2006 年 3 月 14 日 Amazon 正式推出 AWS 時只有一項服務：Amazon Simple Storage Service（S3），沒有人會想到這個「雲端儲存服務」日後會成為整個互聯網的基礎設施甚至為今天的生成式 AI 革命鋪路。
根據 Amazon 官方回顧文章《How three startups helped Amazon invent cloud computing and paved the way for AI》指出在 AWS 剛誕生之際有 3 位來自不同領域的早期用戶，成為測試 S3 的先行者。他們分別是物理學家 Don Alvarez、轉錄服務創辦人 Nathan McFarland 以及天體物理學家 Andrew Westphal。這 3 個看似毫不相關的故事卻共同見證了雲端運算如何改寫科技產業規則。
2006 年：無限儲存的震撼時刻
2006 年初 Don Alvarez 走進西雅圖市中心一棟不起眼的 Amazon 辦公室參與一個仍屬機密測試階段的服務，他當時成為全球最早測試 S3 的用戶之一。S3 允許開發者在網上儲存及存取幾乎「無限」的數據，而且成本遠低於自行架設伺服器。
Alvarez 形容那一刻他幾乎難以置信 Amazon 把如此強大的能力交到自己手上，當時若要創辦科技公司創業者必須預先購買實體伺服器並預測容量需求，動輒投入數萬美元硬件成本。如果預測不足可能錯失增長機會，若估算過高則可能在尚未盈利前資金耗盡。
S3 的出現改變了這一切，企業毋須再為儲存容量押注未來而是按需付費及隨用隨擴。Alvarez 指出當年幾乎無限及低成本的雲端儲存對初創企業經濟結構的衝擊與今天生成式 AI 帶來的改變同樣巨大，兩者都重新定義了建立與營運科技公司的成本模式。
3 個截然不同的應用場景
除了 Alvarez 其餘兩名早期用戶同樣面對龐大的數據挑戰，轉錄服務 CastingWords 創辦人 Nathan McFarland 當時面對產業仍需客戶郵寄 CD 的極低效率。2006 年公司主伺服器意外故障後他將所有資料轉移至 S3，儲存與頻寬成本幾乎一夜之間消失，這種模式亦為今日 AI 語音辨識服務奠定雛形。
另一位是加州大學柏克萊分校 Stardust@home 計劃的 Andrew Westphal，他的團隊希望透過群眾外包方式在數百萬張顯微鏡影像中尋找約一微米大小的星際塵埃粒子。S3 讓這些影像可供超過 34,000 名公民科學家存取並累積完成 1.3 億次搜尋，這種大規模分散式資料分析模式今天已由電腦視覺 AI 在數秒內完成。
這 3 個案例顯示雲端儲存並非只是技術升級，而是讓各類型組織以更低門檻實現創意。正如 McFarland 事後回顧所言當時並未預料到全球不同產業都會受惠於這種模式。
從「租伺服器」到部署 AI 代理
AWS 公開推出時只有 S3 並在一個月後才加入 Elastic Compute Cloud（EC2），20 年間 AWS 已發展出超過 240 項服務以涵蓋資料庫、量子運算及機器學習等領域。原本的儲存檔案及租用伺服器已演變成今天可部署具推理與規劃能力的 AI 代理系統。
當年為解決儲存問題而建立的 S3 如今承載著以 PB 計的大型數據集，這些數據正是訓練生成式 AI 模型的基礎。無論是寫程式、診斷疾病還是進行自然語言對話背後都離不開當年建立的雲端架構。
Alvarez 形容 AWS 當年為基礎設施去風險化，讓創業者不再為管理伺服器煩惱，今天這種理念正延伸至 AI 領域。開發者不希望再為 GPU 供應及推論管線最佳化等細節分心，只希望專注在應用創新。
基礎設施隱形化 創意才是門檻
回顧 2006 年走出那棟西雅圖大樓的時刻 Alvarez 當時想的是如果儲存幾乎無限而且即時可用自己可以創造甚麼，20 年後人們問的問題變成：如果智慧也幾乎無限而且隨時可得又可以創造甚麼？
這正是 3 位早期用戶留下的共同模式——讓基礎設施變得隱形、可靠及可存取，真正的門檻不應是資本或技術而是想像力。
從解決儲存問題開始 AWS 除了發明雲端運算模式也無意間為 AI 時代鋪設地基，當年的 S3 如今成為生成式 AI 背後的無名功臣。兩個看似不同的科技浪潮其實共享同一條基礎設施主線。
