從技術(shù)創(chuàng)新到價(jià)值兌現(xiàn)：亞馬遜云科技打造Agentic AI落地新范式

【PChome業(yè)界】2026年，Agentic AI正加速?gòu)募夹g(shù)探索走向規(guī)模化商用。隨著大模型能力持續(xù)突破，行業(yè)關(guān)注的焦點(diǎn)也正在發(fā)生變化：企業(yè)競(jìng)爭(zhēng)的關(guān)鍵已不再是單純擁有更強(qiáng)的模型，而是如何將AI能力深度融入業(yè)務(wù)流程，轉(zhuǎn)化為可衡量的經(jīng)營(yíng)成果。

然而，從當(dāng)前產(chǎn)業(yè)實(shí)踐來看，企業(yè)AI應(yīng)用仍面臨諸多挑戰(zhàn)。模型能力快速提升的同時(shí)，工具協(xié)同復(fù)雜、數(shù)據(jù)孤島、權(quán)限治理缺失、多智能體難以規(guī)模化管理等問題逐漸顯現(xiàn)，大量項(xiàng)目仍停留在概念驗(yàn)證（POC）階段，難以真正進(jìn)入生產(chǎn)環(huán)境并持續(xù)創(chuàng)造價(jià)值。

在近日舉行的亞馬遜云科技中國(guó)峰會(huì)上，亞馬遜云科技給出了自己的答案：通過覆蓋基礎(chǔ)設(shè)施、模型、數(shù)據(jù)與知識(shí)、Agentic平臺(tái)以及行業(yè)應(yīng)用的五層全棧技術(shù)體系，結(jié)合標(biāo)準(zhǔn)化開發(fā)方法論與生產(chǎn)級(jí)治理能力，幫助企業(yè)跨越從技術(shù)驗(yàn)證到業(yè)務(wù)落地的“最后一公里”。

·從模型競(jìng)爭(zhēng)走向Agent工程落地

過去兩年，大模型在推理能力、代碼生成、多模態(tài)理解等方面持續(xù)突破，推動(dòng)生成式AI進(jìn)入快速發(fā)展階段。但產(chǎn)業(yè)實(shí)踐逐漸證明，模型能力并不直接等同于業(yè)務(wù)價(jià)值。企業(yè)真正需要解決的問題，是如何讓模型能夠自主理解任務(wù)、調(diào)用工具、獲取知識(shí)、執(zhí)行流程并最終穩(wěn)定交付結(jié)果。換句話說，企業(yè)需要的不只是大模型，而是能夠真正工作的智能體。

亞馬遜全球副總裁、亞馬遜云科技亞太區(qū)聯(lián)席總裁 儲(chǔ)瑞松

亞馬遜全球副總裁、亞馬遜云科技亞太區(qū)聯(lián)席總裁儲(chǔ)瑞松認(rèn)為，Agentic AI迎來產(chǎn)業(yè)化拐點(diǎn)的重要原因，在于模型能力提升與Agent工程體系成熟形成了相互促進(jìn)的飛輪效應(yīng)。

在過去兩年中，行業(yè)逐步形成了由提示詞工程（Prompt Engineering）、上下文工程（Context Engineering）和駕馭工程（Harness Engineering）構(gòu)成的工程體系。

其中，提示詞工程解決“如何讓模型理解需求”的問題；上下文工程關(guān)注如何向模型提供正確的信息、工具與記憶；而駕馭工程則通過智能體循環(huán)、工具調(diào)用、評(píng)估機(jī)制、重試策略以及安全護(hù)欄等能力，讓模型能夠穩(wěn)定完成任務(wù)。

這意味著AI正在從回答問題升級(jí)為完成任務(wù)。

隨著智能體逐步具備自主執(zhí)行能力，企業(yè)衡量AI價(jià)值的方式也在發(fā)生變化。從過去關(guān)注模型參數(shù)規(guī)模、推理速度，轉(zhuǎn)向關(guān)注任務(wù)完成率、交付周期、運(yùn)營(yíng)效率、客戶滿意度以及業(yè)務(wù)增長(zhǎng)等更具商業(yè)意義的指標(biāo)。

更深層次的變化在于，AI Agent正逐漸成為企業(yè)組織中的新型數(shù)字勞動(dòng)力。未來企業(yè)的生產(chǎn)關(guān)系將從“人使用工具”演變?yōu)椤叭伺c智能體協(xié)同創(chuàng)造價(jià)值”，推動(dòng)組織架構(gòu)和業(yè)務(wù)流程持續(xù)重構(gòu)。

·五層技術(shù)棧構(gòu)建Agentic AI落地基礎(chǔ)

面對(duì)復(fù)雜的技術(shù)生態(tài)和快速演進(jìn)的市場(chǎng)需求，企業(yè)需要一套完整且可持續(xù)演進(jìn)的技術(shù)體系。為此，亞馬遜云科技提出了覆蓋五個(gè)層級(jí)的Agentic AI技術(shù)棧，并通過安全、效果、性能和成本四個(gè)維度貫穿全鏈路。

AI基礎(chǔ)設(shè)施層：打造AI時(shí)代的算力底座

在基礎(chǔ)設(shè)施層，亞馬遜云科技提供最新GPU實(shí)例以及自研Trainium AI加速芯片，并通過Amazon SageMaker AI幫助企業(yè)完成模型訓(xùn)練、部署和運(yùn)營(yíng)。

依托全球云基礎(chǔ)設(shè)施網(wǎng)絡(luò)，亞馬遜云科技通過多可用區(qū)架構(gòu)、硬件級(jí)安全隔離以及全鏈路加密能力，為企業(yè)提供穩(wěn)定可靠的運(yùn)行環(huán)境。同時(shí)，其全球范圍內(nèi)支持143項(xiàng)安全合規(guī)認(rèn)證，為企業(yè)開展AI業(yè)務(wù)提供可信基礎(chǔ)。

模型層：打造開放多元的模型生態(tài)

模型層是智能體的大腦。

峰會(huì)期間，亞馬遜云科技宣布DeepSeek、MiniMax、Kimi、Qwen和GLM五款國(guó)內(nèi)主流開源模型正式接入Amazon Bedrock。企業(yè)可以通過統(tǒng)一API訪問不同模型，根據(jù)具體場(chǎng)景在能力、速度與成本之間進(jìn)行靈活選擇，而無需被單一模型體系綁定。與此同時(shí)，亞馬遜云科技正在推動(dòng)國(guó)產(chǎn)模型與Trainium芯片的深度適配，進(jìn)一步提升推理效率并降低部署成本。

數(shù)據(jù)與知識(shí)層：釋放企業(yè)數(shù)據(jù)價(jià)值

在Agent時(shí)代，數(shù)據(jù)的重要性被進(jìn)一步放大。

儲(chǔ)瑞松指出，企業(yè)AI項(xiàng)目失敗的原因往往不在模型，而在數(shù)據(jù)準(zhǔn)備不足。相比模型能力能夠被快速?gòu)?fù)制，企業(yè)多年積累的業(yè)務(wù)數(shù)據(jù)、行業(yè)經(jīng)驗(yàn)和知識(shí)體系才是真正的競(jìng)爭(zhēng)壁壘。

為此，亞馬遜云科技構(gòu)建了包括Amazon Context、Amazon Bedrock Knowledge Bases、Amazon S3 Vectors、Zero-ETL以及向量數(shù)據(jù)庫(kù)在內(nèi)的完整數(shù)據(jù)服務(wù)體系。

其目標(biāo)是將原本靜態(tài)存儲(chǔ)的數(shù)據(jù)轉(zhuǎn)化為Agent能夠理解、檢索和調(diào)用的知識(shí)資產(chǎn)，讓企業(yè)數(shù)據(jù)真正參與業(yè)務(wù)決策與價(jià)值創(chuàng)造。

Agentic平臺(tái)層：連接試驗(yàn)與生產(chǎn)環(huán)境

如果說模型決定智能體的能力上限，那么平臺(tái)則決定其規(guī)模化運(yùn)行能力。隨著企業(yè)內(nèi)部智能體數(shù)量從個(gè)位數(shù)增長(zhǎng)到數(shù)百甚至數(shù)千個(gè)，僅靠單點(diǎn)開發(fā)已無法滿足需求。亞馬遜云科技推出的Amazon Bedrock AgentCore，正是面向生產(chǎn)環(huán)境打造的智能體管理平臺(tái)。

該平臺(tái)支持異構(gòu)模型協(xié)同運(yùn)行、模塊化能力組合和統(tǒng)一開發(fā)框架，并提供運(yùn)行環(huán)境管理、權(quán)限控制、聯(lián)網(wǎng)搜索、護(hù)欄機(jī)制以及全局審計(jì)能力，幫助企業(yè)實(shí)現(xiàn)智能體全生命周期管理。從行業(yè)實(shí)踐來看，平臺(tái)能力正逐漸成為企業(yè)智能體應(yīng)用從概念驗(yàn)證走向規(guī)模化生產(chǎn)的重要分界線。

應(yīng)用層：讓Agent快速進(jìn)入業(yè)務(wù)場(chǎng)景

技術(shù)價(jià)值最終需要通過業(yè)務(wù)場(chǎng)景體現(xiàn)。

在應(yīng)用層，亞馬遜云科技已經(jīng)提供包括Kiro、Amazon Quick、Amazon Connect等在內(nèi)的成熟解決方案，覆蓋軟件開發(fā)、IT運(yùn)維、知識(shí)管理、客戶服務(wù)等多個(gè)領(lǐng)域。

其中，Amazon Quick新增自主Agent、動(dòng)態(tài)工作流以及跨數(shù)據(jù)源分析能力，能夠幫助企業(yè)員工處理事務(wù)性工作、整合跨系統(tǒng)信息并自動(dòng)生成業(yè)務(wù)洞察，讓智能體真正參與日常業(yè)務(wù)流程。

·從技術(shù)導(dǎo)向走向業(yè)務(wù)導(dǎo)向

技術(shù)體系只是起點(diǎn)。在儲(chǔ)瑞松看來，Agentic AI時(shí)代企業(yè)最大的挑戰(zhàn)并非技術(shù)，而是思維方式的轉(zhuǎn)變。

傳統(tǒng)數(shù)字化項(xiàng)目往往從技術(shù)選型開始，而智能體項(xiàng)目更應(yīng)從業(yè)務(wù)目標(biāo)出發(fā)。企業(yè)需要首先明確希望達(dá)成什么結(jié)果，再反向設(shè)計(jì)智能體能力、工作流程和技術(shù)架構(gòu)。

因此，一個(gè)成功的Agent項(xiàng)目通常需要具備明確的業(yè)務(wù)目標(biāo)、可量化的評(píng)價(jià)指標(biāo)以及安全可控的運(yùn)行邊界。企業(yè)需要像管理員工一樣管理智能體，明確其職責(zé)范圍、權(quán)限邊界、交付標(biāo)準(zhǔn)以及審核機(jī)制，并建立適應(yīng)人機(jī)協(xié)同的新型組織體系。

與此同時(shí)，治理能力的重要性正在持續(xù)提升。統(tǒng)一的權(quán)限管理、決策追溯機(jī)制、自動(dòng)化審計(jì)能力以及風(fēng)險(xiǎn)控制體系，不再只是安全要求，而是支撐智能體規(guī)模化部署的重要基礎(chǔ)。

· 用評(píng)估體系打通價(jià)值閉環(huán)

長(zhǎng)期以來，許多企業(yè)AI項(xiàng)目面臨一個(gè)共同問題：難以衡量?jī)r(jià)值。缺乏統(tǒng)一標(biāo)準(zhǔn)，導(dǎo)致項(xiàng)目難以持續(xù)迭代和規(guī)模推廣。針對(duì)這一挑戰(zhàn)，亞馬遜云科技在峰會(huì)上發(fā)布《企業(yè)生產(chǎn)級(jí)智能體開發(fā)指南白皮書》，提出“評(píng)估驅(qū)動(dòng)的AI Agent開發(fā)生命周期”方法論。

該方法論覆蓋標(biāo)準(zhǔn)制定、開發(fā)實(shí)現(xiàn)、效果評(píng)估、上線部署以及持續(xù)監(jiān)控和優(yōu)化等完整環(huán)節(jié)，將評(píng)估機(jī)制嵌入智能體全生命周期。同時(shí)，亞馬遜云科技還開源相關(guān)評(píng)測(cè)代碼與評(píng)估數(shù)據(jù)集，幫助企業(yè)建立可復(fù)制、可驗(yàn)證、可持續(xù)優(yōu)化的智能體開發(fā)體系。從某種意義上說，評(píng)估體系正在成為連接技術(shù)能力與業(yè)務(wù)價(jià)值的重要橋梁。

·從實(shí)踐案例看Agentic AI的商業(yè)價(jià)值

目前，亞馬遜云科技已經(jīng)在多個(gè)行業(yè)推動(dòng)Agentic AI落地。

小鵬汽車基于亞馬遜云科技構(gòu)建企業(yè)級(jí)AI研發(fā)平臺(tái)“靈犀”，覆蓋研發(fā)全生命周期。平臺(tái)上線后，AI代碼覆蓋率超過70%，構(gòu)建了700多個(gè)技能節(jié)點(diǎn)和400多個(gè)API節(jié)點(diǎn)，累計(jì)運(yùn)行超過14萬條工作流，核心流程成功率達(dá)到99.7%。

影石Insta360依托亞馬遜云科技五層技術(shù)架構(gòu)打造“時(shí)刻Pro”智能成片平臺(tái)，實(shí)現(xiàn)從拍攝到成片的全流程自動(dòng)化處理，不到一分鐘即可完成高質(zhì)量視頻生成。

月之暗面Kimi借助亞馬遜云科技全球基礎(chǔ)設(shè)施和AI服務(wù)能力，加速面向全球企業(yè)客戶提供模型服務(wù)，推進(jìn)國(guó)際化發(fā)展。

獵豹移動(dòng)則基于Amazon Bedrock AgentCore打造EasyClaw出海企業(yè)版，實(shí)現(xiàn)廣告素材生成、投放優(yōu)化與數(shù)據(jù)復(fù)盤等環(huán)節(jié)的智能化運(yùn)營(yíng)，為跨境營(yíng)銷場(chǎng)景帶來新的效率提升空間。

· AI競(jìng)爭(zhēng)正在回歸體系能力

從本屆峰會(huì)釋放出的信息來看，Agentic AI已經(jīng)進(jìn)入產(chǎn)業(yè)化加速階段。未來企業(yè)之間的競(jìng)爭(zhēng)，將不再局限于模型能力本身，而是圍繞數(shù)據(jù)資產(chǎn)、平臺(tái)能力、安全治理、人機(jī)協(xié)同以及業(yè)務(wù)落地能力展開更深層次的較量。

對(duì)于企業(yè)而言，真正的挑戰(zhàn)不是獲得一個(gè)更強(qiáng)的模型，而是構(gòu)建一套能夠持續(xù)創(chuàng)造價(jià)值的智能體體系。依托覆蓋基礎(chǔ)設(shè)施、模型、數(shù)據(jù)、平臺(tái)和應(yīng)用的全棧技術(shù)能力，以及長(zhǎng)期積累的數(shù)據(jù)和云計(jì)算優(yōu)勢(shì)，亞馬遜云科技正在幫助企業(yè)跨越從試點(diǎn)到規(guī)模化部署的關(guān)鍵階段。

當(dāng)AI Agent逐漸成為企業(yè)組織中的數(shù)字勞動(dòng)力，Agentic AI所帶來的，不僅是一次技術(shù)升級(jí)，更是一場(chǎng)關(guān)于生產(chǎn)方式和商業(yè)價(jià)值創(chuàng)造模式的深刻變革。