2006年3月14日，Amazon S3（Amazon Simple Storage Service）的推出，开启了“弹性存储”概念的新篇章。这个看似简单的服务，让开发者能够以极低的成本存储海量数据。如今，Amazon S3已经承载了超过500万亿个对象，并在人工智能迅速发展的时代中，逐步转型为一个“主动智能基础设施”，从而脱离了最初的“被动数据湖”角色。
在Amazon S3成立20周年之际，我们有幸与亚马逊云科技的技术副总裁Mai-Lan Tomsen Bukovec进行了深入的讨论。她在访谈中首次透露，Amazon S3 Vectors在2026年NAB Show上荣获“年度最佳产品奖”，这个消息让她十分兴奋。
亚马逊云科技技术副总裁Mai-Lan Tomsen Bukovec
谈到Amazon S3的创新历程时，Mai-Lan表示：“我们对每一个字节的承诺始终如一。”无论是针对非结构化数据、文件还是向量数据，这一原则未曾改变，未来也将继续遵循。
S3 Tables打破“只读”界限：Iceberg与数据表的编辑革命
回顾Amazon S3的发展，Mai-Lan认为其核心特征是“弹性”。这种弹性不仅体现在存储空间的扩展上，也体现在产品形态的多样化上。最初，S3是一个庞大的非结构化数据仓库，用户若想修改某个文件，必须替换整个对象。但S3 Tables的推出，彻底改变了这一局限，首次实现了数据的“可编辑”，通过原生支持Apache Iceberg格式。
她补充道：“这是一个巨大的进步，用户可以直接利用S3的性价比对数据表进行操作，这一变化也引发了新的生态反应。”
在S3 Vectors与S3 Files的结合中，Mai-Lan指出，S3 Files在物理存储上是对象，但在逻辑接口上符合POSIX标准的文件系统，允许开发者通过文件目录与数据互动，无需重构代码。
延迟与成本的经济权衡
尽管人工智能追求极低的延迟，Mai-Lan承认S3的架构延迟确实高于传统数据库。然而，她认为这并非缺点，而是一种设计上的权衡。许多科研分析及大规模产品相似度搜索在100毫秒的延迟下依然可以顺利进行。
随着Agent时代的到来，成本的考虑变得愈发重要。Mai-Lan指出，AI Agent通常会发起数十甚至数百个并行查询，在这种情况下，底层存储和分析服务的成本效率直接影响Agent的盈利能力。
跨越2020年的工程承诺：数年的严谨
在过去20年的服务中，Mai-Lan表示，最令人印象深刻的并非某项新功能，而是对底层架构的重构，特别是“强一致性”的引入。她回忆说：“在发布强一致性之前，我们无法通过写测试用例覆盖所有场景，因为S3的规模庞大。”
这种对“每一个字节负责”的承诺，体现在S3底层的微服务中，它们每天不懈地进行完整性校验，确保数据的可靠性。
访谈最后，Mai-Lan提到亚马逊的领导力准则——“Are Right, A Lot”。她强调，关键在于领导者要不断质疑自己的信念，寻找改进现有系统或开发新能力的机会，这种执着可能正是亚马逊在AI时代成为数据韧性与技术创新标杆的根本原因。
