AWS 的降价实绩 - 100 多次降价展示的飞轮效应
AWS 自 2006 年开始提供服务以来已实施 100 多次降价。分析规模经济带来更多客户、再次促成降价的飞轮效应机制，以及 Azure、GCP 的价格跟随模式。
超过 100 次降价的历史
AWS 自 2006 年开始提供 S3 和 EC2 以来，累计实施了 100 多次降价。初期降价以 EC2 和 S3 等核心服务为中心，随着服务组合的扩大，降价波及到 RDS、CloudFront、Lambda 等广泛服务。值得注意的是，降价不是单次促销活动，而是作为持续的经营方针定位。AWS 的幹部反复强调「降价是我们 DNA 的一部分」。
飞轮效应的结构
支撑 AWS 降价的是被称为飞轮效应的良性循环。降价带来新客户增加，使用量扩大提高基础设施利用率。利用率提升降低每台服务器的成本，其盈余成为下次降价的资金。进而客户数增加使硬件大量采购成为可能，采购成本降低提升整体基础设施效率。这个循环之所以成立，是因为 AWS 在市场份额上领先。后发者难以达到同等规模，因此难以实现同等的成本效率。
Azure 与 GCP 的价格跟随模式
在云市场中，AWS 宣布降价后 Azure 和 GCP 在数周到数月内以同等降价跟随的模式反复出现。这种跟随结构表明 AWS 掌握着价格领导权。Azure 倾向于通过 Microsoft 企业协议（EA）的综合折扣来对抗，但在单个服务单价比较中 AWS 的降价往往领先。GCP 在特定服务（BigQuery、GKE）上设定有竞争力的价格，但平台整体的系统性降价策略不如 AWS 明确。
自研芯片带来的成本结构变革
AWS 通过 Graviton 处理器的开发，在减少对 Intel 和 AMD 依赖的同时大幅改善性价比。基于 Graviton3 的实例与同等 x86 实例相比实现最高 40% 的性价比提升，这一差额也成为降价的资金来源。Azure 提供基于 Ampere 的 Arm 实例，但自研程度不如 AWS 的 Graviton。GCP 的 TPU 专注于 ML 工作负载，通用计算的自研芯片战略不如 AWS 全面。
最大化降价收益的方法
要最大限度利用 AWS 的降价，费率模型的组合很重要。按需费率的降价自动反映，但结合 Savings Plans 和 Reserved Instances 可以获得更深的折扣。用 Cost Explorer 分析使用模式，为稳定工作负载分配 Savings Plans，为变动工作负载分配 Spot Instances，为峰值部分保留按需——这种分层策略可以最大化降价收益。要深入了解 AWS 成本优化实践，相关书籍 (Amazon) 也可作为参考。
总结
AWS 100 多次降价实绩不是单纯的营销手段，而是以飞轮效应为支撑的结构性竞争优势。自研芯片带来的成本结构变革、基于市场份额的采购力、以及优先客户回馈的企业文化三位一体，使持续降价成为可能。Azure 和 GCP 跟随的价格领导结构意味着，选择 AWS 在长期成本优化方面具有结构性优势。