十年前AWS推出Lambda的時候，它成為了重塑雲計算格局的一個大膽實驗。
無伺服器計算，一個在Lambda首次亮相之前幾乎不存在的術語，現在已經發展成為一個價值數十億美金的市場，讓企業和初創公司能夠以前所未有的速度和規模構建應用。隨著10周年紀念日的臨近，Amazon首席技術官Werner Vogels回顧了Lambda的發展歷史以及它是如何引領雲技術和人工智慧的未來。
Lambda的起源故事是一個充滿好奇心、雄心壯志的故事，正如Amazon公司創始人Jeff Bezos的座右銘，那就是對客戶的不懈關注。他回憶說：「當我們打造Lambda的時候沒有任何藍圖，我們聽取了WeTransfer等客戶的意見，他們正在努力解決由上傳文件病毒掃描等事件觸發任務的配置和基礎設施管理存在效率低的問題。」
Amazon首席技術官Werner Vogels
「逆向工作」方法：通過反饋循環定義無伺服器
AWS著名的以客戶為中心的「逆向工作」方法是Lambda開發的基礎，首先從客戶的角度定義問題和願景。正如Vogels所解釋的，AWS為Lambda制定了六頁的內部「PRFAQ」成為了直接從客戶輸入中演變而來的路線圖。他說：「每個人都很激動，這份文件非常清晰，我們幾乎可以看到產品已經完全成型、準備上市一樣。」
從第一天起，反饋循環就至關重要。客戶開始使用Lambda，同時AWS收集反饋以制定自己的路線圖，指導Lambda的發展方向，挖掘新的可能性和客戶需求。Vogels反思說：「最大的問題不是『客戶會使用這個嗎？』我們知道他們會的，而是『我們能負擔得起開發它嗎？』」通過這個循環，AWS可以快速疊代，通過縮短啟動時間、調整內存、新的計費模型等功能改進了Lambda，所有這些都是根據現實反饋進行的。
Firecracker：效率的基礎創新
為了使Lambda可行，AWS開發了基礎技術，包括Firecracker——一種專為快速、獨立的無伺服器功能而設計的輕量級微型虛擬機。Firecracker不僅支撐了當今的Lambda，還為AWS Fargate提供支持，把無伺服器功能擴展到基於容器的環境中，這項創新體現了AWS對客戶反饋和效率的奉獻精神。
Firecracker體現了AWS致力於提供符合客戶需求的經濟高效解決方案的承諾。Vogels解釋說：「我們知道客戶想要什麼——高安全性、精細的經濟性、僅為使用資源付費等靈活性。」Firecracker讓Lambda具有了成本效益，同時保持客戶要求的可擴展性和性能，從而鞏固了AWS作為高效雲基礎設施領導者的地位。
無伺服器計算：從新奇物到必需品
Lambda對雲生態系統的影響是變革性的。在Lambda之前，開發人員和IT團隊必須為即使是短暫的輕量級任務分配伺服器資源，從而導致計算能力浪費、成本增加和維護負擔增加，Lambda的無伺服器模式改變了這個情況。AWS向世界展示了一種新的雲模型，讓開發人員可以專注於構建應用。
Vogels說：「Lambda最大的貢獻之一就是讓分布式應用變得可訪問，這不僅僅是關於雲端計算，更是從根本上重新思考從伺服器中釋放出來的計算會是什麼樣子。」Lambda的成功引發了AWS內部無伺服器服務的浪潮，從S3觸發器再到DynamoDB集成，為開發人員提供了用於事件驅動的、可擴展應用的廣泛工具包。
在Vogels看來，Lambda的影響遠遠超出了AWS。他說：「我們已經看到業界無伺服器架構的爆炸式增長，那些原本不認為自己是技術前沿的公司，現在也能夠快速構建和擴展應用了，這是一項改變了遊戲規則的技術。」
進入生成式AI：使用Bedrock及其他技術揭開無伺服器的下一篇章
快進到今天，AWS發現自己正處於另一個前沿：生成式AI。正如Lambda引入無伺服器計算一樣，AWS現在正在為AI深度集成到業務應用中這一未來奠定基礎。Vogels把這一時刻比作Lambda的早期，Bedrock等生成式AI工具提供了強大的功能並依賴於強大的雲原生基礎。
Vogels說：「我們看到人們對生成式AI感到興奮和好奇，就像Lambda一樣。客戶不再只是將AI視為一項很酷的技術，他們希望構建有意義的、可擴展的應用，並將其與數據和業務邏輯深度集成。」AWS的生成式AI平台Bedrock借鑑了Lambda的經驗，為用戶提供了靈活性，使他們能夠根據特定需求選擇和微調一系列大型語言模型。
Lambda和Bedrock的相似之處在於，AWS簡化了複雜系統並為開發人員賦能。Vogels認為這只是一個開始。「就像Lambda讓分布式應用普及一樣，Bedrock和生成式AI也將使智能應用普及。但基礎設施需要支持它，就像我們為Lambda構建了Firecracker一樣。」
未來：第二代雲和數據驅動的AI層
自AWS率先推出基礎設施即服務以來，雲計算已經取得了長足的進步。然而，未來十年將需要更多的可擴展性、安全性、文化適應性和可持續性。Vogels設想了「第二代雲」，其中，計算和AI工具針對本地化的、數據豐富的、實時的應用進行了優化，無論是在偏遠地區還是具有主權數據要求的邊緣環境。
Vogels說：「沒有數據的計算是沒有意義的，在這個新時代，你需要在數據系統之間建立無縫連接，無論這些系統位於何處。」對於AWS來說，這意味著在雲產品的各個方面進一步集成數據和AI，使應用能夠在全球範圍內運行，同時實時響應本地需求。
Vogels強調，隨著客戶越來越關注基礎設施成本和可持續性，資源使用透明度也變得越來越重要。「客戶現在希望看到他們所做選擇帶來的影響，他們要求提供有關成本、資源使用甚至碳排放的分析，我們致力於為他們提供有效管理這一切的工具。」
未來普及：面向大眾的AI
在回顧Lambda的影響力時，Vogels指出，最大的成就可能是它對開發者社區產生了連鎖反應。「我們讓開發人員能夠進行實驗，打造以前不可能實現的應用。現在有了AI，我們將看到這種賦能會成倍地增加。」
AWS的願景很明確：讓開發人員能夠構建未來。從無伺服器計算到未來的AI驅動型應用。Vogels回憶說：「通過Lambda，我們看到開發人員找到了解決問題的創造性方法。通過生成式AI，我們為他們提供了新的工具，讓他們能夠實現更大的夢想，構建不僅能執行、還能理解、響應和適應的應用。」
下一步：建立在創新基礎上的願景
在慶祝Lambda周年之際，Vogels並沒有滿足於過去取得的成功。相反，他著眼於未來，著眼於未來十年將帶來什麼。「如果說Lambda教會了我們什麼，那就是創新永無止境，現在我們和十年前一樣好奇我們接下來能做什麼。」
Lambda在為開發人員簡化分布式應用方面取得的成功，為生成式AI樹立了典範，因為AWS的目標是通過類似的可擴展、模塊化和可訪問的解決方案推動智能應用的普及。
很明顯，AWS把Lambda的十年發展視為其雄心勃勃的生成式AI路線圖的支柱。但真正問題是，AWS能否在AI領域產生與無伺服器計算相同的、改變遊戲規則的影響。Lambda以以客戶為導向、可擴展且簡化的雲服務方法設定了高標準——這些原則正在融入AWS的生成式AI產品中，從Bedrock一直到SageMaker。
然而，在充滿挑戰者的、快速變化的AI領域，AWS面臨著一個關鍵的考驗：它能否複製Lambda的成功，提供與開發人員和企業產生同樣深刻共鳴的AI解決方案？構建者將起到決定因素。
