亚马逊云科技的销售和支持团队目前“正投入大量时间帮助客户优化AWS支出,确保客群能够稳定度过当前充满不确定性的经济周期。”
这是Amazon.com CEO Andy Jassy在上周致全体股东的年度公开信中的话。
“AWS与我们的其他业务一样,我们不会单纯着眼于一年或者一个季度进行优化。”相反,整个亚马逊都在“努力建立更持久、更长远的客户关系和业务。因此我们的AWS销售和支持团队正投入大量时间帮助客户优化AWS支出,确保客群能够稳定度过当前充满不确定性的经济周期。”
“不少AWS客户告诉我们,他们自己都做不到AWS团队带来的成本优化效果。节约下来的资源可以用于他们所规划的更具创造性的全新客户体验。我们这种以客户为中心的长期策略得到了受众群体的青睐,这对客户和AWS来说无疑是双赢。”
Jassy还提到,“虽然这些短期不利因素削弱了我们的业务增长率,但我们对AWS的基本面仍然非常乐观。”所谓的基本面,包括为新老客户提供强大的主动迁移管道。
“很多企业会选择在目前这样的震荡时期退后一步,思考在战略层面做哪些改变。我们发现,越来越多的企业不再管理自有基础设施,转而迁移至AWS以享受敏捷性、创新、成本效率和安全效益。”
但这些优势并不包括成本节约。SaaS机构37Signals之所以退出云计算,也是出于成本的考虑。软件供应商Ahrefs估计,在托管数据中心内运行自有硬件为其节约了4亿美元。
本地硬件供应商也表达了类似的结论,称很多客户为了省钱而放弃云计算。但也有分析师把这种情况,比作企业从加利福尼亚州迁出、转向美国其他经济增长率更高的州,很多人虽然在抱怨中离开,但有更多人不断进入。
Jassy的股东信提到AWS未来计划开发更多定制芯片。
“我们在芯片方面的创新并没有结束,这是一项对客户乃至AWS自身都富有成效的长期投资。”这里指的是针对机器学习工作负载的Inferentia芯片。这位CEO还谈到了Graviton CPU的性价比提升,不过云分析师Corey Quinn对Jassy的说法提出异议,并在推文中写道“从Graviton2升级到Graviton3对等实例,成本要比同类产品贵6%以上。”
Jassy还观察到,AWS目前的年运营收入为850亿美元,较2022年的620亿美元同比增长29%,使得AWS的规模超过了思科、联想、HPE、甲骨文和SAP。戴尔2023财年营收总额1020亿美元,其中894亿美元来自企业客户,AWS目前的差距只有40亿美元,而且距离正在快速缩小。微软2022财年的营收为1980亿美元,其中“更多个人计算”业务赚到近600亿美元,业务衍生收入增幅继续对AWS保持优势。
但Jassy也承认,“全球约90%的IT支出仍集中在本地,尚未迁移至云端”,这意味着AWS仍有很大的上升空间。
他在信中指出,亚马逊的其他业务比AWS发展得更早,所以尽管整体经济环境出现了一些令投资者不安的震荡,但亚马逊仍将继续投资那些能推动未来增长的新业务。
AWS自身的蓬勃发展就是这项战略的绝佳体现,亚马逊曾在2007年到2008年的全球金融危机期间向AWS砸下巨量资金。
Jassy提到在如今的经济低迷时期,亚马 逊的“Kuiper”卫星宽带服务正与当初的AWS处于同样的发展阶段。
他在信中写道,“Kuiper卫星宽带也是初期资本密集型业务,但拥有庞大的潜在消费者、企业和政府客群,也有着巨大的收入和营业利润潜力。具备这样技术和创新能力的企业相对较少,而且大多不认同这项业务的投资回报。”
“我们准备在今年发射两颗原型卫星来测试整个端到端通信网络,并计划在2024年与商业客户开展测试。客户对我们迄今为止分享的Kuiper消息反应非常积极,我们坚信Kuiper对亚马逊来说代表着极大的机遇。”
好文章,需要你的鼓励
火箭实验室(Rocket Lab)宣布计划以现金加股票方式,斥资80亿美元收购主要卫星运营商铱星通信(Iridium Communications),交易预计于2027年中完成。铱星目前运营着由66颗活跃低轨卫星组成的星座网络,拥有约255万活跃用户,2024年营收达8.717亿美元。收购完成后,Rocket Lab计划借助其新型重型运载火箭Neutron及Lightning卫星平台,扩大铱星星座规模,开拓未被覆盖的市场并降低发射成本。
腾讯等机构提出ViQ框架,通过两阶段渐进量化训练,让离散视觉编码在多模态理解和图像重建上同时追平连续特征编码器,训练速度最高提升70%。
音乐流媒体平台Tidal宣布,将于7月中旬启用自动化工具,对完全由AI生成的音乐添加"AI"标识,并移除具有欺诈性质的曲目。平台还将取消AI生成音乐的版税资格,仅向真人创作、演唱的原创音乐开放变现渠道。此外,Tidal明确将高频异常上传、干扰真实艺术家等行为列为欺诈活动。Deezer、Spotify等竞争对手此前已推出类似检测机制,流媒体行业正加速构建AI内容治理体系。
香港科技大学与华为联合提出LISA训练方法,通过让副网络对齐"似然分数",将ControlNet等图像生成模型的训练收敛速度提升逾2.78倍,同时改善图像质量与条件控制精度。