编辑 | 云昭
6月的上海,热浪蒸腾。但比气温更炽热的,是关于 AI 的讨论声浪。2025年亚马逊云科技中国峰会如期而至,来自各行各业的开发者、企业管理者、技术领袖齐聚现场,参与一场关于“生成式 AI 下一阶段”的深度对话。
在峰会现场,从主论坛到分会场,从技术展台到圆桌对谈,一种紧迫而激动的情绪在蔓延——人们不再只是谈论生成式 AI 的潜力,而是在争分夺秒地寻找落地的路径。
当亚马逊全球副总裁、亚马逊云科技大中华区总裁储瑞松站上演讲台,说出“我们正处于Agentic AI 爆发的前夜”的那一刻,现场观众纷纷第一时间拿起手机,记录下这引人思考的瞬间。
Agentic AI,这个此前还略显“学术”的词汇,第一次在这个场合,变成了一种明确的信号。
这不只是一场技术峰会,更像是一场在爆发前夜,面向整个行业的动员令。
储瑞松进一步解释,Agentic AI 是“从我说 AI 写,到我说 AI 做”,是数字员工开始真正“动起来”的时刻。这不仅是技术的一次跃迁,更是企业组织架构、决策机制、效率范式的一次重构。
而当亚马逊云科技全球技术总经理 Shaown Nandi 用“超级浪潮”来形容当前 AI 的发展节奏时,很多人意识到,那些原本还在战略层面观望的企业,如今也必须给出答案——是低头等待浪潮过去,还是像冲浪者那样抢先起势、勇敢跃上浪头?
1.当我们面对未知与浪潮
在主题演讲中,Shaown Nandi 表示:多年来,我们见证了AI领域零星的小突破,我称之为“渐进式”的进化。但最近几年,随着Transformer模型的出现、海量数据的可获取性,以及云计算能力的指数级增长,我们正在见证一场“质变”。
在ChatGPT刚刚爆发的早期,很多客户并不确定生成式AI是否会带来长期价值。Shaown 透露,彼时模型贵、效果参差不齐,安全性、隐私、准确率常常会引发客户疑虑,因此很多企业只是“试水”式地做些小实验。
但如今,我们迎来了真正的“超级浪潮”:生成式AI的革新正在以前所未有的速度发生。正如峰会现场储瑞松所展示的,无论是测试多个学科领域的MMLU、还是测试专业研究领域的GPQA、亦或是测试真实世界软件工程相关问题的SWE-bench,还是推出的HLE — Humanity’s Last Exam(人类的最终考试),模型的能力早已隐约展现出了巨大的潜力。
Shaown 进一步指出,各种方法论和突破几乎每周都有,我们看到了一种加速度。这些能力的提升是指数级的,甚至已经超越了许多人的预期。而与此同时,成本却在持续下降。
Shaown 还特别称赞了中国的开源模型 DeepSeek 给业界带来的贡献。“不仅效果强大,成本也大幅降低。这是一种新时代的信号!”
如果说生成式AI这个命题有些太过宏大,那么另一个命题 —— Agentic AI 可能更会让企业倍感兴奋。储瑞松认为:过去一年,机器智能已经爆发了,如今AI的发展又来到了一个拐点,我们正处在Agentic AI 爆发的前夜。
其一,过去两年多,大模型能力的发展日新月异,已经有了类似人的大脑一样的思考能力。
其二,MCP 协议的出现,使得大模型驱动的智能体能方便地和周围的世界互动。而 A2A 协议未来还能让不同的智能体之间协作。
其三,斯坦福大学2025年人工智能报告指出,过去两年推理成本下降了约280倍。推理成本的极速降低使得Agentic AI 应用的规模化部署成为可能。
其四,以 Strands Agents 为代表的高度抽象、强大、灵活的SDK的出现,使开发强大的 Agentic AI 系统变得轻松容易。只需少数几行代码,企业就能开发出一个多智能体协同的应用。同时,Amazon Q 等 AI 加持的开发工具,也使得开发的工作效率成倍提升。
其五,得益于企业此前在数字化方面的投入,让很多场景里数据和应用的API都已经就绪,可供AI 智能体使用。
正是以上所有这些因素叠加在一起,让Agentic AI 的爆发成为可能、几乎不可避免。
2.超级巨浪已来,我们需要“Think BIG”
生成式 AI 是对全球商业的一个颠覆性重塑,当我们面对这样一股“超级巨浪”,该怎么办?
你可以选择低头让它过去,保持现状,继续你的“原地踏步”;也可以选择像冲浪者一样划水起势,跃上浪头,掌握方向,用它去创造超越想象的可能性。
而如果选择后者,Shaown 认为,企业就应该选择驾驭生成式AI浪潮所需的——正确的技术、正确的工具。否则,很有可能随波逐流,甚至被浪头打翻。
这一切,都极为考验企业破局的决心,为此,Shaown鼓励企业“Think Big”。
Think Big 是亚马逊内部的一个领导原则,Shaown 希望企业们能跳出框架,大胆思考如何用 AI、数据和云服务来改变世界。
他举了几个非常令人惊叹的实例。比如一家生物科技初创公司,在亚马逊云科技上运行的基础模型模拟了 5 亿年演化过程,发现了全新的荧光蛋白,或许将对药物研发带来深远影响;再比如 LeoLabs,可以用 AI 模型近乎实时地追踪超过 2 万个在轨卫星目标,保障航天安全;还有著名的 Allen Institute 利用亚马逊云科技 构建了全球首个完整的人类脑细胞图谱,覆盖 1000 亿个细胞,推动我们对大脑的认知。
“生成式 AI 正在成为超级实验室,技术演进飞快,现在正是行动的最佳时机。现在是时候将数据产品化、动员化、落地化了。”
Shaown 坚信:接下来一年的行动,将决定企业未来数年的发展轨迹。
3.做好Agentic AI时代的迎接准备
那么对于企业而言,究竟该做哪些准备呢?如何最大化 Agentic AI 给自身带来的价值创造?储瑞松则总结了三个方面的建议:基础设施、数据和策略与执行。
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正确的云。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、是否有合理的营利性能支持长期、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。这个长期说的不是10年,而是1到2年。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。
一个典型的例子是FreeWheel在广告识别场景中的选型。该公司对比评估了Nova Lite、GPT-4 mini与Claude 3 Haiku等多个模型,他们并没有唯精度考虑,而是在延迟、输出稳定性与推理成本的综合对比下,最终选择了精度中上、推理速度极快、成本可控的Nova Lite方案,以实现批量部署与高频调用的目标。
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。
4.Agentic AI爆发前夜,云计算一哥如何为企业充电的?
就如同十几年前的云计算一般,Agentic AI 的爆发前夜,云计算一哥又会怎样领跑呢?不妨从技术和应用两个层面去拆解。
首先,亚马逊云科技提供了一个可以接触到全球最新技术的云平台。不管是网络层、计算层、还是模型层、数据应用层。
比如,在数据应用方面,数据分析和 AI 工作负载越来越多地聚焦在相同的数据与工作流上,组织越来越需要统一访问全部数据和工具,以加速协作。
亚马逊云科技推出的新一代的 Amazon SageMaker 将最优秀的专用分析服务结合在一个统一的工作室(Studio)界面中。过去需要在多个工具和界面之间切换的工作,现在都可以在一个地方完成。此外,这版 SageMaker 的强大之处在于,它构建在先进的数据湖架构之上,并通过 Apache Iceberg 实现数据在各系统间的无缝流动。同时,数据湖中的所有数据都可由 SageMaker 内置的治理规则进行全流程管理。这意味着数据和 AI 团队能够协作共享数据、模型和生成式 AI 资产。
Shaown 透露,很多客户已经在使用Amazon SageMaker 并取得巨大成果。
例如,一家全球制造商正在通过Amazon SageMaker 将销售、生产与供应链团队连接起来,让团队能够轻松、安全地共享事件数据并推动应用开发。
甚至连Shaown 本人在家中使用的一款知名 AI 应用,也借助 Amazon SageMaker 将其 TPU 成本降低了 40%。
再比如在计算层,亚马逊云科技也持续做出了巨大创新。例如EC2,它提供超过 850 种实例类型,覆盖科学建模、视频转码、机器学习乃至企业级任务。这些实例如今可以满足对高内存和高计算力的需求,曾经不可能上云的工作负载如今也能轻松迁移。例如,某奢侈品制造商在云端运行复杂应用,缩短启动时间并提升服务可用性。
除此之外,亚马逊云科技与 NVIDIA 有深厚的合作历史。14年前,双方合作推出了全球首个GPU云实例。而如今,亚马逊云科技已经推出了最新的 GPU 实例,并且还宣布了一些 GPU 实例最高达 45% 的价格下调;同时 NVIDIA 自家训练集群也选择部署在亚马逊云科技 上。
接下来的重头戏是AI应用层面,亚马逊云科技今天推出了一系列领先的模型和工具,包括Amazon Bedrock平台,Amazon Q,Amazon Transform,Strands Agents SDK等简单易用、功能完善强大的开发工具。此外,亚马逊云科技还宣布2025年投入约1000亿美元用于其AI与云计算基础设施的研发。
这里值得一提的是,Amazon Q 和 Strands Agents SDK 在峰会展台上表现异常亮眼,赢得了现场开发者的关注和喝彩。
正如Shaown 所说,“无论企业正在构建什么样的产品,都可以在亚马逊云科技上第一时间品尝到最前沿的创新技术。”
其次,极致的客户至尚。大家都知道,亚马逊云科技背后有着极其深厚的行业know-how,这也是亚马逊全球领先的规模和创新优势积累的结果。亚马逊不仅可以为各行各业的客户提供丰富的行业解决方案和多方面的创新支持,还有专业规模的本地行业技术和知识团队、与广泛的合作伙伴网络一道出谋划策。
在上午的主题演讲中,储瑞松提到了亚马逊的一个秘密组织。这个组织于 2023 年成立,名为:生成式AI创新中心,由 350 位战略顾问、应用科学家、数据科学家、开发人员和专家组成。这些成员的任务只有一个,就是帮助客户制定生成式 AI 战略,并协助他们构建生成式 AI 解决方案,以实现业务成果。目前,该中心已经接收了来自不同行业的客户提出的超过 1500 个项目需求,成功推动了 82%+ 的客户从 PoC 到量产。
这一点是非常必要且难能可贵的。据某家全球制造商透露,在自身快速迭代创新的过程中,面临着从战略到战术上的一系列挑战。亚马逊云科技为此提供了一站式的支持:比如人才培养、企业文化、业务验证,包括平台的支持、规模的复制等等,这些成为了提升实现AI创新的重要动力。
5.创新,加速创新
科技的发展总会把商业带到新的阶段。时至今日,已经没有哪家企业再去讨论生成式AI究竟是不是一场革命。更多人在乎的是,谁能帮自己快速地抓住机遇,快速地试错、快速地迭代创新,快速地完成POC乃至规模化复制。
问题是,当浪头来临,当 Agentic AI 时代即将爆发,你准备好起势了吗?正如储瑞松所指出的,在AI时代有两种类型的企业:一类是Speed1,他们以极快的速度利用AI创新,因为他们看到了AI颠覆性创新的可能性;另一类是Speed2,他们还没有意识到,时代已经从成本优化范式转移到了利用AI加速创新最大化价值获取范式。”
很明显,所有人都想成为第一类企业:不止要创新,而且还会用AI加速创新。
而亚马逊云科技的野心也非常清晰,他们不是只谈愿景,而是已经搭好了工具和舞台,等你上场。它希望能成为那把“助力创新提速”的武器,为即将到来的“颠覆想象”和“行业重塑”,不遗余力地去帮助客户乘风破浪,顺利跨过转型之痛,稳立潮头。
潮水将至、东风已备。现在,是时候做出你的选择了。