亚马逊云服务（AWS）的CEO马特·加尔曼阐述了公司对企业级人工智能的务实看法，核心是利用AI为企业创造实际的商业价值，而非追求炒作。他坚决反对用AI取代初级开发者的想法，认为这有损于公司的长期人才培养。通过推出如 Nova Forge 这样的工具，AWS使企业能够通过“自定义预训练”来构建深度理解自身业务和数据的专属AI模型。加尔曼认为，AI将深刻改变工作方式，带来效率提升，但企业必须对技术输出的结果负责，并专注于实现可衡量的业务回报。
AI的角色：增强而非取代
加尔曼明确表示，用AI取代初级员工的想法是短视的。他认为，这种做法不仅会切断公司的人才输送管道，而且忽略了初级员工的独特价值。
将AI用于取代初级员工，是他听过的“最愚蠢的想法之一”，对于任何试图建立一家长期发展的公司来说，这都是行不通的。
他给出了几个核心理由：
- 新技能掌握者： 许多初级员工反而是最熟悉、最擅长使用新兴AI工具的人。
- 成本效益： 初级员工通常是公司中成本较低的劳动力，单纯从成本优化的角度出发，裁掉他们并不合理。
- 人才的未来： 如果不培养初级人才，公司最终将面临人才断层。新鲜血液带来的新思想和活力对企业的健康至关重要。
Nova Forge：打造企业专属的AI模型
AWS的策略核心是帮助企业构建真正适合自己的AI。加尔曼强调，通用模型的能力有限，而 Nova Forge 工具则提供了一种更深度的定制方法，即“自定义预训练”。
与传统的“微调”相比，这种方法有本质区别：
- 微调 (Fine-tuning): 在一个已经训练好的模型后期阶段注入新数据。这种方式的局限在于，如果注入过多新信息，模型可能会“忘记”其原有的核心推理能力。
- 自定义预训练 (Custom Pretraining): 在模型训练的早期阶段就将企业的专有数据（如财务信息、行业术语、内部流程）融入其中。这使得模型从一开始就能原生理解企业的特定领域知识。
这就像学习语言，年轻时学起来更容易。模型也是如此。在早期阶段融入领域知识，远比后期修补要有效得多。
通过这种方式，企业可以用相对较低的成本（数十万美元而非数十亿美元）获得一个几乎等同于自己从零开始研发的定制化前沿模型，该模型能真正理解并服务于其核心业务。
对工作方式的改变与责任
加尔曼认为，AI将毫无疑问地改变我们的工作方式，但并不必然导致大规模失业。
- 工作将发生变化： 他向员工强调，“你明天的工作方式不会和四年前一样。”人们需要学习新技能，适应新的工作流程，并承担更广泛的职责。
- 创造新岗位： 从长远来看，AI创造的就业机会将超过其取代的岗位，就像个人电脑和互联网的出现一样。虽然部分重复性工作会被减少，但也会催生出新的职业。
- 企业必须承担责任： 企业不能将技术输出的责任推卸给AI。无论是数据库的计算结果还是AI模型的决策，公司都必须为最终的输出负责。AWS虽然提供强大的工具，但客户需要确保其应用方式是安全和负责任的。
核心焦点：实现真正的商业价值
尽管外界充斥着关于AI的各种新闻和公告，但加尔曼表示，AWS愿意“在很长一段时间内被误解”，专注于构建真正能解决客户问题的平台。他认为，2024年及以后，AI的重点将不再是实验和尝鲜。
核心议题将是为客户带来 真正的商业回报。无论是通过AI代理、定制模型，还是可扩展的基础设施，最终目的都是要对企业的损益表（P&L）产生积极影响。
最终，AWS的目标是帮助金融、医疗、媒体等各行各业的公司利用AI削减成本、提升效率，并为他们的客户创造更多价值。