亚马逊 AWS 突然“妥协”？Bedrock 紧急上架阿里 Qwen3 与 Kimi，国产 AI 这波稳了！

导语：拉斯维加斯的“中国时刻”

这两天，全球科技圈的目光都盯着拉斯维加斯——AWS re:Invent 2025（亚马逊云科技年度大会）正在这里举行。

作为全球云计算的老大，AWS 往年都是先秀自家的芯片、再秀自家的模型，比如今年发布的自研大模型 Nova 2、新一代 Graviton5 CPU、Trainium3 UltraServer、AgentCore 等，几乎每一条都够做一场专场发布。

但今年有个细节让中国开发者格外兴奋：在 Amazon Bedrock 模型库的更新名单里，突然多出了一排中国大模型的名字。

阿里的 Qwen3-NEXT 系列、面向代码场景的 Qwen3-Coder 系列、视觉多模态的 Qwen3-VL-235B，再加上月之暗面的 Kimi K2 Thinking 和稀宇科技的 MiniMax M2，集体被 AWS “请进了”自家主战场，变成全球企业用户可一键调用的“标准配置”。

这说明了什么？说明在通用对话、代码智能、复杂推理等关键方向上，国产大模型已经强到连全球巨头都无法忽视，必须引入才能补齐自己的产品矩阵。

不过，消息刷屏之后，很多国内开发者和企业主却很快问到关键问题：“既然用的都是咱们自己的模型，我还有必要绕一大圈去买海外的云服务吗？”

今天就来扒一扒这次发布会背后的门道，以及国内用户该如何更聪明地吃到这波红利。

一、 亚马逊“杀疯了”，但也没忘了“抱大腿”

这次大会，AWS 确实甩出了不少王炸。

● 自研模型 Nova 2：主打更强的推理能力和更低的推理单价，被外界视作 GPT-5 同级别的正面竞争者，是这次大会官方重点对标的“王牌之一”。

● 存储升级：S3 单对象上限从 5TB 拉到 50TB，叠加全新的 S3 Vectors，单索引可支持几十亿向量、单桶可支持万亿级向量，让“把一整个企业知识库塞进对象存储里给 RAG 用”变成现实规划而不是 PPT。

● AgentCore：给 AI 智能体立规矩，设定预算、访问边界和审批流，防止 AI 乱花钱、乱调接口，是面向“生产级 Agent”的治理中台。

但最让国内科技圈兴奋的，还是它的**“开放策略”。

AWS 高层在会上反复强调一个关键词：“Choice matters（选择至关重要）”**——在模型层面，真正重要的是“选择权”和“组合自由度”，只要能满足客户需求，不在乎你是美国模型还是中国模型。

二、 灵魂拷问：国内用户到底该怎么选？

兴奋归兴奋，落到日常使用层面，国内用户还是要冷静算账。

AWS Bedrock 虽然已经集成了 Qwen3-NEXT、Kimi K2 等多款中国模型，但对身在国内的团队来说，直接去用 AWS 版本，现实中有三道槛。

1. 网络延迟：模型节点主要分布在美东、美西、亚太部分区域，国内访问往往需要绕行国际链路，长对话、长文档场景下时延很容易拉到几百毫秒甚至数秒级，体验和直接用国内节点有明显差距。

2. 支付门槛：计费以美元为主，例如 Qwen3-NEXT 在美东区域的输入侧价格约为每 1,000 token 0.00015 美元，看似不贵，但叠加跨境结算、信用卡开通和财务报销流程，对中小团队并不友好。

3. 数据合规：很多行业对“数据出境”有明确红线，将核心业务数据直接传到海外云，会极大增加合规和审计成本，甚至直接超出政策允许的边界。

从这个视角看，本土“AI 基础设施”就显出优势了：同样是调用 Qwen 和 Kimi，但可以做到“节点在国内、计费以人民币为主、票据流程贴近本土规范”。

以国内老牌云厂商 七牛云 为例，它最近上线的 AI 大模型推理平台，本质上就是国内版的“Bedrock 思路”：把头部模型聚合到一个统一入口，用一套 API 和控制台做统一接入。

更关键的是，它走的是“云 + 存储 + 推理 一体化”的路子，对大量已经把资源放在对象存储里的企业来说，迁移成本非常低。

一张表看懂怎么选：

三、 不止是模型，更是“数据底座”

这次 AWS re:Invent 的另一个重点，是把 S3 单对象上限拉到 50TB，并正式推出 S3 Vectors。表面看是在给大模型训练和长上下文推理“加大油箱”，实质上是在争夺“企业数据底座”的控制权。

模型是车，数据是油，存储就是油箱，向量索引则是“油路”和“仪表盘”，油箱不够大、油路不够顺，车跑不快也跑不远。

在这一点上，七牛云 其实很早就押注了“非结构化数据 + AI”这条路。很多人认识七牛是因为图床和音视频，但它更底层的主业，是对象存储 Kodo、音视频云和面向智能硬件的 LinX AI。

公开信息显示，2024年上半年，七牛云的 AI 相关收入大约 1.84 亿元人民币，占整体营收的 22.2%，其中很大一部分来自大模型推理服务和推理算力租赁，这本质上就是“以数据为中心的 AI 底座生意”已经开始回本了。

对想做 AI 应用的企业来说，七牛云提供的是一套从“存”到“炼”再到“跑”的闭环玩法：

1. 存：把文档、图片、视频、日志等非结构化数据放进 Kodo，通过 SDK 或 API 统一管理。

2. 炼：利用内置的数据处理和 ETL 能力做清洗、转码、抽帧，为后续建模做准备。

3. 跑：直接在大模型推理平台上调用 Qwen、DeepSeek 等模型做检索增强、内容生成或智能分析，数据无需在云之间来回搬运。

这种“存算一体”的模式，比单纯买一个 API 账号试着接几次请求要稳健得多，也更符合“AI 是长期工程项目”的现实。

四、 总结：国产 AI 的好时代

AWS re:Invent 2025 其实在传递两层信号。

第一，生成式 AI 正在从“玩具”彻底变成“工具”，不论是 AgentCore、50TB S3，还是 S3 Vectors、Trainium3，本质上都是为了让 AI 去承担更多“重活”，接管更核心的业务流程。

第二，中国 AI 力量已经从“本地玩家”升级为“全球基础设施的一部分”，Qwen、Kimi、MiniMax 登上 Bedrock 名单，就是一张含金量极高的“入场券”。

对普通开发者和中小企业主来说，这不是抽象的“民族自豪感”，而是实打实的成本和效率红利。

一方面，可以在国内依托 七牛云 这样的本土基础设施，用更低门槛的计费方式、更接地气的售后支持和更贴近本土监管的合规能力，享受与 AWS 同步的顶级模型能力；另一方面，也可以在业务成熟后再考虑通过 Bedrock 向海外复制，把“国产模型 + 国产数据底座”变成真正意义上的全球生意。

别等到“免费额度”结束才开始后悔。

趁着各家平台还在大力补贴，新注册用户普遍能拿到测试用的 Token 和算力配额，完全可以先用一两个周末，把项目里的几个关键功能迁到国产大模型上跑一跑，亲自体会一下“这波羊毛值不值得薅”。