当 Agentic AI 正在重塑未来世界，你是否已经为之做好了充足准备？

在亚马逊云科技 2025 re:Invent 全球大会上，亚马逊云科技 Agentic AI 副总裁 Swami Sivasubramanian 博士发表了一场激动人心的主题演讲。

本次演讲不仅充分展示了亚马逊云科技在 AI 领域的最新成果，而且深入探讨了 Agentic AI 的当前进展与未来展望，激发了广大参会嘉宾对未来 AI 技术发展的无限遐想。

AI 驱动的自由创造时代

" 人类的故事，总是由那些愿意创造、愿意被误解的人推动前进。"Swami 博士以一句充满激情的开场白，拉开了整场演讲的序幕。

当挑战边界的先驱者们拥有一种不仅可以回应，而且还能自主决策、实现超越想象的技术时，将会带来怎样的变革？Swami 博士指出，这种技术如今正以生成式 AI 的形式，赋予科学家、工程师和团队协作前所未有的力量。

Swami 博士回忆起自己的高中时期，在资源有限的环境下，通过不断尝试和修正，最终成功编写出一个科学计算器程序的那一刻，是他人生中首次感受到的自由创造。这段经历引发了众多开发者对于创造自由的广泛共鸣。如今，全世界的开发者们正在通过 AI Agent 智能体感受到同样的创造自由，这也标志着 IT 行业迎来了重大转折点。

Agent：从聊天机器人到自主决策者

Swami 博士明确了 Agent 的定义：它能够感知并与数字环境交互，将高层目标转化为一系列可执行步骤，并持续学习提升效率。

通过对比聊天机器人与 Agent 的不同，Swami 博士强调了 Agent 在自主解决问题方面的优势。譬如当官网流量下降时，聊天机器人可能只可以提供一般性建议，而 Agent 则能够自动调查问题、诊断原因并启动解决方案。

Swami 博士指出，Agent 的强大能力，源于其三个关键组件——模型、代码和工具。其中，模型作为 Agent 的大脑，负责推理、规划和执行；代码定义了 Agent 的身份和能力；工具则让 Agent 能够实际操作和界面交互。

" 随着模型推理能力的增强，Agent 的构建将变得更加简单和高效。"Swami 博士说道。

Strands Agent SDK：简化 Agent 构建的未来

为了提升开发者的工作效率，简化 Agent 的构建过程，亚马逊云科技推出了 Strands Agent SDK。

Swami 博士表示，Strands Agent SDK 采用模型驱动的方法，让现代大型语言模型能够自主处理 Agent 可能遇到的任何场景，省去了预设工作流程和复杂协调代码的需要。这一创新不仅提高了 Agent 的准确性，而且还大大提升了代码的可维护性。

Swami 博士透露，自从今年 5 月发布预览版以来，Strands Agent SDK 已经收到了数百份社区贡献，新增了包括 Gemini 模型提供商支持、A2A 支持、multi-Agent hooks 等功能。就在这个星期，Strands Agent SDK 还新增了对 TypeScript 的支持和边缘设备运行能力，进一步拓宽了其应用场景。截至目前为止，Strands Agent SDK 的下载量已经超过 529 万次，成为了广大开发者构建 Agent 的首选工具。

AgentCore：迈向生产环境的桥梁

尽管开发者能够在自己的笔记本电脑上尝试构建 Agent，但是要将这些出色的概念验证落地到生产环境，仍然需要面临诸多的挑战。

Swami 博士指出，生产环境需要大规模快速部署 Agent 的能力、强大的记忆系统、严格的身份与访问管理、无缝的工具连接能力以及监控和调试问题的能力。

为此，亚马逊云科技推出了 Amazon Bedrock AgentCore，这是一个先进的 Agent 平台，旨在帮助开发者在安全前提下大规模构建、部署和运营 Agent。AgentCore 提供了模块化工具箱，能够与任何 Agent 框架和模型配合使用，让开发者能够专注于创造真正解决业务问题的突破性体验。

通过 Cox Automotive 的案例，Swami 博士在大会现场展示了 AgentCore 如何帮助企业重新定义在整个组织内构建和部署 Agent 的方式。Cox Automotive 利用 AgentCore 构建了高效的 Agent 系统，显著提升了业务转型的速度和效果。

记忆与效率：让 Agent 更加智能和高效

在主题演讲中，Swami 博士深入探讨了 Agent 记忆的重要性。他指出，除了短期记忆和长期记忆外，Agent 还需要 episodic 记忆功能来理解和学习用户行为背后的时间背景和动机。通过引入 episodic 记忆，Agent 能够记住并从过去的经历中学习，从而为用户提供更加个性化的解决方案。

在提升 Agent 效率方面，Swami 博士介绍了三种主要技术：有监督微调、模型蒸馏和强化学习。其中，有监督微调通过精选数据集将 AI Agent 培养成专家；模型蒸馏则通过训练小模型模仿大模型的行为和思考过程来提高效率；强化学习则通过试错学习来优化 Agent 的性能。

为了进一步简化模型定制过程，亚马逊云科技还在 Amazon Bedrock 中推出了强化微调（RFT）功能。该功能允许开发者无需深厚的机器学习专业知识或大量标记数据，就可以提高模型的准确性。

除此以外，Amazon SageMaker AI 也推出了新的 Serverless 无服务器模型定制功能，支持多种定制技术和热门模型，让开发者能够更加灵活地构建和部署专属 AI 模型。

信任与可靠性：构建可信的 AI Agent

Swami 博士指出，随着 AI Agent 在更多关键任务中的应用，确保其按预期执行变得尤为重要。

为了提升 AI Agent 的可信度和可靠性，亚马逊云科技做出了诸多努力和创新。譬如，通过融合自动推理与大型语言模型，亚马逊云科技开发了神经符号 AI 技术，能够在赋予 AI Agent 最大自由度的同时，明确其安全操作边界。自动推理技术则通过对数理逻辑中证明的搜索与详细验证，确保 AI Agent 的行为符合预期。

在大会现场，Swami 博士展示了 Amazon IAM Access Analyzer、Amazon VPC Reachability Analyzer 等基于自动推理技术的工具，并介绍了 Kiro CLI 这一全新的与模型无关的集成开发环境是如何通过规范驱动方法，来提升软件开发的准确性和可靠性。

在可靠性方面，Swami 博士宣布 Amazon Nova Act 已经正式可用。Nova Act 是一项全新服务，用于构建和管理 AI Agent 集群，以高可靠性自动化生产环境中的用户界面工作流程。通过紧密集成的组件协同工作，Nova Act 实现了 90% 的可靠性，为企业提供了简单且可靠的自动化解决方案。

前沿 AI Agent 与协作未来

在本届大会上，Swami 博士还介绍了三款强大的全新前沿 AI Agent：Kero Autonomous Agent、Amazon Security Agent 和 Amazon DevOps Agent。

Swami 博士表示，这些 AI Agent 具备更高的自主性和持久性，能够与人类团队协作解决复杂问题。譬如 Kero Autonomous Agent 能够与开发者协作解决积压任务；Amazon Security Agent 则能帮助企业从一开始就构建安全的应用程序；Amazon DevOps Agent 则可以成为用户随叫随到的助手，不仅可以分类问题，而且还能进行主动预防。

在演讲的最后环节，Swami 博士为广大观众描绘了一个人机协作的 Agent 时代愿景：组织中的每个人都将拥有 AI Agent 协作伙伴，放大个人能力，消除繁琐任务，让人们能够专注于自己热爱的工作。亚马逊云科技将继续投入自动推理和强化学习等创新技术，助力企业满足现代工作流程对高精度和高可靠性的需求。

"AI Agent 不仅赋予了每个人将想法变为现实的自由，还以前所未有的速度推动了从概念到影响的转变。随着技术的不断进步和开发者社区的共同努力，AI Agent 的未来将更加光明和充满可能。"Swami 博士表示，"AI Agent 标志着我们这个时代最具变革性的一步，而亚马逊云科技则是构建和运行这些 AI Agent 的最佳平台。"