文章核心观点 - Anthropic公司切断对中国企业的Claude大模型供应，导致AWS大中华区Bedrock平台下架Claude，关键客户流失，生成式AI业务陷入无货可卖的困境 [2] - AWS大中华区AI业务存在严重结构性弱点，包括对单一模型（Claude）的畸形依赖、GPU资源短缺、在总部战略中主控权低，整体业务呈现紧绷感和脆弱性 [5][34] - 问题的根源在于AWS集团层面的AI战略失误，包括“后发制人”策略在快速迭代的AI市场失效、自研芯片与模型进展缓慢、内部组织架构复杂，导致其在AI云竞争中阶段性掉队 [35][37][41] MaaS层业务挑战 - AWS大中华区Bedrock平台90%以上的调用量依赖Claude模型，Anthropic禁令导致平台调用量下跌，并失去字节（月贡献MRR约800-900万美元）和腾讯等大客户 [2][9] - 禁令使AWS大中华区生成式AI业务几乎无货可卖，仅剩的自研模型Nova能力有待升级，工具类产品Kiro和Quick Suite市场表现不佳，用户量稀少 [3][4][12] - AWS的“模型超市”商业模式未能跑通，平台上缺乏有竞争力的独家模型，多为不具备稀缺性的开源模型，与模型提供商Anthropic的合作松散，主控权和定价权低 [9][10][15] GPU资源困境 - AWS大中华区面临GPU资源严重短缺问题，容量较差，大模型资源池经常要啥没啥，据称资源被用于训练自研模型Nova，且未能追上英伟达的订单生产量 [5][21] - 资源短缺导致商业机会流失，例如与TikTok签署的GPU算力大单因供货问题未能如约交付，据传TikTok后将大部分需求转给谷歌云 [21] - 与友商相比，AWS大中华区在GPU订单上差距显著，例如阿里同期向微软云和谷歌云采购的GPU订单金额分别约为2亿和5亿美元，而AWS仅获千万美元级别订单 [26][27] 战略与组织根源 - AWS在AI云时代采取“选择至关重要”策略，但犯下战略性错误，将核心增长引擎掌握在别人手中，初期拒绝投资OpenAI，后期投资Anthropic 80亿美元但已错失先机 [8][10][37] - 公司战略存在“后发制人”的惯性，管理层趋向保守，受电商低利润率文化影响，在AI时代仍纠结于短期盈利，未能大胆投入抢占市场 [37][38] - 组织架构上存在“大企业病”，决策层级多，协作复杂，产品交付周期长且易延期；AI人才缺乏领军人物，团队分散且流失率高，内部授权不足 [40][41] 大中华区特定问题 - AWS大中华区在AWS全球总营收中占比仅为个位数，长期处于被忽视地位，在AI模型交涉权和GPU等资源争取上天然弱势，主控权低 [21][34] - 销售策略存在矛盾，政策大量向AI业务倾斜，但受制于总部资源支持不足，常出现商机抓到但供应跟不上的情况，同时忽略了对其他传统云计算产品的支持，导致整体收益不佳 [5][18] - 尽管大中华区内部重视AI业务，设有专项销售激励并加强考核，但产品竞争力和资源短板使其在市场中面临巨大压力，谷歌云等竞争对手凭借GPU优势有弯道超车势头 [17][22][42]