亚马逊 CEO Andy Jassy 在 The a16z Show 谈资本开支。来源：a16z 本期视频。
高飞的电子替身 |  |
a16z联合创始人Ben Horowitz和Erik Torenberg在The a16z Show播客中对话亚马逊CEO Andy Jassy。节目于2026年10月23日发布，时长约一小时。
Jassy 2021年接替贝佐斯出任CEO，到现在整五年。五年间亚马逊营收涨了约80%，AWS体量接近原来的三倍，广告收入翻了两倍半。节目上线六天后的10月29日，亚马逊发布了Q3 2026财报：AWS单季营收460亿美元，同比增长39%，增速比Jassy在节目中引用的Q2数据36.7%又快了一截。自由现金流在过去12个月里为负424亿美元。这家公司正在以历史上最激进的速度花钱，而它的CEO说钱还没花够。
Jassy执掌亚马逊的头两年不是在AI里度过的，而是在一场物流危机里。疫情期间亚马逊把积累了25年的履约网络在18个月内翻了一倍，又在20个月里建出了UPS体量的最后一公里配送网络。速度换来了代价：成本结构失控。他上任还不到一年，外界的评价是"真是个糟糕的时机"和"运气太差了"。
Jassy的判断不同。他说回头看那其实是一个好时机，因为危机迫使团队重新审视了那些平时不会质疑的信条。最大的一个决定是把一个全国性的扁平履约网络改造成区域化网络，让商品离客户更近。结果同时降低了运输成本、提高了配送速度。
他讲到亚马逊有16条领导力原则，其中好几条互相矛盾，比如速度优先的bias for action和追求极高标准的relentlessly high standards。很多人对这种矛盾感到困惑，但Jassy说这恰恰反映了现实世界的运作方式：你永远在做取舍。疫情期间他们选了速度，选了服务客户和卖家，而不是等到一切都最优了再动。清理的活，后面再干。
然后AI来了。在AI之前，Jassy已经觉得AWS是一个十年维度上能做到几千亿美元营收的业务。但2023年生成式AI的爆发让他们重新校准了预期。AWS的AI业务在头三年跑到了250亿美元年化营收，是AWS创立头三年6000万美元的几百倍。在最新的财报电话会上，Jassy说他原先预估的几千亿美元可能要翻一倍。
这场对话覆盖了资本开支的财务结构、AI需求为什么呈哑铃形、自研芯片如何降低推理成本、为什么同时投Anthropic和OpenAI、六个工程师怎么干了四十人一年的活、为什么网络安全是眼下最实在的AI威胁。Jassy在每个话题上都给了具体的数据和判断，很少泛泛而谈。以下是这场对话的完整还原。
1. 2200亿美元拆开看
2200亿美元是一个让人失去感觉的数字。Jassy说他还记得15年前在领导层早餐会上，大家对一家电信公司500亿美元的年度资本开支感到难以置信。如今亚马逊自己一年花的是那个数字的四倍多。
理解这个数字需要先理解AWS为什么存在。Jassy回忆了AWS的起源：2000年代初期，亚马逊内部的产品团队把70%到80%的时间花在基础设施上，计算、存储、数据库、网络，只有20%的时间花在真正让产品有差异化的功能上。而且每个团队都在重复造轮子。AWS最初是为了让亚马逊自己的团队动得更快而构建的一套高可用、低成本、高弹性的基础设施服务。后来团队一想，其他公司大概也有同样的问题，就对外开放了。
外部需求比任何人预想的都大。但即便有了这段历史做铺垫，Jassy说他们当年也没预料到AI会把需求推到今天这个量级。AWS头三年的年化营收是6000万美元。AI业务头三年是250亿美元。几百倍的差距。
但2200亿美元不是一笔钱，是两笔。Jassy把AWS的资本开支拆成两块，拆法决定了他为什么敢花这么多。
第一块是数据中心本身的建设。这笔钱要提前约两年投入，建好之后使用寿命大约30年。它是一次性的长周期资产，建完了就在那里。
第二块是服务器和网络设备。这笔钱的节奏完全不同：只需要提前几个月采购，按需决定是否填满已经建好的数据中心。AWS在下单之前已经能看清客户需求。如果需求没来，就不买服务器，数据中心的壳子放在那里，30年内随时可以填入新设备。
这个两层结构是Jassy面对"你怎么知道没投多"这个问题时给出的核心答案。风险集中在数据中心建设上，而服务器采购的窗口足够短，可以根据需求灵活调整。
代价也是实在的。服务器和网络设备的投资回收期大约三年，使用寿命五到六年，目前做的大多是五年期合同。在高速扩建阶段，大量数据中心还在建设中、还没开始赚钱，自由现金流会承受明显压力。要到几年后这些设施全部上线、服务器投资回本，现金流才会翻转过来。
Q3 2026财报给出了精确刻度：亚马逊过去12个月的自由现金流为负424亿美元，而一年前同期为正148亿美元。这不是亏损，是Jassy口中的"现金周期的逆风"。
2. "26卖光了，28也差不多了"
Jassy说2200亿美元还可以更多，而且不算浪费。
他给出的底气来自具体的预订数据。2026年的AWS产能已经售罄。2027年，除了留给按需服务和AWS托管推理服务Bedrock的一部分，大块产能都已锁定。2028年也有相当比例售出。
这不是一个说说就过的数字。Q3财报发布后，更硬的证据出来了：AWS的合同积压订单，财报术语叫contracted-revenue backlog，达到5780亿美元，同比翻了一倍多。Jassy在财报电话会上给出了明确的前瞻指引——AWS在2027年和2028年的营收增速都将超过40%。2027年的资本开支将大幅超过2026年的2200亿美元。
同季度，Bedrock的token处理量同比增长了17倍。
内存也是一个实际约束。高带宽内存HBM要分给AI加速器，DRAM要分给传统计算业务，两边都在快速增长。Jassy说他不认为供应紧张会在2027年结束。不同环节的短缺会持续好几年。
主持人Ben Horowitz把这个数字换算了一下：2200亿美元，折合每天6亿美元。
3. "我们不会挤走老客户"
Ben Horowitz把问题推到了极端：AI实验室愿意为算力付任何价格，AWS同时还有一批服务了十几二十年的老客户，按正常价格跑着自己的业务。产能有限，AI实验室出价更高。"那你们会不会把老客户的产能腾出来，卖给新客户？他们可是什么价都愿意付的。"
Jassy一句话回的：不会。这些客户把核心业务跑在AWS上，他们跑的是所有核心应用。我们不会挤走他们。
他承认从纯粹的短期经济计算角度，你确实可以算出来：由于稀缺性和AI实验室的支付意愿，把产能从老客户手里腾出来卖给新客户在财务上是合理的。但他的选择是不这么做。
他把这个答案放到了更长的时间线里。疫情期间，企业纷纷做成本优化。他说竞争对手在想怎么在客户省钱的环境里多挤短期收入，亚马逊反过来做：主动派人帮客户想怎么省钱，明知短期收入会下降。他的逻辑是，帮客户省钱，自己的生意长期会跟着来。
"We're going to help our customers be successful, cuz our very strong belief is if we help customers over a long period of time, our business will come along with it." 他把这条原则从疫情时期的成本优化，延伸到了今天的产能分配。
AWS的工作是尽可能扩大总产能，让老客户和新客户都能得到服务，同时保证自身经济可持续。这是他对产能分配问题的全部答案。
4. 哑铃中间那根杆
Jassy用了一个比喻来描述当前AI需求的形状：哑铃。
一端是AI实验室和ChatGPT、编程工具等几个爆款应用。Jassy说他从业以来没见过这种规模的算力消耗。另一端是企业客户，主要把AI用于成本替代：自动化客服、欺诈检测、业务流程优化。
这两端都在快速增长。但它们之间有一根细细的杆。
那根细杆里装着的，是企业现有的生产级应用。这些应用已经在AWS上跑了多年，其中一些开始使用推理，但绝大多数还没有以任何有规模的方式接入AI。Jassy认为这个中间地带未来会是AI使用量最大的一个单一板块。
往后看五到七年，他预计大部分企业应用都会深度使用推理。但时间窗口上他拿不准，只说不会一步到位，也不会真等到五七年之后才发生。
为什么中间地带还没有打开？
Jassy给出了一个量化判断：推理成本虽然过去几年降了不少，但目前仍然比理想水平贵一个数量级。
他把逻辑摊开了。如果企业要用AI加速器改写一批现在跑在CPU上的应用，而AI加速器的成本远高于CPU，那应用从改写中获得的增量收益必须大到足够覆盖成本差才划算。这个门槛太高了，多数企业迈不过去。把推理成本压下来，门槛随之降低。他的话更直接：所有应用加上AI之后都会更强、更聪明、更有能力，关键是成本得让企业觉得这笔账能算过来。
Ben Horowitz在旁边补了一个自己的数据：a16z有一个员工去年在推理上花了200万美元。活是好活，但成本确实不低。
5. 从一块网卡到AI加速器
2015年亚马逊收购以色列芯片公司Annapurna Labs的时候，AI芯片根本不在考虑范围内。
Jassy说当时的问题很具体：EC2服务器上太多资源被虚拟化、网络、安全和存储吃掉了，留给客户做计算的比例不够。Annapurna做了一块专用网卡，把这些功能全部卸载到卡上，让服务器尽可能接近100%用于计算。
亚马逊在收购前就和Annapurna合作开发了这块网卡，认可团队也认可产品。收购的直接原因是这块卡将进入几乎所有EC2服务器。事实上后来进了每一台。
Jassy说Annapurna是亚马逊历史上最好的收购之一，原因是团队擅长做芯片，而亚马逊后来发现自己不只需要一种芯片。
Jassy解释了垂直整合的驱动力：当一家公司的规模大到一定程度，它能看到大量客户的使用模式。一旦你发现自己可以自己做某个环节、为客户提供更好的性价比，同时改善自身的经济效益，垂直整合就是顺理成章的事。
第一个延伸是CPU。彼时英特尔（Intel）几乎垄断了CPU份额。Jassy的观察是，份额垄断者往往不急于推动性价比提升，更倾向于做新功能来巩固份额和提高收入。他加了一句：这完全可以理解，这是市场运作的正常动态，也是创新者窘境的一个经典表现。
但AWS的客户需要更好的性价比才愿意把本地工作负载迁上云。于是Annapurna团队开发了Graviton处理器。目前AWS前1000大EC2客户中99%都在大量使用Graviton，性价比比同类x86处理器高约40%。
几年前，同样的剧情在AI加速器领域又上演了一遍。一个占压倒性份额的供应商，产品好，合作深，但客户需要更好的性价比。Annapurna团队拆出一支队伍开发了AI加速器Trainium，性价比比同类竞品高30%到40%。
Jassy把Trainium和哑铃中间地带直接挂钩：Trainium是他降低推理成本、让企业用得起AI推理的核心手段之一。 从一块网卡做到CPU做到AI加速器，Annapurna的路径不是预先规划出来的，而是一个接一个的具体问题推着走的。
6. Anthropic和OpenAI：两条不同的路
Anthropic和OpenAI是当前AI领域增长最快的两家公司。Jassy直接说了一句判断：AI领域会有很多赢家，但他认为这两家会是其中最成功的。
两家公司和亚马逊的合作路径完全不同。
与Anthropic的关系更早也更深。亚马逊对Anthropic的投资累计约250亿美元，搭配一份十年期、价值超过1000亿美元的AWS使用承诺。大量AWS客户通过Bedrock使用Anthropic的模型。Jassy说他认为客户在Bedrock里用Anthropic的效果最好。Anthropic也在Trainium上做了多年、多吉瓦级别的芯片算力承诺，双方的芯片团队在合作中各有收获。
OpenAI的合作是被客户需求推出来的。Jassy说长期以来有大量AWS客户想在AWS里用OpenAI的模型，但因为OpenAI此前的商业安排而无法实现。双方经过数月对话，最终达成了500亿美元规模的合作。
Jassy特别提到他们一起构建的stateful runtime environment，一种有状态的运行时环境。他判断这会是未来所有智能体的基础架构。 智能体在执行复杂任务时需要持续追踪上下文和中间状态，无状态的推理调用撑不起这种工作流。他认为所有智能体都将需要这种架构。
和Anthropic一样，OpenAI也做了多年、多吉瓦级别的Trainium算力承诺。
Ben Horowitz提到这些大额投资让华尔街紧张，因为让人想起互联网泡沫时期。Jassy没有回避这个类比，但他的回应是把注意力拉回到这两家公司的增长速度上：营收增速之快，在他的记忆里可能没有先例。
Jassy给投资动因做了总结：团队实力、技术能力、和AWS合作的深度、以及对AI长期变革力的信心。他在回答里反复强调的一个词是"partnership"。这些投资在他的叙事里首先是合作关系的深化，其次才是财务投资。
7. 六个人，七十六天
Jassy 29年前加入亚马逊时是助理产品经理，一个人管五个产品。如今大公司里一个产品经理只管一个产品的一个切面，比如定价，或者某个功能模块。每个人都变得高度专业化，而且大家都接受了这就是做大产品的代价。
Jassy不再这么想了。
他在亚马逊内部反复讲一个案例：Bedrock推理引擎的重建。六名高级工程师用76天完成了这项工程，按传统方式需要40个人花一年。 亚马逊在内部广泛分享这个故事，用来提醒所有团队AI时代的开发节奏已经变了。
更近的例子来自采访前一周。某个消费者业务团队周四敲定了一个智能体的方案，四五个人用一个周末做出了80%可交付的原型。Jassy的评价："那是完全不同的世界。"
他对未来组织形态的预判可以分成三层。
第一层是人数。未来做同样的工作需要更少的人。 编程在被智能体接管，客服在被自动化，研究在被加速，连律师的工作量都会减少。不会没有人，但不会像现在这么多。会有新的岗位出现，有些和AI相关，有些和机器人相关，有些和太空相关，但做今天这些工作的人会减少。
Q3 2026财报发布的同一天，亚马逊确认了一项名为Project Dawn的内部重组：裁撤约16,000个企业岗位，目标是减少管理层级、加快决策速度。亚马逊全球员工约150万人，这批裁减集中在企业职能层。播客里Jassy用的是预判语气，财报日已经是执行状态了。
第二层是能力面。团队会更小，成员必须能跨功能工作。模型能帮他们在很多职能上完成80%的准备工作，所以一个人不再只能管一个切面。每个团队的起点更高，能发明的范围更大、速度更快。Jassy说这也是他觉得AI带来的最让人兴奋的变化之一：当一个团队四天就能把一个新想法做到80%可交付，人们会在业余时间想更多新点子。速度本身在制造更多的发明。
第三层是竞争格局。今天新创的公司大多从一开始就按agent native的方式搭建，大公司则必须想办法追上同样的节奏。Jassy说那些反应慢的大公司会更容易被创业公司打掉。
8. 所有代码都要重写，因为补丁必须以分钟计
Jassy做了一个具体的预测：企业必须重写几乎所有代码，使其能被智能体更新。
他给出这个判断的理由和效率无关，和安全有关。
最近一两个月围绕AI模型的公共讨论集中在比较"科幻"的场景——恶意僵尸网络接管一切、机器人被植入恶意意图。Jassy说这些确实可能发生，他也相信行业和政府会一起想办法解决。但他认为公共讨论中严重缺位的，是更迫切的威胁：网络安全。
AI模型正在发现大量此前人类没有找到的漏洞。Jassy没有说人类找不到这些漏洞，但事实是之前没有找到。
然后他把话往前推了一步。
今天的安全流程，从发现漏洞、分类、开发补丁到部署，链条长且慢。尤其是部署环节，大多数公司因为依赖关系复杂而动作缓慢。Jassy的判断：未来应用必须能在分钟级别响应安全威胁。不是天，不是周，是分钟。
如果应用没有改造成能被智能体更新的架构，面对新的安全威胁就毫无还手之力。这就是"所有代码都要重写"的深层原因。重写不是为了更快上线新功能，是为了活下来。
AWS在2026年6月推出了Continuum服务，自动化识别漏洞和构建补丁。Jassy提到他们也在通过专业服务帮助大量客户应对安全挑战。
Ben Horowitz从组织角度补了一刀：过度专业化在安全领域的后果最严重。安全工程师往往不喜欢与其他工程师协作，资源稀缺，大多数软件公司的安全实践因此做得并不好。Jassy回应说，AI和自动化能让企业对整个攻击面做渗透测试，发现那些靠人力碰运气才能找到的漏洞。安全人才不够这个问题，模型可以帮着填。
9. "要是这就算你的想法，那你基本没想法"
Ben Horowitz把AI对现有公司的影响分成三类。
第一类是成本削减。一些基金专门收购旧公司，用AI替掉一批人，降低运营成本。Ben一句话带过：要是这就算你的想法，那你基本没想法。
第二类是从零创造新产品，令人兴奋。
第三类是亚马逊在Alexa上做的事：拿一个已经成功的产品，用新技术从头重新想象。 Ben问Jassy怎么做到的，以及什么时候该这么做。
Jassy说Alexa的大脑在初建时是一次突破，但生成式AI把大脑的能力天花板整个抬高了。要保持产品竞争力和长期相关性，必须重写Alexa的大脑。
战略上这是一个摆在明面上的判断。但执行起来很难。Jassy花了不少时间讲为什么难。
团队和自己建的东西有感情。 他们在上面积累了经验，有过伤疤，知道什么行什么不行。让他们全部推翻重来需要时间。他们的第一反应通常是"这不是我们的做法"或者"我们试过了，没用"。
Alexa的情况还算直观。语音助手需要更聪明的大脑，这谁都看得出来。更难的是那些看起来不那么明显需要改的产品：零售、Prime Video、Fire TV、Prime Music。Jassy说他相信这些业务每一个都需要被重新发明。亚马逊已经有团队在做每个业务的全新版本。
一个他正在想但还没有答案的问题：该做一个全新的独立应用，还是把好的新想法逐步塞进现有体验，用两三年时间把老产品一点一点变成新东西？
Ben Horowitz用他职业生涯早期听到的一句话来概括团队对已有产品的执念：所有东西都可以讨论，直到第一行代码写完。写完之后，它就成了信仰。
Jassy说每次大型技术转型都是同样的变革管理问题。从本地部署迁移到云的时候，基础设施负责人对自己建的东西有骄傲感，对自己掌握的知识有归属感，不想学新东西。Jassy亲历过那次迁移——AWS就是他一手带大的——他说那次转型里的心理阻力和今天面对的一模一样。大家在过去十年里打磨的一百个改进点突然被要求全部推翻重来，在智识上和情感上都很困难。
他也承认不确定重新想象出来的东西第一版就会做对。更可能的路径是迭代着找到对的方向。但等待是最差的选择。
Jassy给了一个时间线：如果只做增量优化，三到五年后就不会拥有赢的产品。
10. 数据中心不是反派
数据中心在美国政治里成了一个容易被指着骂的目标。Ben Horowitz说他走了一圈，发现没有哪个国家像美国这样对数据中心有这么大的敌意。
Jassy用了一个类比。今天的数据中心建设规模，相当于1950年代美国修建高速公路和桥梁的那一轮基础设施投入。 美国不建数据中心，中国也会在AI领域做建设并制定规则。
他认为围绕数据中心的很多指控介于误解和误导之间，只是有人需要一个容易指认的反派。他逐条给了数据。
水耗方面：高尔夫球场用水量是亚马逊所有数据中心的200倍。 高尔夫行业两天消耗的水比亚马逊数据中心一年还多。
污染方面：注册新站点时要按备用发电机全时满功率运行来申报排放量，但实际上备用发电机一年只运行约10小时，占全年时间的1%。账面数字和实际排放差了两个数量级。
电价方面：有数据中心的地区电价有升有降，取决于当地情况。他举了印第安纳州、佐治亚州和密西西比州的例子：等产能建设完成后，电价趋于平稳或下降。
更深层的问题是，美国多年来没有对电网基础设施做足投入。某个东西终究会把电网推到必须升级的临界点。碰巧AI因为增长速度太快，成了那个推力。但这不是数据中心造成的问题，是积欠的基础设施债。
Jassy也给出了亚马逊在社区层面的回馈数据。在印第安纳州圣约瑟夫县，亚马逊累计缴纳了约30亿美元的税收，由社区支配。2026年10月，亚马逊宣布了Built Together计划，承诺未来五年再向数据中心所在社区投入超过10亿美元。
Jassy在这个话题上的态度很明确：行业确实可以做得更好，数据中心建设的方方面面都有改进空间，大家都在一起学。但围绕数据中心的很多叙事，在他看来介于误解和误导之间。AI是这个时代最大的技术变革。他说这话的份量建立在一个前提上：他经历过互联网、云和移动三波变革，仍然认为AI超过了它们。 支撑这波变革的基础设施不建，就不会有这波变革。
他的总结：数据中心建设必须是公私合作。如果1950年代美国没有修那些高速公路和桥梁，今天的经济繁荣根本不会存在。
11. AI把所有人带到同一起跑线
Jassy有一个25岁和一个22岁的孩子。他说自己很快就学到了一个现实：你没法让年轻人在教育中不用AI。大学也不应该和AI对着干。
他给年轻人的建议概括起来是两句话：不要逃避AI，也不要把AI当作终点。
学它，用它，拿它做舒适区之外的事。他两个孩子都不是开发者，但都用AI做过应用。
同时，不要以为AI替代了思考。
他用商学院举例。过去你每天要分析三个案例，读大量材料、做笔记、梳理关键问题、整理所有数据附件。很多人就是不做这些准备工作。AI会帮每个人快速到达那个更高的起点。材料读完了，笔记做好了，关键问题列出来了。以前靠勤奋拉开的差距会被抹平。
但把分散的信息拼成一个战略、一个产品、一套方案，他认为AI在多数时候还做不到。人的判断力、创造性、实验精神、把所有碎片拼成整体的能力，在可见的未来仍然不可替代。
他也提到亚马逊内部有一种写作文化，很多人开始用AI写文档。Jassy说你能看出来。AI写的东西不太对，各部分拼在一起的方式不对。工具可以用，但不能替代你自己把东西想清楚。
这是Jassy在整场对话中唯一一次对AI的能力做出明确的能力边界判断。他在其他所有话题上都是扩张性的：更多产能、更多投资、更多应用接入AI、更多产品重新想象。但到了"AI能不能替代人的判断"这个问题上，他画了一条线。
在节目最后，Ben Horowitz提到a16z刚成立了Andreessen Horowitz Academy，帮年轻人为AI时代做准备。Jassy被问到的最后一个问题是亚马逊怎么同时做这么多业务，零售、云、广告、卫星、自动驾驶、医疗、机器人，而不把自己摊得太薄。
他的回答来自亚马逊的组织原则。亚马逊用去中心化的单线程方式运作：每个业务有独立的负责人和团队，不让同一批人管多个业务。 只要领导者对、想法有差异化、市场有空间、公司愿意投资，就可以同时追很多方向。
Jassy说他认为人类正处于一生中三场最大的技术变革之中：AI、机器人和太空。亚马逊同时身处这三场变革的中心。零售里用机器人，AWS做AI基础设施，Amazon Leo卫星星座为全球5亿没有宽带的家庭提供连接。
有些公司选择专注核心业务。Jassy说这完全可以理解，也可以很成功。亚马逊选了另一条路：只要客户需要、市场够大、自己有差异化的想法，就去做。两种策略都能成功。亚马逊选后者的前提条件是它的组织方式能撑得住：去中心化、单线程、每个业务有独立的人负责。Jassy在最后说了一句话，算是整场对话的收束：亚马逊的使命是让客户的生活更好、更轻松，这条线把从零售到卫星到自动驾驶的所有业务串在了一起。
核心问答
Q1: 2200亿美元的资本开支，亚马逊怎么知道没投多？
Jassy把CapEx拆成两层。数据中心提前两年建好，30年资产，建完了不管需求怎样都放在那里。服务器按需采购，只需几个月窗口，AWS在下单前已能看清客户需求。如果需求不来就不买，已建好的数据中心等着下一波需求填入即可。从产能预订看，2026-2028年大部分已售罄，Q3财报显示AWS合同积压订单达5780亿美元、同比翻倍，Jassy指引2027和2028年增速均超40%。供应紧张将持续数年。
Q2: 为什么企业应用的AI渗透率还低？
Jassy认为推理成本仍然比理想状态贵一个数量级。企业要把跑在CPU上的应用迁到AI加速器，迁移成本越高，所需的增量收益门槛就越高。他的判断是所有应用加上AI都会变得更强，但成本必须降到企业觉得这笔账算得过来。自研芯片Trainium提供30-40%的性价比优势，是降低推理成本的核心手段之一。
Q3: AI时代大公司最大的风险是什么？
适应速度。六个人76天干完40人一年的活，这是已经发生的事。Jassy认为未来团队会更小、能力面更宽、起点更高。同时所有现有产品都需要从零重新想象，这既是技术问题也是变革管理问题，团队对自己建的东西有感情和执念。如果只做增量优化，三到五年后就不会拥有赢的产品。那些反应慢的大公司，用Jassy的话说，会更容易被创业公司打掉。
