亚马逊云CEO：别用AI取代初级程序员

亚马逊云服务（AWS）首席执行官马特·加尔曼正致力于推动AI技术变革。在近期的AWS re:Invent大会上，他宣布了一系列前沿AI模型，以及一款名为Nova Forge的工具，该工具能让AWS客户构建自己的模型。Nova Forge支持所谓的“自定义预训练”——在构建基础模型的过程中融入企业自身数据，从而打造出更贴合企业需求的定制化模型。加尔曼的目标并非追求大众消费级AI的热度，而是专注于将AI整合到AWS的所有服务中，为企业提供解决方案，切实影响企业的利润表。

在本周的《深度访谈》节目中，加尔曼在re:Invent大会后接受了采访，谈及公司的新发布、对AI竞赛中是否落后的看法、如何管理大型团队及内部异议，以及为何不认为AI是“工作窃贼”。以下是经编辑的访谈内容（为篇幅和清晰度进行了调整）。

**暖场问答**
凯蒂·德拉蒙德（主持人）：马特·加尔曼，欢迎来到《深度访谈》。
马特·加尔曼：谢谢邀请。
主持人：我们先从几个快速问题热场，准备好了吗？
加尔曼：开始吧。
主持人：如果AWS有吉祥物，会是什么？
加尔曼：我们有时会用一个巨大的S3存储桶形象，就叫它S3桶吧。
主持人：抱歉，S3桶是什么？
加尔曼：S3桶是存储S3对象的容器，我们有个巨大的泡沫桶吉祥物，看起来像油漆桶一样四处走动。
主持人：所以你们确实有吉祥物。
加尔曼：S3的桶算是最接近吉祥物的，我挺喜欢的。
主持人：你犯过的最“昂贵”的错误是什么？
加尔曼：个人还是职业上？个人的话，是打篮球太久导致跟腱断裂，花了九个月才恢复走路，三十多岁时真该知道自己不该再这么拼了。
主持人：如果能给“云”重命名，你会叫什么？
加尔曼：“云”这个名字其实不错。不过“亚马逊网络服务（AWS）”里的“网络服务”大家不太懂，或许可以叫“亚马逊云服务”。
主持人：你最想把工作中的哪部分外包给AI智能体？
加尔曼：想过外包日常邮件回复，但还没找到好方法，邮件仍占很多时间。AI能帮我快速总结内容，但复杂的信息整合和沟通还是得自己来。
主持人：给未来的AWS实习生一句建议？
加尔曼：人们总高估已有的技术，觉得没什么可发明的了，但我们仍处于技术进化的早期。保持好奇，勇于尝试，机会永远和过去一样多，甚至更多。
主持人：怎么知道你对某事不满意？
加尔曼：我会直接说。不过重点不是“让我印象深刻”，而是团队是否做足功课（收集客户、数据、销售等信息），以便集体做出深思熟虑的决策。
主持人：希望有更多时间投入的爱好？
加尔曼：不打篮球了，现在迷上了高尔夫，可惜没时间常打。

**职业历程**
加尔曼早年在创业公司工作，后进入商学院。2005年，他在AWS实习（当时AWS尚未正式推出），被“在大企业内部创业”的理念吸引，2006年正式加入，担任产品经理，参与S3、EC2等核心服务的推出，随后负责计算、网络、存储等产品领域的产品和工程团队。2019年，他接手AWS的销售和营销工作（此前毫无相关经验），2023年左右成为AWS CEO，至今已在亚马逊工作近20年。AWS团队规模达数十万人，拥有遍布全球的数据中心。

**管理心得**
管理大型团队需改变方法：不能用管理10人团队的方式管理上百人团队。关键是向团队传递“决策思维模型”而非直接下达指令，比如“遇到这种情况我会如何权衡”，这样能赋能数万人自主决策。同时要 hiring聪明人，允许试错并及时纠正。

**AWS的核心价值**
AWS的初衷是为企业解决“非核心但必须做”的技术工作。过去，企业需自建数据中心、维护服务器和网络，而AWS提供服务器、存储、数据库等基础设施，通过互联网交付。早期客户多为初创公司（如Netflix、Airbnb），后来拓展到企业和政府机构（如辉瑞、摩根大通、美国政府），甚至为美国政府构建了“绝密区域”以运行情报工作负载。

**AI转型与挑战**
加尔曼认为，AI是继云之后最重要的技术飞跃。AWS已投资AI数十年，尤其在生成式AI兴起后，目标是将AI融入企业日常业务。第一代AI工具侧重总结和内容创作，而下一代“智能体AI”能推理并完成任务（如自动化保险理赔处理），大幅提升效率。

对于“95%的生成式AI试点项目未达预期”的现象，加尔曼指出，若企业未打好数据基础、理清工作流程就推进AI，只会得到“看起来很酷但无实际价值的聊天机器人”。真正的价值在于差异化工作流，且当前AI技术能力已比年初显著提升。在re:Invent大会上，90%的企业高管表示其AI投资已见回报或在6个月内有望实现正ROI。

**关于Nova Forge：自定义预训练的突破**
传统的模型定制方式是“微调”——在开源模型（如Meta的Llama）基础上调整权重，但这可能导致模型遗忘原有推理能力，且对陌生领域数据效果差（如让不懂蛋白质折叠的模型学相关知识）。而Nova Forge的“自定义预训练”能将企业数据注入模型的预训练阶段，与原始训练数据混合后完成训练，使模型从根本上理解企业业务和领域知识，后续微调也更有效。例如金融企业可注入自身数据，结合亚马逊的专有数据集，训练出专属的前沿模型，成本仅需数十万美元，远低于从头构建模型的数十亿成本。

**AI与工作的未来**
加尔曼反对“用AI取代初级员工”，认为初级员工往往最擅长使用AI工具，且是企业的人才储备。AI会改变工作方式：员工将承担更广泛的职责，需要学习新技能，团队可能重组，但中长期会创造更多工作岗位。他对AWS员工承诺：“你的工作一定会变，但你能产生更大影响。”

**环境与内部声音**
AWS是全球最大的新可再生能源采购方之一，长期致力于降低能源碳强度，未来也会关注核能等能源。对于部分员工担忧AI可能“损害民主、就业和地球”，加尔曼表示尊重员工意见，但这并非主流，多数员工对技术价值和公司的气候承诺感到兴奋。

**2026年展望**
加尔曼认为，2026年AI领域的重点将是为客户带来实际业务回报，而非单纯的技术实验。无论是通过智能体、定制模型、可扩展基础设施，还是帮助企业淘汰遗留系统（如大型机、旧数据库），核心都是让企业利润表发生积极变化，这也是AWS过去20年帮助客户的核心能力。