亞馬遜云科技狂甩全家桶，要讓企業一站式落地Agent

文｜白 鴿

編｜王一粟

一年一度的“云計算春晚”亞馬遜云科技re:Invent 2025大會上，AI Agent（智能體）成為了當之無愧的主角。

從亞馬遜云科技首席執行官Matt Garman，到亞馬遜云科技Agentic AI副總裁Swami Sivasubramanian，都用了大量篇幅講述AI Agent。

這無疑也給世界傳遞出了一個明確的信號：Agentic AI時代，AI Agent已經從選擇題，成為了必答題。

當前，“Agentic AI已站在從‘技術奇跡’到‘實用價值工具’的關鍵轉折點，未來數十億Agent將滲透各行各業，助力企業實現10倍效率躍遷！”Matt Garman在開篇演講中說道。

可以看到，越來越多的 AI 技術正在走向產業端，但企業卻深陷 “ 搭建難、管理亂、落地貴 ” 的困境。 “ 為什么這些出色的 Agent 無法落地生產環境？ ” 這是很多企業領導共同的疑問。

這背后問題的根源，就在于大多數AI技術的實驗性項目，從設計之初就并未考慮“生產就緒性”，“我們需要補足這一差距，真正走出AI技術的PoC（概念驗證）牢籠。”Swami說道。

那么，如何讓Agent真正成為生產力工具，而非技術噱頭？

作為全球云計算的領航者，亞馬遜云科技在此次發布會上給出了答案。

亞馬遜云科技re:Invent 2025大會上，亞馬遜云科技詳細地展示了其在Agentic AI領域的全棧能力：從底層芯片、計算網絡等算力基礎設施，到中間模型訓練、開發工具，再到上層的Agent應用。

主打一個，只要你想參與AI浪潮，這里就提供一套真正的“開箱即用”的工具。

“AI Agent的未來，不在于能做所有事，而在于能可靠地做好每件事。”Swami說道，“而亞馬遜云科技是構建與運行AI Agent的最佳平臺。”

從“能搭建”到“管理好”,企業Agent的落地革命

越來越多的企業，開始將AI Agent應用到實際的業務場景中。

如海洋清理組織（Ocean Cleanup），他們通過AI技術，來優化塑料檢測模型、預測垃圾移動軌跡、最大化清理效率，確保在全球最關鍵的區域開展工作。艾倫研究所（Allen Institute），開發神經網絡模型，用于分析單細胞多模態腦細胞數據，并希望借此解鎖突破性療法。

但現實問題往往在于，企業想要構建并規模化部署這些出色的Agent系統，比它們想用AI解決的問題更具有挑戰。

那么，企業到底如何才能夠輕松構建可靠、精準且可擴展的Agent系統？

一般來說，Agent主要由三大核心組件構成：

一是基礎模型，其是Agent的大腦，負責推理、規劃和執行；

二是代碼，其定義Agent的“身份”，明確其能力范圍并指導決策過程；

三是工具，其是Agent“落地生效的”關鍵，可以看作是Agent的“手腳”；

想要發揮Agent真正的效果，就需要將這些組件進行協同編排，但“過去整合這些AI組件是極其繁瑣且脆弱的過程。”Swami說道，“我們希望新的世界中，構建Agent將成為更簡單的事情，開發者只需要定義模型、代碼、工具三大組件即可。”

基于這一愿景，亞馬遜云科技開發并開源了模型驅動AI Agent框架Amazon Strands Agents SDK，并引入到了TypeScript（計算機編程語言）平臺，讓開發者能夠使用AmazonSDK在TypeScript中構建完整的Agent堆棧。同時，其還新增了對邊緣設備的支持，人們現在可以在小型設備上運行的AI Agent，覆蓋從汽車、游戲機到機器人等領域的大量應用場景。

在Swami看來，各行各業的開發者都被這一框架的簡潔性和可擴展性所吸引，“短短數月時間，Amazon Strands Agents SDK的下載量已經突破了500萬次。”

如果說Amazon Strands Agents SDK讓開發者構建Agent更方便快捷，那么Amazon Bedrock AgentCore則讓規模化部署Agent成為可能。

一般來說，很多在PoC階段的AI技術，往往功能單一、缺乏模塊化，這就導致開發者不得不自己編寫一個邏輯來拼接這些解決方案，最終讓優秀的模型變成了維護的噩夢。

那么，亞馬遜云科技的Amazon Bedrock AgentCore平臺，可支持企業在大規模環境中以安全的方式構建和部署Agent。

盡管Agent具備自主推理和行動的能力，極具價值，但企業必須建立健全的控制機制，以防止未授權的數據訪問、不當交互以及可能影響業務運營的系統級錯誤。即便經過謹慎設計的提示詞，Agent在實際應用中仍可能出現失誤，導致嚴重的后果。

因此，在亞馬遜云科技Amazon Bedrock AgentCore最新更新的功能中，Policy功能可幫助團隊為Agent的工具使用設定明確邊界；Evaluation功能，則可以讓團隊了解Agent在實際場景中的表現。

兩者相互配合，就能夠打造既具備自主能力又遵循行為邊界的企業級Agent。

此外，當下大多數AI Agent在“記憶”能力上依然存在明顯短板。如果想讓Agent更加實用化，邁過能執行復雜工作的門檻，一個必須要解決的問題在于長期的記憶能力。

AgentCore Memory填補了這一關鍵能力空白，使Agent能夠隨著時間推移形成對用戶的連貫認知。它引入了全新的情景式功能，能夠幫助Agent從過往經驗中（上下文、推理、操作和結果）學習，讓AI隨著時間的推移逐步構建對用戶的連貫理解，進而輸出更加智能化的決策。

這些Agent開發平臺，能夠支持企業自主搭建Agent，并快速實現規模化部署應用落地。除這些平臺外，亞馬遜云科技還推出三大獨立的Agent產品，能夠被直接應用在企業流程當中。

如亞馬遜云科技推出的Kiro Autonomous Agent，是專為軟件開發打造的Agent，被Swami定義為“開發者的AI同事”。Kiro Autonomous Agent核心突破了從“被動執行”到“主動規劃”的跨越，通過“規范驅動開發”理念和持久上下文記憶能力，它能在向人類學習后，獨立處理復雜編程任務數小時甚至數天。

“當企業部署上百個Agent后，安全與故障風險會呈指數級增長。”Swami在演講中警示道。

為此，亞馬遜云科技同步推出Amazon Security Agent與Amazon DevOps Agent，分別承擔“虛擬安全工程師”與“虛擬運維專家”角色，將傳統被動響應模式升級為主動管理體系。

可以看到，Kiro Autonomous Agent、Amazon Security Agent與Amazon DevOps Agent共同開啟了軟件開發的新紀元。這些前沿Agent不僅提升團隊效率，更從根本上重新定義了當AI作為團隊延伸力量時所能實現的可能：在軟件開發生命周期中，自動交付部分成果。

而從簡潔可擴展，到支持大規模安全部署Agent的平臺，再到能夠直接內置企業業務流程應用的Agent工具，亞馬遜云科技已經為企業級Agent的落地提供了全方位服務能力，長出了能干活“手腳”。

Agent“大腦”,模型既要選對又要能定制

企業級Agent，“手腳”是影響其運行的關鍵，“大腦”則是影響其決策的關鍵。

Agent的“大腦”來自于基礎大模型的能力，想要構建一個有用且高效的Agent，不僅僅要選擇一個好的基座大模型，于企業而言，能夠根據企業業務量身定制，也成為了關鍵。

相比于其他云計算廠商主推一款基座大模型，亞馬遜云科技一直非常開放，堅持“模型選擇大于一切”，讓全球主流大模型都能在這里跑起來。

也正因此，Amazon Bedrock集成了世界主流大模型產品，為用戶提供了豐富而多元的模型選擇，覆蓋開源模型、通用模型以及專用模型等多種類型。

此次，Amazon Bedrock還引入了多款最新開源模型，包括谷歌的Gemma、NVIDIA的Nemotron，以及來自中國的大模型廠商KIMI和Minimax的最新模型。

當然，除了外部模型外，亞馬遜云科技自研的大模型產品Amazon Nova家族也迎來了更新，推出了Amazon Nova 2系列四個版本。

而除模型選擇外，更為重要的是，Amazon Bedrock還能夠為企業提供模型微調服務。

如其最新更新的強化學習微調（RFT），經過微調后的模型與基礎模型相比，準確率可提升66%，大幅降低了模型定制化的門檻。針對特定任務的專業化訓練Model Distillation旨在創建更小更快的模型，能夠帶來10倍的速度提升，同時保留95%-98%的性能。

但Swami也坦言，盡管Amazon Bedrock已為企業提供了簡單強大的模型微調方式，但仍有許多企業需要對模型進行定制化，并希望利用自己的數據訓練大模型，從而構建企業競爭壁壘。

畢竟，“再好的通用模型，也無法替代企業的專有數據。”Swami說道。

這其中，主要面臨兩個問題：一個是如何基于技術對基座模型進行調優，一個是如何將自有數據充分且安全的融入到基座模型當中。

針對這兩個問題，亞馬遜云科技推出了兩個全新的產品：

首先是Amazon SageMaker，它能夠為企業提供“構建、訓練、部署專屬AI模型”所需的一切能力，可支持任意規模的大模型使用。

據介紹，Amazon SageMaker AI可以支持“模型蒸餾、監督微調、直接偏好優化（DPO）”等所有定制技術，可進行“全權重訓練”或“參數高效微調”，滿足企業任意業務場景需求。借助SageMaker AI的全面能力，企業能夠將“想法到生產”的周期從“數月縮短至數天”。

以印度Dunn公司為例：他們需要一個“深度理解印度金融市場復雜性”的大語言模型，其以Mistral-7B為基礎模型，構建了專屬模型“Arthur M”（70億參數）。整個過程中，其使用Amazon SageMaker AI進行模型構建與訓練，借助Bedrock獲取基礎模型支持。

“最終，這個定制模型只需要單個GPU，就能夠運行，且在88%的場景中，性能超過現有頂級模型，運營成本也僅為前者的一小部分。”Swami說道。

其次是Amazon Nova Forge，其向企業開放Nova模型的全階段訓練檢查點，即從預訓練到后期優化，企業可隨時注入自有數據與亞馬遜精選數據集混合訓練，打造專屬“Novellas”模型。

這就像在建造房子時，企業可以在打地基、架結構、做裝修的任何階段加入自己的設計，而非在現成房子里改造。

在功能層面，Amazon Nova Forge提供三大核心能力：

首先，自定義強化學習“gym”（訓練環境）。企業可以使用自身業務場景構建強化學習環境（即“gym”），讓模型在高度貼近真實應用的模擬場景中持續學習和優化。

其次，構建更小、更快的高性價比模型。客戶可通過合成數據蒸餾方式，利用更大模型生成的示例訓練更小、更高效的模型，從而在顯著降低成本與延遲的同時，盡可能保留智能水平。

第三，負責任AI工具套件。Nova Forge提供一套負責任AI工具，幫助客戶在模型訓練和應用部署中實施安全控制，滿足合規和治理要求。

據悉，目前包括Booking.com、Cosine AI、Nimbus Therapeutics、野村綜合研究所、OpenBabylon、Reddit和索尼等多家企業或機構，已經開始利用Nova Forge構建更契合自身需求的專屬模型。

當企業通過Amazon Nova Forge構建了自有前沿模型后，即可將其部署在Amazon Bedrock上，享受與其他Amazon Bedrock模型一致的企業級安全性、可擴展性和數據隱私保護。

通過這一端到端方案——從自建前沿模型，到生產環境部署——企業可以獲得針對自身業務量身定制的最佳AI性能，并在亞馬遜云科技上安全托管、獨享其模型資產。

“我們的目標是模型普及化。”

Swami強調，即使沒有深厚AI技術積累的企業，也能通過Amazon Bedrock的低代碼界面完成定制，訓練周期從數月縮短至數天，成本降低70%。

當前，面向AI Agent時代，越來越多的企業開始從“構建什么”向“如何快速構建”轉變，而在這一趨勢背景下，亞馬遜云科技通過全棧式一體化能力，為企業級Agent落地“保駕護航”。

AI算力基礎設施,是企業Agent的落地根基

如果說Agent是AI應用的最終產品形態，大模型是“大腦”，那么算力，就是支撐這一切的“心臟”。

作為全球云計算的一哥，亞馬遜云科技早已經構建了從芯片，到智算集群的底層算力基礎設施體系。而現在，亞馬遜云科技通過“自研芯片+生態合作”的雙引擎算力體系，以性能、能效、擴展性的三重突破，破解企業AI落地的算力瓶頸，同時強化自身在AI時代的算力基建優勢。

一方面，從底層芯片層面來看，本次大會上，Matt Garman宣布正式發布Amazon Trainium3 UltraServers，這是亞馬遜云科技首款搭載3納米工藝AI芯片的服務器。

相較Amazon Trainium2，不僅計算能力提升4.4倍、內存帶寬提升3.9倍，每兆瓦算力可處理的AI token數量更實現了5倍增長。服務器最高配置144個芯片，提供驚人的362 Petaflops FP8計算能力。在運行OpenAI的GPT-OSS-120B模型時，每兆瓦輸出token數是Amazon Trainium2的5倍以上，實現超高能耗比。

除了Amazon Trainium3 UltraServers外，Matt Garman還首次披露了Amazon Trainium4芯片，承諾將實現較Amazon Trainium3六倍的FP4計算性能、四倍內存帶寬和兩倍高內存容量，持續鞏固亞馬遜云科技在AI芯片領域的長期卓越地位。

目前，亞馬遜云科技已完成超100萬個AmazonTrainium2芯片的規模化部署，為Amazon Bedrock中大部分推理工作提供核心算力支持，包括Claude最新一代模型的高效運行。

而除了自研芯片產品外，亞馬遜云科技還與NVIDIA合作已達15年，是業界最早在云端提供NVIDIA GPU服務的廠商。這種深度綁定讓企業能獲得“經過頂級客戶驗證”的成熟算力方案。

綜上，通過復盤亞馬遜云科技re:Invent 2025大會不難看出，面向AI Agent時代，其核心競爭力并非單一產品，而是“垂直整合+開放生態”的雙重優勢：

底層通過自研芯片（Tranium）與全球基建，掌控算力定價權與交付能力；

中層以Bedrock為樞紐，用開放模型生態覆蓋多元需求，用定制工具（Nova Forge）深度綁定客戶；

上層通過AgentCore與行業Agent，打通從模型到應用的“最后一公里”。

這種布局回應了企業AI轉型的三大痛點：算力成本高、模型適配難、落地風險大。

當云計算進入“AI原生”時代，亞馬遜云科技正在用全棧能力證明：真正的AI領導者，不僅要提供技術，更要構建讓技術產生價值的生態系統。

從芯片到模型，從數據到Agent——亞馬遜云科技也正在構建完整的AI價值閉環，助力企業真正駕馭智能變革。

正如Matt Garman所公布的1320億美元年收入營收背后的20%增速所昭示的，在AI重構產業的浪潮中，亞馬遜云科技既是參與者，更是規則制定者。