2025年9月19日，亞馬遜云科技宣布在Amazon Bedrock上推出Qwen3系列4款模型與DeepSeek-V3.1模型的完全托管服務(wù)，并已在全球范圍內(nèi)正式可用。

其中，Qwen3系列是首次上線Amazon Bedrock，阿里巴巴也因此成為Amazon Bedrock平臺(tái)上第13個(gè)頂級(jí)AI大模型提供商。

而這也是繼亞馬遜云科技在8月6日宣布OpenAI最新發(fā)布的兩款開放權(quán)重基礎(chǔ)模型gpt-oss-120b與gpt-oss-20b，首次可通過Amazon Bedrock和Amazon SageMaker AI訪問之后，向業(yè)內(nèi)再次投放的重磅炸彈。

沒有一家云廠商像亞馬遜云科技一樣，執(zhí)著于“收集”幾乎所有的模型，這背后既關(guān)乎選擇，也關(guān)乎AI成功。

“Choice Matters”Amazon Bedrock迎來兩大“重量級(jí)選手”

試想一下，一家中國企業(yè)在出海時(shí)，有的需要使用海外大模型，也可能因?yàn)樽陨淼陌踩弦?guī)原因，繼續(xù)使用國內(nèi)大模型，這在以前需要較高的成本，如今可以在Amazon Bedrock上輕松實(shí)現(xiàn)。

此次入駐的模型中，Qwen3是阿里巴巴在今年4月發(fā)布的最新一代開源模型，在推理、指令遵循、工具調(diào)用、多語言能力等方面均大幅增強(qiáng)，并創(chuàng)下所有國產(chǎn)模型及全球開源模型的性能新高。DeepSeek-V3.1則是被DeepSeek稱為“邁向Agentic AI時(shí)代的第一步”，其響應(yīng)更快，同時(shí)也能在深度、透明的思考間實(shí)現(xiàn)平衡。

Qwen3、DeepSeek-V3.1本身就有海量的開發(fā)者用戶基礎(chǔ)，在各項(xiàng)評(píng)測中都表現(xiàn)優(yōu)秀，海外企業(yè)對(duì)于中國大模型也有需求，業(yè)務(wù)使用不同模型組合的可能性進(jìn)一步提升。

與此同時(shí)，亞馬遜云科技接入的每一個(gè)模型都為客戶帶來了獨(dú)特的優(yōu)勢、場景聚焦，共同構(gòu)建起一個(gè)全面且多元的生成式AI生態(tài)系統(tǒng)。讓客戶能夠根據(jù)具體使用場景選擇最適合的模型，同時(shí)享受亞馬遜云科技在安全、隱私保護(hù)和可靠性等方面的優(yōu)勢。

亞馬遜云科技CEO Matt Garman此前在接受媒體采訪時(shí)表示：亞馬遜云科技有簽署數(shù)十億美元合同的客戶，也有今天只花10美元的客戶。對(duì)我們來說，這些小型初創(chuàng)公司與大額交易同樣重要。

他強(qiáng)調(diào)，這種方法反映了亞馬遜云科技提供基礎(chǔ)技術(shù)的戰(zhàn)略，服務(wù)于各種規(guī)模的組織——從新興創(chuàng)業(yè)公司到企業(yè)巨頭。這種客戶多樣性不僅使亞馬遜云科技能夠滿足廣泛的需求，還支持跨不同市場細(xì)分和行業(yè)的長期可持續(xù)增長。

“Choice Matters”（選擇大于一切）戰(zhàn)略正式提出是在亞馬遜云科技 re:Invent 2024上，這一戰(zhàn)略正是亞馬遜云科技基礎(chǔ)技術(shù)戰(zhàn)略的延續(xù)：要為不同客戶的不同業(yè)務(wù)場景選擇一個(gè)適合的模型，而不是只以名氣或性能為衡量標(biāo)準(zhǔn)。

自2023年4月，亞馬遜云科技推出Amazon Bedrock這一被業(yè)內(nèi)稱為“模型超市”的平臺(tái)開始，就一直在踐行為用戶開始提供多樣化以及行業(yè)內(nèi)明星模型選擇的理念。每當(dāng)大模型明星產(chǎn)品重磅發(fā)布后，用戶都能無延時(shí)地通過Amazon Bedrock或SageMaker平臺(tái)調(diào)用。

在宣布接入最新Qwen3與DeepSeek的5款模型的同時(shí)，亞馬遜云科技也宣布進(jìn)一步將更多模型的可用性擴(kuò)展到每個(gè)擁有亞馬遜云科技區(qū)域的大洲，包括美國東部（弗吉尼亞北部）、美國西部（俄勒岡）、東京、孟買、愛爾蘭、倫敦、米蘭、斯德哥爾摩和南美洲（圣保羅）。

由此可見，亞馬遜云科技不僅僅一直在用實(shí)際行動(dòng)擴(kuò)充了Amazon Bedrock的模型陣容，豐富了開放權(quán)重模型的生態(tài)，同時(shí)也在為客戶提供多元，極致性價(jià)比的選擇的優(yōu)質(zhì)模型。

AI更重要的，是模型之上

“都2025年了，你還在糾結(jié)選擇大模型嗎？”亞馬遜云科技大中華區(qū)產(chǎn)品部技術(shù)總監(jiān)王曉野在前幾天剛剛舉辦的2025 ITValue Summit數(shù)字價(jià)值年會(huì)現(xiàn)場拋出了一個(gè)尖銳的問題。

他展示了一組行業(yè)調(diào)研數(shù)據(jù)：Gartner 2024年企業(yè)AI發(fā)展任務(wù)調(diào)查顯示，有三分之二受訪企業(yè)高管認(rèn)為生成式AI將帶來顛覆性變革，AI熱潮促使大量試點(diǎn)及概念驗(yàn)證（PoC）項(xiàng)目啟動(dòng)，僅有41%的生成式AI POC項(xiàng)目能進(jìn)入生產(chǎn)階段——這一數(shù)字揭示了一個(gè)嚴(yán)峻的現(xiàn)實(shí)：在通往AI轉(zhuǎn)型的道路上，企業(yè)在技術(shù)成熟度和運(yùn)營準(zhǔn)備兩大關(guān)鍵領(lǐng)域仍面臨重大挑戰(zhàn)，這也是制約生成式AI大規(guī)模部署的主要瓶頸。

而導(dǎo)致失敗的六大原因，幾乎沒有一條是因?yàn)椤斑x錯(cuò)了模型”。相反，問題主要集中在：業(yè)務(wù)范圍和建模評(píng)估不足、為做AI而做AI、數(shù)據(jù)準(zhǔn)備不充分、工程能力缺失、成本認(rèn)知不足以及安全風(fēng)險(xiǎn)管理不到位。

“在真正實(shí)現(xiàn)業(yè)務(wù)價(jià)值的時(shí)候，模型只是前提條件，而不是核心?！蓖鯐砸爸赋?。相比于2023年大家熱議“選擇哪個(gè)大模型”，2025年的焦點(diǎn)已經(jīng)轉(zhuǎn)向了如何避免POC陷阱、如何從想法走到生產(chǎn)。

如何避開陷阱，突破41%的成功率魔咒？亞馬遜云科技提出了“從POC到生產(chǎn)的三大要素”。上述41%成功落地的項(xiàng)目往往做對(duì)了三件事：一、場景評(píng)估——成熟的AI場景不再稀缺，像娛樂、出海、翻譯、素材生成等已有大量驗(yàn)證案例。企業(yè)需要在ROI、預(yù)算和時(shí)間維度上進(jìn)行全面評(píng)估，而不是只看模型效果。二、技術(shù)選型——選擇合適的合作伙伴，共同支撐生產(chǎn)級(jí)的落地。三、系統(tǒng)化思維——不僅關(guān)注模型，還要量化生產(chǎn)化后的成本和收益，形成整體的系統(tǒng)評(píng)估。

在場景評(píng)估上，亞馬遜云科技基于長期積累的客戶實(shí)踐經(jīng)驗(yàn)，梳理出了生成式AI當(dāng)前最具代表性的11大應(yīng)用場景。這些場景既可應(yīng)用于特定行業(yè)，也具備跨行業(yè)落地的潛力。與此同時(shí)，越來越多的企業(yè)開始探索智能運(yùn)維、智能終端、AI搜索引擎，以及基于Agent的研究報(bào)告生成等創(chuàng)新場景。每個(gè)場景都代表著獨(dú)特的價(jià)值創(chuàng)造機(jī)會(huì)，關(guān)鍵在于找到最契合企業(yè)自身發(fā)展階段和業(yè)務(wù)特點(diǎn)的切入點(diǎn)。

在選定應(yīng)用場景后，項(xiàng)目的可行性評(píng)估需要構(gòu)建一個(gè)多維度的評(píng)估體系：業(yè)務(wù)影響力評(píng)估確保項(xiàng)目能創(chuàng)造實(shí)質(zhì)性價(jià)值，風(fēng)險(xiǎn)控制維度考量潛在挑戰(zhàn)，數(shù)據(jù)支撐能力評(píng)估保障項(xiàng)目運(yùn)行質(zhì)量，而預(yù)算規(guī)模和團(tuán)隊(duì)配置則需與項(xiàng)目需求相匹配。這些維度不僅將直接影響項(xiàng)目篩選標(biāo)準(zhǔn)的制定和成功指標(biāo)的設(shè)定，更會(huì)貫穿整個(gè)項(xiàng)目規(guī)劃始終。只有在各個(gè)維度都進(jìn)行充分評(píng)估和準(zhǔn)備，才能為項(xiàng)目成功奠定堅(jiān)實(shí)基礎(chǔ)。

最后，量產(chǎn)優(yōu)化階段，投資回報(bào)率（ROI）不應(yīng)僅僅作為一個(gè)考核指標(biāo)，而應(yīng)該成為生成式AI項(xiàng)目全生命周期中的核心思維方式。從場景選擇、技術(shù)評(píng)估、概念驗(yàn)證（PoC），到生產(chǎn)部署、規(guī)?；瘧?yīng)用和持續(xù)迭代，每個(gè)階段都需要以ROI為指導(dǎo)原則。這種“ROI驅(qū)動(dòng)”的思維模式能夠確保企業(yè)在AI轉(zhuǎn)型過程中始終保持正確方向，實(shí)現(xiàn)技術(shù)創(chuàng)新與商業(yè)價(jià)值的有效統(tǒng)一。

不過，這三大要素雖然至關(guān)重要，但并非一成不變。在瞬息萬變的AI技術(shù)浪潮中，企業(yè)還需要保持開放學(xué)習(xí)的心態(tài)，通過持續(xù)試驗(yàn)、優(yōu)化和迭代，不斷完善自身的AI能力建設(shè)。這是一個(gè)螺旋上升的過程，每一次嘗試都是通向成功的重要一步。

從構(gòu)思到生產(chǎn)，面向最終系統(tǒng)，亞馬遜云科技生成式AI創(chuàng)新中心遵循一個(gè)清晰的四步走方法論，為客戶提供全周期的支持與服務(wù)。在構(gòu)思階段，幫助客戶進(jìn)行場景識(shí)別、需求聚焦，并選擇最適合的技術(shù)路線；在原型設(shè)計(jì)階段，快速構(gòu)建概念驗(yàn)證原型；在試點(diǎn)階段，根據(jù)具體需求提供定制化開發(fā)；在生產(chǎn)階段，通過專業(yè)咨詢服務(wù)幫助客戶提升解決方案在真實(shí)環(huán)境中的表現(xiàn)，優(yōu)化輸出質(zhì)量并降低運(yùn)營成本。

在這個(gè)快速發(fā)展的AI時(shí)代，企業(yè)需要敏捷性、精確性和快速適應(yīng)能力并舉的伙伴，才能確保生成式AI項(xiàng)目在每個(gè)階段都能獲得專業(yè)支持，最終實(shí)現(xiàn)成功落地和規(guī)?；瘧?yīng)用。

在技術(shù)層面，亞馬遜云科技也提供了生成式AI技術(shù)選型的全景圖譜，這個(gè)過程主要涉及三個(gè)關(guān)鍵維度：第一是模型層面，企業(yè)需要基于自身業(yè)務(wù)指標(biāo)進(jìn)行綜合評(píng)估，選擇最適配的模型。第二是數(shù)據(jù)層面，“好的數(shù)據(jù)等于好的AI”，這直接關(guān)系到模型的實(shí)際表現(xiàn)和應(yīng)用效果。第三是技術(shù)路線選擇，關(guān)鍵技術(shù)路徑上選擇將直接影響應(yīng)用效果和項(xiàng)目落地的成功率。

在模型選擇這一關(guān)鍵環(huán)節(jié)，亞馬遜云科技建議企業(yè)采用一套系統(tǒng)化的評(píng)估方法。首先，企業(yè)需要明確自身場景的優(yōu)先考慮因素，并按重要性排序。例如，某企業(yè)可能將成本作為首要考量，其次是精度，最后是速度。基于這種優(yōu)先級(jí)排序，可以對(duì)每個(gè)入圍的大語言模型進(jìn)行量化評(píng)估和排名。例如，假設(shè)模型A在綜合評(píng)估中勝出，雖然它并非在所有維度上都是表現(xiàn)最優(yōu)的選擇，但由于在最關(guān)鍵的成本維度表現(xiàn)最佳，且在第二重要的精度維度上排名第二，因此最終成為最佳選擇。

值得注意的是，除了模型本身的性能指標(biāo)外，我們還需要充分考慮模型提供商的市場影響力，以及其在數(shù)據(jù)隱私、安全性和負(fù)責(zé)任AI等方面的表現(xiàn)。這些因素將直接影響模型的可持續(xù)發(fā)展和迭代能力，是確保項(xiàng)目長期成功的重要保障。

在模型選擇策略上，亞馬遜云科技發(fā)現(xiàn)一個(gè)重要趨勢：企業(yè)不應(yīng)拘泥于“一個(gè)場景一個(gè)模型”的固定思維。相反，應(yīng)該采取更靈活的“場景適配”策略，讓每個(gè)模型都能物盡其用，發(fā)揮所長。

對(duì)于簡單場景，選擇單一模型往往就能滿足需求。比如在代碼輔助場景中，Claude 4這樣專注于編程的模型就能很好地完成任務(wù)。然而，在面對(duì)復(fù)雜場景時(shí)，采用模型組合的策略則更為明智。例如，在構(gòu)建復(fù)雜的翻譯系統(tǒng)或多Agent系統(tǒng)時(shí)，我們可以讓不同模型在業(yè)務(wù)流程的各個(gè)環(huán)節(jié)各司其職，每個(gè)子任務(wù)都由最適合的模型來執(zhí)行，從而實(shí)現(xiàn)整體效果的最優(yōu)化。

這種靈活的模型選擇策略不僅能確保每個(gè)場景都能獲得最佳性價(jià)比，還能充分發(fā)揮各個(gè)模型的獨(dú)特優(yōu)勢，最終達(dá)到“1+1>2”的效果。

另一個(gè)關(guān)鍵環(huán)節(jié)是數(shù)據(jù)層，數(shù)據(jù)是企業(yè)規(guī)?；瘧?yīng)用生成式AI的核心驅(qū)動(dòng)力，但這個(gè)挑戰(zhàn)遠(yuǎn)比表面看起來要復(fù)雜得多。

首先，生成式AI應(yīng)用本質(zhì)上仍是一個(gè)完整的應(yīng)用程序，要實(shí)現(xiàn)規(guī)?；瘧?yīng)用，企業(yè)不僅需要考慮大語言模型的調(diào)用，更需要建立完善的數(shù)據(jù)庫體系來支撐所有交互環(huán)節(jié)的用戶體驗(yàn)。其次，企業(yè)必須建立嚴(yán)格的數(shù)據(jù)治理流程，包括確保數(shù)據(jù)質(zhì)量的標(biāo)準(zhǔn)與控制、保障數(shù)據(jù)隱私與合規(guī)、落實(shí)數(shù)據(jù)安全措施，以及建立精細(xì)的訪問控制機(jī)制。雖然生成式AI的表層應(yīng)用令人著迷，但真正的關(guān)鍵在于構(gòu)建現(xiàn)代化的數(shù)據(jù)架構(gòu)，實(shí)現(xiàn)數(shù)據(jù)的高效處理和合理使用。這才是確保AI應(yīng)用能夠持續(xù)創(chuàng)造價(jià)值的基石。

在技術(shù)方案層面，當(dāng)下最受關(guān)注的無疑是Agentic AI。Agent化的應(yīng)用正在成為生成式AI的重要發(fā)展方向。從技術(shù)角度看，主要有兩種實(shí)現(xiàn)路徑：一種是基于多模型串聯(lián)的MCP（Model-Chain-Pipeline）模式，通過合理編排不同模型的能力來完成復(fù)雜任務(wù)；另一種是基于Agent Workflow的模式，通過定義明確的工作流來協(xié)調(diào)多個(gè)智能體的協(xié)作。這兩種模式各有優(yōu)勢：MCP模式實(shí)現(xiàn)相對(duì)簡單，適合處理確定性強(qiáng)的任務(wù)流程；而Agent Workflow則更適合處理需要?jiǎng)討B(tài)決策的復(fù)雜場景。企業(yè)可以根據(jù)具體場景需求和技術(shù)儲(chǔ)備，選擇合適的實(shí)現(xiàn)路徑。

展望生成式AI的發(fā)展趨勢，選擇模型不再是問題，真正需要關(guān)注的是：數(shù)據(jù)能否持續(xù)投入，組織是否具備工程化能力，以及是否能在新一代Agent范式下把握行業(yè)方向。

企業(yè)的競爭力，已經(jīng)不在“選哪個(gè)模型”，而在“如何讓系統(tǒng)真正走到生產(chǎn)”——亞馬遜云科技非常清楚這一點(diǎn)。