凌晨，OpenAI 與亞馬遜云科技史上最大聯合發布來了

作者 | 駱駝

4 月 20 日，Amazon 宣布在已有 $80 億投資基礎上再向 Anthropic 追加最多 $250 億，Anthropic 同步承諾未來十年在亞馬遜云科技花掉 $1000 億以上。兩筆相加，Amazon 對 Anthropic 的累計承諾已經站到 $330 億。經過多輪可轉換債轉股之后，Amazon 在 Anthropic 的持股，按市場估算，很可能已經超過 Google 的 14%，成為 Anthropic 上最大的外部股東。

4 月 28 日上午，距離亞馬遜云科技舊金山發布會還剩不到一天，Andy Jassy 在 LinkedIn 上發了一段不到 80 個英文詞的預告：

“OpenAI’s models will be available directly to customers on Bedrock in the coming weeks, alongside the upcoming Stateful Runtime Environment.”（OpenAI 的模型未來幾周將在 Bedrock 上對所有客戶開放，與即將上線的 Stateful Runtime Environment 同步）

4 月 29 日凌晨，舊金山。Matt Garman 把“Agentic AI 的下一站”搬上發布會舞臺。當天爆出了一籮筐的新動態：OpenAI 旗艦模型進入 Bedrock 限量預覽（GPT-5.4 優先開放，5.5 與后續 frontier 模型陸續跟進），未來數周 GA；由 OpenAI 驅動的 Amazon Bedrock Managed Agents 進入預覽；Codex 進亞馬遜云科技預覽；Amazon Quick 桌面版正式開放預覽；Amazon Connect 升級為產品家族。

今天的一切幾乎都在圍繞 Agent 所展開，就服務能力而言，亞馬遜云科技與 OpenAI 一起給 Agent 增加了持久化記憶，提升經濟性。在終端產品上，更強的模型、Agent 平臺、解決方案一同到來，一場發布會，同時摁下了多個開關。

這指向了一個明確的事實：雖然亞馬遜云科技的自研模型不在 LLM Arena 的前十榜單上，但這家公司已經成為事實意義上的 MaaS 一極——OpenAI、Anthropic 這兩家覆蓋全球絕大多數前沿模型用量的公司，都與亞馬遜云科技建立了極為親密的合作或股權關系，而相對來說，亞馬遜云科技幾乎又是對中國開源模型最為友好的外資云計算公司之一。

兩個因素綜合來看，亞馬遜云科技正在成為中國企業出海的最佳選擇，同時也讓“云端最強 AI 服務商”的競爭變得乏味。

1 云與 SaaS，亞馬遜云科技與 OpenAI 走到一起的契機

亞馬遜云科技很可能做了一個判斷：當 AI 把企業內部的“服務”重新做一遍時，傳統 SaaS 廠商手里圍繞固定工作流構建的工具棧，正在變成 AI 時代第一批被沖掉的資產。

而 OpenAI 與亞馬遜云科技可謂是一拍即合。OpenAI 早已擺脫了非營利性公益公司的桎梏，增長曲線幾乎等同于上市公司，差的只是一張掛牌通知。此外，其 CFO Sarah Friar 在 2026 年 1 月公開宣布 AI 行業的“實驗階段已經結束”，2026 年是"實用落地年"，未來要做按結果定價。

而在美國市場，如何達成以上結果？答案是，借助云計算的模式，同時補全在 SaaS 維度的“短板”。

于是，2025 年 11 月 3 日，OpenAI 與亞馬遜云科技簽下首筆 $380 億、七年的算力大單，第二天 Amazon 股價收在歷史新高。三個多月后，2026 年 2 月 27 日，兩家把這筆合同再加碼 $1000 億、再加八年。再過兩個月到 4 月 28 日，Sam Altman 親自下場告訴所有人：模型要直接進 Amazon Bedrock 了。

客戶怎么服務、數據如何確保安全、Agent 基礎設施如何搭建、合規怎么過、成本怎么算。這些事，模型公司做不來，云廠商做了二十年。OpenAI 缺的那一格，正好是亞馬遜云科技的本行。Sam Altman 說：“OpenAI 與亞馬遜擁有共同的理念：AI 應當以切實可行且真正有益的方式走入人們的生活。將 OpenAI 的智能水平與亞馬遜的基礎設施及全球覆蓋能力相結合，有助于我們將強大的 AI 以規模化水平交付到企業與用戶手中。”

當然，走得近，并不等于亞馬遜云科技收縮了客戶的模型選擇權，這從來不是亞馬遜云科技的邏輯。Bedrock 上的模型貨架仍會保持開放。OpenAI×亞馬遜云科技 合作公告原文里寫明：亞馬遜云科技將成為 OpenAI Frontier 的獨家第三方云分發渠道。

也是這種態度，把這次發布會的反直覺之處推到了前臺。過去兩年，AI 圈最流行的判斷之一是“AI 會殺死軟件服務類公司”，尤其是 SaaS。按這個邏輯，亞馬遜云科技自己就應該是被沖擊最狠的那一家。

但站在 4 月 29 日這個時點上看，事實正在朝相反方向走。SaaS 沒死。死的是只會做表單的那批 SaaS。

Matt Garman 在現場用了一個更克制的說法——所謂“Saaspocalypse（SaaS 末日論）”被高估，那些有深度領域積累和大型客戶群的 SaaS 老牌玩家正在 Agentic AI 這一波里繼續創新，Salesforce 是其中一個例子。亞馬遜云科技是另外一個例子。根據亞馬遜云科技發布的 2025 年財報，營收達到了 $1290 億（同比 +20%），根據 Andy Jassy 2025 年股東信，亞馬遜云科技當前 run rate 已經站上 $1420 億，AI 業務在 2026 年第一季度 run rate 超過 $150 億。

Andy Jassy 給 2026 年致股東信起的標題是 Straight Line Was a Lie——所謂“直線增長”從來都是事后講出來的故事，每一條曲線都是被反復重塑出來的。AI 越往企業里鉆，企業越發現真正缺的那一步是服務，不是模型。

這樣，我們就可以比較簡單的理解，本次會議的發布邏輯，分為三層：底座、中間件、應用層。

2 讓 AI 第一次“記得住”

在底座這層，只有一件事至關重要——學會記憶。

過去兩年所有主流大模型、Agent 產品、龍蝦產品都是失憶或半失憶狀態。

昨天聊過什么忘了，Agent 跑到哪步忘了，文件改到第幾版也忘了。關閉一個 Cursor 項目，再重新打開，就會出現明顯的失憶癥狀。至于龍蝦類產品，確實有持久化的記憶存儲，但能力較為初級：龍蝦分不清在那些久遠的記憶索引中，哪些是需要詳細回憶的，哪些是可以一帶而過的，反應到終端用戶的使用體驗上，就又變成了糊里糊涂。

失憶的員工沒人敢用，但失憶的 AI 居然是被默認接受的，這導致許多嘗試深度引入 AI 的企業對實際效果失望至極。

亞馬遜云科技公開的產品答案是SRE，Stateful Runtime Environment，正式名稱是 Bedrock Managed Agents（由 OpenAI 驅動）——承載在 Amazon Bedrock 上、與 AgentCore 深度集成的“持久狀態運行時”，讓 AI 擁有真正意義上的跨企業系統、跨復雜任務周期的全局持久化狀態。這一層一旦補上，OpenAI 模型在 Bedrock 上的“直接可用”才有真正的工程意義。

它把 OpenAI 的模型、亞馬遜云科技 的 Runtime（技能、記憶策略以及 AI Agent 可以訪問的工具），Environment（AI Agent 的運行環境）和 Inference API 打包成一個 亞馬遜云科技 原生的 Agent。開發者一行 Runtime API 調用即可啟動，跑在客戶自己的 VPC 里、記憶持久、可訪問亞馬遜云科技資源。這是亞馬遜云科技把 OpenAI 模型從“貨架上的一種選擇”再向前推了一步——它不只是開放了 OpenAI 模型，它把 OpenAI 模型和亞馬遜云科技自家 Agent 基礎設施織成了一個新產品。

底座的關鍵不是更快，是更便宜。SRE 讓“AI 一直記得事”這件事第一次跑得起經濟賬——一個真正記得事情的 AI Agent 背后是數倍于無狀態調用的算力消耗，它不需要每次調用都加載龐大而完整的上下文。只有當芯片成本足夠低、運行時足夠穩定，企業才會愿意把“AI 像員工一樣工作”這件事跑成生產環境。底座解決的是“持久服務”。

3 培育原生企業級 Agent 能力，折疊中間件市場

有了 SRE 提供的算力與狀態底座，下一個問題是怎么讓 Agent 帶著“記憶”下場干活。

這指向了一個被繞開太久的常識——企業級能力是長出來的，不是買來的。

財務系統、CRM、數據中臺——買企業賬號是一回事，把它插進自己的流程、對接自己的數據、訓成自己的肌肉記憶，是另一回事。前者一周搞定，后者通常要兩到三年。構建數字化能力，就是這樣，沒有捷徑。

在今天，構建 AI 能力，同樣沒有捷徑，不能通過買“企業賬號”完成。

一家公司買了 Manus 團隊版，是不是就成了 AI-Native 型組織？顯然不是，中間差著一整套“土壤”。Amazon Bedrock AgentCore，就是亞馬遜云科技拿出來的這塊土壤。

過去一年，大量創業公司圍繞 Agent Runtime、Memory、Identity、Observability、Tool Calling 各做一個垂類產品，每家都說自己是“Agent 時代的 xxx”，企業 CIO 看著像是噩夢——一個生產級 Agent 系統，要把五六個不同公司的中間件拼起來才能跑，每一家的 SLA 不一樣、計費不一樣、出問題的責任邊界也不一樣。

AgentCore 把這塊拼圖收掉了。9 項服務、單一計費、單一 SLA、單一責任主體。

• Runtime，VM 級隔離的運行時，單租戶安全，最長支持 8 小時不掉線的復雜任務；

• Memory，長期記憶與短期上下文分層管理；

• Gateway，把企業既有 API、SaaS、數據源包裝成 Agent 可調用的工具；

• Identity，解決 Agent 跨系統鑒權；

• Code Interpreter，代碼能力；

• Browser，讓 Agent 像人一樣操作網頁；

• Observability、Evaluations、Policy，監控、質檢和行為控制；

關于省錢， AgentCore 的做法尤其值得拿出來單說。它通過改架構來實現降價——用 Memory 把記憶從模型上下文里搬出來、用 Multi-Agent 讓小模型干小活大模型只在關鍵節點出手、用 Session Management 自動清理空閑 Session、用 Tool Calling 優化減少重復模型調用。這套架構調整直接改變了成本結構。

4 最有風格的作品：Amazon Quick

剩下的問題只有一個——前文所述的基礎設施，最終服務于哪款終端。顯然就是 Amazon Quick。

先說一件我自己的事。

過去一個月我一直在折騰一件事——給團隊做一個內訓 LLM 應用。需求很具體：把日常用得上的 Skill、工具、內部資料、各種重復的寫作和匯報流程，全裝進一個能內部部署的應用，讓團隊成員以與 AI 對話的方式，直接完成新員工培訓和工作輔助。

我實在不想手寫培訓文檔，面對面傳授機宜，這很不 AI。

但要實現這個構想，只依賴 Kapathy 的 Case 是不夠的。我需要完成一整套軟件工作：連得上內部知識庫、能識別每個員工的身份并控制權限、能跑長流程、不能把數據泄漏到公網、最好還能讓知識庫持續進化，軟件使用體驗也不能太差。

在不用 Claude Code 的情況下，這個需求實現難度較大，我斷斷續續的抽空調試，花了一些錢買 Token，最終成果也不盡如人意，導致這件事現在還躺在待辦清單上。

直到這次看完 Amazon Quick 發布、自己連夜上手跑了一遍——我才反應過來一件事：Amazon Quick 已經替我將這個需求做完了。

我順手在 Quick 桌面端給自己拼了一個“媒體培訓助手”。做法笨到沒什么可講的：把團隊沉淀下來的 Skills 丟進 Amazon Quick 的“團隊知識庫”，建一個聊天座席關聯知識庫。工作就完成了。整個過程沒超過二十分鐘。

我問它“怎么找選題”，它返回的是從 skill 里抽取的 Know-How——每一條都掛著我自己寫過的判斷標準。這套答案是我們的語言、我們的標準、我們的方法論。不是 ChatGPT 的，不是 Claude 的，是我們自己的。

Amazon Quick 的產品初印象，很接近國內的桌面級“龍蝦類”產品—— xx Claw 們。但這是表象，骨子里，Amazon Quick 和龍蝦類產品是兩種完全不同的設計哲學。Amazon Quick 更像 Claude Team，但價格近乎后者的四分之一。

龍蝦們的定位是個人助理，邏輯是“我有一個數字人和 N 個 Skill，你來拼”，Amazon Quick 更像是 AI 原生的企業級操作臺，邏輯是“你給我目標，我給你干，同時跟你的同事保持協同”。

Jigar Thakkar 在現場是這么解釋的——大多數 AI 工具是 reactive 的，你 prompt ，它才回應；不用的時候它就空著，不為你的工作貢獻任何東西。Amazon Quick 是常駐在桌面后臺的，它持續監聽你正在打開的應用、郵件、日程、本地文件、Slack 消息、CRM 狀態，把需要你注意的事主動頂到前臺。下午兩點開會之前，它會自動把相關的 Slack 線程、你昨天編輯過的那份文檔、幾條相關的簡報拉到一起擺好——你不用問，它已經準備好了。

這種“主動出擊”能成立的前提，是它給每個用戶建了一張個人知識圖譜。Quick 索引你的本地文檔、你的日歷、你過去幾個月跟隊友的對話、你處理過的項目、你寫作偏好的語氣和風格指南，把這些信息編成一張圖，理解人和項目、決策和動作之間的關聯。從機制上，按我的理解，就是 Skills，但是內置為默認能力，無需外部插入。

Amazon Quick 是少有的把“常駐桌面 + 企業級合規 + 跨廠商 SaaS”這三件事同時做齊的產品。

底層依賴于亞馬遜云科技二十年攢下來的兩件東西——安全合規底座和全連接器貨架。前者意味著 Quick 默認走亞馬遜云科技的企業安全合規路徑，企業數據不入訓練；后者意味著 Amazon Quick 一上來就接好了 Slack、Google Workspace、Zoom 等幾十個原生連接器。

5 結語：一手沒被講完的牌

除開比較吸睛的 Amazon Quick ，應用層還有一手牌沒被講完——Amazon Connect ，這個去年已經做到 $10 億營收、年處理 120 億 AI 分鐘通話的產品，被升級成了一整個家族。

原本的 Amazon Connect 改名 Amazon Connect Customer（繼續做客服與客戶體驗），同時新出三件：

Amazon Connect Decisions——把 Amazon 三十年供應鏈經驗做成“決策類 Agentic Teammate”，需求側規劃員和供應側規劃員兩個 Agent 協同，把過去要花幾周的新品上市需求規劃壓到泡一杯咖啡的時間。

Amazon Connect Talent——基于 Amazon 自己旺季招 25 萬人的高量級招聘經驗，做“招聘類 Agentic Teammate”。AI 把崗位描述翻譯成技能圖譜和面試腳本，Agent 直接做基于技能的初篩面試，把招聘周期從月壓到天。

Amazon Connect Health——基于 Amazon Pharmacy 和 One Medical 的醫療經驗，做“醫療類 Agentic Teammate”。它要解決的是醫療專業人員被管理類工作占走太多時間的問題，讓醫生回到病人身邊。

Connect 這套產品本質上是把 Amazon 這家公司自己幾十年積累下來的領域經驗——做電商、做物流、做招聘、做醫療、做客服——封裝成一組領域 Agent，再放到客戶的業務流里去。這事過去只有麥肯錫敢做，現在亞馬遜云科技把它產品化了。

負責這條線的 Colleen Aubrey 在現場提了一個新詞——hemorphism（人形化設計）——指的是 Agentic 產品需要一種新的設計語言，讓 Agent 不再像表單和 Dashboard，而像一個值得信任的同事。

Amazon Connect 連同前文所述新品，正將亞馬遜云科技的產品地圖極大拓寬，從做好“水電煤”，到進入 AI 改造的每一個場景。Jassy 那封股東信里被引用最多的句子恐怕是“Every customer experience will be reinvented by AI” ，而這次發布會其實是亞馬遜云科技自己在補充下半句：

每一種被 AI 重塑的客戶體驗，背后都需要一家公司提供服務。