亚马逊确认AGI组织岗位调整，但重申大型模型仍是战略核心

亚马逊于7月22日正式确认，其AGI（通用人工智能）相关组织内部分岗位已被取消。公司同步强调：建设大型AI模型仍是当前最重要的工作之一。这一表态划清了边界——调整并非放弃AGI探索，而是对资源分配逻辑的一次主动校准：从长期技术理想主义，转向更紧密绑定客户实际需求与商业回报的执行路径。

组织收缩不等于战略退缩，而是内部优先级再排序

过去两年，亚马逊在AI领域持续高强度投入：成立独立AGI Lab、组建由David Luan领衔的前沿研究团队、任命Pieter Abbeel负责前沿模型研发，并在2025年12月由Andy Jassy推动重组，设立由Peter DeSantis统管AI模型、芯片与量子计算的新架构。Rohit Prasad同期离任，David Luan亦于2026年2月离开AGI Lab。这些人事与架构变动并非孤立事件，而是一套连贯动作：保留基础研究能力，但将决策权、资源和考核重心，向距离客户更近、产品化路径更清晰的方向倾斜。

真正转折点在于Nova Forge：把模型能力变成云服务产品

2025年12月AWS re:Invent大会上发布的Nova Forge，是理解此次调整的关键锚点。它不是又一个聊天机器人，而是一套面向企业客户的定制化模型训练基础设施。其核心逻辑是“开放训练”——允许客户基于Amazon Nova模型在不同训练阶段的检查点（checkpoint），注入自有数据与行业知识，快速构建具备领域专精能力的专属模型。 这种方式跳出了传统二选一困境：既避免从零训练的天价成本，也突破了简单微调带来的能力天花板。更重要的是，它把AI能力深度嵌入AWS云服务链条：训练发生在AWS上，算力消耗计入账单，模型托管与部署依赖AWS平台，后续运维与迭代仍需云资源支撑。一旦规模化落地，AI就不再是独立叙事，而是云计算主业的增长引擎。

AWS的竞争逻辑正在悄然迁移

亚马逊在基础模型赛道始终采取差异化策略：自研Nova、深度投资Anthropic、同时维持AWS平台的模型中立性。这决定了它不会、也不必靠单一模型排行榜胜出。对企业客户而言，模型参数规模不是第一考量；能否安全接入内部系统、是否满足合规要求、训练与推理成本是否可控、能否与现有IT栈无缝集成——这些才是真实采购动因。 Nova Forge正是对这套现实逻辑的响应。它把竞争焦点从“谁的模型更大”，拉回到“谁能帮客户更快、更省、更稳地拥有自己的模型”。这种转变，使AWS的AI价值不再悬于远期AGI愿景，而是落脚于当下可计量的云支出增长、客户黏性提升与单位算力收入优化。

市场估值锚正在重置：从模型叙事转向商业化验证

投资者关注的已不再是亚马逊有没有AGI团队，而是AWS能否用AI服务切实拉动客户预算、延长生命周期价值、并维持健康利润率。验证信号将非常具体：Nova Forge首批企业客户的签约节奏、续费率、单客户平均算力消耗量；AWS AI相关收入在总云营收中的占比变化；资本开支增速与对应收入增速的匹配度；以及关键人才是否出现结构性流失。 这次岗位调整本身未披露人数，也不构成战略转向的证据。但它清晰释放了一个信号：在数百亿美元级AI基建投入已成为行业标配的今天，亚马逊选择率先收紧内部容错空间，把每一分研发资源，押向能被客户用真金白银投票的方向。