当全球最顶级的模型供应商们还在拼命堆参数、降价格、抢榜单时，亚马逊AWS做了一件近乎反直觉的事。它推出了一款专门帮用户从自家平台上跑着的模型迁移到其他模型的工具。
2026年5月14日，Amazon Bedrock Advanced Prompt Optimization 正式上线。它不打模型战争，不跟Claude比推理，不跟Llama比上下文窗口。它只做一件事：降低你换模型的时间成本。
这件事放在2026年的AI行业格局下来看，信息量远不止一个产品更新那么简单。
模型切换成本正在吃掉AI落地的利润
先看几组数字。
根据Research and Markets 2026年2月发布的报告，全球Prompt Engineering市场规模在2026年已达到14.9亿美元，预计到2030年将增长至45.1亿美元，年复合增长率高达31.9%。而Menlo Ventures在2025年12月的报告则给出了另一个维度的数据：企业生成式AI支出从2024年的115亿美元飙升至2025年的370亿美元，一年内增长超过3倍。
但问题在于，这些钱有多少花在了有用的事情上？
AWS官方博客给出了一个非常诚实的场景描述：
假设你已经构建了一个生成式AI应用并部署上线了。它运行正常，你的提示词已经调优，输出一致，用户满意。然后Bedrock上出现了一个更快、更便宜、能力更强的新模型。你必须做出决定，是否迁移？
这个决定听起来很简单。但AWS承认，它很少是简单的。
实际情况是，客户在迁移到新模型时，通常需要花数天到数周的时间来优化提示词和重新评估响应。如果同时评估多个候选模型，这个时间还要乘以候选模型的数量。而提示词优化是一个典型的重写、测试、比较、微调、重复循环，每一轮迭代都没有捷径。
这就是模型锁定的隐性成本。它不是许可证费用，不是API调用费，而是迁移的认知摩擦成本。它看不见摸不着，但每一家AI应用团队都感同身受。
AWS将这个问题总结为四个痛点。
模型锁定。 团队因调优成本过高而回避迁移，哪怕新模型能大幅降低延迟和推理成本。
性能不足。 为一个模型写的提示词无法发挥另一个模型的全部能力。你写的提示词本质上是在描述一个模型的性格，换一个模型，同样的描述可能适得其反。
回归盲区。 没有系统化的评估，团队无法区分不同和更差。修改提示词后输出变了，但变好了还是变差了？没有标准答案。
迭代缓慢。 每次提示词修改都需要手动A/B测试，工程师被困在评估循环里，而不是在构建新功能。
这四个痛点叠加在一起，构成了一堵看不见的墙。墙这边是我们应该试试新模型，墙那边是算了，现有方案还能跑。
RLHF式的反馈循环，但不改模型权重
Advanced Prompt Optimization 的技术实现并不复杂，但设计思路非常清晰。
它运行在一个以评估指标为驱动的强化学习风格反馈循环中，不改变模型权重，只优化提示词本身。工作流程是这样的：
用户提供提示词模板、示例用户输入（文本或多模态）、可选的标准答案，以及一个评估指标。优化器将模板和输入发送到用户选择的推理模型，根据评估指标打分，然后重写提示词。循环重复，评估、重写、再评估，迭代优化提示词。最终输出的是原始提示词和优化后的提示词，附带每次的评估分数、首Token延迟（TTFT）和推理成本估算。
这个架构是模型无关的。用户可以选择Bedrock上任何模型作为优化目标。最关键的是，一个任务可以同时针对最多5个模型。这意味着用户可以在一个提交中，获得每个候选模型对应的优化提示词，以及质量、延迟和成本的直接对比。
AWS设计了三种评估模式，覆盖了从精确到开放的不同场景。
AWS Lambda函数评估适用于精确指标，如准确率、F1、ROUGE、JSON匹配等，用户可以编写自定义的compute_score逻辑。
LLM-as-a-Judge评估适用于开放任务，如摘要、推理、生成，用户提供评估规则和裁判模型选择。
Steering Criteria评估适用于品牌调性、格式规范、安全约束等自然语言标准，最多支持5条。
如果用户什么都不提供，系统会使用默认评估，结合准确率、回答完整度和写作风格打分。但AWS建议用户自定义评估指标以获得最佳效果。
这个设计最聪明的地方在于，它把提示词工程师的手艺变成了一个可配置、可重复、可度量的工程流程。过去依赖个人经验的写提示词工作，现在变成了一个可以提交API任务的自动化作业。
铲子比金子更赚钱
要理解AWS为什么做这件事，需要跳出技术视角，站在平台战略的高度来看。
Bedrock是AWS的AI模型市场。它卖的是模型推理能力，按Token计费，像AWS卖计算资源一样卖AI能力。但这个商业模式有一个结构性弱点。如果用户被锁定在某个特定模型上，Bedrock就只是一个管道，而且是容易被替换的管道。
假设一个用户在生产环境中重度使用Claude Sonnet 4.6，提示词高度优化，RAG流程已适配。当Meta Llama 4 Maverick上线Bedrock时，性能相当但价格更低，这个用户如果因为迁移成本太高而选择不换，AWS得到的只是用户继续使用Bedrock。这没问题。但如果用户因为迁移成本太高而选择不升级到任何新模型，那AWS就失去了向用户销售更高性能、更高价格模型的机会。
更糟糕的是，如果用户发现迁移成本太高，直接选择通过其他平台访问Claude，那AWS连管道费都赚不到。
所以，降低迁移成本，本质上是在降低用户留在Bedrock生态里的决策门槛。当用户知道换模型只需要提交一个优化任务，几小时就能拿到对比结果，他们就更愿意留在Bedrock生态里，更愿意尝试新模型，更愿意为更好的性能付费。
这就是铲子比金子更赚钱的逻辑在AI时代的翻版。但AWS不是卖铲子给淘金者，它是卖铲子给其他卖金子的，而且告诉这些淘金者，你可以随时换一个金矿，只要你用我的铲子。
Futurum Group分析师Mitch Ashley在5月19日的评论中精准概括了这一点：
Multi-model side-by-side evaluation inside the workflow converts switching from a manual project into a configuration choice.
把切换从手动项目变成配置选择，这正是企业级AI从实验走向工程化的标志性时刻。
Ashley在同一篇文章中还指出了另一个深层洞察：AWS目前还没有一个顶尖的前沿模型。该公司提供对许多第三方模型的访问，并从降低模型特定摩擦中结构性获益。换句话说，AWS做这件事不是因为它善良，而是因为它在模型竞赛中不做第一，所以它要确保做第一这件事本身的价值被稀释。
模型竞赛的尽头，是Prompt工程化
Advanced Prompt Optimization 的发布，放在2026年的AI行业格局中看，有更深远的影响。
对模型提供商而言，好模型不再是护城河。 当用户可以在一个任务中同时对比5个模型的优化结果，模型之间的差距被透明化、量化了。Claude比Llama好多少？好在哪里？多花的钱值不值？这些过去需要数周手动测试才能回答的问题，现在一个优化任务就能给出答案。模型提供商将无法再靠信息不对称来维持溢价。你的模型好不好，benchmark说话，而且用户可以在自己的数据集上验证。
对AI工程团队而言，Prompt Engineering正在从手艺变成配置。 过去两年，Prompt Engineer是一个被热议的新兴岗位，年薪动辄十几万美元。但Advanced Prompt Optimization这类工具的出现，正在把提示词优化从依赖个人经验的手艺活变成可自动化的工作流。这并不意味着Prompt Engineer会消失，而是这个岗位的职责将从写提示词转向定义评估指标和设计测试用例，更高层次的工作。
对竞争对手而言，压力来到了Google Vertex AI和Azure AI这边。 三家云厂商都在构建AI平台，但AWS率先解决了模型锁定这个用户最头疼的问题。如果Google和Azure不能提供类似的低摩擦迁移体验，用户可能会因为至少AWS让我能自由换模型而选择Bedrock。这是一个巧妙的反向锁定策略，通过降低锁定的感知来锁定用户。
谁在赢，谁在危险
AWS的深层战略已经清晰可见，从模型市场升级为AI操作系统。模型市场只是把一堆模型放在一起卖，而AI操作系统需要解决从模型选择、提示词优化、效果评估、成本控制到安全治理的全链路问题。Advanced Prompt Optimization 是这个操作系统中的关键一环。它处理的是如何让模型用得好，而不是模型本身有多强。
这个战略的好处是，它不受单个模型能力波动的影响。Claude今天最强？没关系，Llama明天可能追上来，而AWS的优化工具对两者都适用。模型之间的竞争越激烈，用户对无痛迁移的需求就越大，Bedrock的价值就越凸显。
真正危险的，可能是那些只有好模型但没有生态的AI提供商。在一个切换成本趋近于零的世界里，用户的忠诚度不取决于模型本身，而取决于你能否帮他把模型用好。
当AWS选择卖铲子而不是挖金子的时候，它其实已经想明白了。在AI这个行业，最赚钱的生意不是造出最好的模型，而是让所有人都觉得换模型很容易。
快报