AI TrendTrackers

企业和IT领导者们在构建网络弹性方面投入了大量精力，旨在增强应对网络危机（如数据泄露或运营中断）的能力。然而，大多数组织忽视了一个重要方面：网络危机沟通计划。在网络危机的初期，是最糟糕的时刻来意识到沟通计划不完整或根本不存在。在这类紧急且混乱的情况下，沟通决策必须迅速做出，员工、媒体记者都在要求答案，而销售人员为保护客户关系，可能甚至会传播错误信息。领导者在这时的沟通冲动往往会出错，带来更多麻烦。因此，真正具备网络弹性的组织需要提前制定网络危机沟通计划，并定期进行压力测试。 在网络事件中，及时准确的沟通至关重要，它能减少声誉损害、合规风险以及财务损失。传递正确的信息需要在合适的时间、以正确的语调和渠道完成，并非一朝一夕就能做到。 虽然传统的业务危机沟通计划可能具备一定的基础，但它们往往不足以应对网络危机的特殊性。例如，若计划要求通过电子邮件进行沟通，而系统已经被锁定，这一计划将无法执行。此外，手机和其他通信设备也可能被入侵，甚至存储在公司服务器上的重要联系人信息也可能无法访问。因此，网络危机沟通计划必须特别考虑到网络事件的独特挑战。 网络危机沟通的重要性 以2024年7月的CrowdStrike宕机事件为例，尽管这次事件并非因网络攻击，而是软件更新导致的技术问题，但它仍然让依赖CrowdStrike服务的公司陷入混乱。虽然技术问题很快得到解决，但沟通上的挑战却持续了数周，客户对CrowdStrike领导层在社交媒体和媒体上的回应缺乏诚意表示不满。这表明，无论多么强大的技术防线，任何组织都可能面临类似问题。网络攻击不再是“是否会发生”，而是“什么时候发生”的问题，这种现实迫使所有组织为最坏的情况做好准备。有效的网络危机沟通计划是确保领导者在危机中保持冷静、维护利益相关者信心的关键。 网络危机沟通的三大阶段 为了帮助领导者制定有效的计划，研究调查了曾经历过网络危机的网络安全专家和企业高管，总结出了一套三阶段的网络危机沟通策略： 构建强大网络危机沟通计划的四大关键 在网络危机中，沟通是恢复过程中至关重要的一环。通过有效的规划和定期的压力测试，团队能够在危机中保持从容，并最终建立起真正的网络弹性。

亚马逊近期推出了一系列生成式AI工具，旨在提升平台上顾客和卖家的购物体验。在周四的Amazon Accelerate大会上，最引人注目的功能之一将通过分析用户的偏好、搜索记录、浏览记录和购买历史，生成个性化的商品推荐，这些推荐将出现在亚马逊首页上。 与以往的“类似商品”推荐不同，新功能将根据用户的购物习惯提供更广泛的类别推荐，如节日活动或体育用品等类别。虽然亚马逊表示会利用大型语言模型来推荐带有特定功能的商品，但目前尚不清楚这种体验与现有用户体验有多大不同。 此外，这一功能还会根据用户的兴趣优化产品描述。例如，若顾客经常搜索“无麸质”商品，那么“无麸质”这个词将在相关产品描述中更加突出显示。 对于平台上的第三方卖家，亚马逊还推出了一些新工具。其中包括一个免费的视频生成工具，该工具利用产品的图片和特点生成AI视频。亚马逊称，这项功能旨在让视频营销变得更加便捷和低成本。根据动画视频公司Wyzowl的一项研究，89%的消费者希望品牌提供更多视频内容。 去年推出的图像生成器也得到了更新，现在增加了“动态图像”功能，让静态图像可以部分动画化。例如，可以在杯子中添加蒸汽，或让植物随风摇曳。目前，这项功能以及视频生成工具已在美国进行测试版发布，针对部分广告客户开放，未来将根据反馈进一步优化后向更多用户开放。 另一个即将上线的测试版项目是“Project Amelia”，这是一款为第三方卖家提供个性化建议、洞察和故障排除帮助的聊天机器人。卖家可以通过Project Amelia获取销售数据、网站流量和同比业绩表现的总结。当前，该项目仅对少数美国卖家开放测试版，但亚马逊表示将在接下来的几周内扩展至更多美国卖家，并计划在今年晚些时候推向其他国家。 这些更新标志着亚马逊在生成式AI领域的一次重大布局，尽管相比Meta和Google等行业巨头，亚马逊的进展相对滞后。据路透社报道，亚马逊计划在即将到来的Alexa升级中使用Anthropic的Claude AI，因为其自家AWS模型在处理词汇和用户请求时表现欠佳。

Nvidia的高级研究员Jim Fan近日预测，基础模型领域将在不久的将来迎来重大突破。他特别看好类人机器人在日常生活中的应用潜力。 作为Nvidia的高级研究科学家，Jim Fan预计在未来两到三年内，机器人技术将取得重大进展。在接受红杉资本的采访时，Fan表示希望看到机器人领域出现类似GPT-3在语言处理中的“突破时刻”，也就是一种能像GPT-3对语言模型那样，改变机器人基础模型的技术飞跃。 Fan目前领导Nvidia的“具身人工智能”（Embodied AI）研究项目，他的团队正在开发名为Project Groot的项目，旨在为类人机器人创建基础模型。 Fan提到，虽然技术突破可能会在未来几年内实现，但类人机器人要真正进入日常生活仍需时间。他强调：“机器人不仅要在技术上成熟，还必须价格实惠、能够大规模生产，同时硬件的安全性、隐私问题和相关法规也都是不可忽视的因素。” Fan认为类人机器人有巨大的潜力：“世界的设计围绕着人类的形态展开，比如餐厅、工厂、医院的设备和工具，都是为了人类的身体和双手设计的。”因此，Fan相信一款功能强大的类人机器人理论上可以胜任任何人类可以做的工作。他预计，类人机器人硬件的生态系统将在两到三年内准备就绪。 Nvidia在开发机器人AI时，结合了三种数据类型：互联网数据、模拟数据和现实世界的机器人数据。Fan指出，每种方法各有优劣，但它们的结合才是成功的关键。他还将目前的机器人状态与GPT-3突破前的自然语言处理相比较，认为未来机器人将从专门化模型逐步演变为通用模型，并根据特定任务进行微调。 目前，Fan认为数据获取是最大的挑战。他表示：“我觉得我们还没有充分挖掘Transformer模型的潜力。”一旦数据管道完全建立，模型的规模就可以进一步扩展。 Nvidia也在研究“Eureka”等技术，利用语言模型为机器人训练生成奖励函数，从而自动化以往的手动过程。除此之外，Fan的团队还在研究虚拟环境中的AI代理，例如视频游戏。他认为，虚拟和物理代理的研究存在相似之处，最终目标是打造能够控制两者的单一模型。 Fan引用了Nvidia CEO黄仁勋的一句话：“所有可以移动的东西，最终都会变成自主的。”他补充道：“如果我们相信未来会有像iPhone一样多的智能机器人，那现在就应该开始打造它们。” 尽管Fan对未来持乐观态度，但他也承认挑战依然存在，比如如何将快速的无意识运动控制与较慢的有意识计划和推理过程集成到一个模型中。 在加入Nvidia之前，Fan曾在OpenAI实习，并在斯坦福大学著名AI研究员李飞飞的指导下完成了博士学位。

为了支持AI背后所依赖的大型语言模型的训练，数据中心消耗的能源量让人难以想象。为了确保这些设施有足够的电力运转，各大科技公司都面临着巨大压力。这也正是为什么微软如今将目光投向了核能领域。 上周五，微软宣布与核电运营商Constellation Energy达成重大协议，计划为其数据中心购买该公司三里岛一号核电站的电力。值得注意的是，这座核电站紧邻1979年发生重大事故的二号机组，而一号机组早在2019年由于核能需求下降、天然气、太阳能等更便宜的能源崛起而停运。 Constellation公司表示，计划投入16亿美元重启一号机组，预计到2028年，前提是需要获得监管部门的批准。微软则承诺未来20年将购买该核电站全部发电量。一旦恢复运营，这座核电站预计能提供835兆瓦的电力。 此外，这座电站将被重新命名为“克兰清洁能源中心”（CCEC），以纪念今年4月去世的Constellation前CEO克里斯·克兰。根据宾夕法尼亚建筑与施工工会委员会委托的经济报告，电站复工后预计将创造3400个直接和间接就业机会，带来160亿美元的GDP增量，以及超过30亿美元的州和联邦税收。 Constellation的总裁兼CEO乔·多明格斯在声明中表示：“驱动国家在全球经济和技术竞争中保持领先的关键产业，包括数据中心，都需要全天候稳定可靠且无碳的能源。而核电站是唯一能够持续稳定提供这些能源的来源。” 微软并非唯一一家将核能用于数据中心的科技公司。OpenAI的CEO Sam Altman也公开呼吁核能突破，而亚马逊在今年3月花费6.5亿美元购买了宾夕法尼亚的一座核能数据中心。微软、亚马逊以及Alphabet都曾表示，计划在未来完全依赖绿色能源运行数据中心。微软的目标是2030年实现这一愿景，但公司在5月承认，AI领域的扩展可能会对这一目标构成挑战。 根据彭博社6月的报道，如果大型科技公司未来的数据中心保持全年无休运转，每年将消耗508太瓦时的电力，比澳大利亚一年的电力产量还多。这不仅是对数据中心的需求，还包括电动汽车、工厂等对清洁电力的需求，促使核能再次走上复兴之路。 投资者对核聚变初创公司的兴趣日益浓厚，因为核聚变代表了核能领域的未来。迄今为止，这些公司已筹集了71亿美元的资金。与传统核电站依赖难以获得的铀、钚等元素进行核裂变不同，核聚变则使用氢作为燃料，更加清洁且高效。

在今天的专栏中，将会探讨并分析一种重要的人工智能进展，这种进展似乎推动了新发布的OpenAI o1生成式AI模型表现得格外出色。 之所以说“似乎”，是因为OpenAI对于其“秘密武器”保持相对保密态度。他们将其生成式AI视为专有技术，出于盈利目的，并不愿完全透露内部的技术细节。因此，我们必须通过巧妙的分析，合理推测他们的聪明设计。 既然如此，挑战接受。 在进入正题之前，值得一提的是，这篇文章是关于OpenAI o1生成式模型的持续评估和评论系列的第五部分。若想了解o1的概述和详细解读，请参见该系列的第一部分。第二部分讨论了链式思维（CoT）如何通过双重检查来减少AI幻觉和其他问题。第三部分探讨了链式思维如何用于检测生成式AI的欺骗行为。第四部分则着重介绍了o1模型在提示工程中的显著变化。 今天的第五部分将深入探讨强化学习（Reinforcement Learning，简称RL）的重要性。 强化学习作为AI的关键技术 强化学习是这一进展的核心。那么，什么是强化学习呢？首先，大家可能已经在日常生活中接触到类似的概念。比如，家里有一只喜欢冲向门口迎接客人的狗，如何训练它不再这样做呢？最简单的方法就是通过正强化，比如当狗保持冷静时，给它一些奖励。当它冲向客人时，则可以通过严厉的语气来进行负强化。经过反复训练，狗狗会明白该如何行为，从而建立和谐的家庭环境。 同样的原理可以应用在现代AI中。生成式AI在进行数据训练时，可能会接触到大量不适当的内容。如果AI输出这些内容，后果可想而知。因此，如今我们使用“人类反馈的强化学习”（RLHF）来防止AI输出不当内容。在AI发布前，聘请的人员会对AI生成的输出进行标注，标记不当内容。这一过程帮助AI学习并避免重复这些错误，正如当初ChatGPT成功推出一样。 提升生成式AI的强化学习 传统的强化学习多用于AI模型的训练阶段，而现代AI可以在运行时（即测试时）进行强化学习。比如，当AI生成的结果与预期不符时，可以进行标注，以便AI下次避免同样的错误。然而，问题在于，AI可能无法理解错误的根本原因，只会避免特定的输出。这种基于结果的强化学习可能会过于狭隘，无法广泛应用。 为了解决这个问题，提出了“基于过程的强化学习”。生成式AI可以通过链式思维（CoT）分步骤解决问题。通过对每个步骤进行强化学习，AI可以逐步改进，而不是仅关注最终的生成结果。例如，在回答问题时，AI可以逐步展示其推理过程，我们可以针对每个步骤进行评估和反馈，而不仅仅是针对最终结果进行调整。 强化学习的两种方法 强化学习可以分为两种方法：基于结果的强化学习和基于过程的强化学习。基于结果的强化学习仅关注最终结果，而基于过程的强化学习则关注AI解决问题的各个步骤。通过结合这两种方法，AI能够更好地进行调整，提升其性能。 在2023年发表的一项研究中，OpenAI的研究人员指出，基于过程的强化学习在某些领域的表现优于基于结果的强化学习，尤其是在数学问题的解决中。或许，OpenAI o1正是采用了这种基于过程的强化学习方法，结合链式思维，使其在科学、数学和编程等领域表现尤为出色。https://arxiv.org/abs/2305.20050 结论 总结来看，OpenAI o1可能在强化学习上进行了创新，尤其是结合了链式思维和基于过程的强化学习。这使得AI在特定领域中能够生成更准确和更优质的结果。尽管这一技术目前可能仍在试验阶段，但其潜力巨大，值得持续关注。 期待该系列的下一部分更新，敬请期待。

谷歌推出了一款全新的鲸鱼生物声学模型，可以识别八个不同的鲸鱼物种，其中包括两种物种的多种叫声。这个模型还包含了最近被确认为布氏鲸发出的“Biotwang”声。为了保护生活在偏远环境中的动物，研究人员必须能够追踪它们，了解它们的种群动态。随着长期被动声学监测技术的发展，基于大量声景数据的自动物种识别工具已经成为保护与生态研究的关键。然而，尽管有像Google Perch这样的鸟类声音识别模型，开发能够同时分类多个鲸鱼物种叫声的模型仍然充满挑战。https://github.com/google-research/perch/tree/main/chirp 鲸鱼的声学范围极为广泛，蓝鲸的声音可以低至10赫兹，而齿鲸（如虎鲸）的声音可高达120千赫兹。此外，录音还会因地点和时间的不同而产生巨大变化，使得模型开发更加复杂。特别是一些神秘的鲸鱼种类，其叫声特征仍不为人知，这进一步加剧了识别难度。一个典型的例子是“Biotwang”声，这种声音最早在马里亚纳海沟被记录，带有金属质感，与典型的鲸鱼低沉叫声完全不同。最近，NOAA（美国国家海洋和大气管理局）的研究人员将其确定为布氏鲸独特的叫声。 如今，谷歌的鲸鱼生物声学模型已能够识别八个物种，并可以区分两种物种的多种叫声类型。这个模型帮助研究人员分析了超过20万小时的海洋录音，解锁了许多关于鲸鱼生态的新发现。目前，模型已通过Kaggle Models开放下载。 项目背景 谷歌的鲸鱼叫声分类项目始于2018年，当时与NOAA的太平洋群岛渔业科学中心合作，开发了一个检测座头鲸叫声的模型。该模型通过分析NOAA收集的18.7万小时音频数据，确认了座头鲸的时空分布模式，还发现了它们在Kingman Reef的新分布地点。后来，谷歌与加拿大渔业和海洋部（DFO）合作，开发了一个虎鲸检测模型，帮助DFO实时监测濒危的南部居民虎鲸种群。 新的鲸鱼生物声学模型 最新的多物种模型能够为八种鲸鱼提供分类分数，并可进一步区分其中两种物种的不同叫声类型，总共涵盖了12个分类。模型使用原始音频数据生成频谱图，将其分类为12种鲸鱼叫声或物种之一。由于鲸鱼栖息环境中可能包含大量背景噪音，模型还特别训练了大量负样本，确保它能够有效排除背景音干扰。 模型在测试集上的表现非常优异，尤其是对于小须鲸、北大西洋露脊鲸、北太平洋露脊鲸和布氏鲸的分类，表现尤为突出。 模型中的新标签 除了常见的鲸鱼叫声，模型还包括了一些较为独特的声音。例如，小须鲸发出的“boing”声最早在上世纪50年代的潜艇录音中被记录，直到2005年才被确认属于小须鲸。北太平洋露脊鲸则以其“枪声”叫声而闻名，这种声音独特于该物种的东部种群。布氏鲸的“Biotwang”声也经过NOAA研究人员的确认，进一步丰富了模型的分类能力。 新发现 布氏鲸虽然在全球都有目击报告，但人们对其种群结构和迁徙模式知之甚少。通过谷歌模型对西太平洋声景数据的分析，研究人员发现了布氏鲸的叫声在该区域的季节性变化，揭示了不同种群之间可能存在的差异。这一发现为了解该物种的生态提供了重要线索。 扩展到更多物种 尽管模型目前仅涵盖了约94种鲸类物种中的八种，但它的潜在应用范围远远不止于此。研究人员可以使用模型的预训练嵌入技术，快速识别和分类新的鲸鱼声音或物种，为鲸类研究和保护提供强有力的支持。

根据404 Media的最新报道，一些LinkedIn用户发现该平台正在未经同意的情况下使用他们的数据来训练生成式AI模型。LinkedIn表示，这些数据的使用是为了提升如写作辅助等功能，虽然用户可以在账户设置中的“生成式AI改进数据”选项下关闭该功能，但默认情况下它是开启的。 LinkedIn声称其采用“隐私增强技术”来匿名化数据，保护个人身份信息。然而，很多人对公司敏感信息被自动使用感到不满，尤其是没有事先通知的情况下。 目前，欧盟、欧洲经济区和瑞士的用户由于更严格的隐私规定，暂时免于此类数据使用。 尽管LinkedIn开始处理用户数据用于AI训练，但它的服务条款并未同步更新。微软旗下的LinkedIn告诉404 Media，它将很快更新这些条款。而现在，这些条款已经按照要求完成了更新。 LinkedIn发言人在给TechRadar Pro的一封电子邮件中提到：“我们正在进行一些改变，让LinkedIn用户在数据如何用于生成式AI训练方面拥有更多选择和控制。我们引入了默认启用的AI工具，这些工具可以为所有用户带来帮助，但同时也确保那些有特定隐私偏好的用户可以轻松选择退出。虽然用户可以选择退出，但很多人来到LinkedIn是为了求职和拓展人脉，生成式AI正是帮助专业人士适应这种变化的一部分。” 发言人还补充道，目前不会对欧洲经济区和瑞士的用户启用生成式AI数据训练功能，也不会向这些地区的用户提供相关设置。 然而，数据处理并不止于此。LinkedIn还使用其他机器学习工具来进行个性化推荐和内容审核，这些功能同样是基于“选择退出”机制，并需要提交一个单独的数据处理异议表单。 尽管LinkedIn已更新了服务条款，但由于披露和解释的时间较晚，用户对这次重大改变的突然实施感到不满，并提出了隐私和透明度方面的质疑。

迈克尔·戴尔，作为全球少数几位从零开始将公司带到880亿美元营收并仍在继续领导的企业家之一，创立并掌舵戴尔科技公司已经四十年。他于1984年在大学宿舍创办的这家公司，如今已成长为科技巨头，凭借惊人的韧性应对一波又一波的技术浪潮。 迈克尔·戴尔认为，人工智能（AI）是一股不同凡响的趋势，它将彻底改变组织的运作方式和商业模式。他的公司如今正向企业提供端到端的AI解决方案，帮助企业在应对成本、人才、数据安全和风险的同时，加速进行AI实验。尽管目前只有不到10%的企业通过大规模应用AI实现了盈利，戴尔科技凭借加速AI服务器、非结构化数据存储、AI个人电脑以及网络服务，押注企业将希望掌控AI以保护其日益重要的数据资产。 在谈到AI的潜力时，迈克尔·戴尔认为，AI及生成式AI（gen AI）正在推动数据的解锁，开启了新的认知和智能时代。他表示，AI将大大加速科学发现，并改善人类生活的方方面面。尽管AI带来了许多不确定性，但戴尔对其潜力充满兴奋。 对于戴尔科技的客户，几乎所有有趣的创新都离不开数据。无论是自动驾驶汽车，还是mRNA疫苗的药物研发，所有世界上的难题都需要更多的计算能力和数据。戴尔认为，AI的广泛关注让很多领域重新得到了重视，尤其是在药物研发、供应链预测等方面，AI带来了巨大的潜力。 关于数据管理，他指出，大多数数据将源于现实世界，而无论是在云端还是在本地设施中处理这些数据，企业都需要严密保护其最有价值的资产——数据。戴尔科技的任务是为客户提供最佳的选择和方案，帮助他们在不妥协数据安全的情况下利用AI提升效率和生产力。 在AI监管方面，迈克尔·戴尔表达了对监管机构的同情，因为科技变化速度如此之快。他认为，AI将增强而非取代人类，未来的AI工具将帮助员工更好地完成工作，带来更多的灵活性和机会。然而，他也承认，需要有一定的法律框架来防止技术被滥用。 关于是否对生成式AI存在过度炒作的疑问，迈克尔·戴尔坦言，任何具有重大意义的突破都会伴随着过度的期待和夸张的预测，但方向无疑是正确的。他认为，尽管过程中会有失败，但总体上AI带来的变革不可忽视。 最后，戴尔还分享了他四十年职业生涯中应对科技行业重大转折的经验，尤其是在私有化以及收购EMC和VMware等交易中。他指出，快速适应变化、解决客户的实际问题是企业成功的关键。而对于未来PC的变化，他相信，AI将为PC赋能，帮助用户更高效地处理信息，提升生产力。 对于年轻一代，他建议要专注于数学和科学，并鼓励孩子们保持好奇心，追随自己的兴趣。

TikTok 周一在联邦法院出庭，面临一场事关生死的诉讼，因为一月份的最后期限临近，届时该应用可能会在美国被禁止运营。 经过数小时的质询后，法庭的倾向性依然不明朗。这是 TikTok 面临的最严重的法律挑战，可能决定其在美国的未来。 由三名法官组成的美国哥伦比亚特区巡回上诉法院小组对 TikTok 的辩护持怀疑态度，即表达自由应优先于华盛顿的国家安全担忧。原因在于 TikTok 的母公司字节跳动总部位于中国，而中国是美国的对手。 与此同时，法官们也指出，数百万美国 TikTok 用户和 TikTok 在美国的运营确实享有《第一修正案》保护，政府关闭该应用可能会侵犯这些权利。 法律专家认为，若没有具体证据，禁止 TikTok 违反了《第一修正案》。在四月，美国总统拜登签署了一项法律，给 TikTok 母公司字节跳动 90 天时间寻找非中国买家，否则该应用将在全国范围内被禁止。 争议焦点：言论自由与国家安全之战 除非被推翻，该法律将在 1 月 19 日生效。如果案件拖延下去，预计可能会延长。 华盛顿的这场法律战展示了迄今为止数字言论自由与国家安全保护之间最为高调的冲突。 拜登政府正在为国会通过的禁令辩护，而前总统特朗普则在竞选活动中表示他现在支持 TikTok 在美国的存在，这与他在白宫时试图关闭该应用的立场相反。 司法部已要求三名法官小组在 12 月前作出裁决。无论裁决结果如何，都可以向联邦上诉法院的全体法官提出上诉。之后，任何一方都可以请求美国最高法院审查该决定。 TikTok 声称自己被不公正地针对 TikTok 的律师认为，该应用被不公正地单独挑出来。律师安德鲁·平克斯（Andrew Pincus）指出，若政府想要禁用 TikTok，必须提供“严格审查”的理由，即必须有强有力的理由，并且证明在禁用之前已用尽所有处理 TikTok 问题的其他方法。他说，政府在这两方面都未能达标。 法官斯里·斯里尼瓦桑（Sri Srinivasan）提问：如果美国与某个国家交战，而该国控制着美国的一家媒体公司，根据 TikTok 的逻辑，美国是否必须先满足这些严格的法律要求，才能禁止该媒体公司？ TikTok 的律师平克斯将 TikTok 比作《政治》杂志和《商业内幕》，这两个媒体由一家德国公司拥有，但其美国作者仍然享有在美国的权利。 外资拥有权成为关键因素 斯里尼瓦桑指出，不同之处在于，政治和商业内幕并非由美国的外国对手控制，而 TikTok 则是由总部位于中国的字节跳动拥有。…

亚马逊正在要求公司员工每周五天到办公室工作，首席执行官安迪·贾西在周一的一份备忘录中写道。 这一决定标志着亚马逊早期返工政策的重大转变，此前公司要求员工每周至少三天在办公室工作。现在，公司给员工时间到明年1月2日开始遵守新政策。 根据贾西的说法，除特殊情况外，公司员工每周都需要在办公室工作，或者需要获得其所在部门S团队领导的特别许可。S团队是指那些直接向亚马逊首席执行官汇报的核心高管团队。 “在疫情之前，人们每周可以远程工作两天并不是理所当然的，未来也将如此——我们的期望是，除特殊情况外，人们应当在办公室工作，”贾西表示。 贾西还指出，亚马逊计划通过减少管理层级简化其公司结构，以“削减层级，扁平化组织结构”。他说，到2025年第一季度末，每个S团队的组织结构应当将员工与管理者的比例提高至少15%。所谓的普通员工指的是那些通常不负责管理其他人员的员工。 亚马逊表示，每个团队将审查其组织结构，并可能会发现某些职位已不再需要。公司补充称，任何变化或调整都将在团队层面宣布。 在贾西接任CEO之前，亚马逊在疫情期间迅速增加了员工数量，而后他实施了广泛的成本削减措施，包括公司27年历史上最大规模的裁员。在第二季度，亚马逊的员工总数达到153万人，比一年前增长了仅5%。相比之下，2022年第二季度，亚马逊的员工人数增长了14%，达到152万人。 贾西在一封长信中写道，亚马逊正在进行这些变革，以加强其公司文化，并确保公司保持敏捷。他特别强调，公司创建了一个“官僚主义邮箱”或专门的电子邮件别名，用以清除公司内部任何不必要的流程或过多的规章制度。 “我们希望像世界上最大的初创公司一样运作，”贾西写道。“这意味着我们要怀有不断为客户发明新产品的激情，保持强烈的紧迫感（对于大多数重要机会来说，这是一场竞赛！），承担高度的责任，快速决策，精打细算并注重节俭，深度协作（当你与队友一起发明和解决难题时，你需要密切合作），以及对彼此的共同承诺。” 亚马逊的股价在下午交易时略有下跌。 以下是亚马逊首席执行官安迪·贾西的备忘录全文： 大家好，我想写封简短的信，告诉大家我们正在进行的一些改变，这些改变将进一步加强我们的文化和团队。 首先，从大局来看，我对我们共同取得的进展感到满意。我们的商店业务、AWS和广告业务继续在庞大的基础上增长，Prime Video也在不断扩展，而像生成式AI、Kuiper、医疗保健等新投资领域也在良好发展。与此同时，我们在增长和创新的同时，也在继续改善我们的成本结构和运营利润率，这并不容易做到。总的来说，我对我们的发展方向感到满意，并感谢全球团队的辛勤工作和创造力。 回想我在亚马逊的时间，我从未想过自己会在公司待上27年。我和我妻子曾在1997年写在餐巾纸上的计划是只待几年，然后搬回纽约市。部分让我留下的原因是公司前所未有的增长（我加入公司前一年的年收入是1500万美元——今年预计将超过6000亿美元），持续不断的发明热情，每天都在致力于让客户的生活更轻松、更好，以及这些优先事项带来的机会。但我之所以还在这里的最大原因是我们的文化。专注于客户是文化中令人鼓舞的一部分，但还有与我们一起工作的人、当我们表现最好时的协作和发明方式、我们长期的视角、我在所工作的每个层级上一直感受到的责任感（我从五级员工做起）、我们做出决定和行动的速度，以及缺乏官僚主义和政治斗争。 我们的文化是独特的，且在我们前29年的成功中扮演了至关重要的角色。但是，保持你的文化强大并不是与生俱来的权利。你必须一直为此努力。考虑到我们业务的广泛性、相关的增长率、每个业务领域所需的创新，以及我们过去6到8年间为推动这些目标所聘用的人数，保持文化强大是很不寻常的，甚至会对最强的文化构成挑战。加强我们的文化仍然是我和S团队的首要任务。我时刻在思考这一点。 我们希望像世界上最大的初创公司一样运作。这意味着我们要对客户怀有不断发明的激情，保持强烈的紧迫感（对于大多数重要的机会来说，这是一场竞赛！），承担高度责任，快速决策，精打细算并注重节俭，深度协作（当你与队友一起发明和解决难题时，你需要密切合作），以及对彼此的共同承诺。 S团队和我过去几个月一直在思考两个问题：1/ 我们的组织结构是否适合推动我们所期望的责任感和速度？2/ 我们的设置是否足够有助于发明、协作和彼此的联系（以及我们的文化），从而为客户和公司提供我们能够提供的最好的服务？我们认为我们在这两方面可以做得更好。 关于第一个话题，我们始终致力于招聘非常聪明、有高判断力、富有创造力、专注交付且有使命感的团队成员。而且，我们一直希望那些从事具体工作的人拥有高度责任感。随着我们在过去几年里快速且大幅度扩展团队，我们也不可避免地增加了很多管理人员。在此过程中，我们也增加了比以往更多的层级。