亚马逊云科技（以下简称 "AWS"）在中国讲 AI，重点不只在技术本身。

在全球市场，这家公司正在把生成式 AI 重新包装为云计算的下一轮增长曲线。自研芯片 Trainium 负责算力成本，Amazon Bedrock 承接模型生态，Agentic AI 工具链试图把模型接入企业工作流。听起来这是一个典型全球云巨头的故事，用资本开支堆出算力，用平台吸纳模型，用企业客户消化 AI 需求。

放到中国市场，这个故事需要一个更具体的商业场景，也就是中国公司的全球化，尤其是一些 AI 公司。对月之暗面这样的模型公司来说，出海不只是开放海外访问或提供 API，更何况一些 AWS 的老用户出海的需求随 AI 而扩大。对 AWS 来说，这恰好是其全球基础设施、平台能力和企业客户网络可以发挥作用的地方。

AWS 需要月之暗面这样的客户案例。

2026 年 4 月，亚马逊披露的第一季度财报和随后的电话会已经说明，AI 是 AWS 云业务下一阶段增长的核心变量，是亚马逊最重要的利润来源之一，同时，亚马逊也在为 AI 基础设施持续加大资本开支。数据中心、电力、芯片和加速计算资源，正在变成生成式 AI 时代的新基础设施储备。

亚马逊首席执行官 Andrew R. Jassy 甚至表示，在 AWS 高增长时，资本支出快速增加会在新基础设施实现商业化之前，造成自由现金流的损失。高额投资背后是，云厂商在赌企业工作流被 AI 重写后会成为长期客户。模型训练需要算力、推理需要算力，Agent 运行更需要算力，而数据治理、权限管理、审计、安全和应用集成都能成为新的收费点。

因此，AWS 反复对外讲自己的 Bedrock、Trainium 和 Agentic AI，并不是一时的市场营销，而是它想证明自己在企业部署 AI 时仍是不可或缺的基础设施提供商，和云时代的统治地位相当。

正是因为亚马逊把上千亿美金全砸在了重资产上，甚至导致了短期自由现金流的 " 见底 "，它才更急迫地需要在每一个细分市场寻找有能力消耗其海量算力、迅速变现的超级客户。这种基础设施变现的底层焦虑，直接传导到了中国本土。

6 月 23 日，AWS 中国峰会召开。主题演讲环节，亚马逊全球副总裁、AWS 亚太区联席总裁储瑞松把这个变化称为 Agentic AI 爆发的拐点。在他的表述里，拐点是模型能力和 Agentic 工程体系开始形成飞轮，也就是说，模型在推理、代码生成和多模态理解上持续进步，工程体系则负责把这些能力转化为可交付的业务结果。

早期行业迷信提示词工程，关心如何让模型理解指令；随后转向上下文工程，关心如何在正确时机给模型输入正确的数据、工具和记忆；现在，焦点变成驾驭工程，也就是围绕模型搭建执行框架，包括智能体循环、工具调用、评估、重试和护栏。

说个大白话就是，企业不需要一个更会聊天的模型，需要的是一套能让模型做事的系统。

这就让 AWS 在中国市场找到了新位置。到了 Agentic AI 阶段，不太可能的商业模式是，做一个简单的海外 App 上架应用商店，或者开放 API 给海外开发者调用，因为难度已经升级。当模型进入企业工作流，问题将不再只是够不够聪明，而是包括一整套后期运维保障。完成企业级交付是今天出海的门槛。

储瑞松在峰会上提到，Agentic AI 项目必须从业务结果出发，数据会从静态资产变成驱动智能体创造价值的战略资产，平台成为概念验证和生产部署之间的分界线。尤其当企业内部出现成百上千个智能体时，它们与员工、系统以及其他智能体之间的协作，必须依靠统一平台管理。

第一次听，可能会觉得这是一套云厂商销售新话术，但细品可以发现，这段话反映了一个朴素的事实，企业缺的是能规模化运行 AI 的规则和基础设施。

一个 Agent 如果只是用来演示，那么出错或失败，无非重来一次，但如果真正进入企业运转的流程，就必须有一整套机制来保证。储瑞松把定义 Agent 这件事比作给新员工写岗位说明书，明确其职责、交付标准与出错预案，并将其与业务 KPI 直接关联，从而在第一天起就能衡量其价值。

这是 AWS 要做的，把模型放进一个全球企业熟悉的采购和运行环境里。AWS Marketplace 可以降低采购门槛，Bedrock 可以提供模型平台化接入，全球基础设施可以改善服务稳定性和延迟，安全、合规和伙伴网络有助于打消企业客户顾虑。

过去一年，中国大模型公司的全球存在感明显上升。它们不再只是追赶者，已经有了可以被海外开发者认真比较的产品。Kimi 正在向更多场景延伸，而并不满足只是一个海外版应用。

因此，月之暗面与 AWS 的关系不再只是一个简单的客户用了云的案例。

对 Kimi 来说，AWS 提供的是全球基础设施、企业客户入口和合规背书；对 AWS 来说，Kimi 则提供了来自中国的前沿模型供给。AWS 需要更多模型选择，来证明自己是平台，而不是某一家模型公司的管道。这听起来像是一个 " 双方各取所需 " 的完美故事。

不过，如果抛开这样的市场叙事，并结合亚马逊 2026 年飙升至 2000 亿美元的资本开支来看，AWS 需要中国这些高频迭代、自带流量的 AI 头部玩家，来填满其庞大的海外算力池。更重要的是，在全球市场，微软 Azure 借 OpenAI 占据企业 AI 心智，AWS 需要月之暗面这样一个 " 顶流客户案例 "，来向整个中国出海圈证明自身在生成式 AI 时代仍无可替代。

这个模式仍有一个 bug。上线 Marketplace、得到合规背书、企业客户愿意试用只是一个开始，Kimi 还要面对一组强大的竞争者。OpenAI、Anthropic、Google、Meta 和 Mistral 都在争夺企业客户与开发者。月之暗面 B 端负责人黄震昕表示，希望能和海外模型公司掰掰手腕。

AWS 提供的是一张船票，降低信任的门槛，让月之暗面拿到进入全球企业级市场的机会。中国模型可以凭借在国内内卷生态竞争下得到的性能、价格或开源生态优势赢得关注，但在海外企业市场接下来要看的还是商业转化、续费和深度集成。

峰会上一系列客户案例中，为什么月之暗面最值得关注，也是因为这实际上是一种新的分工模式。如果能够跑通，那么 AWS 在中国市场就有一个新的定位。它不必卷入中国本地模型大战，也不必把海外 AI 产品完整搬进中国。它可以成为中国 AI 公司进入全球企业市场的基础设施层、合规层和分发层。这是云厂商的一个最简单的商业目标，而不是一个什么新发明。

这是典型的中国企业出海战略，从早期沐瞳、米哈游的游戏、安克的跨境电商，再到后面的 SaaS 出海，AWS 扮演的角色从来没有变过。新的是今天要出海的是大模型，与之相对应的是，AWS 的交互方式变了。

黄震昕在峰会期间告诉虎嗅，希望能够在中国市场帮助 AWS 提供大模型。

在中国谈人工智能，AWS 多少有些尴尬。中国有自己的大模型公司、云厂商、监管环境和客户习惯。这并不意味着月之暗面能帮 AWS 解决底层合规资质的问题。在光环新网和西云数据过去几年帮助 AWS 符合中国法律下构建的本土基础设施里，Kimi 可以补充生态的关键拼图。

这恰好或许可以解决 AWS 中国峰会现场那个意味深长的场景。由于数据和政策限制，那个关于智能投研的 AI 实践要求在海外区域运行。现场嘈杂，只有早到且戴上耳机的少数人才能听到。这种 " 戴着耳机听海外声音 " 的物理隔阂，正是 AWS 在国内的真实写照。