Penulis: Huohuo
Amazon mengurangkan tenaga kerja organisasi AGI, adakah penentu nilai AI AWS akan ditukar?
TL;DR
· Amazon mengesahkan bahawa organisasi AGI telah membatalkan beberapa jawatan, sambil menekankan bahawa model AI besar masih menjadi fokus utama.
· Perbezaan pasaran ialah sama ada penyesuaian ini merupakan penurunan model dalaman atau fokus semula kepada projek berbayar pelanggan.
· Aset berkaitan: AMZN, AWS, Anthropic, rantai infrastruktur awan AI.
Amazon mengesahkan pada 22 Julai bahawa beberapa jawatan dalam organisasi AGI-nya telah dibatalkan, sambil menyatakan bahawa syarikat masih membina model AI berskala besar dan menganggap ini sebagai salah satu pekerjaan paling penting. Menurut laporan yang dikutip oleh Reuters, Amazon menjelaskan penyesuaian ini sebagai usaha untuk memfokuskan sumber daya kepada bidang yang paling penting bagi pelanggan di masa depan.
Pemotongan tenaga kerja kali ini tidak mengungkapkan jumlah tepat, dan tidak boleh ditafsirkan secara langsung sebagai Amazon meninggalkan AGI. Ia lebih mirip membawa ketegangan dalam narasi AI Amazon ke permukaan: teknologi besar masih menginvestasikan ratusan miliar dolar AS dalam infrastruktur AI, tetapi pasukan yang paling dekat dengan ambisi jangka panjang AI mulai menerima penyusutan organisasi.
Bagi pelabur, masalahnya bukan berapa ramai orang yang dipecat oleh Amazon, tetapi penilaian AI AWS sedang ditinjau semula. Sebelum ini, pasaran bersedia membayar premium untuk AI teknologi besar, dengan anggapan bahawa semakin kuat kemampuan model, semakin besar pendapatan masa depannya. Sekarang, soalan yang lebih realistik ialah, bilakah perbelanjaan ini akan berubah menjadi pembayaran daripada pelanggan, pendapatan awan, dan peningkatan margin keuntungan.
AGI (Artificial General Intelligence) boleh difahami secara ringkas sebagai satu matlamat jangka panjang yang belum dicapai, di mana AI mampu belajar dan menyelesaikan masalah merentas bidang seperti manusia. Ia mewakili imajinasi jangka panjang, tetapi tidak semestinya segera menjadi pendapatan. AWS memerlukan pengepakan keupayaan AI sebagai perkhidmatan yang boleh dibeli, digunakan, dan disesuaikan oleh perusahaan sekarang.
Semakin besar penglibatan AI, semakin ketat pengorbanan organisasi
Kunci pemotongan tenaga kerja kali ini bukan sama ada Amazon akan terus mengembangkan model. Pernyataan rasmi telah menetapkan batasannya: model besar masih menjadi fokus utama, tetapi sumber daya akan dialihkan kepada projek yang paling menjadi perhatian pelanggan dan mempunyai keutamaan tertinggi.
Tindakan organisasi menunjukkan bahawa penglibatan AI tidak berhenti, tetapi kadar kesalahan yang diterima sedang menurun. Pada Disember 2025, Amazon menyesuaikan kepimpinan berkaitan AI, dengan Andy Jassy mengumumkan bahawa Peter DeSantis akan mengendalikan organisasi baharu yang berkaitan dengan model AI, cip, dan pengiraan kuantum. Rohit Prasad meninggalkan syarikat pada akhir 2025, manakala Pieter Abbeel mengendalikan penyelidikan model terkini dalam AGI. Laporan yang dikutip oleh Reuters juga menyatakan bahawa David Luan, ketua AGI Lab, meninggalkan syarikat pada Februari 2026.
Apabila dilihat secara keseluruhan, perubahan-perubahan ini menunjukkan bahawa Amazon bukanlah keluar daripada perlumbaan senjata AI, tetapi sedang menyusun semula portfolio pelaburan dalaman. Kajian jangka panjang masih mempertahankan nilai naratif, tetapi projek-projek yang lebih dekat dengan pelanggan, pendapatan, dan produkisasi sedang diberikan keutamaan yang lebih tinggi.
Ini juga merupakan latar belakang bersama dalam perdagangan AI teknologi besar. Dua tahun terakhir, pasaran terutama memperdagangkan siapa yang berani berbelanja, siapa yang memiliki kekuatan pengiraan, dan siapa yang memiliki model. Kini, perbelanjaan modal itu sendiri sudah tidak lagi cukup langka, pelabur mulai bertanya tentang pulangan: adakah pasukan model, cip, pusat data, dan bakat akhirnya dapat menghasilkan pendapatan.
Nova Forge menyediakan alat komersial
Untuk memahami penyesuaian ini, perhatikan Nova Forge yang dikeluarkan oleh AWS semasa AWS re:Invent pada Disember 2025. Ia bukan chatbot biasa, tetapi satu set perkhidmatan yang membantu syarikat melatih model tersuai.
Dalam pendekatan tradisional, jika sebuah perusahaan ingin memiliki model canggih yang sesuai dengan industri mereka, mereka harus melatih dari awal, yang biayanya sangat tinggi; atau menyesuaikan model yang sudah ada, yang memiliki kemampuan dan kawalan terbatas. Pendekatan Nova Forge adalah membolehkan pelanggan bermula daripada checkpoint dalam proses latihan model Amazon Nova, dan memasukkan data mereka sendiri serta set data yang disusun oleh Amazon pada peringkat latihan yang berbeza.
Amazon menyebut ini sebagai latihan terbuka. Dengan kata lain, perusahaan tidak perlu membangun model besar dari awal, tetapi boleh bermula daripada dasar model yang telah dilatih oleh Amazon hingga ke peringkat tertentu, lalu memasukkan pengetahuan industri mereka sendiri sejak awal. Dengan cara ini, ia boleh mewarisi kemampuan asas serta lebih mudah mencapai keahlian dalam bidang tertentu.
Jalur ini penting untuk AWS kerana ia berusaha mengubah kemampuan model menjadi produk perkhidmatan awan. Pelanggan tidak hanya memanggil antaramuka model, tetapi juga melatih, mengendalikan, menghuraikan, dan mengoptimumkan model mereka sendiri di AWS. Jika produk ini berjaya, ia boleh membawa kepada penggunaan kuasa pengiraan, kekentalan platform, dan pendapatan pengurusan susulan.
Namun, maklumat semasa tidak membuktikan bahawa sumber AGI yang dihapuskan telah dialihkan ke Nova Forge. Penilaian yang lebih selamat ialah, penyesuaian organisasi AGI yang berlaku serentak dengan produk berorientasikan pelanggan seperti Nova Forge menunjukkan bahawa Amazon cenderung meningkatkan keutamaan projek komersial.
Fokus persaingan AWS beralih kepada penyesuaian pelanggan
Kedudukan Amazon dalam pertandingan model asas selalu agak istimewa. Ia mengembangkan Nova sendiri, serta menginvestasikan dana ke Anthropic, sambil mempertahankan kesetiaan AWS sebagai platform awan dan ekosistem model.
Ini menentukan bahawa AWS tidak semestinya hanya bergantung pada model terkuat sedunia untuk menang. Bagi pelanggan korporat, senarai model penting, tetapi bukan satu-satunya ukuran. Masalah yang lebih realistik ialah sama ada boleh mengakses data dalaman korporat, sama ada memenuhi keperluan keselamatan dan pematuhan, sama ada boleh mengurangkan kos latihan, dan sama ada boleh beroperasi bersama perkhidmatan awan sedia ada.
Nova Forge sepadan dengan logik persaingan ini. Ia mengalihkan medan pertempuran daripada peringkat kemampuan model umum kepada sama ada syarikat mampu melatih model sendiri dengan kos yang lebih rendah. Jika jalan ini berjaya, AWS boleh menyusupkan pendapatan AI ke dalam bisnes utama komputawan awan, bukan sekadar mempertaruhkan satu produk AI pengguna akhir.
Ini juga menjelaskan mengapa Amazon terus mempertahankan narasi AGI sambil mengurangi beberapa jawatan. Yang pertama mempertahankan imajinasi teknologi jangka panjang, sementara yang kedua memaksa pasukan untuk mengalihkan sumber daya ke arah yang lebih mudah diverifikasi oleh keperluan pelanggan.
Bagi AMZN, pasaran akhirnya tidak akan hanya melihat sama ada Amazon mempunyai pasukan AGI atau tidak. Yang lebih penting ialah, sama ada AWS mampu membuktikan bahawa perkhidmatan AI telah meningkatkan perbelanjaan pelanggan, memperkuatkan kekukuhan, tanpa secara ketara merendahkan margin keuntungan.
Pesanan dan margin keuntungan akan memberikan jawapan
Pemotongan tenaga kerja ini mudah dianggap sebagai dua ekstrem: sama ada AI Amazon gagal, atau sekadar penyesuaian biasa yang tidak penting. Maklumat semasa tidak menyokong kesimpulan seperti itu.
Penilaian yang lebih masuk akal ialah bahawa Amazon masih berada dalam perlumbaan senjata AI, tetapi peruntukan bajet dan tenaga kerja dalaman semakin beralih ke arah yang boleh dijual kepada pelanggan. Perubahan ini bermakna kepada pelabur, kerana premium AI AMZN akan semakin bergantung kepada kejayaan komersial AWS, bukan semata-mata kepada naratif model.
Titik pengesahan akan berfokus pada beberapa perkara spesifik. Adakah Nova Forge mampu mendapatkan pelanggan perusahaan sebenar, adakah pelanggan bersedia membayar secara berterusan, dan adakah model yang dilatih lebih berkesan dari segi kos berbanding penyesuaian halus biasa—semua ini akan menentukan sama ada ia merupakan produk yang berkesan.
Pemboleh ubah lain ialah kehilangan bakat. Jika penyesuaian organisasi AGI hanyalah pengoptimuman jawatan yang tidak penting, kesannya terhad; tetapi jika bakat utama dalam penyelidikan dan kejuruteraan meninggalkan syarikat, daya saing jangka panjang model buatan sendiri Amazon akan melemah. Ketegangan antara nada rasmi dan realiti organisasi akhirnya perlu diserap melalui kadar pengambilan produk, pendapatan AI AWS, dan pulangan perbelanjaan modal dalam laporan kewangan seterusnya.
Twitter：https://twitter.com/BitpushNewsCN
Kumpulan perbincangan TG BitPush: https://t.me/BitPushCommunity
Langgan BitPush di TG: https://t.me/bitpush