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）
