AWS 的降价文化 - 2006 年以来 100 多次降价背后的飞轮与规模经济
分析将规模优势回馈客户的 AWS 降价文化，以及其背后的规模经济、硬件代际更替和竞争策略。介绍过去主要降价案例及其影响。
主动降价的经营哲学
AWS 自 2006 年开始提供服务以来，已实施 100 多次降价。值得注意的是，这些降价大多不是对竞争对手价格攻势的回应，而是 AWS 主动先发的。AWS 高管明确表示「降价不是对竞争的反应，而是自发进行的」。这种姿态源于 Amazon 领导力准则首位的 Customer Obsession——将规模经济带来的成本降低回馈给客户，而不是作为利润留存。
飞轮模型与规模经济
支撑 AWS 降价的是 Amazon 在零售业务中确立的飞轮模型。降价带来客户增加，客户增加扩大基础设施使用量，规模经济降低数据中心采购成本、电力成本和网络成本。将这些成本降低回馈给客户进一步降价——这个循环自我强化地持续运转。AWS 通过有意持续转动这个飞轮，在维持市场份额的同时持续降低客户成本。
自研硬件带来的成本结构变革
支撑近年降价的重要因素是 AWS 自主设计的硬件。Graviton 处理器是 AWS 基于 ARM 架构设计的 CPU，与同等 x86 实例相比实现最高 40% 的性价比提升。面向机器学习开发了 Trainium（训练用）和 Inferentia（推理用），与基于 GPU 的实例相比大幅降低了 ML 工作负载的成本。Nitro System 将虚拟化开销卸载到专用硬件，使主机 CPU 的全部算力可供客户使用。这些自研硬件的共同点是，通过减少对 Intel、AMD、NVIDIA 等外部供应商的依赖来控制成本结构。自研硬件的开发需要数年和数百亿日元的投资，但长期来看能从根本上改善成本结构，成为持续降价的源泉。要深入了解云成本优化策略，相关书籍 (Amazon) 也可作为参考。
降价与成本优化机制的双轮驱动
AWS 除了统一降价外，还持续扩充让客户自行优化成本的机制。Savings Plans 通过 1 年或 3 年的使用承诺提供最高 72% 的折扣，比 Reserved Instances 更灵活地变更实例系列和区域。Spot Instances 以最高 90% 的折扣利用剩余容量，适合可中断的批处理和测试环境。Compute Optimizer 基于 ML 分析使用模式推荐最优实例类型。这些机制使客户能够在 AWS 的统一降价基础上进一步削减成本，实现降价与自主优化的双轮驱动。
总结
AWS 的降价文化不是单纯的价格竞争，而是基于 Customer Obsession 和飞轮模型的经营策略。规模经济和自研硬件带来的成本结构变革产生降价资金，降价吸引客户，进一步扩大规模的循环持续运转。对客户来说，运行相同工作负载的成本呈逐年下降趋势，结合 Savings Plans 和 Spot Instances 可以实现更深层的成本优化。