👨💼
Matt Garman (AWS CEO)
在 AWS 拥有深厚的技术背景（曾负责 EC2 和销售）。作为 CEO，他不仅关注云基础设施的物理层（芯片、电力），更深刻理解生成式 AI 对软件开发范式的根本性重构。
👆 点击下方卡片翻转，查看深层逻辑与具体细节
Strategy
1. 跨越“POC 炼狱”：重新定义 ROI
很多企业做了数百个实验却无法上线。最大的鸿沟在于：在开始之前，是否真正定义了“成功”？
"如果你没有节省一分钱，也没有裁掉一个医生，这算失败吗？这取决于你的北极星指标。"
🏥
医疗 AI 的双重视角
同一个案例，截然不同的评价
深度解析
失败论： 医院管理者 A 认为，AI 自动记录病历虽然让医生早回家吃饭，但没有节省直接预算，没带来“硬通货”收益。
成功论： 管理者 B 发现，原本 30% 的医生离职风险因此消失。降低高昂的离职率本身就是巨大的隐性 ROI。
🛡️
Agent 恐惧症
从 Demo 到全球部署的阻碍
核心阻碍
企业不敢部署 Agent 的原因：
- 失控风险： 担心 Agent 擅自删除生产环境设施（AWS 内部曾发生过 Agent 试图删除资源的案例，被护栏拦截）。
- 身份与权限： Agent 的身份管理（AuthN/AuthZ）比人类更复杂。
- 规模经济： 单卡 POC 容易，全球部署时资源利用率低下是难题。
☁️
AI First Cloud 战略
无处不在的推理
架构重构
未来不会有“AI 应用”和“非 AI 应用”之分。
深度集成： 推理（Inference）将原生嵌入存储（S3）、网络（VPC）和安全权限中。AWS 的战略是让底层基础设施本身具备 AI 感知能力，而不仅仅是提供 GPU 服务器。
Engineering
2. 软件工程的范式转移：不写代码的开发
这是目前 AI 带来最大效能提升（10x - 100x）的领域，但前提是必须彻底改变工作流。
🚀 激进的内部实践：
AWS 表现最好的团队甚至有“强制不写代码”（No Code Written）的规定。程序员的角色转变为 Prompt Engineer 和 Reviewer，只通过自然语言指挥 Agent。
🤖
AI 原生开发优势
为何 Agent 写代码更好？
关键细节
- 全知上下文： Agent 在生成代码时，同时生成了文档、测试用例和架构图。它比人类更懂这段代码的来龙去脉。
- 自我闭环： 因为代码和测试都是它生成的，它能自主进行单元测试和回归测试，实现“生成-测试-修复”的闭环。
🧱
当前的临界点
S3 核心代码为何难以 AI 化？
遗留系统挑战
对于像 S3 这样庞大、底层、对内存管理和数据持久性要求极高的分布式系统，AI 目前还无法提供 10x 加速。
难点： AI 难以通过上下文窗口完全理解这种复杂的全局依赖和底层安全逻辑。
预测： Matt 认为未来 6-9 个月内将有突破。
Infrastructure
3. 物理世界的约束：芯片、电力与重力
"软件可以瞬间构建，但浇筑混凝土和架设高压线需要时间。我们还没造出能替我们盖楼的 AI 机器人。"
长尾需求与精度
尽管新芯片（如 Blackwell）每 18 个月迭代一次，但旧芯片依然供不应求。
技术细节： 现代 AI 芯片为了速度往往降低浮点精度（Low Precision），但许多传统 HPC（高性能计算）任务仍需要旧架构的高精度计算能力。因此，新旧芯片将在很长一段时间内并存。
经济学账本
优势： 无限的太阳能、天然的极寒冷却环境。
致命伤： 火箭发射成本。服务器非常重，将成吨的服务器送入轨道的成本目前是天文数字。
结论： 除非 Blue Origin 等公司将发射成本降低几个数量级，否则数据中心仍将留在地面。
杰文斯悖论
AWS 做芯片不是为了更高的利润率，而是为了给客户提供除 Nvidia 之外的更具性价比的选择。
AWS 的逻辑：降低 AI 算力成本 -> 客户使用更多算力 -> AWS 总规模扩大（飞轮效应）。
Sovereignty
4. 主权云：信任架构的极端测试
欧洲客户的普遍心态：“我们信任 AWS 的技术，但不确定能否信任美国政府的长臂管辖。”
架构细节
AWS 建立了一个完全独立的实体：
- 法律实体： 注册在欧盟，受欧盟法律管辖，拥有独立董事会。
- 数据驻留： 所有数据（包括元数据、账户登录信息）绝不离开欧盟。
- 极端测试： AWS 进行了“断网测试”——切断该区域与 AWS 全球骨干网的连接，证明其能独立运行。
🌉
CEO 建议：峡谷行走
给 CIO/CISO 的终极建议
护栏理论
比喻： 在大峡谷上走独木桥，你会爬得很慢（恐惧）。如果装上了护栏和墙壁，你就能全速奔跑。
行动： 不要因为害怕风险而禁止 AI。相反，建立强大的平台级护栏（Guardrails）。只有当安全边界确定时，团队才敢在生产环境中全速创新。