68岁的亚马逊CTO在深圳的一次交流中表示，企业不会因为此刻没用上AI就立即倒闭，应先让工程师和管理者学习、弄清要解决的问题，再判断当前这一代AI是否适合。他还谈到基准测试、智能体授权边界、验证债等具体问题。
AI解读：亚马逊CTO Werner Vogels在深圳的一次交流中提出，恐惧是非常糟糕的决策方式，企业不应因担心错过AI转型窗口而仓促上马。
他以2004年12月12日亚马逊数据库共享磁盘故障为例：圣诞购物季期间故障持续十二个多小时，造成数百万美元损失，供应商回应是“你们应该做好测试”。团队随后调查发现，约70%的关系型数据库使用场景只需键值访问，据此构建了键值存储系统Dynamo，即DynamoDB的前身。他用这段经历类比当下企业对大模型的使用。
Vogels对基准测试持保留态度，认为人为构造的测试与真实业务存在距离；如果模型已足够完成任务，继续为更高排名付钱就需要重新掂量收益。他提到，有些客户经持续实验发现更小的模型已能满足需求、成本低得多，并谈到了DeepSeek、通义千问、Kimi等开放权重模型。
在智能体方面，他提出用户授权必须提前说清楚，例如规定Agent每天花费不超过100美元、超出就要人参与决策。他介绍亚马逊为Agent设计了规则执行机制，对访问工具、运行脚本等操作进行检查。他强调“你构建它，你就对它负责”。
谈到AI写代码，Vogels提出“验证债”概念：AI生成的代码中有些部分尚未验证，团队需要按风险安排检查。他还说亚马逊招聘初级工程师的数量与过去一样，看重好奇心、学习能力和开源项目经历。
他花不少时间介绍参访“大米和小米”的经历：该机构为自闭症、注意缺陷多动障碍等有发展支持需求的儿童提供干预服务，利用AI分析教学记录、观察孩子进展并向康复师提供方案建议，康复师结合专业判断决定采用哪些建议。
亚马逊CTO Werner Vogels在深圳的一次交流中表示，企业不应因担心错过AI转型窗口而仓促决策。据量子位报道，他直言企业不会因为此刻没有用上AI就立即倒闭，作决定前需要先让工程师和管理者充分学习、了解技术的能力。
从2004年数据库故障到今天的AI选型
Vogels用一场亚马逊自身的故障说明先弄清问题再选工具。2004年12月12日正值圣诞购物季，客户数据库背后的共享磁盘故障，用户无法登录、无法下单；按他的回忆，故障持续十二个多小时，让亚马逊损失了数百万美元。数据库供应商的回应是“你们应该做好测试”。
团队随后调查亚马逊究竟怎样使用数据库，结果显示约70%的关系型数据库使用场景只需要键值访问。以购物车为例，系统通常只需根据用户标识取出对应购物车，而不需要把所有用户的购物车调出来做复杂查询。团队据此构建了键值存储系统Dynamo，也就是DynamoDB的前身。
他把这段经历类比当下：当年大家拿关系型数据库处理各种数据问题，如今大模型也很容易成为那把顺手的锤子。他反复追问的是，企业究竟想解决什么，AI是否适合，当前这一代AI是否适合。
- 2004年12月12日共享磁盘故障持续十二个多小时，亚马逊损失数百万美元
- 调查显示约70%的关系型数据库使用场景只需键值访问
- Dynamo为DynamoDB前身
基准测试、成本与模型选择
Vogels对基准测试有所保留，理由是人为构造的测试与真实业务之间仍有距离。他说，如果一个模型已经足够完成任务，企业继续为更高的排名付钱，就需要重新掂量收益。
他提到图像识别、语音处理、预测等领域早已积累大量有效方法，企业选择技术前需要先看任务本身。按他的观察，有些客户经过持续实验，发现更小的模型已经能满足需求，使用成本也低得多；他也谈到DeepSeek、通义千问、Kimi等开放权重模型。
在成本方面，他回顾云计算的改变：过去买企业软件往往要先签五年、十年合同，管理者很难预测明年的需求却要先把钱付出去；云计算把资源使用量与付费联系起来，缩容因此有了实际意义。到了AI时代，除了模型有多聪明，开发者还得追问它为了完成一次任务反复做了多少无用功。
- 对基准测试持保留态度：人工测试与真实业务有距离
- 提到图像识别、语音、预测领域已有大量有效方法
- 称部分客户实验后发现更小模型已够用、成本低得多
- 提到DeepSeek、通义千问、Kimi等开放权重模型
Agent的授权边界与责任归属
Vogels表示乐意让Agent帮忙改签车票，但系统得知道如何操作、记住他的偏好，同时受到约束。他举例说，用户可以规定Agent每天不能花费超过100美元，一旦超出就需要人参与决策。
按他的介绍，亚马逊为Agent设计了规则执行机制，对Agent访问工具、运行脚本等操作进行检查，以限制它在客户明确授权的范围内行动。即便模型判断某件事值得做，执行系统仍要检查它有没有权限做。
面对约束是否拖累Agent效率的问题，他先谈的是责任。他说“你构建它，你就对它负责”，Agent的开发者必须能够控制它，系统采取了什么行动、有没有超出边界，最终仍需要人负责。他把对AI的信任放回分布式系统经验里：工程师从不假定每个组件永远可靠，所以才需要复制、隔离和各种可靠性机制。
- 用户可规定Agent每日花费上限，超出需人参与决策
- 亚马逊为Agent设计规则执行机制，检查工具访问、脚本运行等操作
- “You build it, you own it.”——Vogels对Agent开发者的表述
AI写代码之后的验证债
谈到初级工程师就业，Vogels回应说亚马逊招聘初级工程师的数量与过去一样，随后把话题转向新人进入团队后的学习。他说一个刚毕业的人加入S3团队，面对的可能是二十年前的代码，学校很难提前教会他怎样理解这样的系统、怎样与维护它的人协作；因此他看重好奇心、学习能力和开源项目经历。
他提到一个概念——验证债。过去为了赶进度走捷径、记下以后要修，积累的是技术债；现在AI生成的代码中有些部分还没经过验证，团队也就留下了另一笔债。他举例说，一个界面元素偏了几毫米，与一段可能泄露客户信息的代码，后果相差甚远，开发团队需要根据风险安排检查。
这也解释了他为何坚持让初级工程师阅读代码、和资深工程师一起审查讨论。他说，工具可以解释知识，人面对具体问题时所需要的判断仍要一点点积累，并重复了那句话：经验没有压缩算法。
- 称亚马逊招聘初级工程师数量与过去一样
- 提出“验证债”：AI生成代码中未经核验的部分
- 按风险分配检查精力，界面偏差与数据泄露后果不同
- “经验没有压缩算法”
他为何对AI应用更乐观
Vogels在谈到中国之行时，花不少时间介绍参访“大米和小米”的经历。这家机构为自闭症、注意缺陷多动障碍等有发展支持需求的儿童提供干预服务。据他介绍，机构利用AI分析教学记录、观察孩子的进展，并向康复师提供方案建议，康复师再结合专业判断决定采用哪些建议。
让他印象深刻的是AI帮助专业人员减少了事务性工作，让他们能把更多精力留给孩子和家庭。他把技术价值的判断落到了具体对象上：技术能让哪些人少一点负担，又能帮助哪些原本难以获得支持的人。
- 参访对象“大米和小米”为有发展支持需求的儿童提供干预服务
- 据Vogels介绍，AI用于分析教学记录、观察进展并向康复师提供建议
- 康复师结合专业判断决定采用哪些建议