"Amazon Bedrock 在 2026 年第一季度处理的 Token 数量，超过了此前所有年份的总和。" 亚马逊云科技数据库服务副总裁 Ganapathy "G2" Krishnamoorthy 在中国峰会上说。

更关键的是，作为全球模型一站式托管平台，Bedrock 聚合了全球最前沿的模型，而这个平台上线才两年多。

类似的 Token 处理数据中美巨头们都在披露，其传达的信息很明确：企业与 AI 的交互密度正在指数级上升。

G2 用这个数据开场，可以理解为亚马逊全年 " 烧掉 "2000 亿美元资本开支换来的成果，但相比 Token 消耗这种效果量化指标，业务全景图则更具象化。

亚马逊全球副总裁储瑞松在峰会上展示了一张分层图：Agentic AI 五层技术栈。而这个技术栈所展示的，实际上是亚马逊云科技，从一个基础设施提供商，向 infra 服务提供商升级转变的全景。

其中，基础设施、模型、数据和知识、Agentic 平台、Agents 应用——五层自下而上，贯穿始终的是安全、效果、性能、成本四个维度。

储瑞松介绍亚马逊云科技 Agentic AI 布局

基础设施层，亚马逊云科技提供 GPU 实例和自研 Trainium 芯片。

模型层，Amazon Bedrock 提供 Claude、GPT、Gemini、Grok、Nova 以及 Qwen、DeepSeek、Kimi 等多模型的统一接入，储瑞松明确建议企业不要锁死在单一供应商。

一位模型提供商透露，Bedrock 平台部署的模型，当用户通过 API 来调用时，模型提供方和亚马逊云科技都可以从中获取分成。

数据层，亚马逊云科技提供 Zero-ETL、向量数据库、知识库等服务，强调 " 绝大多数企业 AI 项目失败都是因为数据没准备好 "。

关键在于第四层 Agentic 平台—— Amazon Bedrock AgentCore。

峰会上，亚马逊云科技重点介绍了 Amazon Bedrock AgentCore，这是一个面向企业级 Agent 的统一开发、部署、管理和迭代平台，支持多 Agent 协同、规则配置、安全治理。

储瑞松将其定位为企业 Agent" 从概念验证走向生产的分界线 "。当 Agent 数量从几个试点增长到成百上千，企业需要一个平台来统一管理这支 " 数字员工队伍 "，AgentCore 想充当的就是这个角色。

应用层，亚马逊云科技推出了多款开箱即用的 Agent 产品：Kiro（AI 编程助手，支持从移动端布置开发任务）、Amazon Quick（企业级 AI 助手，面向知识工作者的日常事务）、Amazon Connect（智能客户服务）、以及新发布的 Amazon Continuum（AI 原生安全 Agent，持续发现并修复代码漏洞）。这些产品覆盖了软件开发、IT 运维、客户服务、安全等通用场景，也支持企业在上面构建行业特定的定制化 Agent。

理解这些产品布局，需要放回行业背景中看。

2026 年云服务商的资本开支正在创下纪录。公开数据显示，全球九大 CSP 全年资本开支预计约 8300 亿美元，同比增长 79%。亚马逊 2000 亿美元的投入中，CEO 安迪 · 贾西表示 " 相当大比例已经有客户承诺 "。

Token 数据暴涨，说明这笔投入正在被消化。根据安迪 · 贾西在致股东信中透露的信息，Trainium 芯片订单排至下一代，积压收入超过 2250 亿美元。

同一时期，行业也经历着安全治理的紧张。

就在峰会前两周，Anthropic 的 Claude Fable 5 和 Mythos 5 模型上线仅 72 小时就被美国政府以出口管制为由强制下架。

引发禁令的 " 越狱 " 测试，本质上是要求模型执行一项防御性安全任务—— " 修复这段代码 "。安全研究员 Katie Moussouris 指出，" 让模型无法修复漏洞，只会让它变得更差 "。

监管机构首次动用出口管制干预已发布的商业 AI 模型，前沿模型的能力边界与安全护栏之间的张力，整个行业还在消化。

Anthropic 自身也在释放另一重信号。

6 月 4 日，其研究院发布《When AI Builds Itself》，披露工程师每季度代码产出是 2021-2025 年的 8 倍，其中超过 80% 由 Claude 撰写。其联合创始人 Jack Clark 此前也公开预测，" 有 60% 以上的概率，到 2028 年底会出现一个能完全自己训练出后继者的 AI 模型 "。

峰会上储瑞松也引用了类似数字：一家领先大模型公司公开表示，超过 90% 的代码由 AI 完成。

这些都意味着，AI 正在从辅助工具变成生产力主体，Agent 从 " 回答问题 " 变成 " 交付业务结果 "，而这也是我们在过往的内容中做出的推断：Token 经济进入结果层，未来的计费有可能从 API 的消耗量，Token 的处理量，转变为最终结果交付结算。

在演讲中，储瑞松把 Agent 比作企业的 " 数字员工 " ——既然是员工，就需要像管理人力资源一样去管理。他建议企业启动 Agent 项目时，先选择合适的场景，有明确起点、终点和业务目标，具备安全的失败模式；再明确 Agent 的边界，像为新员工写岗位描述一样定义职责和交付标准。

更深一层的思考在于组织变革，也是最近最常被提及的 OPC（一人公司）的概念。

储瑞松说，"Agentic AI 不是下一代工具，而是下一代企业 "。

这意味着，管理者要从 " 管人 " 变成 " 编排人类员工和数字员工的协同 "，一线员工要从 " 执行任务 " 变成 " 管理多个 Agent" ——组织架构、考核体系、责任归属都将被重新定义。

峰会上，几家中国企业分享了实践案例。

小鹏集团基于亚马逊云科技搭建了 AI 编程平台 " 灵犀 "，AI 代码覆盖率超过 70%，累计完成 14 万多个工作流。影石 Insta360 依托五层架构提供 " 一分钟智能成片 "，从拍摄到出片无需人工编辑。猎豹移动在 Bedrock AgentCore 上运行生产级 Agent，将出海广告从素材生产到投放优化的全链路 AI 化，运营成本降低 20%。

上述企业在 AI 应用过程中有一个共性：用 Agent 重新设计业务流程，而非仅仅加速现有流程。

可以说，储瑞松演讲中展示的五层技术栈图，清晰的说明了亚马逊云科技在做什么，如果你不了解的，也能够看到全年预估 2000 亿美元的资本支出，会烧向何方，烧出什么效果。

我特别关注技术栈中，关于安全部分的解读，这可能是未来人工智能时代最值得讨论的话题，尤其是 Agent 深度介入人类的工作流当中，90%、100% 的代码都由 AI 来完成的时候，如何去保证 " 生产安全问题 "。

前面提到 Claude Fable 5 和 Mythos 5 的 72 小时 " 下架 " 风波，足以说明模型的能力越强，治理压力越大。

与此同时，站在用户和客户的角度来看，挑战也不限于选择哪一层的技术栈，而是如何面对一种全新的生产关系——人与数字员工的协同。

储瑞松在演讲结尾说了一句话：" 变革的本质，是用新范式取代旧范式。" 只是，新范式正在形成，但它会走向哪里，还没有人真正知道。

这很类似蔡崇信前几天在访谈中总结阿里巴巴时提到的——因为现在没有人能准确定义最终价值将沉淀在芯片、云基础设施还是模型层。" 我们选择全方位参与，不管价值最终落到哪一层，我们都在场。"