Andy Jassy（Amazon CEO）¶

来源：a16z / Andy Jassy 谈为 AI 时代重造 Amazon（本页全部时间戳均出自该期；它也是本库目前收录他的唯一一期）

现任：Amazon CEO（2021 年起）。此前创办并长期领导 AWS；⚠️ 自述 29 年前加入公司、从助理产品经理做起、"当时一个人管大概五个产品"（[00:37:33]）。
同公司另一位已收录：Matt Garman（AWS CEO，2026-10-08 同频道那期）。✅ 两期相隔两周、报的 capex 数字一致（2200 亿），本页标注 Jassy 这期补的是现金周期结构。
⚠️⚠️ 收录本页时必须前置的利益相关：他是全球最大云厂商的 CEO，本期几乎每条判断都指向"算力仍然短缺、资本开支是好用途、自研芯片是出路"；全部增长、份额、性价比与税收数字均为自述，本期一处未被追问。 ✅ 本页记下他三处主动的降温：承认建得快"肯定有没优化好的地方"、承认行业在数据中心上"当然有可以做得更好的方式"、以及明确说 AI 不会替掉"把点连起来"这件事。

已收录：a16z / "推理成本在我看来还贵了一个数量级"（2026-10-23，61 分钟，Ben Horowitz + 一位未播报姓名的共同主持）

一、⚠️⚠️ 他给的 capex 现金周期（本库此前缺的那一层）¶

（[00:14:14]–[00:15:14]）✅ 本库关于 AI capex 的材料此前只有总额与融资结构，没有时间结构。这是第一份，而且出自花这笔钱的人：

支出	提前多久投	一次性？	可用寿命	需求可见度
数据中心	⚠️ 约 2 年	✅ "好消息是你只投一次"	⚠️⚠️ 约 30 年	低
服务器与网络	✅ 只需几个月	每轮都买	5–6 年（⚠️ 约 3 年回本）	⚠️⚠️ 高

⚠️⚠️ 关键的那条退出路径："如果结果是你并不需要那些容量去填满这些数据中心，你就不会去买服务器和网络设备。" 大多数交易约 5 年期。
✅ 他对自由现金流直说：同时在建这么多数据中心，"你的自由现金流在这些年里会有逆风"，要等数据中心上线并变现。
✅ 本库标注一条可检验点：如果需求真在服务器采购的几个月窗口内可见，那么需求转弱时 capex 的回落应先体现在服务器而非数据中心上。

规模口径（均为自述）：2026 年 capex 约 2200 亿美元（⚠️ 主持人换算为每天约 6 亿）；AWS 最近一季同比 36.7%、年化运行率 1690 亿；⚠️⚠️ AWS 内的 AI 业务头三年超 250 亿运行率，而 AWS 自己头三年约 6,000 万——"快了好几百倍"；相对 2021 年总营收约高 80%、AWS 约三倍、广告约 2.5 倍。✅ 他自己给的历史对照："15 年前我们不敢相信电信公司花了 500 亿 capex。"

⚠️⚠️ 售罄进度（自述、无合同口径）："26 年明显已经卖光了。27 年基本卖光——总会留一定量给按需，但所有大块基本卖光。28 年有相当大一块也卖光了。"（[00:24:19]）⚠️ 他明确说短缺不止 2027，会在不同部件上持续若干年；✅ 并给了一处内部取舍：内存有限时要决定多少给 AI 加速器的 HBM、多少给核心业务的 DRAM。

⚠️ 被问"要不要把老客户买出来、卖给什么价都肯付的新客户"时他明确拒绝："我们不会挤我们的客户"；✅ 依据是疫情先例——主动派人帮客户做成本优化，"尽管我们知道这会在短期和中期减少我们的收入"（⚠️ 该先例顺带把竞争对手描述成按季度优化的一方，本库记为立场）。

二、需求的杠铃，以及他认为瓶颈是推理单价¶

⚠️ 杠铃三段（[00:21:18]）：一端是 AI 实验室（"在消耗大量大量算力"）加少数跑出来的 app（ChatGPT、Claude Code 一类）；另一端是企业做成本规避与生产率（客服、反欺诈、流程自动化）；⚠️⚠️ 中间是企业当下的生产负载——"其中绝大多数今天还没有以任何普遍的方式用上推理"，而他认为这将是 AI 用量里绝对值最大的一段。✅ 时间给的是区间：拉远 5 到 7 年看，"相当多、如果不是大多数"企业应用会普遍用上推理（他自己加了"不会一下子发生"）。
⚠️⚠️ 而他给"什么会改变中间那段"的答案是价格，并给了量级（[00:32:27]）：

⚠️⚠️ "推理成本过去几年降了不少，但在我看来它仍然贵了一个数量级，还不足以被尽可能普遍地使用。"

✅ 机制：要企业把 CPU 上的应用重写到 AI 加速器上，若成本差很大，则"必须获得的增量收益"门槛很高；把推理成本降下来，门槛就低了。 ⚠️ 另两件事他只点名未展开：会做 post training / fine tuning 的人才，以及知道怎么排优先级的组织肌肉。 - ⚠️⚠️ 本库标注这是一组待检验的对立假设：✅ 他把企业采用的瓶颈归到推理单价（预测采用率对价格弹性很高），而 Tenex 的"你没法自动化一个并不存在的流程" 与 Moshi 的"这是 UI 问题" 把瓶颈归到流程与界面（预测弹性很低）。⚠️ 两类预测可以被同一组数据同时检验。 ⚠️ 而价格那条正好对他的芯片业务有利。

三、自研芯片：三步，以及"份额高的供应商不会主动做性价比"¶

（[00:28:22]–[00:31:26]）⚠️⚠️ 他明确否掉事后叙事："我们并不是为了 AI 芯片去买 Annapurna 的。"（2015 年）

一块网卡：把虚拟化、网络、安全、存储卸载掉，"把尽可能接近 100% 的服务器留给客户的计算"——✅ "它最终进了我们每一台服务器。"
Graviton（CPU）：⚠️⚠️ 动机是在位者的激励，不是技术——"当你的合作伙伴几乎拿着全部份额时，他们通常不会在想怎么推动性价比"（⚠️ 他点名当时的 Intel 合作，并说这是"创新者困境冒出来的方式"）。⚠️ 自述：前 1,000 名 EC2 客户里 99% 在普遍使用，比其他 x86 性价比高约 40%。
Trainium（AI 加速器）："同一部电影"——⚠️ 自述性价比比可比处理器高约 30–40%。

⚠️ 三个性价比数字全部自述、无口径（负载、对照机型、是否含折扣），本库不采信具体值。 ✅ 但"份额高的供应商不会主动做性价比"是本库目前对自研芯片动机最简洁的一条解释，且可检验：若 NVIDIA 开始在性价比上主动竞争，自研理由就会变弱。

⚠️ 对两家实验室的投资（[00:33:28]–[00:36:31]）：⚠️⚠️ 金额（Anthropic 约 180 亿、OpenAI 约 500 亿）出自主持人、自带"或者差不多这个数"，而他全程未确认或纠正，本库记为主持人口径。 ✅ 业务耦合他给了具体的：Anthropic 一直在 Trainium 上建、做了"多年、多吉瓦的 Trainium 承诺"（⚠️ 无合同细节）；OpenAI 一侧是客户拉动（"太多客户想在 AWS 上用 OpenAI"）。⚠️⚠️ 而顺带掉出来的那句产品判断本库认为更值得记：

⚠️⚠️ "我们一起建了一个独特的产品，即那个有状态的运行时环境（stateful runtime environment）——我认为今后所有 agent 都会是这么建的。你会需要状态。"

✅ 这是本库第一条来自超大规模云一侧的"agent 基础设施原语"判断。 🔗 与 Garman 的"给 agent 造的云"与"agent 会被 P99.9 卡住" 同一条线，本条补的是"缺的那个原语是什么"。 ⚠️ 但他没说它与 sandbox / 容器 / Durable Objects 一类既有抽象的差别。

四、⚠️⚠️ 组织与代码："更少的人"，以及那条以安全为理由的强预测¶

⚠️ 两个内部案例（都无可核对细节）：Bedrock 团队重建推理引擎 6 个工程师 76 天（⚠️ 主持人报，"本来要 40 个人干一年"，他确认"对所有人都很开眼"）；一个消费业务 agent 想法周四同意、4–5 人做一个周末、周日已"80% 可发布"（[00:36:31]–[00:39:38]）。
⚠️⚠️ 四条组织判断（[00:39:38]–[00:41:39]）："我们未来做今天这些工作的人类会更少"（清单：agent 写代码、客服、商业智能、研究，"想想以后电子表格会怎么被做出来、你需要多少律师"；⚠️ 他加了"你不会一个人都没有"和"会有新工作"）；团队小得多且跨职能（"模型能把他们带到 80% 的位置"）；每个团队起点更靠前；⚠️ 在位者分叉——创业公司"大多数从一开始就 agent 原生"，而大公司"有些会想明白，有些会动得很慢，后者更容易被攻破"。
⚠️⚠️ 那条强预测，理由是安全而不是生产率（[00:41:39]–[00:43:39]）：

⚠️⚠️ "我预测公司将不得不把几乎全部代码重写成具备 agent 能力的。它们得允许 agent 去更新其中不同的部分——你得在那里建好约束。"

⚠️⚠️ "应用将必须能在几分钟内响应迫近的安全威胁。……如果你的应用没有被重写成能由 agent 来更新，你在那个新世界里一点机会都没有。"

✅ 他先把安全讨论分成两类，并说哪类被谈得不够：⚠️ "过去一两个月对模型的那些紧张聚焦在更奇幻的场景上"（他不否认其可能性，"邪恶僵尸网络接管一切？我猜是可能的"），⚠️⚠️ "但我不认为对更近期的风险有足够的讨论，而那些风险真的就是网络安全"——理由是模型找到的漏洞比人以前实际在找的多得多。 ⚠️ 自家做法只有一句：专业服务团队 + 一个叫 Continuum 的服务"能识别这些并生成补丁"（⚠️ 产品名未核实），✅ 并承认"说起来比做起来容易"，原因又回到动机（"很多工程师有时候觉得专注安全不令人兴奋"）。✅ 乐观面是覆盖率："你能雇的渗透测试人员只有那么多……模型加上自动化会让你能更好地渗透测试你的整个面。" 🔗 本库标注这是本周三条"补丁跟不上"材料里对策层级最深的一条：Arora 在边界下虚拟补丁 + 优化发现与清除速度、Knecht 多开红队把发现量做大、⚠️⚠️ 而他是改被修的对象（应用本身可被 agent 更新），代价最大也最易检验——⚠️ 本期没有问他 Amazon 自己重写了多少。

五、"把一个成功产品从头重想"：Alexa，以及阻力是情绪不是认知¶

（[00:46:39]–[00:52:43]）⚠️⚠️ 他的警告带时间窗：对已有大规模成功体验的公司，"如果他们主要把 AI 看成增量改善这个体验，那他们很可能在三到五年后不会拥有那个胜出的体验"。

✅ Alexa 是"显而易见"的那个："Alexa 的大脑在它被造出来的那个时代是很有创造性的，但因为生成式 AI，大脑能是什么样已经非常不同了——所以你必须给 Alexa 重接大脑。"
⚠️⚠️ 更难的是不显而易见的那些：零售、Prime Video、Fire TV、Prime Music——"我其实相信这每一个生意我们都需要重新发明"，✅ 已有团队在做"完全重新想象的版本"，⚠️ 他自己降温："我们会一开始就做对吗？大概不会。"
✅ 未决的分叉：⚠️ "是要一个完全不同的体验、几乎像一个新 app；还是那些新元素推进得足够快、你把它们加进现有体验里，于是一点一点地改变整体客户体验。"
⚠️⚠️ 而阻力他定位成情绪与身份，不是认知："团队为建的东西感到自豪，而且在'什么有用、什么没用'上有硬挣来的伤疤"；"团队会说：我们不是这么做的；我们试过那个，那个没用"；✅ 历史对照是本地部署迁云（"很多基础设施负责人非常为自己建的东西自豪……他们不想学新东西"）；"要想'我怎么完全从头开始'，在智力上和情绪上都很难。"

六、数据中心政治：四条反驳，按可核对程度¶

（[00:15:14]–[00:20:16]）⚠️⚠️ 框架：一切都已数字驱动、都在用数据中心"而这还是在 AI 之前"；这种规模的建设"自 1950 年代修高速公路和桥梁以来就没有过"；⚠️ "这个国家承受不起不建数据中心的代价，否则另一个国家——比如中国——会在那里确立全部的领导地位和全部的规范。" ✅ 他主动让一步："我们整个行业当然有比过去做得更好的方式。"

反驳	本库标注
⚠️ 水：高尔夫球场用水是其全部数据中心的 200 倍，"两天的用量超过我们数据中心一年"	⚠️⚠️ 两个数字口径互不一致，方向一致但不采信具体值；且比较范围不同（全美球场 vs 自家数据中心）
✅ 备用发电机的污染登记：按"全时满负荷"申报，实际只运行约 1% 的时间、"一年大概 10 小时用于维护"	✅ 四条里最具体、最可核对的一条，且指向制度性的度量问题
⚠️ 电价：有涨有跌，⚠️⚠️ 真问题是"作为一个国家，我们没有按需要去投资电网"，AI 只是"把它推过投资临界点的那个东西"；容量到位后费率"会走平或下降，就像在印第安纳、佐治亚、密西西比"	⚠️ 无数据、无时间窗，记为立场。 ✅ 但"AI 是把电网投资推过临界点的那个东西"这条因果方向值得记——它与"AI 抬高了电价"不矛盾
⚠️ 税与社区：印第安纳 St. Joseph 县"大概交了 30 亿美元税"；Built Together 再承诺 5 年 10 亿美元	⚠️ 自述、无时间窗（30 亿是累计多少年未说明），不采信

七、给年轻人的建议，以及他为什么认为可以同时做这么多生意¶

⚠️ 提问方刚孵化教育项目，本库标注这处利益相关。 ✅ 第一半是"躲不开"："你没法告诉他们在教育里别用 AI——那趟车已经开走了，我认为大学最好不要去对抗它"；建议是大量使用、试舒适区之外的事（⚠️ "我两个孩子都不是开发者，但他们都用 AI 建过应用"）。
⚠️⚠️ 第二半是一条带观察的能力判断：Amazon 是写作文化，而"你能看出来某样东西是不是 AI 写的——它不太对，那些片段被拼在一起的方式不太对"；✅ 分界是：AI "会让每个人都更快地到达那个更靠前的起点"（商学院案例里读材料、做笔记、找议题的功夫"都会消失"），⚠️⚠️ "但真正把点和片段连起来——去搭一个战略、一个方案、一个计划、一个新产品——我不认为 AI 会替大多数人、在大多数时候做这件事。"（他留口："不是说它永远不会发生。"）⚠️ 本库标注弱点与本库同类材料一致："连起来"没有被定义，因此很难被证伪。
⚠️ 业务宽度（[00:56:47]）："我们正活在三场最大转型的中间：AI、机器人、太空开发。" ✅ 组织理由具体："我们不试图让同一组人去管多个业务，而是按去中心化的单线程方式组织"，条件是对的负责人、足够大的体验、差异化的想法、没被服务好的空间，以及你愿意投多少。✅ 他主动给了对立策略的正当性："有些公司非常可以理解地说：我们要守着核心业务去把它做大。而顺便说，这可以是一个非常成功的战略。" ⚠️ Amazon Leo 的目标是"全世界 5 亿个没有宽带接入的家庭"（自述未核实）。