亞馬遜云科技：Agentic AI的“iPhone時刻”正在到來

AI 正告別“炫技”，加速回歸“價值”。

這其中，AI Agent所扮演的角色與作用至關重要。今天，全球的開發者都在積極擁抱AI Agent來構建，標志著整個技術行業正迎來重大轉折點。因此，當AI Agent加速涌現之際，AI Agent需要加速進入到生產環境和創造更多價值，已成為產業共識。

無疑，亞馬遜云科技提出的"Frontier Agents"（前沿智能體） 的概念，標志著 Agent 技術發展的標志性時刻。亞馬遜云科技正致力于打通Agentic AI“最后一公里”，全力幫助開發者構建和利用AI Agent，從開發環境、框架、功能等維度，全面幫助開發者們以實現不犧牲質量的前提下加速軟件開發創新。

正如亞馬遜云科技Agentic AI副總裁Swami Sivasubramanian博士在re：Invent 2025大會上直言：“Agentic AI時代已加速到來：第一、‘誰能構建’正在徹底改寫，開發者不再受限語法、API調用、參數等細節；第二、構建速度徹底改變，開發周期從過去數年數月縮短到數天。Agent讓開發者們獲得了‘無限制構建’的自由。”

Agent從概念驗證走向生產環境

本質上，每個Agent都由模型、代碼和工具三個關鍵組件構成。模型是Agent的大腦，負責推理、規劃和執行；代碼則定義Agent的身份，決定其能力，并指導其完成決策過程；工具則讓Agent“活起來”，包括API、知識庫、數據庫訪問權限，代碼解釋器等等。

但最近兩年，AI Agent看似火爆的背后，大部分項目卻處于概念驗證階段，距離實際走向生產環境尚有著不小挑戰。在Swami Sivasubramanian博士看來，AI Agent真正需要進入到生產環境，需要具備五個方面的核心能力：

首先是大規?？焖俨渴餉gent的能力，這需要基礎設施能夠支撐Agent從0快速擴展到數千個并發會話，同時還需要確保AI Agent長時間運行和敏感數據的隔離等等；

其次，AI Agent在生產環境的落地，必然需要具備處理海量數據和邊緣場景的能力，通過強大的記憶系統來管理對話和交互中的上下文，還能跨對話記住用戶偏好；

第三，生產環境對于安全性極為重視，因此需要身份與訪問管理的安全控制機制，以確保AI Agent不泄露或者接觸到敏感數據；

第四，AI Agent融入生產環境后，并不會孤立存在，這意味著需要安全集成應用所需要API、數據庫和服務等；

最后，AI Agent 還需要具備監控和快速調試問題的能力，以快速解決出現的問題。

事實上，絕大部分用戶依靠過去傳統工具或者臨時性方案均無法解決上述挑戰。相反，很多臨時方案拼湊在一起，進一步增加了AI Agent的復雜性，甚至成為用戶在Agentic AI時代創新的羈絆。

為此，亞馬遜云科技近年來一直致力于打造新一代的Agent平臺：Amazon Bedrock AgentCore，以幫助用戶大規模構建、部署和運營Agent。Swami Sivasubramanian博士介紹：“AgentCore就像一個工具箱，采用模塊化的設計思路，用戶可以按需選擇合適的工具，從而在安全前提下大規模構建、部署和運營Agent。”

在本次大會上，亞馬遜云科技又更新包括Amazon Bedrock AgentCore、Amazon Strands Agent、Amazon SageMaker AI、Amazon Bedrock RFT 、Kiro Powers等更多項功能，進一步幫助企業用戶屏蔽復雜性，加速AI Agent在生產環境的價值創造。

Strands Agent擴展到邊緣

今年五月，亞馬遜云科技推出了開源Agent 框架：Strands Agent。據悉，Strands Agent采用模型驅動的方式，只需幾行代碼即可構建和運行 AI 代理，真正為企業用戶帶來了快速大規模部署Agent的能力。

Strands Agent一經推出就受到開發者的廣泛歡迎。Swami Sivasubramanian博士介紹，Strands Agent在短短幾個月時間里，下載量已經超過500萬次。

在本次大會上，亞馬遜云科技宣布在Strands Agent框架中引入TypeScript 編程語言和對 Edge（邊緣設備） 的支持。

相比于JavaScript，TypeScript 編程語言更不容易出錯或出現 bug。而對 Edge（邊緣設備） 的支持，標志著Agent不再局限于云端，可以運行在工廠機械臂、車載系統等邊緣側，實現真正的無處不在。

解決模型定制的效率難題

通常，企業在創建AI Agent時，往往希望選擇最先進的大模型。但最先進的模型也意味著對推理能力要求極高，在驅動AI Agent解決問題和使用第三方工具時，往往需要消耗大量處理能力。

在Swami Sivasubramanian博士看來，查看日歷和搜索文檔等簡單任務可以使用性能低得多的模型就能可靠完成。因此，對于AI Agent開發者而言，模型定制化功能至關重要。為此，亞馬遜云科技推出Amazon RFTBedrock RFT功能，簡化模型定制流程，企業將能夠開發出更高效、更定制化的 AI 智能體。

Amazon Bedrock RFT借助了強化學習來簡化模型定制。借助強化學習，模型通過反復試錯并結合人類反饋來獲取新知識。當模型表現出良好行為時，它們會獲得“獎勵”，而不良行為則會被“糾正”。不過，強化學習需要復雜的訓練流程和龐大的計算資源，并且還需要人類專家提供反饋等等。

為此，Amazon Bedrock RFT讓強化學習變得更加便捷，無需開發者具備豐富的機器學習知識，任何開發者都可以輕松上手。此外，Amazon Bedrock 作為一個完全托管的 AI 平臺，提供來自數十家頂級 AI 公司的高性能基礎模型和各種AI Agent 工具。

根據Swami Sivasubramanian博士介紹，Amazon Bedrock RFT 目前支持 Amazon Nova 2 Lite 。接下來，亞馬遜云科技還將增加對其他大模型的廣泛支持。

此外，Amazon SageMaker AI 也新增了無服務器定制功能，讓企業設計、開發和部署自己的模型并進行定制的過程更加快速。

更簡單的AI訓練

目前，隨著很多企業的AI集群規模持續增加，往往會伴隨著GPU等AI基礎設施組件故障頻繁、損壞率提升，而GPU卡的損壞又容易造成任務丟失和整個集群的宕機，并且解決起來需要耗費大量時間，這在AI算力日趨昂貴的年代，對于企業是一項極其昂貴的損失。

如何解決企業用戶訓練的痛點？為此，亞馬遜云科技在本次大會帶來了Amazon SageMaker Hyperpod 的checkpointless training（無檢查點訓練功能），旨在構建和運行經濟高效且高性能的AI Agent基礎設施，提供更可靠和簡單的模型訓練體驗。

眾所周知，Amazon SageMaker HyperPod將傳統上復雜且耗時的模型訓練與部署基礎設施管理流程轉變為一項完全托管服務，消除繁瑣的底層工作，可對AI集群進行擴展，并具備自動工作負載優先級排序功能，同時會自動保存模型快照或檢查點，以便在出現問題時進行恢復。

不過，過去這種方式往往需要讓整個AI集群閑職數小時，這也是很多企業用戶不能承受的。checkpointless training則有別于傳統方式，能夠在幾分鐘內自動從基礎設施故障中恢復，無需任何手動干預，在分布式集群中持續保存模型狀態，只需平穩替換故障硬件，并通過點對點傳輸從附近健康的加速器獲取確切的模型狀態。

“通過checkpointless training功能，用戶不用再驚慌地回滾到某個舊的Checkpoint，在模型訓練中能夠更快的恢復速度和顯著的成本節約。”Swami Sivasubramanian博士表示道。

讓Agent“記憶力”飛升

過去，AI Agent往往受制于上下文窗口和短暫的記憶能力，只是在有限上下文窗口內保存短期信息，并會在每一次新交互時被重置

使得其并不能勝任真正的生產業務環境?，F在，亞馬遜云科技為AI Agent帶來了episodic 記憶功能，讓Agent可以記得過去數周甚至數月的交互歷史，不再是每次對話都“初次見面”。

“在越交互越智能的Agent趨勢下，很多AI Agent記憶能力有著明顯短板。”Swami Sivasubramanian博士介紹道。為此，亞馬遜云科技在Amazon Bedrock AgentCore中推出了episodic 記憶功能，使Agent能夠從過往經驗中學習，并將這些信息應用于后續交互。

據悉，episodic記憶功能會以結構化方式記錄上下文、推理過程、操作及結果，隨后由另一Agent自動分析其中的模式，以優化決策。當Agent遇到類似任務時，可快速調取相關歷史信息，縮短處理時間，并減少對復雜自定義指令的依賴。

episodic記憶功能意義重大，它標志著Agent還是具備“類人”的特質，能夠自動識別用戶行為模式和理解用戶的長期偏好，這種跨會話、基于經驗的學習能力是 Agent 在生產環境中得到真正應用的關鍵。

Kiro領銜三款Frontier Agents

協作無疑是Agent未來最重要的發展趨勢之一。

為此，亞馬遜云科技在本次大會上也推出了Kiro Autonomous Agent、Amazon Security Agent和Amazon DevOps Agent三款具備自主性、可持續工作的Frontier Agents。這三款產品不僅僅意味著任務的智能化，也標志著Agent協作模式的重要進步。

具體來看，Kiro是人工智能驅動的Agent編程環境，在幫助開發者使用自然語言提示編寫、分析和構建軟件，其有Vibe Coding和SPEC（規范驅動）兩種模式，開發者從簡短的需求描述開始，與AI展開多輪對話逐步完善技術規格。

亞馬遜云科技開發者 Agents 產品管理及體驗總監Adnan Ijaz介紹，Kiro具有獨立性和開放性，亞馬遜云科技并沒有將它與其他產品特別綁定起來，而是任何供應商都可以個整合在其中，給予用戶充分的選擇。據悉，亞馬遜云科技此次推出 Kiro 時，已與眾多合作伙伴攜手，包括 Figma、Stripe、Neon、Supabase、Netlify 和 Datadog 等。用戶還可以從 GitHub 導入社區構建的工具，或自行開發功能供內部使用。

“Kiro對開發者的工作流重構具有重要影響。開發者可向Kiro分配待辦任務或描述需求，它把這些要求代入設計流程，自助規劃執行路徑，將模糊的自然語言需求代入設計流程，轉化為結構化的規范文檔，建立“需求澄清→技術設計→任務分解→代碼生成”的工程化閉環。”Adnan Ijaz補充道，“Kiro未來還計劃兼容所有AI開發工具，甚至包括擴大支持的模型范圍?！?/p>

除了Kiro之外，Amazon Security Agent和Amazon DevOps Agent與之形成協同的閉環，安全Agent會主動審查代碼合規性，將滲透測試轉化為按需服務；DevOps Agent則通過CloudWatch等工具鏈監控性能、定位故障，實現從編碼到部署的端到端自動化。

綜合觀察

Agentic AI正在迎來屬于它的“iPhone時刻”。

亞馬遜云科技在“AI基礎設施-模型-Agent平臺-數據-應用”上進行的全棧工程化整合，在部署、安全、合規、可靠性等工程化方面取得重大突破，讓AI Agent突破復雜性和低效率帶來的羈絆，開發者可以自由構建時，也標志著Agentic AI這輛時代列車將全速前進。

正如Swami Sivasubramanian博士最后所言：“我們正在構建的所有技術，都只是AI Agent無限可能的開端。現在，任何有想法的人，都擁有了將想法變為現實的自由，擁有了以前所未有的速度從概念走向影響的自由，擁有了攻克曾經看似不可能解決的問題的自由，也擁有了無限創造的自由?！?/p>