亞馬遜殺瘋了！連甩十大重磅發布，揭Agent大招、自研芯進展

智東西
作者 駿達 程茜
編輯 心緣

全球最大云計算巨頭的AI武器庫，又迎來重磅更新！

智東西拉斯維加斯12月2日報道，今日，在年度云計算產業盛會AWS re:Invent上，亞馬遜云科技（AWS）連甩一系列重磅AI新品，包括最新AI芯片Trainium4、基于其首款3nm AI芯片的Amazon EC2 Trainium3 UltraServers、第二代自研大模型Amazon Nova 2系列，以及大量Agent開發利器。

從AI基礎設施、AI推理平臺、企業數據管理到智能體開發工具、前沿智能體，通通迎來一大波升級。智東西作為受邀現場參會的媒體，從大會前排帶來超全干貨報道。

Amazon Nova 2系列首發4款模型：經濟高效推理模型Lite，高智能推理模型Pro，語音轉語音的實時擬人對話式AI模型Sonic，以及面向多模態推理和圖像生成的統一模型Omni。

其中，Nova 2.0 Pro Preview在指令跟隨、智能體工具使用榜單中，性能超過了GPT-5 mini、GPT-5.1、Claude Opus 4.5、Gemini 3 Pro Preview等前沿模型。

值得一提的是，Amazon Bedrock新增18款全托管開源模型，其中包括4款國內頂尖模型：阿里Qwen3-NEXT和Qwen3-VL、月之暗面Kimi K2 Thinking、稀宇科技MiniMax M2。

其他新增的前沿模型還有谷歌Gemma 3、英偉達Nemotron、OpenAI gpt-oss-safeguard、Mistral AI的Mistral Large 3和Ministral 3等。

總體來看，今日十大重要發布包括：

1、P6e新實例：采用英偉達GB300 NVL72系統。

2、AWS AI Factories服務：專用客戶定制AI基礎設施，由AWS快速構建和管理。

3、AWS Trainium4自研AI芯片：第四代自研AI芯片，相比上一代帶來6倍的計算性能（FP4）、3倍的FP8性能、4倍的內存帶寬、2倍的內存容量，并可通過NVLink Fusion和UALink實現縱向擴展。

4、Amazon EC2 Trainium3 UltraServers：由AWS首款3nm AI芯片Trainium3提供支持，提供大規模AI訓練和推理的高性價比，單集群可連接144張Trainium3芯片，算力達362PFLOPS（FP8），帶寬為706TB/s，相較上一代帶來4.4倍計算性能、3.9倍高內存帶寬、5倍的每百萬瓦token數。

5、Amazon Bedrock平臺：新增18款開源模型，模型數量過去一年翻倍增長，已擁有超過10萬客戶，其中50多家客戶均使用了超過1萬億個token。

6、Amazon Nova 2系列自研模型：包括Lite、Pro、Sonic、Omni。

7、Amazon Nova Forge服務：支持企業訪問Nova模型在不同階段的訓練檢查點，并將自有數據與亞馬遜的訓練數據集混合，構建定制前沿模型。

8、AgentCore開發工具：Policy in AgentCore（預覽版），使用細粒度權限策略，給agent行動設置明確邊界；AgentCore Evaluations（預覽版），使用評估器，根據現實世界行為來持續檢查agent質量。

9、4款前沿智能體：AWS Transform Custom（專為企業開發工作流程設計），Kiro autonomous agent（自主開發復雜編程任務）、AWS Security Agent（預覽版，保護全開發生命周期安全）、AWS DevOps Agent（預覽版，加快事件響應速度并提高系統可靠性）。

10、7款新實例、6項Amazon S3存儲升級、5項Amazon RDS數據庫更新、3項計算與加速優化新功能、4項管理與治理新功能。

一、新基建：全新AI芯片Trainium4性能飆6倍，幫企業定制專屬AI基礎設施

加曼稱，亞馬遜云科技是第一家在云中提供英偉達GPU的公司，其與英偉達合作已超過15年，也是迄今為止運行GPU集群最多的公司。

1、基于英偉達GB300 NVL72打造P6e-GB300

今天，亞馬遜云科技新發布采用英偉達最新的GB300 NVL72系統的P6e-GB300，相比P6e-GB200，新實例GPU內存容量提升至1.5倍，FP4計算性能（無稀疏）提升至1.5倍。

英偉達在亞馬遜云科技上運行其生成式AI集群。OpenAI也在亞馬遜云科技上基于EC2 Ultra Servers集群支撐ChatGPT運行及訓練下一個模型，部署了數十萬張GB200。加曼透露這些處理器很快將會變為GB300。

本月初，亞馬遜云科技還與沙特阿拉伯AI創企Humain建立了合作伙伴關系，計劃在沙特的數據中心設施中提供、部署和管理至多15萬個AI加速器。

2、AWS AI Factories滿足企業私有化部署需求

為滿足企業的私有化部署需求，今天亞馬遜云科技宣布推出AWS AI Factories。基于這一平臺，客戶能在自己的數據中心部署專用AI基礎設施，然后使用亞馬遜云科技的基礎設施和服務。

3、Amazon EC2 Trainium3 UltraServers

目前，Amazon Bedrock上運行的所有推理工具都由Trainium提供支持，亞馬遜云科技已經部署了100萬顆Trainium芯片，Trainium2的量產速度是其曾經芯片量產速度的4倍。

加曼稱，亞馬遜云科技的Trainium系列芯片雖然以“訓練”命名，但這些芯片其實也適用于推理用途。目前，亞馬遜云科技上的許多AI推理服務都是在Trainium芯片上運行的，包括Claude的前沿模型。

亞馬遜云科技還圍繞Trainium打造了一個超大規模系統，名為Project Rainier，用于Anthropic下一代Claude模型的訓練。

這一項目的規模十分龐大，加曼稱，如果過去大家常說單個數據中心已經成了新的計算機，Project Rainier則更進一步，讓由多個數據中心組成的園區，構成了一個計算機。

Project Rainier將會不斷擴大規模，最終支持高達30個單體數據中心，用掉1.1GW的電力，托管超過50萬個Trainium2芯片。相關計算設備會使用超過100萬個的高速連接器件，通過AWS EFA網絡實現安全、可靠的連接。

亞馬遜云科技于去年發布了Trainium3芯片，今天，加曼宣布Amazon EC2 Trn3 UltraServers服務器已經廣泛可用。與上一代產品相比，該服務器可提供4.4倍的算力和3.9倍的內存帶寬。

值得注意的是，Amazon EC2 Trn3 UltraSevers在能效比上也有提升，每兆瓦所處理的token數量達前代產品的5倍。

4、下一代AI芯片Trainium 4

加曼還透露，亞馬遜云科技的下一代AI芯片Trainium 4已深入設計階段。Trainium4預計能提供6倍的FP4性能，4倍的內存帶寬，2倍的內存容量，并支持通過NVLink Fusion和UALink進行擴展。

二、新模型：阿里、Kimi、MiniMax模型上架，第二代自研模型Nova 2四彈齊發

亞馬遜云科技Amazon Bedrock推理平臺已經擁有超過10萬客戶，使用其處理超1萬億個token的企業客戶已超過50家。

亞馬遜云科技一直以來的信條就是“選擇至關重要（Choice Matters）”，這也適用于模型的選擇。加曼稱，亞馬遜云科技認為AI的未來不會僅由1個模型統治，過去1年，Amazon Bedrock上提供的模型數量已經翻倍，DeepSeek、Qwen等中國模型也在支持范圍之內。

Amazon Bedrock還在今天新增了18款全托管開源模型，包括Qwen3-Next-80B-A3B、Qwen3-VL-235B-A22B、Kimi K2 Thinking、MiniMax M2等中國模型。此外，谷歌Gemma、英偉達Nemotron以及全新的Mistral Large 3和Ministral 3（3B、8B和14B版本）等模型也登陸Amazon Bedrock平臺。

亞馬遜云科技還發布第二代自研模型家族Nova 2系列，推出了4款新模型：Lite、Pro、Sonic和Omni。

Nova 2 Lite是一款快速且經濟高效的推理模型，適用于各種類型的工作負載，擁有不錯的指令遵循、工具調用、信息提取、代碼生成等能力。Nova 2 Lite在上述四大領域的能力基本全面超越了Claude Haiku 4.5、GPT-5 mini、Gemini 2.5 Flash等輕量級模型，僅在編程能力上略遜于GPT-5 mini。

Nova 2 Pro是Nova系列中最智能的推理模型，支持文字、圖像、視頻、語音四種模態輸入和文本模態輸出，適用于高度復雜的工作負載，尤其是Agent場景。在兩項Agent基準測試中，其表現已經超過了GPT-5.1（high）、Gemini 3 Pro Preview（high）等前沿模型。

Nova 2 Sonic則是亞馬遜云科技的下一代語音轉語音模型，支持文本和語音兩個模態的輸入輸出，能為AI應用提供實時、類人的對話式AI體驗。在語音理解和推理任務上，其性能已經超過了GPT Realtime、Gemini 2.5 Flash等。

Nova 2 Omni是Nova系列的新物種，也是業界首個支持文本、圖像、視頻和音頻輸入，并支持文本和圖像生成輸出的推理模型。不過，亞馬遜云科技尚未公布其基準測試成績。

三、新服務：開放Nova模型訓練檢查點，幫企業訓出專屬前沿模型

加曼談道，AI需要擁有理解公司數據的能力，才能真正為公司和客戶帶來巨大價值。

由于數據具有獨特性，企業往往不希望自己的專有數據被嵌入到第三方模型中，供他人使用。過去，業內讓企業數據和模型結合最常用的技術是RAG或向量數據庫，但這無法讓模型真正理解數據。想要教會模型理解行業知識，還是需要定制模型。

然而，如果從零開始定制模型是極為昂貴的，企業沒有足夠數據、足夠算力打造出強大的通用智能。

如果在開源模型的基礎上，通過微調、強化學習等方式打造行業模型，則有可能出現其他領域性能下降的風險。

亞馬遜云科技的解決方案，是Amazon Nova Forge。Nova Forge引入了“開放式訓練模型（Open Training Model）”的概念。

通過Nova Forge，企業可以獨家訪問各種Nova模型的訓練檢查點，并在模型訓練的任意階段，將自己的專有數據與亞馬遜創建的訓練數據集混合。這使得企業能夠產出一個深度理解企業信息的模型，同時不會遺忘模型已訓練的核心信息。

Nova Forge還提供了使用遠程獎勵函數和強化學習微調的能力，以進一步改進模型，讓企業可以將真實環境集成到訓練循環中。由于基礎模型已經理解業務，這些后訓練技術實際上會變得更加有效。

亞馬遜云科技已經和不少企業試點了Nova Forge服務。索尼便通過Nova Forge，對Nova 2 Lite模型進行了微調，使其適用于索尼自身的業務和運營。模型在引用一致性和文檔依據等任務上表現優于基準模型，索尼的目標是借此將索尼合規審查和評估流程的效率提升100倍。

四、新工具：給Agent開發設限和打分

今天，亞馬遜云科技宣布Amazon Bedrock AgentCore新增兩項新功能，幫助開發者快速構建Agent。自AgentCore SDK預覽版發布以來，其在5個月內下載量已超過200萬次。

此前，亞馬遜推出了為Agent設計的核心工具集AgentCore，包含部署、代碼解釋器、托管環境等諸多能力。在此基礎上，亞馬遜推出Policy in AgentCore預覽版和AgentCore Evaluation預覽版。

Policy in AgentCore允許開發者在AgentCore Gateway工具調用運行前攔截，使用帶有細粒度權限的策略，為Agent行為定義明確的界限，如使用哪些工具、如何使用工具，開發者也可以通過自然語言創建標準，如“報銷金額大于1000美元時，就阻止退款”等。

AgentCore Evaluation是一項全托管服務，幫助開發者持續監控和分析基于真實行為的Agent表現。開發者可以使用內置評估器來衡量常見的質量維度，如正確性、幫助性、工具選擇準確性、安全性、目標成功率和上下文相關性，還可以創建基于模型的定制評分系統，根據自己選擇的提示和模型進行業務定制評分。

所有AgentCore的評估結果都會在亞馬遜統一監控平臺CloudWatch被呈現。開發者還可以設置評估分數的警報和警報，主動監控Agent質量，并在指標超出可接受閾值時作出響應。

亞馬遜此前構建了Amazon Quick和Amazon Connect兩個Agent方案。

首先是Amazon Quick，可以幫助員工在幾分鐘內將觀點轉換成行動，指導深度研究和獲得詳盡分析，其會從獲取信息整理出詳細的研究報告；員工還可以創建小型Agent，幫助自己處理日常重復性工作。幾周前，亞馬遜在公司內部發布了Amazon Quick，目前其已擁有數十萬用戶。

其次是Amazon Connect，加曼談到在亞馬遜內部稅務團隊中的一個案例，該團隊創建了一個Agent，幫助其匯聚所有稅務數據來源、深入研究稅法政策變化。該Agent的另一個應用場景是客戶服務，可以將AI引入企業的聯絡中心。Amazon Connect業務的年度經常性收入已經超過10億美元。

五、新Agent：加速開發、優化編程、保護安全、增強可靠

加曼認為，對于試圖快速現代化其應用程序的開發團隊來說，目前最大的痛點之一就是處理技術債。在美國，技術債務每年給企業造成總計2.4萬億美元的損失，如今70%的IT預算都被用于維護遺留系統。

此前，亞馬遜云科技已經推出了AWS Transform，通過AI實現轉換流程的降本增效。在此基礎上，AWS今日推出了AWS Transform Custom，這一智能體幫助用戶創建自定義代碼轉換智能體，以實現任何代碼、API、框架、運行時或編程語言的翻譯和現代化。

例如，全球知名ERP軟件公司QAD便是用AWS Transform，將原本需要至少需要兩周才能完成轉換的項目，壓縮至3天。

今年早些時候，亞馬遜云科技發布了面向專業開發者的AI IDE “Kiro”。加曼稱，已經有數十萬開發者在使用Kiro，有開發者感嘆，用了Kiro之后，自己在過去5個月內交付的代碼，比過去10年還要多。上周，亞馬遜已經把Kiro定為該公司的官方AI開發環境。

為了進一步加強開發流程的自動化程度，亞馬遜云科技發布了全新的三個前沿智能體，讓Kiro在自主性、大規模可擴展和長期運行等領域的表現進一步增強。

Kiro Autonomous Agent是一個與開發工作流并行運行的自主開發智能體。它就像團隊的一名額外成員，能獨立處理復雜任務，讓工程師專注于核心創意。開發者只需指派一個復雜的、目標導向的任務，它能自行規劃、分解并執行所有必要步驟，直到交付可用代碼。

這一Agent還會越用越聰明，能長期、深度地理解代碼庫、團隊規范和過往決策，從每一次互動中學習，形成“集體記憶”，并應用所學知識到后續任務中。

AWS Security Agent則是一個持續、主動、內置的AI安全專家。它能在設計階段主動審查文檔，確保安全性；在編程過程中掃描代碼漏洞，并直接集成到GitHub PR中，為開發者提供即時、可操作的修復建議。

這一Agent還可以將滲透測試自動化，將傳統的、昂貴且周期長的滲透測試，轉變為可按需啟動、快速完成的自動化、持續驗證過程。

AWS DevOps Agent則將運維工作自動化，能自動診斷并修復問題。當警報觸發時，DevOps Agent會立即自動響應，診斷問題的根本原因，提供修改意見和修改方案，并交由工程師審查和批準。

六、新實例、新存儲、新數據庫、新加速、管理與治理

加曼最后用10分鐘公布了25個新發布。

7款新實例：搭載第五代AMD EPYC處理器的X8i Instances，內存增加超50%；搭載第五代AMD EPYC處理器的X8aedz Instances，計算性能是前一代X2iezn實例的兩倍；搭載第五代AMD EPYC處理器的C8a Instances，性能提升30%，性價比提升19%；搭載英特爾至強6的C8ine Instances，實例配置每個vCPU的數據包性能可比上一代C6in實例提升2.5倍；搭載第五代AMD EPYC處理器的M8azn Instances，計算性能是上一代M5zn實例的2倍。

還有兩款采用最新蘋果硬件的新實例：EC2 M3 UltraMacInstances、EC2 M4 MaxMacInstances。

面向開發者，亞馬遜云科技推出Lambda durable functions（持久函數），開發者可以利用內置的自動恢復功能構建長期運行的工作負載。

存儲方面，包括將S3最大對象大小從5TB提高到50TB，增加10倍；亞馬遜S3的數據管理功能S3 Batch Operations更新，在200億個對象的規模下，完成作業的速度提升10倍；為S3 Tables提供智能分層，節省80%存儲成本；S3 Tables支持AWS區域和賬戶間自動復制；擴展Amazon S3接入點，支持Amazon FSx for NetApp ONTAP；用于存儲和查詢向量的對象存儲S3 Vectors全面上市；利用GPU提升向量索引構建效率，速度提升10倍，僅需1/4成本。

計算與加速優化新功能，Amazon EMR Serverless提供Amazon EMR on EKS，允許用戶在不預先配置或管理存儲的情況下運行大數據工作負載。

Amazon RDS數據庫的更新包括：RDS for Oracle和RDS for SQL Server擴展存儲容量、RDS for SQL Server的CPU優化選項、對SQL Server開發者版本的支持，以及數據庫節省計劃。

管理與治理相關的新發布包括：為ECS和EC2新增GuardDuty擴展威脅檢測功能、提供近乎實時分析及風險優先級排序功能的Security Hub安全中心、CloudWatch統一數據管理和分析功能。

結語：Agent開發已成加速創新的大勢所趨

在主題演講中，加曼多次強調了Agent的重要性：Agent是企業從AI投資中看到實質性商業回報的地方。而為Agent系統、應用開發構建新的模塊，需要性能更強的AI基礎設施、推理平臺、企業數據、構建和部署Agent的工具。

Agent可自主感知業務需求并依據需求智能適配業務流程、動態調整執行策略，高效匹配業務場景的核心訴求，其已經成為釋放AI價值的重要載體。亞馬遜云科技在擴展加速計算產品線的同時，亦在不斷優化Agent開發和部署工具，推出滿足開發者多元化工作負載需求的新平臺、新工具。

據加曼回顧，今年第三財季，亞馬遜云科技的年化收入已經達到1320億美元，同比增長超20%。

過去一年，亞馬遜云科技增加了3.8GW數據中心容量。如今，亞馬遜云科技擁有全球規模最大、部署最廣泛的AI云基礎設施，全球數據中心網絡覆蓋38個地區、120個可用性區域，還宣布再增加3個地區。

亞馬遜云科技已經與全球頂尖的大模型公司建立合作，在其平臺陸續上架全球主流開源模型，下一步的重點，顯然已經是如何幫助更多客戶將Agent落地到真實業務中，產生更廣泛的商業價值。