公司战略重组 - 亚马逊CEO安迪·贾西亲自宣布，将负责大语言模型的AGI团队、自研芯片的Annapurna Labs以及量子计算团队整合，成立直属于其的全新“AGI组织” [1] - 公司AGI部门原负责人将于明年离职 [1] AI竞争格局与亚马逊的困境 - 在AI行业高速发展的背景下，亚马逊2025年股价年度涨幅微弱，投资者未将其视为“AI阵营”的主要参与者 [3] - 头部玩家的成功路径是以自研基础大模型为“大脑”，以云平台为“躯干”提供算力，再通过丰富的应用场景和开发者生态形成闭环，例如OpenAI与微软Azure的深度绑定，以及字节跳动将豆包大模型赋能抖音等产品 [3] - 亚马逊的AI掉队是在“大脑”、“躯干”与“四肢”等多个关键环节都出现了错位 [3] 大模型（“大脑”）表现乏力 - 与OpenAI的GPT-4和谷歌的Gemini系列相比，亚马逊的Nova系列模型在技术和公众视野中声量微弱 [4] - 根据Omdia数据，截至2025年10月，OpenAI与谷歌模型的日均Tokens调用量占比分别为31%和19%，亚马逊Nova模型被归入“其他”类别，市场存在感较低 [4] - 公司内部启动了代号为“奥林匹斯”的秘密武器项目，参数规模远超现有模型，但至今仍未公开 [7] 云业务（“躯干”）面临挑战 - AWS作为公司利润核心和AI战略“躯干”，其市场地位正受到侵蚀 [7] - 在AI时代，算力价值与模型优越性深度绑定，微软通过将Azure与OpenAI服务深度整合，为企业提供“开箱即用”的顶尖AI能力，吸引了大量高价值AI负载 [7] - 根据Synergy Research Group报告，2025年微软Azure在全球云市场份额持续攀升，与AWS的差距持续缩小，增长主要驱动力是AI服务的强劲需求；谷歌云也凭借与Gemini模型的原生集成获得青睐 [7] - AWS推出的Bedrock平台集成了包括Anthropic的Claude、Cohere以及自家Nova在内的多种模型，但其定位更像渠道商，而非拥有核心竞争力的“主机厂” [10] - 当开发者和企业倾向于选择拥有最强“大脑”的生态时，AWS的算力租赁优势被稀释，其作为“首选平台”的地位逐渐动摇 [11] 应用层（“四肢”）创新乏力 - 亚马逊在作为AI能力“四肢”的应用层表现不佳 [11] - 其智能语音助手Alexa虽为智能家居先驱，但十年后绝大多数功能仍停留在“查天气、定闹钟、播放音乐”等初级工具层面，商业化前景不明 [11] - 负责Alexa和硬件的设备与服务部门长年处于巨额亏损状态 [11] 成功路径依赖与创新局限 - 亚马逊的商业帝国围绕“飞轮效应”建立，核心是“客户至上”，通过规模效应和成本控制实现增长 [13] - 自研芯片的初衷是服务于庞大的电商和AWS业务，以控制成本、摆脱对外部供应商的依赖，该策略取得巨大成功，2023年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 [14] - 然而，面对生成式AI，这种依赖过往成功的经验显现出僵化和局限 [14] - 公司拥有全球最大的电商平台和无可比拟的消费行为数据，是将AI与C端场景结合的绝佳试验场，但却步履蹒跚，不仅错失C端AI破圈良机，还在电商主战场被Temu、Shein等新势力以低价策略拖入缠斗 [14] - 公司的创新模式高度依赖于对现有客户需求的洞察和优化，进行渐进式改良，导致AI团队散落在各业务线解决具体商业问题，浪费了集中攻坚AGI通用底层能力的黄金时期 [15] - 相比之下，阿里巴巴迅速将“通义千问”大模型融入钉钉、淘宝，腾讯将“混元”大模型赋能广告、游戏等核心业务，而亚马逊迟迟未能推出一款引爆市场的AI原生应用 [15] - “内部消化、不对外销售”的芯片模式使其产品失去在广阔市场中竞争和迭代的机会，未能像英伟达的GPU+CUDA那样打造出定义行业标准的软件生态和平台 [15] - “客户至上”的惯性让公司过度执着于解决客户当下的痛点，系统性地忽视了需要长期巨额投入且短期看不到商业回报的“非共识”领域，擅长从1到N的优化，但在从0到1的开创上犹豫不决 [16]