亚马逊云科技（AWS）首席执行官马特 · 加曼（Matt Garman）近日表示，企业人工智能应用已正式跨越实验阶段。随着部署重心转向生产环境，越来越多的组织报告称实现了可衡量的投资回报。

加曼在接受媒体采访时指出，过去一年客户对 AI 的需求显著激增，这不仅重塑了企业的技术战略，也直接影响了亚马逊的投资布局。他与首席信息官（CIO）的交流显示，行业对 AI 采用的态度发生了根本性转变。

" 就在几个月前，当我询问一群 CIO 有多少人在当前看到了可观的投资回报，或拥有在短期内实现高回报的路径时，90% 的人都举起了手。" 加曼表示，这一数据与一年前的情况截然不同。

从试点到运营：AI 落地加速

据加曼介绍，企业正从单纯的试点项目，过渡到能够创造实际业务价值的运营型 AI 部署。他指出，得益于现有的云计算基础设施，AI 的采用速度远超当年的云计算迁移潮。企业无需进行大规模的基础设施变更，即可直接部署 AI 服务。

这种强劲的增长态势，支撑了亚马逊今年高达 2000 亿美元的资本支出承诺。加曼强调，这一投资策略基于客户需求及长期基础设施资产价值，而非投机性预测。

" 如果你真正看好某项业务的资本回报率（ROIC），你就会希望资本支出尽可能高。这不是投机行为。" 加曼解释道，即便市场需求波动，土地和电力等基础设施投资仍具长期价值，而服务器和半导体的采购决策则会根据近期明确的客户需求动态调整，以降低风险。

智能匹配模型以控制成本

在提升回报率方面，加曼重点讨论了成本控制策略。他发现，许多组织无论任务复杂度如何，均倾向于使用最先进的模型，导致成本不必要的攀升。

为此，AWS 推出了代理式软件开发环境 Kiro。该工具能根据执行任务自动选择最合适的模型：简单的代码生成等任务由轻量级模型处理，而复杂的推理请求则调用高级模型。

" 推高 AI 成本的主要原因之一，是人们试图为每一件事都使用最好的模型。" 加曼表示，Kiro 通过帮助客户精准匹配模型并制定预算，以更快速、更低廉的成本交付所需结果。

以业务成果为导向

除了优化模型选择，加曼还建议企业改变评估维度：应关注 AI 应用交付的业务成果，而非单纯衡量令牌使用量或计算消耗量。他鼓励企业在确保价值交付的同时，赋予员工更大的 AI 使用自主权，并果断扩大那些能证明可衡量回报的项目，终止无效举措。

【星途科讯 图文丨周鑫雨 首发于 ZAKER 科技，转载请注明出处】