2025年，亞馬遜云科技在云服務(wù)市場成績斐然，年收入超1320億美元，同比增長20%。在此基礎(chǔ)上，其在AI領(lǐng)域積極布局，從基礎(chǔ)設(shè)施到應(yīng)用層面均有動作，尤其是在企業(yè)級Agent場景推出一系列的產(chǎn)品。
2025年年底，在北京舉辦了亞馬遜云科技re:Invent中國行北京站的活動，亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理陳曉建和大中華區(qū)產(chǎn)品技術(shù)總監(jiān)王曉野參與活動，分享了其最新進(jìn)展。
AI基礎(chǔ)設(shè)施與芯片
亞馬遜云科技與NVIDIA保持超15年合作，2025年推出的搭載NVIDIA最新GB300 NVL72系統(tǒng)的Amazon EC2 P6E GB300實(shí)例，為特定AI工作負(fù)載提供計算能力。
Amazon AI Factories作為私有亞馬遜云科技區(qū)域，允許客戶利用自身數(shù)據(jù)中心和電力容量，搭建含最新NVIDIA GPU、自研Amazon Trainium芯片、Amazon SageMaker AI訓(xùn)練推理平臺及Amazon Bedrock模型服務(wù)平臺的先進(jìn)AI基礎(chǔ)設(shè)施，滿足合規(guī)等要求。
對于Amazon Trainium芯片，陳曉建提到：“它已經(jīng)成為業(yè)界具有性價比的訓(xùn)練和推理芯片，Claude模型100%在Amazon Trainium上運(yùn)行。此次推出的Amazon Trainium3 UltraServer服務(wù)器中，芯片全部由亞馬遜云科技自研，包括Amazon Nitro、Amazon Graviton以及Amazon Trainium。”
目前，Amazon Trainium已部署超100萬片，部署速度比前沿AI芯片快四倍。據(jù)了解，下一代芯片Amazon Trainium3及規(guī)劃中的Amazon Trainium4，將在計算性能、內(nèi)存帶寬等多方面實(shí)現(xiàn)提升。
推理平臺與模型
Amazon Bedrock是目前全球領(lǐng)先的模型推理平臺，幫助生成式AI應(yīng)用從原型走向生產(chǎn)，并提供模型、定制能力及安全保障。
近期，亞馬遜云科技又推出了18個開放權(quán)重模型，包括國際知名及中國頭部模型開發(fā)商的產(chǎn)品。同時，其自研的Nova模型家族推出Nova 2各版本：Nova 2 Lite高效經(jīng)濟(jì)，適用于日常工作負(fù)載；Nova 2 Pro適合復(fù)雜工作場景；Nova 2 Sonic專注語音領(lǐng)域；Nova 2 Omni具備跨模態(tài)能力，可處理文本、圖像等多種信息，并實(shí)現(xiàn)圖像生成與編輯。
在被問到Amazon Bedrock以及Amazon SageMaker AI中推出的模型定制功能時，陳曉建介紹：“我們主要提供三種不同的能力。第一種是通過Amazon Bedrock進(jìn)行模型微調(diào)的能力。它的特點(diǎn)是使用者不需要具備專業(yè)的機(jī)器學(xué)習(xí)能力，即使是不具備算法背景的IT人員也能操作。用戶只需在Amazon Bedrock中選擇合適的模型，并將其與調(diào)優(yōu)日志打通。通過上傳數(shù)據(jù)集并定義一個評估函數(shù)，告知模型什么樣的結(jié)果是好的，Amazon Bedrock就會自動完成端到端的所有工作。這種模型微調(diào)工作我們稱之為強(qiáng)化微調(diào)（RFT）。使用RFT后，定制后的模型相比基礎(chǔ)模型，平均可獲得66%的準(zhǔn)確率提升。這主要針對不具備AI訓(xùn)練專業(yè)能力的場景。
第二種是Amazon SageMaker AI提供的無服務(wù)器化模型定制功能。這種功能更成熟，可以完成類似于RLHF（人類反饋強(qiáng)化學(xué)習(xí)）、RLAIF（AI強(qiáng)化學(xué)習(xí)）以及DPO（直接偏好優(yōu)化）等任務(wù)。它有兩種模式：第一種是完全自動化的模式，與Amazon Bedrock類似，可以通過自然語言描述訴求，引導(dǎo)系統(tǒng)自動完成從數(shù)據(jù)合成到模型評估的工作；第二種是自助引導(dǎo)模式，為用戶提供更多的控制權(quán)。這兩種模式都是無服務(wù)器化（Serverless）的，用戶不需要管理底層的GPU服務(wù)器、網(wǎng)絡(luò)架構(gòu)或存儲，這些都由Amazon SageMaker AI自動完成。
第三種是我們推出的‘開放式訓(xùn)練’路徑，也就是Nova Forge。這與前兩種模式不同，用戶可以在Nova模型訓(xùn)練的環(huán)節(jié)就注入自己的數(shù)據(jù)。Swami打過一個貼切的比喻：人類在12歲之前學(xué)語言能達(dá)到母語水準(zhǔn)，12歲以后就很難了。模型微調(diào)也面臨類似的兩難困境，后期注入數(shù)據(jù)可能會讓模型忘記之前訓(xùn)練時達(dá)到的智能。Nova Forge允許用戶將Nova作為基礎(chǔ)模型，在訓(xùn)練環(huán)節(jié)選擇檢查點(diǎn)，將業(yè)務(wù)數(shù)據(jù)作為訓(xùn)練的一部分注入，從而獲得更好的效果。一個典型的客戶案例是Reddit。作為一個內(nèi)容網(wǎng)站，Reddit曾嘗試過各種模型微調(diào)和商業(yè)化模型，但都很難達(dá)到預(yù)期效果。最終他們通過Nova Forge環(huán)境實(shí)現(xiàn)了效果與成本的雙重目標(biāo)。目前Nova Forge仍處于早期階段，已經(jīng)有多個客戶表示感興趣。”
Agent構(gòu)建、應(yīng)用及前沿探索
作為2025年的熱詞，Agent被反復(fù)提起。Amazon Bedrock AgentCore被用于Agent構(gòu)建，陳曉建在談到Amazon Bedrock AgentCore的能力定位時說：“它是為了解決各行各業(yè)在開發(fā)Agent時遇到的通用挑戰(zhàn)。挑戰(zhàn)之一是調(diào)優(yōu)模型；之二是構(gòu)建Agentic AI的后臺業(yè)務(wù)架構(gòu)，這與傳統(tǒng)的云架構(gòu)有很大不同?！?/p>
據(jù)他介紹，開發(fā)Amazon Bedrock AgentCore背后有兩個原因。第一，它滿足了開發(fā)Agentic AI workload時的通用需求，為客戶屏蔽底層復(fù)雜性，減少開發(fā)工作量。例如幾乎每個人都需要Memory（上下文管理），以及Runtime（為每個會話創(chuàng)建安全獨(dú)立的運(yùn)行環(huán)境），這些能力通過Amazon Lambda的microVM技術(shù)解決了。第二，展現(xiàn)了亞馬遜云科技作為一流云服務(wù)商，通過20年開發(fā)所積累的豐富底層核心能力，并通過Amazon Bedrock AgentCore將這些差異化能力透傳給客戶。
王曉野補(bǔ)充道：“雖然Agent這個詞聽起來沒變，但技術(shù)原理與去年有很大不同。去年大家容易把a(bǔ)ssistant和Agent的概念混淆。但今年我們發(fā)布的能力代表Agent能夠主動思考。當(dāng)結(jié)果錯誤時，它會自我反思并形成循環(huán)，從接收指令到執(zhí)行任務(wù)、調(diào)用系統(tǒng)操作，如果出錯就反思重來。這正是Amazon Bedrock AgentCore提供給開發(fā)者構(gòu)建Agent的邏輯?！?/p>
Amazon Bedrock AgentCore具備七種能力，涵蓋設(shè)定上下文記憶、配置身份權(quán)限、執(zhí)行代碼分析風(fēng)險、提供安全運(yùn)行環(huán)境及實(shí)現(xiàn)可觀測性監(jiān)控等，目前，有眾多不同行業(yè)的用戶正在使用。
為規(guī)范Agent執(zhí)行，亞馬遜云科技在上述七種能力模塊基礎(chǔ)上，還推出了Policy in Amazon Bedrock AgentCore，通過Cedar語言在智能體與工具間監(jiān)督執(zhí)行，以及Amazon Bedrock AgentCore Evaluations。王曉野表示：“Amazon Bedrock AgentCore這次發(fā)布的幾個重要功能，包括Policy和Evaluations，它們有一個共性，就是讓Agent具備Trust（可信賴）和Reliable（可靠）的特質(zhì)，從而進(jìn)入更嚴(yán)肅的應(yīng)用場景。我們通過Automated Reasoning（自動推理技術(shù)）這種傳統(tǒng)數(shù)學(xué)推理方式，在模型之外由另一套方法控制Agent的輸出是否正確?！?/p>
同時，Amazon Bedrock AgentCore Evaluations還預(yù)設(shè)了13個評估器，用于評估Agent輸出質(zhì)量，保障開發(fā)與運(yùn)行階段的質(zhì)量。
在亞馬遜內(nèi)部應(yīng)用方面，Amazon Quick作為面向場景的消費(fèi)級AI體驗(yàn)產(chǎn)品，整合多種數(shù)據(jù)源，通過多功能及多Agent協(xié)作提升工作效率，如稅務(wù)團(tuán)隊(duì)借此實(shí)現(xiàn)稅務(wù)數(shù)據(jù)處理自動化。Amazon Connect作為呼叫中心服務(wù)，增加八種新的Agentic AI功能，提升客戶服務(wù)體驗(yàn)，吸引豐田等企業(yè)使用。
亞馬遜云科技還推出了Kiro自主Agent、Amazon Security Agent和Amazon DevOps Agent三款前沿Agent，適用于特定場景?！癒iro自主Agent就是一個高度智能化的編程助手。它采用Spec - Driven Programming（規(guī)格驅(qū)動編程），通過人的指令逐步分解并自動化完成任務(wù)，同時能與人交互并接受建議，最終達(dá)成目標(biāo)?！标悤越ㄕf。
在談及Agent大規(guī)模落地挑戰(zhàn)時，陳曉建指出：“很多客戶遇到的挑戰(zhàn)在于，POC（原型驗(yàn)證）階段效果很好，但一上生產(chǎn)環(huán)境就大打折扣。這背后有兩個核心原因：一是數(shù)據(jù)質(zhì)量。POC階段的數(shù)據(jù)往往是經(jīng)過篩選、可控的，而生產(chǎn)環(huán)境下的真實(shí)數(shù)據(jù)質(zhì)量通常遠(yuǎn)低于預(yù)期，這對最終結(jié)果影響極大。
關(guān)于傳統(tǒng)云廠商在Agentic AI時代的價值，我認(rèn)為不僅存在，而且更加重要。在真實(shí)的生產(chǎn)環(huán)境下，企業(yè)依然要面對復(fù)雜的后臺架構(gòu)挑戰(zhàn)。首先是安全。我們投入大量精力開發(fā)Policy in Amazon Bedrock AgentCore，就是為了保證Agent嚴(yán)格在公司策略和預(yù)設(shè)框架內(nèi)執(zhí)行。如果無法控制Agent的行為（例如涉及大額退款的場景），沒有企業(yè)敢真正讓它上線。
其次是數(shù)據(jù)安全和個人隱私保護(hù)，這在對外提供服務(wù)時至關(guān)重要。此外，性能、成本、可伸縮性和高可用性等，都是上生產(chǎn)時必須一一攻克的難題。這些能力并非隨Agentic AI突然出現(xiàn)，而是云廠商多年深耕所積累的核心優(yōu)勢。”
在采訪最后，王曉野預(yù)測：“2026年，Agent將從相對簡單的場景邁向更多嚴(yán)肅的企業(yè)級場景，安全性及可靠性更高的應(yīng)用將變得更多。”
