图片系 AI 生成

大模型退居幕后，Agent 站上 C 位，这是 2025 年 AI 产业的主旋律。

Agent 元年的本质，是大模型技术演进曲线趋缓、市场需求从问答到执行、经济价值关注可量化 ROI 的三重拐点叠加。产业的关注焦点，已从模型参数转向复杂工作流的可靠编排能力与人机责任边界定义，当大模型的技术狂欢遭遇商业理性，Agent 成为 AI 落地的阶段性答案。

亚马逊云科技 CEO Matt Garman 此前表示：Agentic AI 有可能成为亚马逊云科技下一个数十亿美元规模的业务。为此，几个月前，亚马逊云科技成立了直接向 CEO 汇报的 Agentic AI 团队。

近日钛媒体 App 对话了亚马逊云科技全球技术总经理 Shaown Nandi，获悉亚马逊云科技如何看待 Agentic AI，以及如何推动 Agentic AI 实践的底层逻辑。

从大模型到 Agent 的拐点

产业正站在一个新的拐点——从 " 工具型应用 " 向 " 代理型（Agentic AI）应用 " 的范式转变。Gartner 将 "Agentic AI" 列为年度十大战略性技术趋势，并做出了一个令人深思的预测：到 2028 年，15% 的日常工作决策将由 Agentic AI 自主完成，而这一比例在 2024 年几乎为零。

在过去几年中，AI 技术经历了几个重要的发展阶段：从最初的预测 AI（用于欺诈检测、风险监控等），到助手 AI（如聊天机器人），再到现在正在兴起的 Agentic AI。每个阶段都带来了新的能力和可能性。

AI Agent 是能够替代人类或系统运用 AI 进行推理、任务规划和执行的自主运行软件系统。AI Agent 的 " 大脑 " 由大语言模型（LLM）提供支持，使其具备了类似人类的思考能力，搭配 " 记忆 " 系统用于储存和处理信息，具备丰富的工具访问能力，可以连接各种 API 和系统，就像人类使用各种工具完成工作一样。

Shaown Nandi 认为，新的 transformer 模型、海量可用数据和几乎无限的计算能力的结合，创造了一些真正特别的条件。最初，企业并不确定生成式 AI 是否会产生长期、有意义的影响。这项技术未经验证，在许多情况下成本很高，而且存在安全性、隐私性和准确性方面的问题。

而目前来看，客户在越来越多地使用 Agent。建立 Agent 的过程中，会回馈生成更多的数据，这些数据需要存储，客户也需要访问更多的数据，以获得更有效的决策和更好的结果。随着 Agent 越来越流行、应用规模不断扩大，也被更多人接受，亚马逊云科技可以提供更好的技术方案，帮助企业更高效地运行 Agent 系统、优化运营、降低成本。

" 随着 Agent 的发展，与云相关的使用活动也在相应增长。" 他说，" 现在财富 500 强的大企业中，有 75% 的工作负载仍然运行在本地。这意味着未来他们有大规模的迁移任务。很多实践目前都还处在实施的早期阶段，Agent 在未来会有非常快速的发展和广阔的前景。"

在亚马逊云科技中国峰会上，亚马逊全球副总裁、亚马逊云科技大中华区总裁储瑞松表示，Agentic AI 时代，最令人兴奋的将是产品服务乃至商业模式的创新，因为能高效创新的企业将有机会大幅度提升客户和用户体验，革新商业模式，获取高额价值回报。

比如，Uber、 Airbnb 创造了共享经济模式，Netflix 开创了订阅制内容消费模式。随着 AI 的快速发展，还有很多初创企业正在致力于创造新的商业奇迹。初创公司 Cursor 将 AI 深度集成到代码编辑器中，革新了编程方式；Perplexity，通过 AI 实时搜索引擎，提供了全新的信息获取和知识探索的方式。

储瑞松指出，我们处在一个企业经营范式转移的关口。疫情以来，在大环境的不确定下，很多企业聚焦于成本优化，谋求生存之道。而 Agentic AI 时代的到来，企业更需要考虑的是，利用 Agentic AI 加速创新、大幅度提升客户和用户体验，革新商业模式，获取高额价值回报，同时提升运营效率、降低成本的具体路径。用 AI 创新、创造价值的重要性将极大提升，变得比成本优化重要得多。

构建一个 AI Agent 的必需要素

相较于由 Agent 自主决定的模式，企业级客户更倾向于确定性，有行业人士对钛媒体 App 表示，工程化能力在 AI Agent 的重要性被低估了。

Shaown Nandi 深以为然，他提到，大型企业的需求通常非常具有挑战性。在亚马逊云科技，我们在提供服务，比如通过 Amazon Bedrock 帮助客户构建应用时，首先考虑的就是几个核心点。

对于企业级应用，安全性和韧性必须在设计初期就被纳入考量，在此之后再去考虑功能的实现。但如果是面向 C 端的应用或产品，开发初期通常更关注是否能打造出让用户眼前一亮、使用体验好的功能，然后才逐步去补充对风险的考虑。这是两者之间有非常本质的区别。

" 在云计算刚兴起时，我们也经历过类似阶段，很多客户都是在经历问题后逐步总结经验、形成规范。所以我们现在的企业客户尤其重视我们的服务韧性、安全性和可控性。" 他说。

亚马逊云科技也总结了构建 AI Agent 的关键要素，第一，需要统一的 AI 就绪的基础设施；第二，需要聚合并治理过的 AI 就绪的数据；第三，需要明确的策略和快速高效的执行。

首先，企业需要有统一的 AI 就绪的基础设施。在 Agentic AI 时代，企业上云的关键是选择一朵对的云。而若想选择对的云，企业需要考虑以下因素：第一，安全性，这是底线；第二，稳定可靠，因为云会成为未来 Agentic AI" 数字员工 " 的工作场所，云的稳定可靠将给企业的 Agentic AI " 数字员工 " 提供一个好的工作场所。

第三，灵活性，若要很好地支持企业的全球业务拓展，云需要提供大环境不确定性下灵活应对的确定性。第四，技术领先性，AI 发展日新月异，云需要与时俱进，才能很好地支持企业的 AI 创新。所以企业选择云服务商不光要看其当下的技术能力，还要看其是否以云为主业、是否有合理的营利，能支持长期、高强度投入，未来还能保持领先。

第二，企业也需要聚合且治理过的 AI 就绪的数据。在 AI 时代，企业独有的、能给企业带来差异化价值的是数据，这也是很多企业最重要的战略资产。企业数据是否 AI 就绪是决定企业 AI 应用水平天花板的重要因素。数据决定一家企业未来 Agentic AI" 数字员工 " 的视野高度、能力范畴、决策水平和执行效果。

企业 Agentic AI" 数字员工 " 作为一个整体，所需的数据有没有、能不能被访问、质量是否高，决定了它们能给企业创造价值的多少。所以，要最大化 Agentic AI 能给企业带来的价值创造，企业必须打破数据孤岛，有效聚合和治理数据。Agentic AI" 数字员工 " 是仅仅能帮助个别人、个别团队，还是大的部门、乃至整个企业，取决于数据是否是企业级、以及是否经过聚合和治理。

最后，要实现 Agentic AI 价值创造，企业还需要有明确的策略并快速高效地执行。企业需要对 Agentic AI 价值创造有客观的预期：短期不要有过高不切实际的期望，但是长期一定不能低估它将会对各行各业带来的影响。

同时，企业还要选择合适的合作伙伴和技术栈。在选择时，企业不应只关注技术指标，而应选择主流、开放、安全、可持续且深刻理解企业业务，能长期陪伴的合作伙伴。同时，所选择的技术栈也需要能支持 Agentic AI 开发的主要模式，如 workflow、 graph、swarm 等。在明确的策略下快速高效的执行非常重要。能快速实践 Agentic AI 应用、并及时总结经验、迭代提升、推广复制的企业，将有可能更早地从中获益、并叠加膨胀获益，从先人一步发展成为持续领先。

关于 Agent 开发类型，Shaown 表示，原则上所有的 Agent 都可以由客户和合作伙伴开发，亚马逊云科技会专注于与自身专业知识相关的 Agent，例如推出专注于迁移任务的 Amazon Transform，或在 Amazon Q Developer 中构建软件开发相关的 Agent。

Shaown Nandi 总结表示，" 我们的目标是让市场上拥有更多 Agent 和模型的选择。我们非常重视与合作伙伴的协同，希望能为他们提供底层技术能力，包括 Amazon Bedrock、基础设施服务、数据库能力、数据处理能力和计算能力，帮助他们更高效地开发符合自身需求的应用，从而推动整个市场更快、更有效地发展。"（本文首发于钛媒体 APP，作者 | 张帅，编辑 | 盖虹达）