Agentic AI正在成为企业数字化转型的新引擎。亚马逊云科技以五层技术栈为基础，结合国产大模型生态、数据治理能力和生产级智能体平台，帮助企业构建可扩展、可治理、可衡量的Agent体系，推动AI从技术探索走向规模化业务价值创造。
2026年，Agentic AI正加速从技术探索走向规模化商用。随着大模型能力持续突破，行业关注的焦点也正在发生变化：企业竞争的关键已不再是单纯拥有更强的模型，而是如何将AI能力深度融入业务流程，转化为可衡量的经营成果。
然而，从当前产业实践来看，企业AI应用仍面临诸多挑战。模型能力快速提升的同时，工具协同复杂、数据孤岛、权限治理缺失、多智能体难以规模化管理等问题逐渐显现，大量项目仍停留在概念验证（POC）阶段，难以真正进入生产环境并持续创造价值。
在近日举行的亚马逊云科技中国峰会上，亚马逊云科技给出了自己的答案：通过覆盖基础设施、模型、数据与知识、Agentic平台以及行业应用的五层全栈技术体系，结合标准化开发方法论与生产级治理能力，帮助企业跨越从技术验证到业务落地的“最后一公里”。
·从模型竞争走向Agent工程落地
过去两年，大模型在推理能力、代码生成、多模态理解等方面持续突破，推动生成式AI进入快速发展阶段。但产业实践逐渐证明，模型能力并不直接等同于业务价值。企业真正需要解决的问题，是如何让模型能够自主理解任务、调用工具、获取知识、执行流程并最终稳定交付结果。换句话说，企业需要的不只是大模型，而是能够真正工作的智能体。
亚马逊全球副总裁、亚马逊云科技亚太区联席总裁 储瑞松
亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松认为，Agentic AI迎来产业化拐点的重要原因，在于模型能力提升与Agent工程体系成熟形成了相互促进的飞轮效应。
在过去两年中，行业逐步形成了由提示词工程（Prompt Engineering）、上下文工程（Context Engineering）和驾驭工程（Harness Engineering）构成的工程体系。
其中，提示词工程解决“如何让模型理解需求”的问题；上下文工程关注如何向模型提供正确的信息、工具与记忆；而驾驭工程则通过智能体循环、工具调用、评估机制、重试策略以及安全护栏等能力，让模型能够稳定完成任务。
这意味着AI正在从回答问题升级为完成任务。
随着智能体逐步具备自主执行能力，企业衡量AI价值的方式也在发生变化。从过去关注模型参数规模、推理速度，转向关注任务完成率、交付周期、运营效率、客户满意度以及业务增长等更具商业意义的指标。
更深层次的变化在于，AI Agent正逐渐成为企业组织中的新型数字劳动力。未来企业的生产关系将从“人使用工具”演变为“人与智能体协同创造价值”，推动组织架构和业务流程持续重构。
·五层技术栈构建Agentic AI落地基础
面对复杂的技术生态和快速演进的市场需求，企业需要一套完整且可持续演进的技术体系。为此，亚马逊云科技提出了覆盖五个层级的Agentic AI技术栈，并通过安全、效果、性能和成本四个维度贯穿全链路。
AI基础设施层：打造AI时代的算力底座
在基础设施层，亚马逊云科技提供最新GPU实例以及自研Trainium AI加速芯片，并通过Amazon SageMaker AI帮助企业完成模型训练、部署和运营。
依托全球云基础设施网络，亚马逊云科技通过多可用区架构、硬件级安全隔离以及全链路加密能力，为企业提供稳定可靠的运行环境。同时，其全球范围内支持143项安全合规认证，为企业开展AI业务提供可信基础。
模型层：打造开放多元的模型生态
模型层是智能体的大脑。
峰会期间，亚马逊云科技宣布DeepSeek、MiniMax、Kimi、Qwen和GLM五款国内主流开源模型正式接入Amazon Bedrock。企业可以通过统一API访问不同模型，根据具体场景在能力、速度与成本之间进行灵活选择，而无需被单一模型体系绑定。与此同时，亚马逊云科技正在推动国产模型与Trainium芯片的深度适配，进一步提升推理效率并降低部署成本。
数据与知识层：释放企业数据价值
在Agent时代，数据的重要性被进一步放大。
储瑞松指出，企业AI项目失败的原因往往不在模型，而在数据准备不足。相比模型能力能够被快速复制，企业多年积累的业务数据、行业经验和知识体系才是真正的竞争壁垒。
为此，亚马逊云科技构建了包括Amazon Context、Amazon Bedrock Knowledge Bases、Amazon S3 Vectors、Zero-ETL以及向量数据库在内的完整数据服务体系。
其目标是将原本静态存储的数据转化为Agent能够理解、检索和调用的知识资产，让企业数据真正参与业务决策与价值创造。
Agentic平台层：连接试验与生产环境
如果说模型决定智能体的能力上限，那么平台则决定其规模化运行能力。随着企业内部智能体数量从个位数增长到数百甚至数千个，仅靠单点开发已无法满足需求。亚马逊云科技推出的Amazon Bedrock AgentCore，正是面向生产环境打造的智能体管理平台。
该平台支持异构模型协同运行、模块化能力组合和统一开发框架，并提供运行环境管理、权限控制、联网搜索、护栏机制以及全局审计能力，帮助企业实现智能体全生命周期管理。从行业实践来看，平台能力正逐渐成为企业智能体应用从概念验证走向规模化生产的重要分界线。
应用层：让Agent快速进入业务场景
技术价值最终需要通过业务场景体现。
在应用层，亚马逊云科技已经提供包括Kiro、Amazon Quick、Amazon Connect等在内的成熟解决方案，覆盖软件开发、IT运维、知识管理、客户服务等多个领域。
其中，Amazon Quick新增自主Agent、动态工作流以及跨数据源分析能力，能够帮助企业员工处理事务性工作、整合跨系统信息并自动生成业务洞察，让智能体真正参与日常业务流程。
·从技术导向走向业务导向
技术体系只是起点。在储瑞松看来，Agentic AI时代企业最大的挑战并非技术，而是思维方式的转变。
传统数字化项目往往从技术选型开始，而智能体项目更应从业务目标出发。企业需要首先明确希望达成什么结果，再反向设计智能体能力、工作流程和技术架构。
因此，一个成功的Agent项目通常需要具备明确的业务目标、可量化的评价指标以及安全可控的运行边界。企业需要像管理员工一样管理智能体，明确其职责范围、权限边界、交付标准以及审核机制，并建立适应人机协同的新型组织体系。
与此同时，治理能力的重要性正在持续提升。统一的权限管理、决策追溯机制、自动化审计能力以及风险控制体系，不再只是安全要求，而是支撑智能体规模化部署的重要基础。
· 用评估体系打通价值闭环
长期以来，许多企业AI项目面临一个共同问题：难以衡量价值。缺乏统一标准，导致项目难以持续迭代和规模推广。针对这一挑战，亚马逊云科技在峰会上发布《企业生产级智能体开发指南白皮书》，提出“评估驱动的AI Agent开发生命周期”方法论。
该方法论覆盖标准制定、开发实现、效果评估、上线部署以及持续监控和优化等完整环节，将评估机制嵌入智能体全生命周期。同时，亚马逊云科技还开源相关评测代码与评估数据集，帮助企业建立可复制、可验证、可持续优化的智能体开发体系。从某种意义上说，评估体系正在成为连接技术能力与业务价值的重要桥梁。
·从实践案例看Agentic AI的商业价值
目前，亚马逊云科技已经在多个行业推动Agentic AI落地。
小鹏汽车基于亚马逊云科技构建企业级AI研发平台“灵犀”，覆盖研发全生命周期。平台上线后，AI代码覆盖率超过70%，构建了700多个技能节点和400多个API节点，累计运行超过14万条工作流，核心流程成功率达到99.7%。
影石Insta360依托亚马逊云科技五层技术架构打造“时刻Pro”智能成片平台，实现从拍摄到成片的全流程自动化处理，不到一分钟即可完成高质量视频生成。
月之暗面Kimi借助亚马逊云科技全球基础设施和AI服务能力，加速面向全球企业客户提供模型服务，推进国际化发展。
猎豹移动则基于Amazon Bedrock AgentCore打造EasyClaw出海企业版，实现广告素材生成、投放优化与数据复盘等环节的智能化运营，为跨境营销场景带来新的效率提升空间。
· AI竞争正在回归体系能力
从本届峰会释放出的信息来看，Agentic AI已经进入产业化加速阶段。未来企业之间的竞争，将不再局限于模型能力本身，而是围绕数据资产、平台能力、安全治理、人机协同以及业务落地能力展开更深层次的较量。
对于企业而言，真正的挑战不是获得一个更强的模型，而是构建一套能够持续创造价值的智能体体系。依托覆盖基础设施、模型、数据、平台和应用的全栈技术能力，以及长期积累的数据和云计算优势，亚马逊云科技正在帮助企业跨越从试点到规模化部署的关键阶段。
当AI Agent逐渐成为企业组织中的数字劳动力，Agentic AI所带来的，不仅是一次技术升级，更是一场关于生产方式和商业价值创造模式的深刻变革。
网友评论