亞馬遜云科技最強 AI Agent 陣容發布，設計火箭也不在話下

顧名思義，re:Invent 不僅是亞馬遜云科技年度峰會的名字，更是其每年向外界傳達的核心：在這個行業，唯一不變的就是不斷推翻過去的自己。

如果說過去十年的 re:Invent 是關于如何將計算資源「重塑」為像水電一樣唾手可得的基礎設施，那么今年則釋放了一個截然不同的信號：云計算的下半場，競爭焦點已從「提供資源」重塑為「提供能力」。

在拉斯維加斯，亞馬遜云科技以 10 分鐘發布 25 個新品的極高密度，試圖回答一個困擾行業的問題：為什么大模型熱鬧了兩年，企業級應用的大爆發卻遲遲未到？

亞馬遜云科技向世界給出的答案是：屬于企業的 Agentic AI 時代已經到來。

「太長不看」版：
? Frontier Agents 家族登場：推出 Kiro Autonomous Agent、Security Agent 和 DevOps Agent 三款前沿 Agent，將軟件開發、安全和運維帶入自動化新范式。
? 自研芯片再進化：正式推出 Amazon Trainium3 UltraServers，性能提升 4.4 倍。同時預告了下一代性能更強的 Trainium4 芯片。
? 自研模型家族全面升級：發布 Amazon Nova 2 模型家族，包含 Lite、Pro、Sonic（語音）、Omni（多模態）四個核心模型，覆蓋從輕量到復雜的全場景需求。
? Amazon Bedrock 擁抱中國大模型：Amazon Bedrock 平臺進一步擴容，首次納入Kimi、MiniMax、Qwen等多個中國頂尖大模型。
? 模型定制化革命：推出 Amazon Nova Forge，首創「開放式訓練模型」理念，允許企業將自有數據融入基礎模型的預訓練階段，創造深度定制的專屬模型。
? Agent 行為治理：發布 AgentCore Policy 和 AgentCore Evaluations，用自然語言為 AI 代理設定行為邊界，并持續評估其工作質量，解決企業應用 AI 的可信度與可控性難題。
? 云邊界的消融：發布「Amazon AI Factories」，將亞馬遜云科技的 AI 基礎設施直接部署到客戶自己的數據中心。

生產力重塑：把 AI 從「工具」變成「同事」

過去兩年，我們習慣稱呼企業生產環境中的 AI 為 Copilot，但在亞馬遜云科技看來，這還不夠。Copilot 或者說傳統的 AI「助手」，需要你時刻緊盯，并根據其任務和表現隨時調節指令；但企業真正渴望的，是能夠領受目標、獨立思考并調用各種工具完成任務的 Agent。

因此，近幾年亞馬遜云科技的敘事核心，正從提供工具轉向提供「工作者」。在本屆 re:Invent 上，我們能看到亞馬遜云科技將大部分時間都留給了 AI Agent，并帶來了有史以來最大規模的 Agent 部署戰略。

AI Agent 的價值在于「行動」，它們是區別于 AI 助手的全新物種，被賦予了自主規劃、長期運行和并行執行復雜任務的能力。 ——亞馬遜云科技 Agentic AI 副總裁 Swami Sivasubramanian

AI Agent 大規模部署的第一步，就是設計出各懷本事的「數字員工」。

作為這一理念的具象化， Frontier Agents 正式發布。其中 Kiro autonomous agent（虛擬開發者）、Amazon Security Agent（安全顧問）和 Amazon DevOps Agent（運維專家）等 Agent 已經在多家企業「試崗」，表現出了極佳的效率。

例如，虛擬開發者 Kiro autonomous agent 可以連接上 Jira 和 Slack，領會團隊的業務邏輯和協作規范，以符合標準的方式晝夜不停地完成跨庫變更和 bug 修復等瑣碎工作，讓團隊成員可以更專心于關鍵的創新部分。

在亞馬遜云科技內部的一個案例中，一支 6 人團隊利用 Kiro，在短短 76 天內做完了原計劃需要 30 人耗時 18 個月才能完成的架構重構工作。期間 Kiro 自主分析了 15 個微服務，在幾乎全程「無人駕駛」的狀態下測試和提交代碼。

和亞馬遜關系緊密的藍色起源（Blue Origin），更是大膽地將這套流程引入到了航空系統設計：從細化需求、物料溝通到更高技術力的系統架構和物理仿真，藍色起源通過內部的 BlueGPT 平臺調用了多個 Agent 來支持研發，讓總體交付速度提升了 75%。

Agent 行動力升級的背后，是模型「大腦」的升級。支撐各種 Agent 的 Amazon Nova 模型家族全面升級至第二代，包含主打高性價比的 Amazon Nova 2 Lite、亞馬遜最強智能模型 Amazon Nova2 Pro、專注類人語音對話的 Amazon Nova 2 Sonic，以及行業首個真正統一的多模態模型 Amazon Nova 2 Omni。亞馬遜云科技堅持「沒有一個模型能統治一切」的哲學，多樣化的模型家族為的是讓 Agent 更聽話、更能干活。

為了讓企業敢于將這些強大的 Agent 引入核心工作流，亞馬遜云科技打造了 Amazon Bedrock AgentCore——這是為 Agent 構建平臺 Bedrock 附加的全套行為治理體系。

通過 AgentCore Policy 功能，管理者可以用「禁止向金額超 1000 美元的客戶退款」這樣的大白話，為 Agent 設定不可逾越的「紅線」，避免 AI 的錯誤行為造成公司重大損失；AgentCore Evaluations 功能則提供了 13 種內置評估器，像績效考核一樣持續監測 Agent 的工作質量；而全新的 AgentCore Memory 功能則引入「情景式記憶」，讓 Agent 能從過往經驗中學習，記住用戶的偏好和上下文。

值得一提的是，亞馬遜云科技還展現出了極大的生態包容性。在 Amazon Bedrock 平臺上，我們發現了 DeepSeek、Kimi、MiniMax和 Qwen 的身影。這意味著，企業可以在亞馬遜云科技的全球基礎設施上，無縫調用中國最頂尖的 AI 模型能力，比如擅長推理和調用工具的 Kimi K2 和專注 Coding 的 MiniMax M2。

很顯然，亞馬遜云科技下一步的愿景，是將企業的生產力單元從個人升級為「人+Agent」的混合團隊，讓人類只處理那些真正有價值的問題，徹底解放生產效率。

成本重塑：算力降本增效，擊穿價格底線

將 AI 做成像水電一樣的基礎設施，向來是業內最感興趣的話題之一。但相信不少人注意到了，現在的「算力費」似乎太貴，貴到足以扼殺大多數企業的創新驅動。

而亞馬遜云科技的核心競爭力剛好在于，它總能以完整體系和極致的工程能力，強行把價格「打下來」。

在首日的 Keynote 中，亞馬遜云科技首席執行官 Matt Garman 宣布推出云端首款 3nm 工藝 AI 芯片 Trainium3，還順勢公開了以其為基礎的 Amazon Trainium3 UltraServers，為企業提供 AI 訓練和推理所必須的算力。

最多可將 144 塊 Trainium3 芯片整合到同一系統中的 Amazon Trainium3 UltraServers，相比起上一代，算力提升了 4.4 倍，內存帶寬提升 3.9 倍，更關鍵的是，能效提升了 40%。這意味著，在同樣的電力消耗下，企業能獲得 5 倍的 token 產出。

自研芯片，是亞馬遜云科技對抗昂貴 GPU 的底氣，也是向企業做出的一種承諾：讓 AI 訓練和推理不再是巨頭的特權。包括 Anthropic、理光和 Splash Music 在內的客戶，已經通過 Trainium，將訓練成本降低了 50%。

更進一步，亞馬遜云科技已經預告了下一代芯片 Trainium4，其 FP4 計算性能將再提升 6 倍，內存帶寬提升 4 倍，以超越摩爾定律的提升速度，滿足全球最大的模型訓練需求，并降低企業的成本焦慮。

除了提升硬件能效，如何在軟件端減少算力消耗，也是企業「精打細算」的重要部分。在這方面，亞馬遜云科技來了一手漂亮的「軟硬協同」：

亞馬遜云科技認為，企業不總是需要用最大的模型，因此最新推出的 Amazon Bedrock Model Distillation（模型蒸餾）允許企業用大模型（老師）來教導小模型（學生），最終用 1/10 的成本實現相似的高性能。配合 Amazon S3 Tables 和 Aurora DSQL 等存儲和數據庫技術對海量數據的專項優化，亞馬遜云科技正在系統性地擠掉 AI 成本中的水分。

一切上層應用的創新，都離不開底層基礎設施的支持。只有當算力像水電一樣廉價且唾手可得時，AI 應用的爆發才具有了現實基礎。

邊界重塑：「送貨上門」，打破云能力的地點限制

長久以來，公有云和私有數據中心之間隔著一堵無形的墻。出于數據主權、低延遲或合規的要求，許多企業敏感部門的關鍵業務無法上云，也無法運用上述的 AI 能力。

亞馬遜云科技決定推倒這堵墻。

全新發布的 Amazon AI Factories 提供了一種極具想象力的「曲線救國」方案：如果你不能上云，那我就把云搬到你家里。

換句話說，亞馬遜云科技可以將包含 Trainium 或 NVIDIA 芯片的全套服務機柜，直接「快遞」部署到客戶的數據中心。這里賣的不光是服務器，還有一整套由亞馬遜云科技管理的、與公有云體驗一致的算力環境。

對于像沙特阿拉伯主權財富基金（PIF）控股的人工智能公司 HUMAIN 這樣的主權級客戶，或金融、醫療等強監管行業，AI Factories 尤其契合需求。他們利用現有的機房空間和電力，就能立刻接入先進的 AI 基礎設施。

同時，亞馬遜云科技還推出了Amazon Interconnect，首發與 Google Cloud 合作，打破了云廠商之間的物理隔閡。這顯示了他們的務實姿態：承認「多云」是現實，并主動打通經脈。

至此， 亞馬遜云科技完成了從「云服務商」到「泛在算力基礎設施提供商」的身份轉換。云的定義不再局限于亞馬遜云科技的機房，而是延伸到了客戶需要的任何角落。

體驗重塑：消除「技術負債」，回歸創造本源

技術的終極目標是什么？是讓人類從繁瑣中解脫，去從事真正的創造活動。

理想很美好，但在現實中，很多人不得不將時間花在對付那些年紀比自己還大的古老系統上。城市規劃領域有一個詞叫「基建詛咒」，它指的是早期的大規模基建，會在日后造成巨大的維護成本，并將組織資源「綁架」在維護老舊資產上，無法投入新技術、新線路或更新換代。

類似地，全球企業每年在維護舊系統、修補過時代碼等「技術負債」上的花費高達 2.4 萬億美元，程序員和運維工程師厭惡這些重復性的「臟活累活」，卻又囿于現實深陷其中。

在 re:Invent 上，亞馬遜云科技宣布，要用 AI 砍掉這些「無用功」。

最新發布的 Amazon Transform 升級版，就是為了鏟除這些技術負債。利用 Agentic AI ，它能將將陳舊的代碼（如 COBOL、舊版 Java）自動升級為現代化語言，甚至能完成 Windows 應用向 Linux 的遷移。比起人力更新，其現代化改造速度可提升 5 倍，時間和成本減少 80%。

能夠減輕企業負擔的，還有 Amazon Nova Forge。它引入了「開放訓練模型」的理念，允許企業在模型的預訓練階段就將自有數據（如產品設計文檔、失敗案例）與亞馬遜云科技的通用數據集融合，訓練出深度理解自身業務的專屬模型 （Novella），從根源上解決傳統微調的「災難性遺忘」問題。Reddit 已成功運用這一技術，訓練出能精準識別違規內容的專屬模型，大幅簡化了部署運維工作。

在這里，亞馬遜云科技所做的事情就是打破詛咒，借助 AI 的能力實現低成本更新維護，并將舊資產中有價值的部分，融入企業專有的 AI 知識庫。

只有感受不到「基建」的沉重，企業才能全情投入到業務創新之上。

云計算步入下半場，亞馬遜云科技的規劃才剛剛開始

如果說云計算的上半場，是將計算、存儲、網絡變成了像水和電一樣的「基礎設施革命」，核心是「資源的民主化」，那么以 AI Agent 為核心的下半場，云計算正在開啟一場「能力的民主化」革命。

亞馬遜云科技的云正在試圖告訴市場：AI 時代的競爭，不再是看誰的模型參數更大，而是看誰能把 AI 的使用門檻降得更低、成本控得更好、邊界管得更嚴。

這一轉變意味著，未來企業數字化轉型的重心，正從相對簡單的、將業務搬上云端的「流程管理」，遷移到將業務目標托付給無數個自主運行 AI Agent 的「能力委托」問題上。

而幫助企業應對這一轉型挑戰，正是亞馬遜云科技在 re:Invent 2025 上傳遞的核心價值：將 AI 時代巨大的技術復雜性和不確定性，轉化為企業確定性的競爭優勢。

當 Matt Garman 在十分鐘內如數家珍般發布 25 項基礎設施更新時，他宣示不只是亞馬遜云科技堪稱恐怖的工程效率，更是一套嚴密、務實且強大的工業化 AI 體系。從自研芯片到全模態模型基座，從打破物理邊界的數據中心到自主工作的「數字員工」，亞馬遜云科技將過去只有少數科技巨頭才能企及的、構建復雜 AI 系統的能力，轉變為一種所有企業都可以按需取用的標準化服務。

在這種敘事中，企業可用的 AI 工具只會越來越豐富，門檻只會越來越低，那么相應地，運用 AI 讓企業生產效率驟升的「價值時代」，也正在快速步近。