摘要：带队的人来头不小，David Luan，华人，六岁从中国搬到美国，八岁就跑去大学读计算机夜校，五年后他居然真拿下了计算机科学的证书，这经历放今天看都相当厉害。

文 /编辑：雨

亚马逊这波在人工智能上的投入，明显是要动真格的，以往大家对亚马逊的印象，可能还停留在“网上啥都能买”的电商巨头，或者背后支撑无数网站的云服务商AWS。

但其实，从去年开始，它已经不再满足于只做底层支持的角色，而是直接下场，在旧金山组建了一个专注AGI（通用人工智能）的实验室。

这个实验室不像普通的产品团队，目标不是改善现有的语音助手或者多卖几件商品，而是要开发出能真正理解人类意图、并能主动帮人干活的AI智能体。

带队的人来头不小，David Luan，华人，六岁从中国搬到美国，八岁就跑去大学读计算机夜校，五年后他居然真拿下了计算机科学的证书，这经历放今天看都相当厉害。

之后他进入耶鲁读数学和政治，但心里一直装着计算机，2011年大多数公司连深度学习是啥都还没搞明白，他就已经开始创业做视频分类模型，还被美国政府用在执法记录仪上。

之后他的职业路径几乎就是踩着AI发展的关键节点走的：2018年加入OpenAI，那时团队才几十人，他担任工程副总裁，负责的不是写论文，而是把GPT-2、GPT-3从研究原型变成真正能用的工程系统。

后来他又去了Google Brain带队大语言模型，但待了一年就走了，原因是他觉得谷歌虽然资源多，但内部结构复杂，各部门抢计算资源、业务重心又放在广告和搜索上，很难从零开始做更有野心的研究。

于是2022年，他拉上Transformer论文的两位作者和其他几位技术牛人，一起创办了Adept AI，那时候ChatGPT还没发布，行业里对大模型的想象大多还停留在“生成文字”层面，但他们已经认定：AI不应该只会说话，还得会做事。

他们推出了一个叫ACT-1的模型，可以通过看屏幕、读文字指令来操作软件、填表单、点按钮，今天听起来不稀奇，但在三年前，这思路相当超前。

除了Luan，这个团队里还有好几个行业里公认的高手，比如Pieter Abbeel，加州大学伯克利分校的教授，强化学习领域的奠基人之一，之前创立的机器人公司Covariant也被亚马逊一并收编。

再比如Kelsey Szot，负责产品方向，早年待过麦肯锡和谷歌，特别擅长把研究变成用户能用的产品；还有Erich Elsen，之前在DeepMind研究GPU计算和稀疏模型，是Chinchilla定律的作者之一，这几个人放哪都算得上顶尖配置。

而他们交出的第一个作品，是一个叫Amazon Nova Act的模型，它不像聊天机器人只会回答文字问题，而是能真的操作软件、处理多步骤任务。

比如在企业系统里自动处理订单、修改报表、管理库存，甚至操作CAD画图或者电子病历，它不像传统自动化工具要靠人编规则，而是通过模拟环境自学成才，团队把它称为“AI健身房”，里面摆满了各种软件，让AI反复尝试、自我博弈，慢慢摸出门道。

亚马逊这么拼命，背后其实有很强的危机感，如果未来AI助手真的成熟了，人们可能不再上网站购物，而是直接让Agent代劳，“帮我买最便宜的充电宝”或者“下周给爸妈送一箱橙子”，那亚马逊现在的电商业务、广告收入、佣金模式都会受到巨大冲击。

所以它必须自己先做出这样的Agent，不能把入口拱手让人，但从技术到真正普及，这条路并不好走。

大公司内部跨部门协作本就复杂，AGI研发又特别耗资源；AI在实际操作中一旦出错可能引发信任危机；再加上数据隐私和监管审查越来越严——亚马逊要想真正把Agent做成功，还得解决很多问题。

不过，有数据、有算力、有场景，还有一帮既懂研究又懂工程的人，亚马逊这次的决定，显然不是跟风玩概念，它正在悄悄调整船头，而这一把赌注，可能会影响整个AI行业未来的格局。

来源：淩轩a