購的動機為何？它又如何在當今新局中創造回報？誠然，Annapurna團隊是我有幸共事過最具才華的團隊之一，若論亞馬遜歷年收購案，此役堪稱最成功者之一，甚至可能是最佳案例。

是的，我們確實預見部分趨勢，但收購Annapurna並非專為AI晶片而來。關鍵在於：當企業達到一定規模，便能大規模觀察與分析客戶行為模式，進而體認到：若採垂直整合並自主建構特定能力，不僅可為客戶創造更高價值，亦能提升自身營運效益。因此，Annapurna加入後的首要任務，即是圍繞EC2伺服器核心：當時我們發現虛擬化、網路、資安及儲存等負載，耗費大量伺服器資源；我們期望將幾乎100%的伺服器資源，全數用於提供客戶計算力。

故在我方收購前，已與Annapurna合作開發此款網路介面卡（NIC），將上述功能卸載至NIC上，以便保留最多伺服器資源專注於運算。我們極度欣賞該團隊及其共同打造的產品。更意識到：此項採購最終將安裝於幾乎每一台EC2伺服器上——事實上，它已全面部署於我方所有伺服器。

因此，初期收購主因有二：其一，使其成為我方運算能力的核心支柱；其二，該團隊在晶片設計上才華洋溢，我們深信其有能力開發其他晶片。當時，我們與Intel建立深厚夥伴關係——至今仍維持緊密協作。但問題在於：當時Intel幾乎壟斷CPU市場；而當夥伴掌握近乎全部市佔率時，往往優先考量如何擴大市佔與營收，而非提升成本效益。

順帶一提，此現象完全合理，本就是市場運作機制的一部分，亦是「創新者的兩難」成因之一。因此，儘管我方亟欲推動成本效益，卻難獲對方重視。然而，客戶正持續將愈來愈多本地工作負載遷移至雲端，且明確要求更高成本效益。於是，我們委請Annapurna團隊進一步開發CPU晶片——成果即為Graviton。如今，我方前一千大EC2客戶中，高達99%廣泛採用此晶片；其成本效益較其他x86處理器高出約40%，對客戶及我方業務皆產生巨大影響。數年前，AI領域再度上演相同劇碼：當時確有一位極具主導地位的供應商。我方與其建立深度夥伴關係——迄今仍維持緊密合作，且預期未來長時間內將持續如此。

但該供應商市場龐大，同時推進多項產品與優先事項。而我方深知客戶亟需更佳成本效益，因而另組Annapurna團隊專責AI加速器開發，命名為Trainium；其成本效益亦較同級處理器高出約30%至40%。再談及杠鈴策略的中段——即前述討論內容——倘若探問：哪些因素能改變杠鈴中段，使當前企業生產應用更廣泛地採用推論（inference）？答案包含數項：其一是人才：部分人員已熟悉訓練後微調（post-training fine-tuning），但組織尚需具備相應能力，方能有效釐清優先順序、明確執行路徑與方法。

但更大關鍵在於：過去幾年推論成本雖已顯著下降，但依我之見，仍高達理想普及水準的十倍之多。因為若企業須將現行CPU運作之應用程式，全面改寫為採用AI加速器，而兩者成本差異懸殊，則企業必須從AI加速器獲得極高額外效益，才願意投入改寫——門檻實在太高。但若能持續降低推論成本，此一道坎便大幅降低；所有應用皆將因AI加速器與推論技術，變得更優越、更智慧、更強大。因此，「降低推論成本」正是客戶廣泛採用AI的關鍵環節，而我方晶片事業正是其中重要一環。確實如此。就我司內部經驗而言，相關支出可能極為龐大：曾有員工於近年間耗資200萬美元——執行極具價值的工作。

但誠如當時感受：推論成本確實不便宜。因此，您亦進行若干投資，特別針對Anthropic與OpenAI投入巨額資金；我記得Anthropic為180億美元，OpenAI則約500億美元。此舉背後動機為何？而此類投資，連同對Nvidia等公司的類似布局，已令華爾街略感不安，因其令人聯想到網際網路泡沫時期的不良舊事。您如何看待此一疑慮——尤其這些公司亦為我方客戶？此舉何以合理？這兩家公司皆擁有卓越團隊與令人印象深刻的事業；其業務成長速度——至少就營收面向而言——我實在未曾見過可與之匹敵者。真正令人難以置信。

對我方而言，此決策乃多重因素綜合作用：包括團隊素質、所開發之技術與模型、以及部分應用成果；我們深信AI具顛覆性潛力；我們相信這兩家公司將長期穩居本領域最成功企業之列——當然，並非所有參與者皆能勝出，但必將湧現眾多傑出企業，而我們確信它們將名列其中。此外，雙方合作極為緊密。容我先以Anthropic為例：我方與其合作時程更久。許多客戶已於我方推論服務Bedrock上運行Anthropic模型。我深信，在Bedrock上運行Anthropic的客戶，成效最為卓著。我方亦與其在晶片層面深度協作——其團隊已長期基於Trainium進行開發。我認為這對Anthropic極具助益，亦有利於我方Trainium團隊；雙方皆自彼此學習良多。因此，無論是基於對AI未來的信念、對這些公司的信心，抑或既有的深度協作，此項投資作為夥伴關係的一環，皆屬合理之舉。

接著在 OpenAI 側，有大量客戶希望在 AWS 上使用 OpenAI，但因先前的商業協議而無法實現。長久以來，雙方彼此尊重且極具合作意願。因此，在歷時數月的多輪對話後，我們達成共識：讓 OpenAI 可於 Bedrock 上運行；並共同打造獨特產品——具狀態的執行環境。我深信未來所有智慧型代理皆將以此方式構建：必須具備狀態管理能力。此外，Anthropic 等公司已承諾多年、數千兆瓦級的 Trainium 計畫。我們相信，它將長期成為此領域最成功的企業之一。上述種種，使我們認為深化合作與投資實屬合理。轉個話題，談談你如何運用 AI 創辦企業。我記得你提過，Bedrock 團隊僅用 6 名工程師、耗時 76 天便重構了推論引擎，原本則需 40 人花費一整年。這差距確實驚人。

你也知道，亞馬遜以「兩份披薩團隊」聞名。那麼，現階段你的組織設計思維是什麼？畢竟這項技術看似正徹底改變一切。多年來，我們分工日益專精：設有設計師、產品經理、前端工程師、後端工程師等職能。如今，所有人似乎又回歸通才角色。從組織設計角度，你如何看待此現象？是的，我完全同意你的觀點。你剛提到的 Bedrock 經驗，對我們所有人而言都極具啟發性。

我們亦花費大量內部時間分享該案例，激勵同仁並提醒大家何謂可能。畢竟類似情況終將發生——我在公司已服務 29 年，最初擔任助理產品經理時，曾獨自負責約五項產品。如今隨著公司成功擴張、產品日趨龐大，一名產品經理往往只專注單一產品，甚至僅負責其中一小塊（例如定價）。人人愈發專精，也普遍接受：若想成長成功，就該如此。但事實並非如此；當你觀察 AI 正在做的一切，顯然絕非如此。

僅以過去一週為例：我們正針對消費業務發展智慧型代理，投入大量資源。某日突然萌生極富潛力的構想，遂於週四決定嘗試打造真正可用的原型。結果如何？四、五位同仁週末投入開發，週日即達八成可上線狀態。此事千真萬確——完全是兩個世界。因此，我認為這對未來組織的意義在於：首先，未來執行今日工作的人力將大幅減少。只要觀察智慧型代理承擔了多少程式碼撰寫、客服、商業分析與研究任務，便一目瞭然。

是的，試想一下未來：資料表將如何建立？你需要多少律師？——我堅信人力不會消失，但所需數量將遠低於以往。過去企業成長時，我們持續增聘人員；未來則截然不同。新舊職務將同步湧現：部分我們已知，部分尚不可預見。隨著 AI、機器人與太空科技發展，全新職務必將浮現。儘管職務種類多元，但執行今日任務的人力勢必減少。我預期團隊規模將遠小於現在：跨功能協作將更常見；不再由單一人員僅負責微小模組，因模型本身即可助你達成八成成效。各功能領域的起點基準，將遠高於過去，故我深信創新廣度與速度皆將大幅提升。

我確信許多事物亟待改變。當今成立的新創公司，幾乎全從智慧型代理或 AI 原生模式起步。而營運多年的成熟企業，則須思考如何達到同等開發速度。部分企業將成功掌握，但亦存在典型困境：大型企業雖具備多元能力與忠實客群，卻可能因反應遲緩而難以突破；在我看來，面對新創公司時將更顯脆弱。

我預測企業將須重寫幾乎全部程式碼，賦予其代理能力；必須允許代理更新不同程式碼片段，並於此設定必要限制。單就資安層面觀察便頗具啟發性。若檢視近一、兩個月圍繞模型的各種爭議，焦點皆集中於較為天馬行空的假設情境。

順帶一提，這些情境確有可能發生：惡意機器人網路是否可能全面接管？我認為可能；惡意意圖是否可能注入機器人？同樣可能。個人而言，我深信產業界將與公私部門攜手應對此議題。但行動必須從聚焦關鍵事項開始。是的，但有趣的是，我認為近期風險討論仍嫌不足——主因在於這些風險多屬資安範疇。這些模型威力強大，所能發現的漏洞遠超人類歷來總和。或許有人辯稱人類本可發現，但事實是未曾察覺。因此放眼未來，應用程式因應緊急資安威脅的反應時效，必須以「分鐘」計量。

當前狀況是：發現漏洞後，須先分類、再開發修補程式；即便此兩步驟迅速完成，多數企業仍因諸多相依性而延宕部署。未來則必須於數分鐘內完成部署。換言之，若未真正重構應用程式以支援代理自動更新，將毫無機會立足此新世界。因此我深信所有組織皆將被重塑，而優先推動此變革者，必將大幅領先遲疑不決者。

是的，產業界至今在系統架構方面——無論大型系統或嵌入式裝置——皆未充分納入資安設計思維。清算時刻已然來臨。但好消息是，這正為新創公司、新嘗試及新人才創造巨大機會。然而如前所述，那些理論性、思想實驗式的威脅——或許會發生，或許不會。但眼前這項威脅，則清晰且真實。

是的，無論規模大小，所有與 AWS 合作的夥伴與客戶，幾乎全都高度關注資安。我們擁有專業服務團隊協助客戶因應，並打造名為 Continuum 的服務，可偵測大量此類漏洞並生成修補程式。但實際執行遠比口說困難。事實上，許多企業與工程師常覺得資安工作缺乏吸引力，因而傾向拖延至出事才處理。但若保護的是關鍵資料，此做法極為不智。此外，我認為大多數企業——回到先前討論——將資安過度專精化，恐怕是最糟情境：少數極度冷僻的資安工程師不願與其他工程師協作，且人力稀缺。

結果是，大多數公司（尤其是軟體公司）在開發軟體時的安全實務普遍不佳。我認為這顯然必須改變。好消息是，我們已有可協助解決此問題的工具。正如您所言，好消息在於：您雖需聘請滲透測試人員，但能招募的安全人才數量有限，所能覆蓋的應用程式也相當有限；而結合模型與自動化，將使您能更全面地對整個攻擊面執行滲透測試，並發現一些若非運氣極佳否則難以察覺的問題。因此，觀察此市場時，一個有趣現象是：AI 能做到的事非常多。其中一種方式是用來降低成本，例如減少會計或律師人數。

目前確實有不少風險投資公司表示：「我們將收購那些老舊企業並削減其成本。」但這從未真正引起我們興趣，因為我們認為：若這就是您的想法，那未免過於狹隘。另一種方式是：「我們要創造全世界前所未見的新事物。」這極具吸引力。但還有第三種方式，即類似 Alexa 的模式：您已擁有成功產品，接著便說：「讓我們基於這個全新平台，徹底重新構思這項產品。」您如何邁向此目標？在何種情境下才具合理性？沒錯，您提出的三元區分頗具洞見。而如前所述，我確信組織將真正轉型，變得更精簡高效。

若您做法正確，便能讓真正卓越的開發者及小型團隊，打造出您所稱的第二類事物——那些前所未見的創新成果。而當您具備前述經驗——例如四天內便將新點子推進至八成完成度——這對團隊極具激勵作用，員工將更願意投入閒暇時間與大腦空閒週期，持續迸發新創意。對我而言，這正是當前 AI 發展中最令人振奮的一環。

但我同時相信，對於那些已具備大規模成功客戶體驗的既有企業，若僅將 AI 視為逐步優化體驗的工具，則三至五年後，它們很可能喪失這些贏家體驗。因為我深信，所有現有體驗——甚至看似最不可能被改變者——皆將因 AI 而於數年內產生劇烈轉變。

因此，若您追求的不僅是漸進式改善，就必須設法讓團隊徹底重新想像這些應用程式的樣貌——假設今日即以所有新興技術從零打造。某些案例（如 Alexa）中，此舉顯而易見。Alexa 的「大腦」在誕生之時確實極富創意；但由於生成式 AI 的出現，該「大腦」如今所能具備的能力已截然不同。因此，若想提供卓越客戶體驗並長期維持相關性，您必須重構 Alexa 的核心架構。這點十分明確。順帶一提，儘管道理清晰，實際執行卻極其困難——因為團隊對自身創作懷有情感連結，對所建成果深感自豪，且歷經千錘百鍊方知何者可行、何者不可行。

要說服團隊完全歸零、重新構思，需要時間，因為團隊往往會說：「我們從不這麼做；之前嘗試過，但失敗了。」諸如此類。但我認為更具挑戰性的是：重新構思其他消費者體驗——例如零售、Prime Video、Fire TV 或 Prime Music 業務。在這些領域，當今技術已有更佳解方，但此點並不那麼明顯。然而我確信，每項業務皆須徹底再造；目前已有團隊正全力研發這些業務的全面重塑版本。

那麼，我是否認為我們能一開始就做對？恐怕不能。我們將透過迭代逐步摸索出方向，但此過程已催生大量令我們極為青睞的新點子與客戶體驗。接下來有趣的賽局將是：您希望打造近乎全新應用程式的全然不同體驗，抑或希望新功能能快速演進，以便逐步、實質性地融入現有體驗，於未來二至三年內徹底重塑整體客戶體驗？您將根據實際驗證有效的元素進行調整。但我堅信，若欲成為成功領導者，這些體驗中的每一項都必須在未來幾年內煥然一新。

沒錯，這是極其棘手的領導挑戰。這讓我聯想到初任工程師時，曾與他人爭論某事，主管對我說：「聽著，Ben，你得明白一件事：動筆寫第一行程式碼前，一切皆可討論；一旦動筆，便成了信念。」我想您在 Alexa 項目中亦有相同體悟。有趣的是：過去累積的所有知識、經驗與建構原始系統的方法——如今您卻表示：「我們願意大幅放棄這些，以邁向全新世界。」

順帶一提，顧客亦同理：您將擁有一大批熱愛現有體驗的忠實用戶，對吧？沒錯，幾乎每一次重大轉型——依我的經驗，或許您能舉出例外案例——皆需巨大變革：技術、產品、客戶體驗與商業模式等要素，必須足夠強大才能驅使人們主動求變。即便如此，變革也不會自動發生。這是一場浩大的變革管理工程——就如同從本地部署遷移至雲端，屬於同等級別的轉型：許多基礎設施負責人對自身建構的系統深感自豪，對其瞭若指掌，身處決策核心，且不願學習新事物。

同樣情形將再次上演，一如我先前提及的體驗轉型。所有客戶體驗的再造亦將如此。我們皆為過去十年在這些體驗上的建樹深感驕傲，心中皆有上百個可優化之處，對其充滿熱情，並全天候投入其中。而要思考「如何徹底歸零重來」，無論理性上或情感上皆極其困難。沒錯，毫無疑問。

a16z 53:06

另外，Andy，我們幾週前剛孵化了 Harwood's 與 Jason Academy，旨在協助年輕人為我們所談論的這場轉型做好準備。您提到 AI 讓開發變得更容易，但年輕人仍需學習真正的專業知識。我很好奇：若您身處 2026 年、年僅十八歲，您會給自己什麼建議，以迎接這場即將到來的轉型？

Andy Jassy 53:29

我有一名二十五歲與一名二十二歲的孩子。我認為那位二十二歲的孩子，其實早在十九歲時便開始脫穎而出。我很快意識到：您無法禁止年輕人在教育中使用 AI——這艘船早已離港，或列車早已啟程。我認為大學明智之舉，莫過於不與之對抗。我視其為人們將廣泛運用的工具。

Andy Jassy 53:54

但同時，我認為所有年輕人——包括我們自身亦然：我們擁有眾多員工，且具備寫作文化，人人都在運用 AI 撰文——您能辨別哪些文字出自 AI：其內容略顯生硬，段落間銜接不自然。因此，我給年輕人的建議——也是給我子女的忠告——是：

Andy Jassy 54:18

你無法逃避它，也別指望它會自行消失。它將對你的生活、你嘗試的每種體驗、你的工作產生巨大影響；更將賦予你前所未有的創新能力。因此，你務必深入理解它、主動自學、大量實踐——更要勇於嘗試超出舒適圈的事物。

安迪·傑西 54:48

我的兩個孩子都不是開發者，但他們已運用AI開發應用程式。請將AI視為規劃每日行程與職場工具的核心。但我認為，它不會取代批判性思考與推理能力；大學教育亦同。我常從多角度思考這點——以商學院為例：你需分析三則案例，大量閱讀、做筆記、釐清關鍵議題；再研讀附帶資料並做筆記；最後整合出你認為企業應採取的行動方案。然而，常有許多人完全不做這些功課——不閱讀、不研究、不記筆記。而所有這些環節，AI都能協助你，讓所有人更快達成更高起點。

安迪·傑西 55:52

但我還要強調：真正串聯這些零散觀點——無論是構思策略、想法、計畫、新產品或全新客戶體驗——我認為大多數時間內，AI尚無法為多數人完成這項任務。我並非斷言此事永遠不會發生。

安迪·傑西 56:10

我仍堅信，人類的判斷力、創造力、發明精神、實驗魄力，以及統整全局以打造卓越體驗與事業的能力，至關重要。因此，你應善用這些工具——它們將帶來巨大助益；但我依然相信，批判性思考與推理能力在我們所有工作中都極其關鍵。我們即將結束。你所經營的事業，就像……

a16z 56:43

從衛星連線、機器人到醫療健康，領域極其多元。這份雄心壯志令人驚嘆！試想這家企業如何起步——最初僅是在網路上賣書，如今卻發展至此。那麼，你如何看待：究竟什麼貫穿這些迥異的……

安迪·傑西 57:00

業務線？又該如何判斷哪些業務值得投入多年深耕？如何避免資源過度分散？又該如何掌握如此廣闊的產業版圖？

安迪·傑西 57:11

我想先說幾點：首先，我們正身處人類歷史上（或許更是有史以來）三大最重大的轉型浪潮之中——AI、機器人技術與太空開發。這三者規模龐大，將徹底重塑我們所有人經歷的眾多客戶體驗，而我們正處於這三波巨變的核心。

安迪·傑西 57:40

觀察我們在零售領域的作為，以及如何運用機器人；再看AI方面的布局——包括簡化內部與外部開發者打造成功AI應用及智能體的流程，同時全面重塑所有消費者體驗。

安迪·傑西 57:58

想想亞馬遜「獅子座」（Leo）計畫：我們正打造近地軌道衛星星座，為全球約五億缺乏寬頻連線的家庭提供服務。一連串驚人的轉型正在發生，我們有機會協助客戶善用這些轉型，提升生活品質。此舉不僅惠及客戶，也為我們帶來長期可持續的商業價值。此外，我認為我們有機會在更多領域提升對客戶的重要性。這甚至尚未涵蓋我們在雜貨、自主叫車與醫療健康等領域的佈局。

安迪·傑西 58:47

關於組織架構，我們內部多年來經常就此辯論，許多外界人士也提出同樣疑問：是否分散過度？我認為答案部分取決於組織方式與投資意願。因我們絕不讓同一群人管理多項業務，而是採用去中心化的「單線負責制」。只要團隊擁有合適的領導者與建設者、體驗規模足以驅動成長指標、且具備差異化創見（切入未被充分服務的領域），我們便有機會同步推進多項業務——這也是我們長期以來的實踐。最終關鍵，在於你願意投入多少資源。

有些公司——完全可以理解——會表示：我們只想專注自身核心業務，持續擴張即可。順帶一提，這同樣是非常成功的策略。我們亦高度聚焦於持續拓展與強化現有業務，且目前正以穩健步伐取得良好成效。但還有太多客戶真正期待我們協助解決的體驗缺口——我們有能力解決，既可造福客戶，亦能長遠重塑自身業務。因此，我們將持續推進這些方向。這是激勵人心的結語——永無止境的雄心。安迪，非常感謝撥冗參與本節目。謝謝邀請。各位也非常感謝！