如今的大模型產業正進入一個關鍵時刻：泡沫破裂，還是落地改變世界。

Gartner數據顯示，2024 年僅有 41% 的生成式 AI 試點項目能夠成功進入生產階段，更直觀來說，59%的生成式AI落地，都死在了路上。這是一個尷尬的數據。

亞馬遜云科技全球副總裁、亞馬遜云科技大中華區總裁儲瑞松也有提到，從技術能力與現實來看，過去一年，生成式AI真的爆發了。

但技術爆發的量變，到引起產業的質變，有一道關于落地的鴻溝。如果繼續維持現狀，那么大概率產業的演化，會如同過往Gartner曲線的走勢，短暫的泡沫之后，進入又一次漫長衰退。前進一步，則大模型可以造福一半企業，成為新的社會基礎設施。

為了避免AI的故事一次又一次重蹈覆轍，早在2023年亞馬遜云科技就成立了一個秘密組織，生成式AI創新中心，讓350 位戰略顧問、應用科學家、數據科學家、開發人員和專家幫助客戶制定生成式 AI 戰略，并協助他們構建生成式 AI 解決方案，以實現業務成果。

而這個秘密組織，如今已經來自不同行業的客戶提出的超過 1500 個項目需求，推動82%+客戶從 PoC 到量產。

也就是說，在亞馬遜云科技上，生成式AI已經率先翻過了技術的Gartner死亡谷，進入產業發展的穩步增長期。

那么亞馬遜云科技憑什么翻過Gartner死亡谷？秘密組織生成式AI創新中心的經驗是什么？

所有答案都藏在正在進行中的2025 亞馬遜云科技中國峰會上。

Gartner死亡谷里藏著什么？

在儲瑞松看來：歷史上蒸汽機放大和解放了人的肌肉，落地紡織、交通、采礦和冶煉，帶來了工業革命；如今，機器智能放大和解放人的大腦智力，帶來下一場革命。

而且，與歷史上的前幾輪AI泡沫不同，2023年崛起的生成式AI浪潮中，技術的成熟度，早已跨過了從實驗室到工業生產的門檻。峰會現場儲瑞松展示，無論測試多個學科領域的MMLU、測試科學領域的GPQA、測試真實世界軟件工程相關問題的SWE-bench還是推出的HLE — Humanity’s Last Exam（人類的最終考試），模型的能力早已隱約展現出了巨大的潛力。

既然技術不是問題，那么為什么市面上59%的項目，都倒在了爆發的前夜。

兩年多的實踐經驗，優秀的生成式 AI成功原因百花齊放，但是黃掉的項目，卻大多教訓雷同。總結來說有四點

教訓一：場景選錯，不是所有問題都值得用AI解決

許多企業在AI項目啟動時，犯的第一個錯誤就是“為AI而AI”。高頻詞是“增強效率”“提升智能化”“優化工作流程”，但缺乏對場景價值的量化認知。

一個很典型的例子是：很多公司希望通過大模型提升客服效率，于是部署了GPT接口替代基礎問答模塊，但因缺少專有數據增強與業務上下文處理，模型表現甚至不如原有基于規則的FAQ系統。結果就是大模型胡說八道，人類跟在身后補鍋道歉。不僅沒有如愿達到成本降低，反而帶來了不少的不必要麻煩。

教訓二：模型錯配，大模型唯參數、唯最優論

亞馬遜云科技全球技術總經理 Shaown Nandi觀察到，基礎模型的進展以周為單位，永遠會有層出不窮的更強大、更具成本效益和更快速的模型發布。但不會存在一個模型能適用于所有用例的情況。更多企業需要的其實是定制模型的能力，以及有選擇的權利，因此在Amazon Bedrock中，亞馬遜云科技托管了全球各大主流大模型企業的基礎模型，從數千億甚至萬億參數的巨型模型到只有幾百萬參數的小型模型均有覆蓋。

亞馬遜云科技全球技術總經理 Shaown Nandi

但現實中，往往很多團隊都會盲目擁抱市面上最大、最貴、指標最亮眼的模型，忽略了實際業務對時延、成本和精度的多維需求，導致項目盲目上馬之后，最后又潦草下臺。

教訓三：ROI不可控，沒人知道項目值不值，導致不敢上馬

事實上，多數生成式AI項目失敗的最終歸宿，往往不是技術掛了，而是領導覺得看不到價值。在技術團隊視角里，模型能跑通、響應速度OK、可以調優就意味著項目完成；但在業務部門眼中，沒有明確指標提升、沒有看得見的成本優化，項目就等于實驗室玩具。

過程中，基礎模型、使用場景的數量和負載特征、模型的定制和調優策略能做到什么水平，需要讓決策層有概念，執行層有目標；最終帶來了什么效果，不僅要肉眼可見，也需要數據可量化，成本能算清。

教訓四：沒有完善的成果檢測閉環，項目靜默暴斃

基于前三個問題的背景，最后導致的結果就是很多生成式AI項目上馬之后，做出來沒人用，也找不到原因，沒辦法升級迭代，導致陷入靜默暴斃狀態。尤其是項目后期維護需要成本，怎么說服老板繼續投入，很多團隊連個評估框架都沒有。

一句話總結來說，如今的生成式AI已經度過了認知普及階段，但大部分項目黃在了前期不會選，中期不會用，后期沒閉環上。

爬出死亡谷，亞馬遜云科技的兩重準備與四大秘籍

關于如何爬出死亡谷，見證了亞馬遜云科技幫助國內上千項目落地后，儲瑞松將問題拆解成了自上而下與自下而上兩個角度。

“在我與很多客戶的溝通中能觀察到，越來越多的企業都想擁抱AI 、Agentic AI，但卻不知道從何開始。我認為，企業需要做好雙重準備。”

自上而下，是管理。高層擁抱生成式AI和Agentic AI時需要有明確的認知和頂層設計，要在機制和人才上做準備，要認清之前企業信息化、數字化的工作和時代的關系。

自下而上，是技術。技術又可以被分為三點，其一是統一的AI就緒的基礎設施，過去一度甚囂塵上的多云策略，其有限的連接性會導致企業出現業務孤島、數據孤島，導致最終體驗大打折扣。其二是聚合的、經過治理的數據，如今模型調用已經沒有門檻，企業獨有的差異化的來源只有數據，數據只有通過聚合與高效管理，才能產生價值。其三則是高效的策略和快速高效地執行。

而多數項目之所以最終靜默暴斃，除了已經客觀存在的管理、企業基礎設施以及數據之外，最大的問題就出在策略與執行上。

圍繞策略與執行，亞馬遜云科技還把過往項目執行中的四大“爬坑”經驗做了總結：

首先是針對場景，亞馬遜云科技給出七大評估維度與十一大場景總結，七大評估維度包括團隊、時間節點、可行性、預算、風險、ROI、數據是否支持；場景則包括翻譯、運營、寫作、角色扮演、教輔、辦公、客服、開發、審核、知識助手、運維。也就是說，團隊只有滿足了七大維度評估標準，項目上馬才會更安全，圍繞十一大成熟場景做落地，成功的概率也會更高。此外，圍繞場景，亞馬遜云科技還給出了成熟案例參考，加速團隊的創新。

確定了項目可以上馬后，接下來常見的問題是選型階段的技術錯配。亞馬遜云科技的實踐經驗，技術選型需要從模型層、數據層和技術方案層三個維度進行系統性考慮。

在數據層，企業需要考慮：如何做分析、如何做管理、如何做切分和優化；技術層，企業應該善于使用MCP、多Agent工具調用框架等方案，提升開發效率。最重要的是模型層，通常來說，企業在速度/時延、成本、精度這三大因素中，往往只需要三選其二即能滿足需求。

一個正面案例是，FreeWheel在廣告識別場景中對比評估了Nova Lite、GPT-4 mini與Claude 3 Haiku等多個模型。結果顯示，在延遲、輸出穩定性與推理成本的綜合對比下，精度反而不是唯一決定因素。最終他們選擇了精度中上、推理速度極快、成本可控的方案，以實現批量部署與高頻調用的目標。

選型過程定好方案后，項目正式開始落地，此時的關注重點應該是ROI。為避免ROI不可控，亞馬遜云科技給出了六大階段、三個層面不同解決思路。圍繞六大階段，關于如何做用例、評估、POC、生產、規模化、治理，亞馬遜云科技都進行了細化。三層則是模型層、提示詞層、基礎設施層，亞馬遜云科技也給出了專門的優化策略。

上馬之后，團隊需要繼續關注的是是否完成成果檢測閉環，亞馬遜云科技同樣給出了質量評估、性能評估、應用效果等不同維度的數據，幫助企業衡量系統在實際場景中的效果、成本與用戶接受度。

總結來說，讓項目前期有預期，中期有選擇，后期有優化，每一步都有憑有據有效果，是多數成功生成式AI項目落地的共同經驗。而過程中，亞馬遜云科技就是那個保駕護航和幫助提供選擇和指標的加速器。

為什么是亞馬遜云科技

為什么多數企業都選擇亞馬遜云科技成為其生成式AI轉型路上的加速器？

不同企業的答案，各有千秋。

比如在咨詢公司德勤看來。 他們使用Amazon Q Developer來評估架構決策、檢查和記錄代碼、生成代碼、創建單元測試，并持續審查和執行安全實踐，不止讓開發的速度提高了40%，測試時間減少了70%，代碼質量有了很大提升，更是解放了開發人員不用再做那些枯燥的工作，讓工作變得更加有價值。

再比如，在WPS看來，WPS AI（海外版）通過Amazon Bedrock，進行語義檢查與文檔潤色，模型的快速響應大幅提升了修改速度，減少用戶等待時間，還實現了PPT一鍵生成、一句話擴寫PPT大綱、文檔轉PPT大綱、自動模板匹配等特色功能，解決了其出海過程中的研發、成本、用戶體驗多個困擾。

但總結來說，亞馬遜云科技帶給企業的，不只是一朵云，更是基于這一朵云的更低成本、更高水平安全合規、更多經驗、與更多AI能力的提供。

眾所周知，云服務的本質是一個講究規模效應的產業。而對生成式AI落地來說，更是如此，實驗室創新需要天馬行空，量產需要大量經驗積累，大力出奇跡。而亞馬遜云科技作為全球第一大云，已經覆蓋全球245個國家和地區，與下一大云服務提供商相比，擁有三倍以上的數據中心數量。此外，亞馬遜云還以99.99%的超高可用性，成為中國唯一達到“四個九”標準的云服務提供商。

不只是規模大，亞馬遜云科技的另一大特點在于能力更全。現實中，多數企業都有轉型意識，卻沒有轉型能力，甚至更夸張來說，只有數據，沒有能力。而亞馬遜云科技過去18個月推出的機器學習和生成式AI功能數量較全球主要云服務提供商的總和多出近兩倍。同時，提供覆蓋企業生成式AI創新所需的基礎設施、構建工具以及開箱即用型應用程序的全棧能力。

僅僅算力側，亞馬遜云科技除了能為客戶提供來自Nvidia的最新GPU計算實例，還能提供亞馬遜云科技自研的高性價比、低能耗自研AI芯片Trainium。

數據側，亞馬遜云科技提供的全面大數據能力，包括數據湖、數據倉庫、數據流、實時分析，能夠幫助客戶打破數據孤島，統一治理異構數據，實現基于數據的業務洞察。

而在最重要的AI層面，亞馬遜除了是全球Gen AI轉型的先行者，同時亞馬遜云科技還能提供領先的模型和工具，包括Amazon Bedrock平臺，Amazon Q，Amazon Transform，Strands Agents SDK等簡單易用、功能完善強大的開發工具。此外，亞馬遜云科技還宣布2025年投入約1000億美元用于其人工智能項目的研發。其中大部分將用于AI相關項目，涵蓋AWS的數據中心、網絡設備、AI硬件以及生成式AI服務能力建設。

事實上，亞馬遜云科技能夠常年保持龍頭地位，除了更早的投入與更專注之外，另一大公開秘籍其實是善于分享。

對內是生成式AI創新中心幫助伙伴成功；對外則是在中國峰會中分享經驗，幫助更多企業順利轉型。讓企業生成式AI落地從59%的死亡率，變成82%的成功率，讓更多企業基于亞馬遜云科技，加速創新的發生，用整體的進步來做大蛋糕。

本內容為作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯系 hezuo@huxiu.com

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4484340.html?f=wyxwapp