选云平台这种事，最怕的就是在网上翻一堆对比表格，最后发现每家的结论都是「看情况」。
这篇尽量从技术能力的实际差异出发，把 AWS 和 Google Cloud 在核心服务、AI 产品线和定价结构上的区别说清楚，不回避谁在哪方面更强。
市场格局：体量不同，路径不同
2026 年初的市场数据比较有意思：全球云基础设施市场达到 419 亿美元规模，三巨头合计占了大约 68%。AWS 以大约 30-32% 的份额保持第一，GCP 大约 11-13%。从增速上看，GCP 的百分比增长更快，但 AWS 的绝对体量优势仍然很大。
但真正决定选型的不是市场份额，是两家在 AI 这个变量上的策略差异。
技术能力：广度 vs 深度
AWS 的策略是铺广度。
2006 年就开始做云服务，到现在有超过 200 项服务，Gartner 连续多年在云基础设施和平台服务魔力象限里把 AWS 排在第一位。这个广度的意义在于：你需要的某种能力，大概率已经是一个现成的托管服务，不用自己拼凑。
EC2 提供了 500 多种实例类型，Graviton 自研芯片在 ARM 架构上比 x86 实例便宜不少。S3 是对象存储的事实标准，SageMaker 的端到端 ML 平台也覆盖了从数据标注到模型监控的全流程。
GCP 的策略是堆深度。
Google 做了 Kubernetes 和 TensorFlow，这两样东西在开发者社区里的影响力不小。GKE 被普遍认为是管理能力最强的托管 Kubernetes，BigQuery 的 Serverless 数据仓库在性价比上很难找到对手。
Gartner 的 Magic Quadrant 报告里提到，GCP 的强项在于开发者「心智份额」——和开源社区的关联带来了比较强的技术影响力，而且在缩小和 Azure 的差距方面有明显进展。
简单说：AWS 是「你想要的这里都有」，GCP 是「在特定领域比谁都强」。
AI 服务：两条不同的路线
这是两家差异最大的地方，也是选择时最需要考虑的维度。
AWS Bedrock：模型超市 + 分销模式
Amazon Bedrock 的本质是一个基础模型调用平台，客户通过统一的 AWS 账单和安全框架，调用 Claude、Nova、Llama 等模型。
2026 年一季度的数据显示，Bedrock 贡献了 AWS AI 收入的 37%，年化运行规模约 55 亿美元。仅占 AWS 总收入的 4%，却贡献了 30% 的新增毛利额。
原因在于 Bedrock 的交易结构：AWS 不只是卖算力，而是在分销 Anthropic 的 Claude token 时同时收两份钱——基础设施费用和分销分成。Bedrock 在 2026 年一季度实现了大约 55% 的 EBIT 利润率。
另外，AWS 自研的 Trainium 芯片已经支撑了超过 50% 的 Bedrock token 使用量。这意味着底层成本还在往下压。
Bedrock 对开发者的实际意义： 一个 API 可以调用多家模型，不用为了换模型重新搭一套基础设施。如果团队正在快速迭代 AI 产品，这种灵活性比较重要。
Google Cloud Vertex AI：Gemini + TPU 路线
GCP 的 AI 策略更偏「自给自足」。Vertex AI 是端到端的 ML 平台，Gemini 系列模型是 GCP 自己的模型。Google 的优势在于 TPU（张量处理单元）——这是 AWS 没有的硬件加速器，在训练特定规模模型时的性价比确实能赢 GPU。
一个 IEEE 论文里的研究对比了在不同云平台部署 ML 模型的效率和成本。结论是：Google 的 BigQuery ML 对熟悉 SQL 的用户学习门槛低，适合大规模数据分析任务；但成本方面，AWS SageMaker 的并行训练可能导致费用更难预测。
一个值得关注的风险点
如果 AI 产品的流量增长比较快，容量问题值得考虑。2026 年出现过 GCP 在推出新的消费者功能时，算力需求暴增导致 API 客户被限流的情况——付费客户的服务响应变慢，因为他们用的容量被挪给了 Google 自家的产品。
AWS 的容量规模通常不容易遇到这种问题，对流量敏感的应用来说，这是比模型功能更实际的考量因素。
价格优势：到底谁更便宜？
这个问题得分开看。
按需实例的标价：GCP 通常比 AWS 便宜 5-10%，而且有自动的持续使用折扣（不用签长期合同就能享受）。
长期承诺折扣：两家的折扣比例差不多（1-3 年承诺换 30-60% 的节省），但 AWS 的 Savings Plans 在跨实例族应用方面更灵活。
TPU 的性价比：在特定的 AI 训练负载上，GCP 的 TPU 确实能跑出比同等 GPU 更低的总成本。
容易被忽略的部分：出站流量费用。AWS 的出站流量在几家里是偏贵的，如果业务需要大量数据从云上往外传，这个部分的费用可能显著影响总成本。
综合来看：没有「哪家一定更便宜」的结论，取决于负载类型、网络流量模式、以及对承诺折扣的使用方式。
应该选哪家？
选 AWS，如果你：
需要一个覆盖最广的服务目录，避免将来「这个功能只有别家有」的麻烦
运行的是生产级 AI 产品，对可靠容量的优先级比较高
需要同时接入多个模型（Bedrock 的多模型能力比较方便）
团队已经有 AWS 的操作经验或认证
选 GCP，如果你：
主要负载围绕大数据分析（BigQuery）或 Kubernetes（GKE）
准备用 TPU 跑模型训练，且对 TPU 的性价比有明确需求
团队更看重开发者体验和「干净的 API 设计」
业务对流量出站费用敏感，需要更低的数据传输成本
另外，一个在 2026 年已经比较普遍的策略是多云——大约 75% 的企业现在会同时用两家以上云厂商。不一定非要二选一，可以根据不同工作负载的特点分别放。
总结
AWS 和 GCP 的竞争，本质上是两种不同路线的竞争：AWS 靠广度和规模，GCP 靠深度和垂直整合。AWS 的优势在于「什么都有」和「规模大到不会挤兑你的流量」，GCP 的优势在于「特定领域做得更好」和「谷歌的全栈技术底蕴」。搞清楚自己的优先项，选型就没那么难了。