亚马逊CTO泼冷水：68岁技术老兵说别急着上AI，你的店该先算哪笔账

到底发生了什么

亚马逊CTO Werner Vogels在深圳的一次交流里，说了一句不太好听的话：企业不会因为此刻没用上AI就立即倒闭。

他68岁，在亚马逊当CTO二十多年。他还原了2004年12月12日的一次数据库故障——圣诞购物季，共享磁盘坏了，用户无法登录、无法下单，故障持续十二个多小时，亚马逊损失数百万美元。

数据库供应商上门，说的不是道歉，是“你们应该做好测试”。团队后来调查发现，约70%的关系型数据库使用场景，只需要键值访问。他们顺着真实需求，做出了DynamoDB的前身。

他把这段经历套到今天的AI上：当年大家拿关系型数据库这把大锤处理各种问题，如今大模型也很容易变成那把顺手的锤子。

他提到DeepSeek、通义千问、Kimi等开放权重模型，说有些客户经过持续实验，发现更小的模型已经能满足需求，成本低得多。

他还点名了智能体的“遗忘”问题、Kiro的跨会话记忆，以及亚马逊为Agent设计的规则执行机制——用户可以规定Agent每天不能花费超过100美元，超出就要人参与决策。

他的原话是：你构建它，你就对它负责。

这对你意味着什么

如果你开实体店、做账号、跑直播，这条消息跟你关系很直接：它说的不是技术，是掏钱之前该问自己的问题。

• AI不是必需品，是工具。没上不会立刻倒闭，上错了会先亏钱。
• 选工具前先写清楚：你要解决的是获客、复购，还是省人力？这三个问题对应的产品完全不一样。
• 别追榜单第一名。Werner对基准测试有所保留，因为人为构造的测试和真实业务之间有距离。模型够用就行，为更高排名多付的钱要重新掂量。
• 成本要进架构讨论。以前买企业软件先签五年十年合同，像进餐厅先放下一千美元；现在按用量付费，夜里没那么多用户就可以关掉资源。你的AI订阅和API账单也一样，得有人盯着。

Werner说，企业需要先让工程师和管理者充分学习，了解技术的能力。这句话翻译成小老板的语言：先花时间搞懂，再花钱买。

在零一时代新媒体实训中心，我们接触的天津实体店老板里，问得最多的不是“哪个模型最强”，而是“我这个店到底用不用得上”。这个问题问对了。

另一件容易被忽略的事是权限。聊天机器人给错答案，你看完可以不理；智能体是代表你行动的，改行程、调工具、跑程序，模型一旦给错答案，错误会顺着执行过程变成真实后果。

所以授权范围要提前说清楚。这不是大厂才需要的严谨，你让AI接管客服回复、自动发券、批量剪辑发布，同样要划边界。

接下来可以怎么做

• 先做一次需求盘点：把你店里最耗人力的三件事写下来，看AI能不能接。接不了就别硬上。
• 从开放权重的小模型试起。Werner提到DeepSeek、通义千问、Kimi，有些客户实验后发现小模型够用，成本低得多。
• 给AI定死花钱上限。参照亚马逊的做法，设一个每日额度，超了必须人来决策。
• 别只看生成速度，要看验证成本。Werner提了个概念叫“验证债”——AI生成的代码有些部分没经过验证，团队就留下另一笔债。你做内容也一样：AI批量产出的脚本和文案，检查一遍的时间省不掉。
• 天津和京津冀做短视频获客的老板，可以先把AI用在选题、脚本初稿、评论区回复草稿这些低风险环节，别一上来就交出去整个账号。

零一时代新媒体实训中心在天津做了7年新媒体实操，学员里一多半是本地实体店和中小企业老板。我们在短视频获客、AI应用这些课上反复讲的一件事，跟Werner说的是一回事：先想清楚问题，再挑工具。

新手最常问的 3 个问题

问：现在不上AI，会不会被同行甩开？

答：Werner的原话是企业不会因为此刻没用上AI就立即倒闭。真正拉开差距的是你有没有把需求想清楚，而不是有没有赶在别人前面开通某个账号。

问：大模型和小模型怎么选？

答：看任务。Werner提醒，图像识别、语音处理、预测这些领域早就积累了大量有效方法，不是所有事都要上大模型。有些客户实验后发现更小的模型已经够用，成本还低得多。

问：让AI帮忙回客户消息，出了错谁负责？

答：Werner的说法是“你构建它，你就对它负责”。系统采取了什么行动、有没有超出边界，最终仍然需要人负责。所以授权范围要提前写清楚。

一句话收口

AI替人多写了一段代码、多剪了一条片子，你还是得知道它上线之后会发生什么。工具可以解释知识，人面对具体问题所需要的判断，仍要一点点积累。