Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

我和 Werner Vogels 一起坐下来

Posted on 2025-09-03

几天前,在弗洛里亚诺波利斯举行的2025创业峰会上,我与亚马逊首席技术官沃纳·沃格尔斯(Werner Vogels)进行了一次私人炉边谈话,这真是一次超现实的体验。在线上关注他的演讲是一回事,而身临其境地聆听他分享二十年来构建互联网上一些最关键基础设施的经验教训,则是另一回事。

沃纳犀利、务实,不矫揉造作。以下是一些最令我印象深刻的观点的提炼。

  1. 解决问题,而不是炒作

沃纳毫不畏缩:“没有什么神奇的技术。” 他回忆起五年前,每个人都想“用区块链做点什么”。现在,是生成式人工智能。他的观点很简单——你应该被问题驱动,而不是被“错失恐惧症”(FOMO)所驱动。大多数需要区块链的用例可以通过一个简单的不可变账本来处理。生成式人工智能的大多数用途?没有必要。不要为了追求科技而追逐科技。

  1. 为失败做计划,而不是为完美做计划

在亚马逊的规模下,可用性每增加一个“9”,就要付出数百万美元的代价。因此,真正的艺术在于决定哪些系统可能会出现故障。请对您的系统进行分类:一级系统(永远不会宕机——结账、搜索),二级系统(性能可能会略有下降),以及三级系统(即使宕机,也无人关心)。并非所有系统都需要 99.999% 的正常运行时间。权衡利弊才是关键。

  1. 可逆决策与不可逆决策

这是黄金。根据 Werner 的说法,良好的决策始于以下划分:

  • 可逆决策(双向门):快速行动。70% 的信息就足够了。

  • 不可逆转的决定(单行门):放慢速度,深入思考。

您不需要完美的数据即可开始 – 除非您下了无法回头的赌注(例如公共 API 或核心产品转变)。

  1. 安全 > 操作 > 成本

这是他的技术领导框架:

  • 安全:绝不是附加功能。从一开始就将其融入其中。

  • 运营:软件在生产环境中的寿命比在开发环境中更长。构建时应考虑可维护性。

  • 成本:设计不仅要考虑规模扩大,更要考虑规模缩小。很多人,尤其是在初创企业,都忘记了这一点。

  1. 人工智能让我们重获时间——这才是真正的魔力

对沃纳来说,人工智能最大的影响并非浮华,而是自由。人工智能工具(从副驾驶到自动化系统)应该能够消除那些枯燥重复的任务,让我们能够专注于真正重要的事情:打造优秀的产品、了解客户、清晰地思考。

但这一切都无法取代工程基础。你仍然要对你的软件的行为负责。任何人工智能都不会因为违反合规规则而受到指责。

  1. 买不起的时候才建,但要拥有长期的所有权

最精彩的轶事之一来自亚马逊早期。在一次因 Oracle 数据库错误导致的、损失数百万美元的宕机事件后,Werner 的团队意识到,他们 90% 的数据库使用都只是键值查找。于是他们构建了自己的系统。并非因为这个系统很酷,而是因为没有哪个供应商能够在他们这样的规模下解决这个问题。

这并不是要建造一切,而是要拥有那些至关重要、如果外包会很麻烦的部分。

  1. 构建什么,就运行什么

在亚马逊,DevOps 并非只是理论。如果你构建一项服务,你就得随身携带传呼机。当服务出现故障时,你就会得到及时通知。这种紧密的反馈循环确保工程师能够密切关注其代码的实际影响。这不仅仅关乎正常运行时间,更关乎同理心、主人翁精神和快速学习的能力。

  1. 成本并非无趣,而是生存

任何初创公司都适用的一个经验是:可见性会改变行为。Werner 分享了亚马逊团队,甚至像 Nubank 这样的初创公司,是如何在公共屏幕上实时追踪 AWS 成本的。这种意识让成本成为产品讨论的焦点,而不是事后才考虑的财务问题。

  1. 人工智能不是魔法——它是一个编译器

通用人工智能不会拯救你,但它可以加速你的发展。它可以帮助初级开发人员更快地上手,帮助筛选日志,帮助更新遗留代码。但它不是在思考,而是在重新组合。而你仍然需要承担由此造成的后果。

沃纳的建议:保持好奇心,保持责任感。人工智能是一个强大的工具,但不能取代优秀的工程技术。

最后的想法

归根结底,最强烈的信息是:你最宝贵的货币是时间——技术应该给你更多,而不是更少。

对于一位参与构建互联网主干网的人来说,沃纳最大的建议不是关于规模、服务器或速度。

这是关于清晰度的问题。

这也是峰会结束后我将长期铭记的。

1756424027898_upscayl_2x_upscayl-标准img_20250828_1809102.webp

原文: https://everton.xyz/i-sat-down-with-werner-vogels/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme