站在2025年末的視角回望，AI技術(shù)正在經(jīng)歷一場靜水流深的范式轉(zhuǎn)移。

如果說過去兩年的AI局限于對話機器人的單一形態(tài)，那么2025年無疑是智能體（Agent）的原點。我們見證了AI角色的根本性質(zhì)變：它不再是那個被動等待指令的對話框，而是進化為具備自主思考、拆解復雜任務(wù)并主動調(diào)用工具交付結(jié)果的智能主體。它不再止步于文本生成，而是以“數(shù)字化員工”的身份，真正嵌入企業(yè)的核心業(yè)務(wù)流。

然而，伴隨著技術(shù)愿景討論的升級，資本市場情緒卻在狂熱之后回歸了冷靜。在經(jīng)歷了數(shù)年的大規(guī)模基礎(chǔ)設(shè)施投入后，華爾街與企業(yè)決策者開始更嚴肅地審視賬單。關(guān)于AI泡沫的討論不絕于耳：科技巨頭們在AI基礎(chǔ)設(shè)施上的資本支出已攀升至萬億美元的量級，但所換回的營收增長在短期內(nèi)卻顯得不成比例。

擺在所有技術(shù)廠商面前的一道考題變得異常尖銳：AI能不能不僅是昂貴的玩具，而是成為成本可控、產(chǎn)出明確的生產(chǎn)力工具？

在剛剛結(jié)束的2025亞馬遜云科技re:Invent中國行北京站中，這家全球云計算的領(lǐng)軍者給出了一份極具份量的答卷。作為一個年收入超過1320億美元、在如此巨大體量下依然保持20%同比增長的超級平臺，亞馬遜云科技沒有選擇回避當下的泡沫論，而是用工程化思維正面回應(yīng)了市場的焦慮。

透過大會發(fā)布的一系列從底層芯片到上層應(yīng)用的密集更新，我們看到的不再是空中樓閣般的愿景，而是一套嚴絲合縫的系統(tǒng)化解題思路。面對虛高的成本水分，亞馬遜云科技正在利用其覆蓋軟硬件全棧的掌控力，從自研芯片對摩爾定律的挑戰(zhàn)，到將Agent開發(fā)流水線化的標準工具，試圖重構(gòu)AI的成本模型。他們不僅只在云端售賣算力，更在為AI從嘗鮮期走向深水區(qū)鋪設(shè)一條切實可行的道路。

基礎(chǔ)設(shè)施的極限突圍：打破算力與存儲的剛性約束

在重塑AI商業(yè)價值的路徑上，算力與數(shù)據(jù)成本是橫亙在企業(yè)面前的第一道門檻。當模型參數(shù)量呈指數(shù)級增長，單純依靠堆砌現(xiàn)有硬件已無法維持可持續(xù)的投入產(chǎn)出比。亞馬遜云科技深知，要讓AI真正從昂貴的嘗試變?yōu)槠占暗纳a(chǎn)力，必須在基礎(chǔ)設(shè)施的底層邏輯上進行深度的重構(gòu)與革新。

在談?wù)揂I之前，必須先穩(wěn)固地基。云的核心服務(wù)包括底層的計算、存儲和網(wǎng)絡(luò)，是所有上層應(yīng)用賴以生存的土壤。

在本次大會上，亞馬遜云科技對這些服役多年的老將進行了近年來最激進的一次集體升級，尤其是作為核心業(yè)務(wù)的Amazon S3，正在經(jīng)歷一場適應(yīng)AI時代的蛻變。

首先，Amazon S3將單個對象的最大容量上限從沿用了多年的5TB提升到50TB。這一改變看似只是參數(shù)的調(diào)整，卻極大地簡化了保存和加載千億參數(shù)模型時的流程，消除了繁瑣的手動切分工序。

其次是存儲形態(tài)的革命性創(chuàng)新：Amazon S3 Vectors。在RAG（檢索增強生成）日益普及的今天，向量數(shù)據(jù)成為企業(yè)的核心資產(chǎn)。傳統(tǒng)的向量數(shù)據(jù)庫方案雖然快，但成本高昂且難以維護海量數(shù)據(jù)。本次正式發(fā)布的S3 Vectors讓用戶可以在S3中直接存儲和管理數(shù)萬億級的向量數(shù)據(jù)，并將存儲與查詢的總體成本降低90%。同時Amazon OpenSearch Service新增了GPU向量索引加速功能，能夠提升10倍的創(chuàng)建速度，成本只需原來的四分之一。

計算資源的雙軌策略：生態(tài)兼容與自研突圍

在算力供給側(cè)，亞馬遜云科技采取了務(wù)實的“雙軌策略”：既通過與NVIDIA的深度綁定確保生態(tài)兼容性，又通過自研芯片戰(zhàn)略提供極致的性價比選擇。

一方面，亞馬遜云科技延續(xù)了作為NVIDIA最佳云上平臺的定位。雙方長達15年的合作在本次大會上產(chǎn)出了新成果——搭載NVIDIA最新GB300 NVL72系統(tǒng)的Amazon EC2 P6e實例。而NVIDIA自己的大規(guī)模GPU集群Project Ceiba也選擇運行在亞馬遜云科技的平臺上，這本身就是對平臺可靠性的有力背書。

另一方面，為了打破算力成本的剛性約束，亞馬遜云科技正在加速構(gòu)建以 Amazon Trainium等自研芯片為核心的自研算力體系。這不僅是技術(shù)的自證，更是為客戶提供差異化成本選擇的戰(zhàn)略舉措。

雖然名為“訓練”芯片，Trainium在推理場景的表現(xiàn)同樣優(yōu)秀。目前，Amazon Bedrock平臺上的Anthropic Claude背后的推理算力全部由Trainium支撐。市場數(shù)據(jù)佐證了這一路線的成功：亞馬遜云科技已部署超過100萬片自研芯片，其中Trainium2的部署速度達到了前代產(chǎn)品的四倍。

在本次re:Invent上，這一自研路線迎來了里程碑式的代際飛躍——基于Amazon Trainium 3的Amazon EC2 Trn3 UltraServers服務(wù)器正式落地。

作為亞馬遜云科技專為大規(guī)模AI訓練和推理打造的最新一代芯片，Trainium 3展現(xiàn)了驚人的性能提升：相比前一代，Amazon Trainium3 UltraServers帶來了多達4.4倍的計算能力和3.9倍的內(nèi)存帶寬。更值得關(guān)注的是其在能效上的極致優(yōu)化——每兆瓦功耗處理的token數(shù)量提升了五倍。

此外，亞馬遜云科技還披露了正在研發(fā)中的Amazon Trainium 4，預計將帶來六倍的FP4計算性能。這種對于摩爾定律的持續(xù)挑戰(zhàn)，無疑將大幅拉低AI算力的價格門檻。

為了支撐如此強大的算力集群，亞馬遜云科技提出了“數(shù)據(jù)園區(qū)即計算機”的構(gòu)建理念。Claude最新一代模型所依賴的Project Rainier項目，正是基于這種物理上連通的數(shù)據(jù)中心集群構(gòu)建的。

Amazon AI Factories：把云端算力搬進企業(yè)

除了公有云的演進，亞馬遜云科技也敏銳地捕捉到了企業(yè)在合規(guī)與數(shù)據(jù)主權(quán)上的顧慮。為此，Amazon AI Factories 應(yīng)運而生。

它允許客戶利用現(xiàn)有的數(shù)據(jù)中心空間和電力資源，由亞馬遜云科技“上門”建設(shè)和管理最先進的AI基礎(chǔ)設(shè)施。無論是NVIDIA GPU還是自研芯片，都能以完全隔離的方式運行在企業(yè)的物理圍墻之內(nèi)，為擁有自有數(shù)據(jù)中心資產(chǎn)的企業(yè)提供了一條兼顧安全與效率的現(xiàn)代化路徑。

模型超市的哲學：從DeepSeek到Claude，給企業(yè)最大的自由

如果說基礎(chǔ)設(shè)施是AI的燃油，那么模型就是決定車輛性能的引擎。在過去的一年中，市場對大模型的認知經(jīng)歷了一次深刻的矯正：企業(yè)不再迷信唯參數(shù)論的單一超級模型，而是開始尋找最適合特定業(yè)務(wù)場景、性價比最高的模型組合。

亞馬遜云科技一直以來的信條是“選對模型至關(guān)重要”，這一理念在Amazon Bedrock平臺上得到了徹底貫徹。作為一個全托管的生成式AI服務(wù)平臺，Amazon Bedrock目前已擁有超過10萬家客戶。在本次大會上，亞馬遜云科技進一步擴充了其模型貨架，新增了包括Google的Gemma 3、NVIDIA的Nemotron和OpenAI的GPT OSS Safeguard 等18款開源模型，為企業(yè)提供真正的“模型超市”。

在這次更新的名單中，最值得關(guān)注的是國內(nèi)頂尖大模型在Amazon Bedrock平臺上的進一步集結(jié)。除了此前已經(jīng)上架DeepSeek和阿里千問，本次更新正式引入了備受矚目的Kimi K2 Thinking和MiniMax M2。

對于正在通過亞馬遜云科技布局全球業(yè)務(wù)的出海企業(yè)而言，這意味著一種巨大的紅利。過去，企業(yè)在海外拓展業(yè)務(wù)時，往往面臨著技術(shù)棧斷層的挑戰(zhàn)：要么需要重新適配陌生的模型架構(gòu)并調(diào)整原有的提示詞策略，要么需要投入大量精力自建GPU集群來運行熟悉的國內(nèi)模型，這無疑增加了技術(shù)落地的復雜度和運維成本。

如今，企業(yè)可以在Amazon Bedrock這套全球統(tǒng)一的基礎(chǔ)設(shè)施之上，直接調(diào)用Kimi的推理能力或MiniMax的語境理解能力。這種全球算力底座配合本土優(yōu)勢模型的組合，讓企業(yè)無需改變既有的開發(fā)習慣，即可在全球范圍內(nèi)實現(xiàn)業(yè)務(wù)的無縫延展。這代表了亞馬遜云科技作為一個中立平臺的開放姿態(tài)：不尋求自研模型壟斷，而是通過兼容并包，讓客戶擁有最大的選擇權(quán)。

極致成本殺手：為企業(yè)業(yè)務(wù)流量身定制的Nova 2模型矩陣

除了引入第三方模型，亞馬遜云科技也深知，要將成本壓縮到極致，必須擁有能夠與自家芯片完美適配的自研模型。本次大會上，亞馬遜云科技正式發(fā)布了全新的Amazon Nova 2系列模型。與大多數(shù)模型不同，Nova 2系列的研發(fā)邏輯非常務(wù)實，它不是為了刷榜，而是為了解決企業(yè)應(yīng)用中的具體痛點。

針對企業(yè)最敏感的成本問題，亞馬遜云科技首先拿出了Nova 2 Lite。這是一款專為高頻次、低復雜度任務(wù)設(shè)計的模型。在保持優(yōu)秀指令遵循和代碼生成能力的同時，它將推理成本壓縮到了極致。

它的實戰(zhàn)能力在大會現(xiàn)場的一個演示中得到了直觀驗證：結(jié)合AI編程工具Kiro，Nova 2 Lite僅用短短幾分鐘，就從零構(gòu)建了一個包含客戶管理、房源列表、銷售分析及可視化儀表盤的完整房地產(chǎn)管理系統(tǒng)。整個過程幾乎不需要人為干預，充分證明了在處理企業(yè)日常業(yè)務(wù)流時，高性價比模型同樣具備交付復雜應(yīng)用的可能性。

對于那些需要深度推理、復雜指令跟隨或作為Agent核心大腦的高難度場景，亞馬遜云科技推出了Nova 2 Pro。它被定義為Nova家族中最智能的模型，專為處理高度復雜的工作負載而生 。在多項基準測試中，Nova 2 Pro已展現(xiàn)出強于Claude Sonnet 4.5、GPT 5.1、和預覽版Gemini 3 Pro的實力。

而在多模態(tài)交互領(lǐng)域，Nova 2 Omni展示了全能的一面。作為首個真正的的統(tǒng)一多模態(tài)模型，它能夠同時支持文本、圖像、視頻和音頻的輸入，并直接輸出文本和圖像。

亞馬遜云科技的新一代語音模型Nova 2 Sonic，則能夠?qū)崿F(xiàn)毫秒級的實時對話體驗。對于呼叫中心、智能客服等場景來說，這種低延遲的類人交互能力，直接關(guān)系到用戶體驗。

從Lite的極致性價比，到Pro的深度智能，再到Omni的全能形態(tài)與Sonic的極致速度，Nova 2家族的發(fā)布補齊了亞馬遜云科技AI版圖的關(guān)鍵拼圖。它與Trainium芯片形成了緊密的軟硬協(xié)同效應(yīng)，共同構(gòu)成了企業(yè)降本增效的核心武器。

AgentCore：讓智能體的構(gòu)建像搭積木一樣標準化

擁有了高性價比的算力與多樣化的模型選擇，僅僅是完成了AI商業(yè)化的基礎(chǔ)設(shè)施建設(shè)。要真正讓AI進入業(yè)務(wù)核心，企業(yè)面臨的挑戰(zhàn)是如何將這些“大腦”組裝成能夠獨立執(zhí)行任務(wù)的數(shù)字員工。

然而，在當前的開發(fā)實踐中，構(gòu)建一個企業(yè)級Agent絕非易事。開發(fā)者往往陷入到底層代碼的泥潭中：如何管理跨會話的記憶？如何對接復雜的企業(yè)IT系統(tǒng)？如何確保Agent不會因為幻覺而執(zhí)行違規(guī)操作？這些問題讓Agent的開發(fā)更像是一場難以復制的手工藝術(shù)，而非標準化的工業(yè)生產(chǎn)。

為了解決這一的痛點，亞馬遜云科技推出了Amazon Bedrock AgentCore。這不僅僅是一個工具包，更是一條為Agent設(shè)計的高度標準化的生產(chǎn)流水線。

從單打獨斗到多個Agent各司其職

AgentCore的設(shè)計哲學在大會展示的“貸款審批”案例中得到了充足的展現(xiàn)。面對這樣一個涉及信息調(diào)用、風險計算與資金決策的復雜場景，Amazon Bedrock給出的解法不再是依賴單一模型的全能表現(xiàn)，而是將業(yè)務(wù)流拆解為三個各司其職的專業(yè)Agent：負責資料錄入與預處理的Intake Agent、負責風險評估與分析的Analyze Agent以及負責核保決策的Underwriting Agent。

這種分工協(xié)作模式最大的價值，在于它實現(xiàn)了在同一業(yè)務(wù)流中按其各自擅長的能力配置不同模型。企業(yè)可以在處理大量非結(jié)構(gòu)化文檔的Intake環(huán)節(jié)指派擅長長文本處理的Nova 2 Pro，在需要極高邏輯推理的Analyze環(huán)節(jié)無縫切換至Claude 3.5 Sonnet。這種根據(jù)每個環(huán)節(jié)的成本與性能需求靈活組合異構(gòu)模型的能力，讓企業(yè)在構(gòu)建Agent時擁有了前所未有的靈活性。

而一個能真正落地的Agent，必須能夠深度介入企業(yè)的IT系統(tǒng)。本案例中，AgentCore同樣展現(xiàn)了強大的數(shù)據(jù)庫連接解決方案：它能夠同時從Amazon DynamoDB中拉取用戶的支付數(shù)據(jù)，從Amazon S3中調(diào)閱過往的歷史信貸文檔，甚至通過API實時查詢第三方的薪資核驗網(wǎng)站。

可信賴的智能：從玄學調(diào)優(yōu)到工程化質(zhì)檢

對于企業(yè)來說，大規(guī)模接入Agent的主要障礙仍在于其結(jié)果的“不可控性”。為此，亞馬遜云科技為AgentCore引入了Policy功能。這是一種基于Cedar語言的策略管理機制，它獨立于模型之外，像一道剛性的護欄強制約束Agent的行為。

例如，企業(yè)可以通過自然語言設(shè)定策略：“退款金額超過1000元必須轉(zhuǎn)人工審批”。無論大模型如何思考，只要觸碰這條紅線，AgentCore Gateway就會在執(zhí)行動作前進行攔截。這種確定性的控制機制，解決了企業(yè)在安全上的后顧之憂。

解決了控制問題，最后一步是質(zhì)量驗收。AgentCore Evaluations為Agent提供了一套全方位的體檢報告。它內(nèi)置了13種評估器，能夠從準確性、安全性、連貫性等多個維度對Agent的表現(xiàn)進行打分。

開發(fā)者不再需要等到上線后才發(fā)現(xiàn)問題，而是在開發(fā)階段就能通過自動化測試發(fā)現(xiàn)這個Agent在處理復雜指令時準確率下降了。這種數(shù)據(jù)化的質(zhì)量反饋循環(huán)，讓Agent的優(yōu)化從玄學變成了可量化的工程迭代。

普惠的生產(chǎn)力：當AI滲透進企業(yè)的每一處毛細血管

如果說AgentCore是為了解決企業(yè)如何招入好用的數(shù)字員工，那么對于大多數(shù)非技術(shù)背景的業(yè)務(wù)人員而言，他們更關(guān)心的是如何直接獲得現(xiàn)成的AI生產(chǎn)力。作為一家數(shù)萬雇員的企業(yè)，亞馬遜深知，AI的普惠不能僅停留在開發(fā)者的IDE里，需要滲透進企業(yè)的每一張辦公桌。

Amazon Quick：打破數(shù)據(jù)孤島的桌面助手

在大多數(shù)企業(yè)的辦公場景中，員工的注意力都被割裂得支離破碎：業(yè)務(wù)數(shù)據(jù)躺在CRM系統(tǒng)里，項目文檔存在云盤中，而關(guān)鍵的溝通細節(jié)則散落在聊天記錄里。員工每天不得不花費大量時間在這些系統(tǒng)間頻繁切換、搜索和搬運信息。

Amazon Quick Suite的出現(xiàn)，就是為了終結(jié)這種低效的“人肉接口”模式。它能夠深度穿透企業(yè)內(nèi)部的各類辦公套件、存儲系統(tǒng)和業(yè)務(wù)軟件，將分散的數(shù)據(jù)資產(chǎn)串聯(lián)起來。

以亞馬遜內(nèi)部稅務(wù)團隊的實戰(zhàn)為例，這本是一個極其依賴“信息拼圖”的工作——需要時刻盯著各國變動的稅法，再從審計系統(tǒng)中撈數(shù)據(jù)，最后在內(nèi)部文檔中找合規(guī)依據(jù)。以前這是三個屏幕、三套系統(tǒng)的工作量。現(xiàn)在，他們訓練了一個稅務(wù)Agent，能夠主動監(jiān)控政策更新，并自動從各個角落抓取相關(guān)數(shù)據(jù)生成報告。這種讓數(shù)據(jù)主動找人，而不是人找數(shù)據(jù)的范式轉(zhuǎn)變，才是企業(yè)級AI應(yīng)有的樣子。

情緒價值與解決力：Nova 2 Sonic驅(qū)動的下一代客服

在連接外部客戶的戰(zhàn)場，Amazon Connect的底氣，源自亞馬遜自身作為全球最大電商，應(yīng)對數(shù)億訂單、處理海量并發(fā)咨詢的實戰(zhàn)磨礪。

這一次，Amazon Connect通過引入Agentic AI能力與Nova 2 Sonic模型，試圖將亞馬遜電商客服的“內(nèi)功”對外輸出。在傳統(tǒng)的客服體系中，機器往往只能做簡單的關(guān)鍵詞分流，而現(xiàn)在的客服Agent開始具備了解決問題的行動力。

通過新增的八項Agent功能，客服系統(tǒng)現(xiàn)在可以處理更復雜的非線性任務(wù)。比如在處理退換貨或復雜的賬戶變更時，Agent能夠像資深員工一樣理解客戶的情緒波動，并實時調(diào)用后臺系統(tǒng)解決問題。

遺留系統(tǒng)的現(xiàn)代化重生：用Agent重寫企業(yè)的IT基因

據(jù)艾哲森統(tǒng)計，企業(yè)每年約有七成IT預算被迫用于維護那些跑在大型機、舊版本W(wǎng)indows或過時數(shù)據(jù)庫上的古董代碼。這筆高達數(shù)萬億美元的“技術(shù)債”，鎖死了創(chuàng)新的手腳。

Amazon Transform的推出，旨在為遺留系統(tǒng)的現(xiàn)代化改造提供一條系統(tǒng)化的路徑。與傳統(tǒng)的代碼翻譯工具不同，它具備深度理解業(yè)務(wù)邏輯依賴的能力，能夠?qū)⒎忾]的舊架構(gòu)平滑遷移至開放的現(xiàn)代云環(huán)境。

以金融信息提供商湯森路透（Thomson Reuters）為例，他們面臨著將150萬行Windows代碼遷移到Linux的浩大工程。Amazon Transform不僅讀懂了這些幾十年前的代碼邏輯，還自動完成了從UI到數(shù)據(jù)庫的全棧現(xiàn)代化改造，幫助其避免了昂貴的Windows許可證費用。

而本次新發(fā)布的Amazon Transform Custom功能，進一步打破了語言的限制。它允許企業(yè)通過自然語言自定義轉(zhuǎn)換規(guī)則，無論是Java版本升級、Python重構(gòu)，還是特定領(lǐng)域的大型機代碼遷移，企業(yè)都可以訓練Agent按照自己的獨特的編碼規(guī)范進行自動化改造。

從Copilot到Autopilot：軟件工程的自主化進階

最后，針對軟件工程這一核心領(lǐng)域，亞馬遜云科技展示了未來的開發(fā)團隊形態(tài)：人類工程師與AI Agent的混合協(xié)作。

新發(fā)布的Kiro Autonomous Agent不再僅僅是代碼補全工具，而是一個能夠獨立完成任務(wù)的開發(fā)伙伴。它能夠理解復雜的開發(fā)意圖，自主規(guī)劃任務(wù)路徑，甚至在遇到錯誤時自我修正。與之配合的還有Amazon Security Agent和Amazon DevOps Agent，前者像安全官一樣在代碼提交前自動掃描漏洞并修復，后者則像運維專家一樣監(jiān)控系統(tǒng)健康度。

這三款前沿Agent的出現(xiàn)，標志著軟件開發(fā)正在從“人寫代碼、機器運行”向“人定目標、機器實現(xiàn)”轉(zhuǎn)變。對于企業(yè)而言，這意味著開發(fā)團隊可以將寶貴的精力從重復的CRUD代碼和運維瑣事中解放出來，專注于核心業(yè)務(wù)邏輯的創(chuàng)新。

結(jié)語：讓AI回歸工程與成本的常識

當 re:Invent 2025 的帷幕落下，回到開篇關(guān)于AI泡沫的討論，亞馬遜云科技給出的回應(yīng)并非是某種基于AGI即將實現(xiàn)的宏大敘事，而是一套基于成本控制和工程化落地的腳踏實地方案。從底層芯片到上層應(yīng)用的每一環(huán)成本邏輯，試圖抹平技術(shù)成本與商業(yè)價值之間的鴻溝，讓AI從一種回報不明沉重資本支出，轉(zhuǎn)變?yōu)榭煽亍⒖深A測的經(jīng)營手段。

當AI不再是資本市場上用來講故事的噱頭，而是真正成為企業(yè)財務(wù)報表中能夠創(chuàng)造正向現(xiàn)金流的工具時，這場“工業(yè)革命”才能真正站穩(wěn)腳跟。

AD：

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯(lián)系我們修改或刪除，多謝。