亚马逊再次证明 AI 不是答案

微信 ezpoda免费咨询：AI编程 | AI模型微调| AI私有化部署
AI工具导航 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo

英伟达 CEO 和专业的 AI 吹捧者 Jensen Huang 最近声称我们已经实现了 AGI（通用人工智能）。首先，这严重引发了对他对智能定义的担忧。当前的 AI 系统更像是一个深度幻觉、剽窃的马屁精，而不是任何形式的连贯智能。每天早上 11 点就开始喝苹果酒、戴着锡帽、靠在我当地酒吧里的那个没有牙齿的人，比这些"拉平曲线"的统计垃圾机器拥有无限多的智能。那个人聊天也比这些机器有趣无数倍。但其次，这根本没有发生，头儿！如果 Jensen 停下数他在循环融资中赚的数十亿美元，真正看看生成式 AI 在现实世界中的能力，他就会知道这一点。你知道的，那里的智能不是什么伪知识分子、投机的概念，而是对真实结果至关重要的东西。以亚马逊为例。第三次，他们学到了惨痛的教训：生成式 AI 不是智能的，不能取代人类智能，也不是生产力工具。好吧，我说"学到"——那个假的爱因斯坦关于疯狂定义的名言是什么？关于一遍又一遍地做同样的事情，却期待不同的结果？

1、最近的"教训"

本月早些时候，《金融时报》报道，贝佐斯最喜欢的小垄断企业实际上召开了紧急会议，召集其剩余的工程师，试图修复导致 Amazon.com 宕机的不断增加的故障。这些不是小故障。在这次会议召开前一周，亚马逊的主要购物网站宕机了六个小时！鉴于2025 年在 Amazon.com 上花费了 7170 亿美元，这次宕机可能让亚马逊损失超过 4.9 亿美元的销售额。只能说那个与史矛革比与人类更有共同点的秃头男人对此不太高兴。这次会议是全力以赴的时刻。工程师们被期望找到问题的根源并修复它。

猜猜问题是什么？

亚马逊自己的 AI……

根据官方说法，生成式 AI 是导致这些宕机的"软件代码开发"失误的"促成因素"。但这有点像说弗朗茨·斐迪南大公的过早死亡是第一次世界大战的促成因素。这充满了公关色彩，旨在掩盖亚马逊 AI"转型"这个乌龙球的尴尬，特别是当你考虑到导致这些宕机的实际问题、工程师防止它们的解决方案，以及亚马逊近期商业决策的更广泛背景时。一切都指向 AI 是罪魁祸首。

以去年 12 月的 AWS 宕机事件为例，持续了 13 小时。上个月，《金融时报》报道，亚马逊自己的"智能体"Kiro AI 编码工具是罪魁祸首。工程师允许 Kiro 对亚马逊的 AWS 代码进行更改并做出"自主决策"。事实证明，Kiro 并不那么聪明；它做了一个马斯克式的操作，删除了整个工作代码环境，然后从头开始重建，但充满了致命的错误。事实上，《金融时报》发现 Kiro 不止一次，而是两次造成了这样的宕机！

确实，似乎疯狂的"智能体"AI 和 AI 垃圾代码都是亚马逊宕机的罪魁祸首，而确凿的证据就是这些工程师提出的紧急解决方案。你准备好了吗？他们的解决方案是要求初级和中级工程师在任何 AI 辅助的更改上获得高级工程师的签字批准。这几乎完全承认了 AI 导致了所有这些宕机。

但为什么这些工程师这样使用 AI？毕竟，96% 的专业程序员明确不信任 AI 生成的代码。这些人知道把钥匙交给它是个坏主意。

嗯，他们基本上是被迫的。

亚马逊已经裁员了数千名工程师，并且计划很快再裁员约 30,000 名员工，而他们的重要服务，如 AWS，正在急剧扩张。这些服务根本不可能在骨干人员上运行，这使得这显然是试图用 AI 自动化取代工人。事实上，去年，当这些裁员发生时，泄露的文件显示了亚马逊用自动化和 AI 取代 75% 员工的计划。

简而言之，这些工程师可能已经精疲力竭，以至于他们被迫转向 AI 来加速产出。除此之外，亚马逊最近强制要求其 80% 的工程师每周至少使用一次 Kiro。这本身不一定是问题，但由于他们已经精疲力竭，他们没有时间检查 AI 的输出，这实际上保证了这些致命错误会一次又一次地发生。

换句话说，AI，尽管它的名字，并不真正智能，也不能在现实世界中替代真正的人类智能。（希望你正在做笔记，Huang。）

但再次，亚马逊也证明了 AI 不是生产力工具。

要求初级和中级工程师获得高级工程师对 AI 辅助更改的批准，这完全扼杀了生产力。亚马逊工程师被期望使用像 Kiro 这样的 AI 编码工具。所以这意味着现在几乎每一行代码都必须由高级工程师审查和批准。做一个升级版的调试员不是高级工程师工作描述的一部分！对于已经人手严重不足的初级和中级编码员来说，这是一个巨大的瓶颈，而且给高级工程师增加了更重的工作负担和范围膨胀，这分散了他们在更广泛范围内确保整个项目实际运行的主要责任。换句话说，实施 AI 是为了让这些部门更有生产力，但这个决定导致了质量的急剧和破坏性下降。所以，亚马逊的解决方案是通过强制的微观管理让这些团队从上到下的生产力大幅下降。

2、一朝被蛇咬，两次……被咬？

在之前的一篇文章中，我报道了亚马逊在 2025 年 10 月发生的极其类似的情况。AWS 完全崩溃，短暂地带走了半个互联网。由于一个简单的 DNS 解析问题，几乎所有的 AWS 宕机了整整 16 小时，影响了数千家企业，包括 Medium 和 Substack。我能清楚地记得那天无法登录我的任何一个账户。

为什么修复这样一个简单但破坏性的问题花了这么长时间？

几个月前，亚马逊在 AWS 裁掉了大量工程师，他们的工作就是专门解决这类问题。官方来说，这些裁员与亚马逊试图用 AI 取代工人无关。但是，同样，这不是一个可以用这么少的骨干人员完成的任务，而且当时亚马逊正开始强制 AWS 工程师使用 AI，并部署自主的"智能体"编码器。我无法证明，但这很明显他们试图用 AI 替代这些工程师，而 AI 由于缺乏智能无法胜任这个角色，导致了这次灾难性宕机。

你会认为这样一个公开的、羞辱性的失败会给他们一个教训，但仅仅几个月后，他们又犯了同样的错误！

说实话，他们早在 2024 年初就应该学到这个教训。

我在其中一篇之前的文章中写了这个可笑的失败。还记得亚马逊的"Just Walk Out"杂货店吗？想法是面部识别摄像头、货架传感器和 AI 会跟踪顾客拿了哪些商品，并在他们离开时从他们的亚马逊账户中扣款，消除了收银员或自助结账的需要。这一创新被誉为 AI 直接取代人类工人的首批案例之一，也是降低商店运营成本的一种方式。但是，实际上，它真的不是。一份报告发现，必须雇佣超过一千名远程工作人员来监控视频源并验证 70% 的顾客购买，因为 AI 一直在犯错误。这种劳动力即使外包到海外也不便宜，亚马逊的"Just Walk Out" AI 变得比简单地雇佣普通收银员贵得多。因此，亚马逊未能将该系统出售给第三方，导致几乎所有这些商店关闭，并使用花哨的非 AI 自助扫描系统作为替代。再次，AI 不是智能的，不能可靠地执行简单的任务。这是因为它是统计机器，意味着它会在统计上出错。所以，纠正其简单但可能致命错误所需的人工监督量几乎总是比实施 AI 所节省的工作更多。

从中学到什么教训？这些系统不是智能的，它们甚至不能取代基本的人类智能，它们也不是生产力工具。

真正的问题是，第三次尝试后，你认为贝佐斯和他那群贪婪的高管有意识、同理心或理解力来学到这个教训吗？这不是引导性问题；我真诚地希望你自己回答。

3、他们应该知道……

你可以争辩说这是理论与实践的碰撞。AI 在理论上、在实验室里、在受控条件下有效，亚马逊正在做的只是从理论到现实的过渡中解决问题。我很乐意指出，亚马逊可以很容易地在受控和受限的方式下在现实世界中测试 AI，而不是基本上未经测试和不受约束地将它释放到他们业务的基石上，只因为某个穿毛衣背心的商业顾问认为这是购买第三艘游艇的最简单途径。但问题是：生成式 AI 在理论上不起作用，我们已经知道这一点有一段时间了。

以卡内基梅隆大学的研究为例，该研究发现即使是最好的"智能体"AI 也完全在基本任务上失败 70% 的时间，这要归咎于幻觉和明显错误的响应。或者最近的研究发现，当前最好的 AI 在面对给它们的 97.5% 的真实世界自由职业工作时失败了，原因是 AI 幻觉和完全失败？或者滑铁卢大学的研究，该研究发现即使是最好的生成式 AI 编码器在处理非常基本的编码任务时也只有 75% 的准确率？换句话说，即使是基本的 AI 生成代码也有四分之一的时间不工作！或者，来自Veracode的研究发现 45% 的 AI 生成代码包含安全漏洞？或者来自Coderabbit的研究发现 AI 生成的代码比人工编写的代码多 70% 的错误？所有这些因素加起来解释了为什么最近的哈佛商业评论报告发现 AI 没有提高生产力，反而加剧了工作强度。最终，AI 更像是一台倦怠机器，而不是生产力工具。使用 AI 节省的时间被花在微管理这个小垃圾生产剽窃怪物上的时间大大掩盖了。

可能我最喜欢的例子是来自墨尔本大学的一些研究。他们发现 AI 只在"低技能"任务中提高生产力，比如做会议记录或提供客户服务。在这里，他们发现 AI 可以帮助平滑那些可能语言技能较差或正在学习新任务的工人的产出。对于准确性至关重要的高技能工作，AI 犯错的频率如此之高，以至于捕获它们所需的广泛人工监督使得整个努力比不使用 AI 还要低效。问题是什么？嗯，那些最能从 AI 中受益的工人——比如"低技能工人"——不具备监督 AI 并识别和纠正其频繁错误的技能或意识。所以，即使它"提高了生产力"，潜在的关键错误也会被忽视，这就产生了微管理其输出的义务，意味着它并没有提高整体生产力。

而且，是的！情况会更糟。

你可能会反驳这一点，声称我们正在为这些 AI 提供更多数据和计算能力，这导致它们在改进，意味着它们可能已经克服了所有这些限制。

嗯，没那么快。

正如我之前报道的，OpenAI 最新的研究论文发现"幻觉"（AI 出错的地方）是生成式 AI 技术的基本部分，不会很快消失。他们从数学上证明，添加更多训练数据、确保完美的训练数据、为模型提供更多的计算能力不会降低它们当前的幻觉率。事实上，该论文得出结论，没有可行的选项来提高整体准确性。

研究机构非常清楚——生成式 AI 不是智能的；它不可靠；它不能取代人类；它不能被广泛用作生产力工具；而且在很长一段时间内都会是这样。

亚马逊从一开始就应该知道这一点，这正是为什么那些"知情者"在嘲笑 Huang 的 AGI 言论。

4、结束语

所以，干得好，杰夫；你倒在了自己的数十亿美元的人工剑上。你帝国的核心产品像坏掉的灯泡一样闪烁熄灭，你解雇了所有能修复它的人才，因为你想要扮演托尼·斯塔克和 J.A.R.V.I.S.（更不用说你的 AI 更像红矮星中老年痴呆的霍莉）……不过，我在想那些员工在被如此粗暴地扔到寒冷中后，是否愿意回来清理你的烂摊子。我在想，科技兄弟们是否会吸取教训，更重视真正卓越的人类智慧，而不是追求投机价值。我只知道我希望能如此。

原文链接: Amazon Just Proved AI Ain't The Answer YET AGAIN

汇智网翻译整理，转载请标明出处