AWS Lambda的十年历程：无服务器愿景塑造云和AI的未来

十年前AWS推出Lambda的时候，它成为了重塑云计算格局的一个大胆实验。

无服务器计算，一个在Lambda首次亮相之前几乎不存在的术语，现在已经发展成为一个价值数十亿美金的市场，让企业和初创公司能够以前所未有的速度和规模构建应用。随着10周年纪念日的临近，Amazon首席技术官Werner Vogels回顾了Lambda的发展历史以及它是如何引领云技术和人工智能的未来。

Lambda的起源故事是一个充满好奇心、雄心壮志的故事，正如Amazon公司创始人Jeff Bezos的座右铭，那就是对客户的不懈关注。他回忆说：“当我们打造Lambda的时候没有任何蓝图，我们听取了WeTransfer等客户的意见，他们正在努力解决由上传文件病毒扫描等事件触发任务的配置和基础设施管理存在效率低的问题。” 

Amazon首席技术官Werner Vogels

“逆向工作”方法：通过反馈循环定义无服务器

AWS著名的以客户为中心的“逆向工作”方法是Lambda开发的基础，首先从客户的角度定义问题和愿景。正如Vogels所解释的，AWS为Lambda制定了六页的内部“PRFAQ”成为了直接从客户输入中演变而来的路线图。他说：“每个人都很激动，这份文件非常清晰，我们几乎可以看到产品已经完全成型、准备上市一样。”

从第一天起，反馈循环就至关重要。客户开始使用Lambda，同时AWS收集反馈以制定自己的路线图，指导Lambda的发展方向，挖掘新的可能性和客户需求。Vogels反思说：“最大的问题不是‘客户会使用这个吗？’我们知道他们会的，而是‘我们能负担得起开发它吗？’”通过这个循环，AWS可以快速迭代，通过缩短启动时间、调整内存、新的计费模型等功能改进了Lambda，所有这些都是根据现实反馈进行的。

Firecracker：效率的基础创新

为了使Lambda可行，AWS开发了基础技术，包括Firecracker——一种专为快速、独立的无服务器功能而设计的轻量级微型虚拟机。Firecracker不仅支撑了当今的Lambda，还为AWS Fargate提供支持，把无服务器功能扩展到基于容器的环境中，这项创新体现了AWS对客户反馈和效率的奉献精神。

Firecracker体现了AWS致力于提供符合客户需求的经济高效解决方案的承诺。Vogels解释说：“我们知道客户想要什么——高安全性、精细的经济性、仅为使用资源付费等灵活性。”Firecracker让Lambda具有了成本效益，同时保持客户要求的可扩展性和性能，从而巩固了AWS作为高效云基础设施领导者的地位。

无服务器计算：从新奇物到必需品

Lambda对云生态系统的影响是变革性的。在Lambda之前，开发人员和IT团队必须为即使是短暂的轻量级任务分配服务器资源，从而导致计算能力浪费、成本增加和维护负担增加，Lambda的无服务器模式改变了这个情况。AWS向世界展示了一种新的云模型，让开发人员可以专注于构建应用。

Vogels说：“Lambda最大的贡献之一就是让分布式应用变得可访问，这不仅仅是关于云端计算，更是从根本上重新思考从服务器中释放出来的计算会是什么样子。”Lambda的成功引发了AWS内部无服务器服务的浪潮，从S3触发器再到DynamoDB集成，为开发人员提供了用于事件驱动的、可扩展应用的广泛工具包。

在Vogels看来，Lambda的影响远远超出了AWS。他说：“我们已经看到业界无服务器架构的爆炸式增长，那些原本不认为自己是技术前沿的公司，现在也能够快速构建和扩展应用了，这是一项改变了游戏规则的技术。”

进入生成式AI：使用Bedrock及其他技术揭开无服务器的下一篇章

快进到今天，AWS发现自己正处于另一个前沿：生成式AI。正如Lambda引入无服务器计算一样，AWS现在正在为AI深度集成到业务应用中这一未来奠定基础。Vogels把这一时刻比作Lambda的早期，Bedrock等生成式AI工具提供了强大的功能并依赖于强大的云原生基础。

Vogels说：“我们看到人们对生成式AI感到兴奋和好奇，就像Lambda一样。客户不再只是将AI视为一项很酷的技术，他们希望构建有意义的、可扩展的应用，并将其与数据和业务逻辑深度集成。”AWS的生成式AI平台Bedrock借鉴了Lambda的经验，为用户提供了灵活性，使他们能够根据特定需求选择和微调一系列大型语言模型。

Lambda和Bedrock的相似之处在于，AWS简化了复杂系统并为开发人员赋能。Vogels认为这只是一个开始。“就像Lambda让分布式应用普及一样，Bedrock和生成式AI也将使智能应用普及。但基础设施需要支持它，就像我们为Lambda构建了Firecracker一样。”

未来：第二代云和数据驱动的AI层

自AWS率先推出基础设施即服务以来，云计算已经取得了长足的进步。然而，未来十年将需要更多的可扩展性、安全性、文化适应性和可持续性。Vogels设想了“第二代云”，其中，计算和AI工具针对本地化的、数据丰富的、实时的应用进行了优化，无论是在偏远地区还是具有主权数据要求的边缘环境。

Vogels说：“没有数据的计算是没有意义的，在这个新时代，你需要在数据系统之间建立无缝连接，无论这些系统位于何处。”对于AWS来说，这意味着在云产品的各个方面进一步集成数据和AI，使应用能够在全球范围内运行，同时实时响应本地需求。

Vogels强调，随着客户越来越关注基础设施成本和可持续性，资源使用透明度也变得越来越重要。“客户现在希望看到他们所做选择带来的影响，他们要求提供有关成本、资源使用甚至碳排放的分析，我们致力于为他们提供有效管理这一切的工具。”

未来普及：面向大众的AI

在回顾Lambda的影响力时，Vogels指出，最大的成就可能是它对开发者社区产生了连锁反应。“我们让开发人员能够进行实验，打造以前不可能实现的应用。现在有了AI，我们将看到这种赋能会成倍地增加。”

AWS的愿景很明确：让开发人员能够构建未来。从无服务器计算到未来的AI驱动型应用。Vogels回忆说：“通过Lambda，我们看到开发人员找到了解决问题的创造性方法。通过生成式AI，我们为他们提供了新的工具，让他们能够实现更大的梦想，构建不仅能执行、还能理解、响应和适应的应用。”

下一步：建立在创新基础上的愿景

在庆祝Lambda周年之际，Vogels并没有满足于过去取得的成功。相反，他着眼于未来，着眼于未来十年将带来什么。“如果说Lambda教会了我们什么，那就是创新永无止境，现在我们和十年前一样好奇我们接下来能做什么。”

Lambda在为开发人员简化分布式应用方面取得的成功，为生成式AI树立了典范，因为AWS的目标是通过类似的可扩展、模块化和可访问的解决方案推动智能应用的普及。

很明显，AWS把Lambda的十年发展视为其雄心勃勃的生成式AI路线图的支柱。但真正问题是，AWS能否在AI领域产生与无服务器计算相同的、改变游戏规则的影响。Lambda以以客户为导向、可扩展且简化的云服务方法设定了高标准——这些原则正在融入AWS的生成式AI产品中，从Bedrock一直到SageMaker。

然而，在充满挑战者的、快速变化的AI领域，AWS面临着一个关键的考验：它能否复制Lambda的成功，提供与开发人员和企业产生同样深刻共鸣的AI解决方案？构建者将起到决定因素。