一條被默默撬開的鐵律
過去三年，有一個問題的答案幾乎是業界共識：OpenAI 跑在 Azure 上。微軟用百億美金的獨家授權把這個關係綁得很死，Azure 也靠著這張牌在企業 AI 採購裡拿到了不少先機。但這個局面，在最近這週被幾則看似不相關的新聞悄悄撬開了。
第一條：OpenAI 與微軟的排他關係鬆綁，旗艦模型正式登上 Amazon Bedrock。第二條：AWS 同一天宣布把 S3 升級，拆出三個新的服務形態——S3 Files、S3 Tables、S3 Vectors。單看任何一條，你可能會覺得「好，又一則雲端公告」。但這集 Podcast 想做的事，是把這幾條新聞放在同一個框架裡看，畫面就完全不一樣了。
AWS 在下一盤什麼棋？
Amazon Bedrock 本來就是 AWS 的多模型代管平台，讓企業不用自己管模型基礎設施，直接呼叫 API 就好。過去 Bedrock 上有 Anthropic 的 Claude、Meta 的 Llama 等選擇，但就是缺了 OpenAI 這塊。現在 OpenAI 補上來，Bedrock 的牌面一口氣完整了很多。
但更值得注意的，是 S3 的這次升級。S3 是一個誕生超過二十年的老服務，本質上就是物件儲存——你丟檔案進去、需要時取出來。但 AI 代理的工作流需要的不只是「存檔案」，它需要結構化資料、需要向量資料庫來做語意搜尋，也需要更靈活的檔案操作介面。
這次 S3 分出來的三個面向，剛好就是對應這三塊需求：S3 Files 強化了檔案層的操作彈性，S3 Tables 讓結構化資料的查詢更直接，S3 Vectors 則是直接把向量儲存整進來。過去這些能力你得東湊西湊，串 RDS、串 OpenSearch、串外部向量庫。現在 AWS 把它們收進同一個屋簷下，AI 代理要存記憶、查知識庫、處理文件，理論上都可以在 S3 生態裡一條龍完成。
三朵雲現在各自站在哪裡？
這集也盤了一下三大雲端現在的位置。簡單說：Azure 靠著 OpenAI 的先發優勢，在企業端建立了不少黏性，Microsoft 365 Copilot 的整合也讓它在辦公室場景裡有護城河。Google Cloud 則是自家模型 Gemini 加上 BigQuery 的資料優勢，在分析型 AI 工作負載上有一定競爭力。
AWS 的盤算比較不一樣——它沒有自己的明星消費端模型，但它有最大的企業雲端市佔、最成熟的基礎設施生態，以及現在這個正在成型的「AI 代理工作台」定位。OpenAI 登上 Bedrock 這一步，讓 AWS 可以對企業客戶說：你要用哪個模型都好，工作流、儲存、運算，都在我這裡。
對台灣 IT 採購的三個實際影響
如果你在台灣負責 IT 採購或技術選型，這些變化有幾個值得注意的地方。第一，模型供應商和雲端供應商之間的排他性正在降低，你選 AWS 不再等於放棄 OpenAI，評估時可以把這兩個維度分開來看。第二，S3 Vectors 這類向量儲存的整合，對正在評估 RAG 架構或 AI 知識庫的團隊來說，可能減少需要額外維護的元件數量，值得納入架構討論。第三，Bedrock 的多模型策略讓廠商鎖定的風險稍微降低，但也意味著你需要更清楚地定義自己的評估標準，而不是靠生態綁定做決策。
這不是一則新聞，是一個方向
雲端的新聞很容易讓人感覺每週都在刷新、每週都很重要，但大多數時候只是功能更新。這次不太一樣。OpenAI 鬆綁、S3 重新定義、Bedrock 補齊牌面，這幾件事加在一起，比較像是 AWS 在 AI 代理時代完成了一次關鍵的卡位動作。這集 Podcast 想傳達的核心觀點就是這個——不要只看單則新聞，要看它們拼在一起的那張圖。
📚 同主題的其他單集 / 文章，延伸聽下去：
🎙 這篇文章延伸自 Podcast《操作一下》。想用聽的，完整一集在這裡：