S3的发展历程与未来展望：Mai-Lan Tomsen Bukovec 访谈

2006年3月14日，S3（Amazon Simple Storage Service）正式上线，开启了“弹性存储”的全新篇章。它让开发者得以以极低成本存储海量数据，至今已承载超过500万亿个对象。进入人工智能快速发展的时代，S3 正在逐步转型为“主动智能基础设施”，不再仅仅是一个被动的数据湖。

在 S3 建立20周年之际，我们与云科技领域的技术领导人进行深入对话。Mai-Lan Tomsen Bukovec 在访谈中首次透露，S3 Vectors 在 2026 年 NAB Show 荣获“年度最佳产品奖”，这一消息让她十分振奋。

Mai-Lan Tomsen Bukovec，云科技技术副总裁

谈及 S3 的创新历程，Mai-Lan 表示：“我们对每一个字节的承诺始终如一。”无论是面向非结构化数据、文件，还是向量数据，这一原则始终未变，未来也将继续坚持。

S3 Tables 打破“只读”界限：Iceberg 与数据表的编辑革命

回顾 S3 的发展，核心特征在于“弹性”。这种弹性不仅体现在存储容量的扩展，也体现在产品形态的多样化。最初，S3 是一个庞大的非结构化数据仓库，修改某个文件需要替换整个对象。但 S3 Tables 的推出，彻底打破了这一局限，首次实现了数据的“可编辑”，原生支持 Apache Iceberg 格式。

她补充道：“这是一次重大进步，用户能够直接利用存储的性价比对数据表进行操作，这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 AI 追求极低延迟，Mai-Lan 也承认 S3 的架构延迟相对传统数据库确实偏高。然而，这并非缺点，而是一种设计取舍。大量科研分析及大规模产品相似度搜索在约 100 毫秒的延迟下仍能顺畅运行。

随着 Agent 时代到来，成本成为更重要的考量因素。Mai-Lan 指出，AI Agent 往往会发起数十甚至数百个并行查询，在这种场景下，底层存储与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

在过去二十年的演进中，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，尤其是“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覆盖所有场景，因为系统规模太大。”

这种对“每一个字节负责”的承诺，体现在底层微服务的持续自检和完整性校验中，确保数据的可靠性。

访谈最后，Mai-Lan 提到技术领导力的核心原则——Are Right, A Lot。她强调，领导者需要持续质疑现有信念，主动寻找改进系统或开发新能力的机会。这种坚持，或许正是 S3 在 AI 时代成为数据韧性与技术创新标杆的关键原因。