通用人工智能的十字路口：亚马逊AGI战略转型启示录

一、从喧嚣到沉寂：AGI部门的诞生与退场

二〇二三年，当大模型的热浪刚刚席卷全球科技圈时，亚马逊做了一个在当时看来顺理成章的决定——成立通用人工智能部门。这个被寄予厚望的团队，承载着亚马逊追赶OpenAI与Google的野心，由长期执掌Alexa业务的Rohit Prasad领衔。彼时，几乎所有人都相信，凭借AWS的算力底座与亚马逊的体量，AGI部门很快就能拿出与ChatGPT分庭抗礼的作品。

然而现实总是不如人意。二〇二四年，AGI团队发布了Nova系列基础模型，包括高端模型Premier、多模态模型Omni、视频生成模型Reel以及图像生成模型Canvas。这套产品矩阵看上去颇为完整——文本、图像、视频全覆盖，俨然一副“全面开花”的架势。可市场并未给出预期的热烈回应。亚马逊AGI部门负责人Peter DeSantis后来在接受媒体采访时坦承：亚马逊的模型“尚未达到处理最庞大、最严苛工作负荷的尖端水平”。这句话从部门一把手口中说出，分量可想而知。

二〇二五年十二月，AGI部门迎来一次重大震荡。原负责人Rohit Prasad宣布年底离职，CEO Andy Jassy亲自宣布将AGI团队、自研芯片部门Annapurna Labs与量子计算团队整合进同一体系，交由AWS资深副总裁Peter DeSantis统管。Jassy称AI技术已进入“拐点”。到了二〇二六年七月，更剧烈的变化接踵而至：AGI部门确认裁员，成立不足两年的AGI Lab被关闭。

曾经被寄予厚望的AGI部门，仿佛一夜之间从舞台中央退到了幕后。但如果你以为这是亚马逊在AI赛道上的退缩，那就大错特错了。

二、多线出击与重点突破：两种路线之争

要理解AGI部门的这场变故，得先看清楚亚马逊在AI路线上走过的那条弯道。二〇二三年到二〇二五年间，亚马逊走的是典型的多线并行路线——文本模型、图像模型、视频模型同时推进，AGI Lab负责前沿探索，芯片团队埋头研发Trainium，各干各的，互不干扰。这种打法在资源充足的时候或许可行，但AI领域的竞争从来不是靠数量取胜的。

DeSantis接手后，做了一件前任没有做的事——把分散的人才与算力收拢到少数前沿项目上。用行业里的话说，就是从“摊大饼”变成了“捏拳头”。据Business Insider报道，Nova Premier、Omni、Reel、Canvas等多数旗舰模型被调整至“KTLO”状态——Keep The Lights On，只维持基本运营以服务现有客户，不再投入研发资源。取而代之的，是一个内部代号为FMR（Frontier Model Research）的全新项目。

这两种路线，好比一个农夫同时种了十块田，每块田都撒了种子，但哪块田都没精耕细作；另一个农夫只选了一块最肥沃的地，把所有的肥料和水都浇上去。前者的收成或许看起来品种丰富，但后者的果实才可能真正拿得出手。亚马逊选择了后者。

FMR项目由UC Berkeley教授、AI机器人公司Covariant联合创始人Pieter Abbeel领衔。Abbeel是全球机器人学习领域的顶尖学者，在深度强化学习方面积累深厚。他领导的团队正在打造一款全新的旗舰基础模型，预计在二〇二六年秋季的AWS re:Invent大会上正式亮相，并通过AWS Bedrock对外提供服务。这将是亚马逊在自研模型连续受挫之后，押下的最大赌注。

三、算力、芯片与资本：转型背后的三重推力

亚马逊这次战略转向，表面上看是模型路线的调整，深层次的原因却指向三个更根本的要素：算力、芯片与资本。

先说算力。大模型的训练和推理对算力的消耗是天文数字。亚马逊虽然贵为全球最大的云服务商，但AI算力需求的增长速度远超预期。二〇二六年，亚马逊将AI资本支出上调至两千二百亿美元，较二〇二五年增长超过百分之五十。即便投入如此巨大，算力依然供不应求。在多条模型线并行的模式下，有限的算力被分散到Nova Premier、Omni、Reel、Canvas等多个项目上，每个项目分到的资源都不够打一场硬仗。与其“十指摊开”，不如“握拳出击”——这是算力稀缺倒逼出来的战略选择。

再说芯片。亚马逊很早就意识到，AI的胜负手不仅在算法，更在硬件。自研的Trainium系列AI芯片是亚马逊对抗NVIDIA的核心筹码。二〇二五年十二月，AGI团队与芯片团队合并，意味着模型研发与芯片设计被放到了同一张桌子上。这种“软硬一体”的整合，让亚马逊可以在Trainium芯片上专门优化FMR新模型的训练效率，从而在算力成本上获得结构性优势。据内部文件披露，亚马逊正在印第安纳州的数据中心部署超过六千台Trainium服务器，构建专门用于训练下一代AGI模型的“超级集群”。

最后说资本。亚马逊一方面在AI基础设施上“大手笔”投入，另一方面却在全公司范围内持续精简人员。自二〇二五年十月以来，亚马逊已裁撤逾三万名员工。这种“一边撒钱、一边省钱”的做法，折射出的是亚马逊对AI战略的决绝——把每一分钱都花在刀刃上，而不是撒在面子上。用亚马逊发言人的话来说：“我们正集中精力推进对客户最为关键的项目”。

四、Bedrock、Anthropic与自研模型：亚马逊的AI三角博弈

如果你以为亚马逊的战略仅仅是“放弃Nova、押注FMR”，那你就把这件事看简单了。事实上，亚马逊在AI领域的布局远比一条模型线复杂得多。它同时扮演着三个角色：模型市场的平台方、第三方AI公司的大金主、以及自研模型的开发者。这三重身份交织在一起，构成了一个独特的三角博弈。

先说平台。AWS Bedrock是市面上最开放的模型市场之一，Anthropic的Claude、Meta的Llama、Cohere等第三方模型都在上面运行。客户可以自由选择用谁的模型，而AWS从中收取算力租金。Bedrock的快速增长已经成为AWS收入的重要引擎——二〇二五年第二季度，AWS收入同比增长了百分之三十七。

再说金主。亚马逊是Anthropic最大的外部投资者，从二〇二三年起累计投资八十亿美元，二〇二六年四月再投五十亿美元，另有最高两百亿美元与商业里程碑挂钩，总投资规模可达三百三十亿美元。作为交换，Anthropic承诺未来十年在AWS上投入超一千亿美元，并锁定最高五吉瓦的Trainium芯片算力。二〇二六年二月，亚马逊还向OpenAI投资了五百亿美元。一边重金投资别人家的模型，一边自己埋头研发模型——这种“既投资对手、又追赶对手”的复杂关系，在硅谷也并不多见。

问题来了：如果AWS自己没有顶级的旗舰模型，它本质上就只是一个“卖水人”——客户租用Trainium芯片跑训练，通过Bedrock调用推理，但最核心的模型能力掌握在别人手里。FMR项目要解决的正是这个结构性矛盾——AWS需要一个能镇场子的自研旗舰，不是为了取代第三方模型，而是为了让AWS在AI价值链上从“算力管道”升级为“平台级玩家”。

理解亚马逊这次调整，关键要看清一条逻辑链：AWS是亚马逊的利润引擎，AI是AWS的增长引擎，而自研旗舰模型是AI引擎的“缸体”。没有它，AWS在AI层就只能做算力批发和模型中转。有了它，AWS才能在整个AI价值链上占据不可替代的位置。

五、AGI的十字路口：收缩是为了更好地前进

二〇二六年七月，当亚马逊裁撤AGI部门部分岗位、关闭AGI Lab的消息传出时，外界难免有一种“亚马逊在AI赛道上掉队了”的观感。但如果把时间轴拉长一点看，这场收缩更像是一次主动的战略聚焦，而非被动的撤退。

亚马逊CEO Andy Jassy有一个判断：单一模型技术领先的“统治窗口期”越来越短，不同模型在不同阶段可能相互超越，各自在不同任务中表现更优。这意味着，没有哪个模型能永远称王。与其在多个方向上都只做到“还可以”，不如在一个方向上做到“最好”。FMR项目要打造的就是那个“最好”。

与此同时，亚马逊也在探索一条不同于纯算法派的路径。二〇二五年底，Jassy将Nova大模型团队、自研芯片部门与量子计算研究整合进同一体系时，业内就有评论称亚马逊在打造“实体AGI闭环”——让算法、芯片与物理世界产生真正的连接。这种“软硬一体、虚实结合”的思路，或许比单纯比拼模型参数更能构筑长期的竞争壁垒。

回望AGI部门从成立到转型的这三年，它像极了一个年轻人从满怀理想到认清现实、从四处出击到专注一事的过程。这中间有挫折、有阵痛、有不得不做的取舍，但也正是这些经历，让一个人——或一家公司——真正看清自己该往哪里走。亚马逊在AGI这条路上走过的弯路、交过的学费，或许正是它未来能够走得更远的底气所在。

上海汪远信息科技有限公司是国内深耕多年的综合型多云服务合作商，业务覆盖阿里云、腾讯云、华为云、天翼云、火山云、微软云、谷歌云、亚马逊云八大主流公有云平台。公司现有全职员工五百人，八大云平台全年综合销量突破二十亿人民币，累计服务超百万合作客户。作为亚马逊云头部一级代理商，通过上海汪远信息开通亚马逊云业务可享受八五折优惠或百分之十五返点优惠。

六、结语：在变局中看清方向

亚马逊AGI部门的故事，说到底是一个关于“选择”的故事。在资源有限的世界里，每一条路都意味着放弃另一条路。多线出击看起来热闹，但热闹过后往往是一地鸡毛；重点突破看起来单调，但单调的背后是日复一日的深耕。亚马逊选择了后者，选择了承认不足、收缩战线、集中资源去打赢一场必须赢的仗。

对于每一个关注AGI产业的人来说，亚马逊的这场转型提供了一个重要的观察样本：在技术变革的浪潮中，比“做什么”更重要的，往往是“不做什么”。知道该放弃什么，才能把有限的生命和资源，投入到真正值得的事情上。这或许就是亚马逊AGI这三年给行业留下的最珍贵的启示。