AI 正告別“炫技”，加速回歸“價(jià)值”。

這其中，AI Agent所扮演的角色與作用至關(guān)重要。今天，全球的開發(fā)者都在積極擁抱AI Agent來構(gòu)建，標(biāo)志著整個(gè)技術(shù)行業(yè)正迎來重大轉(zhuǎn)折點(diǎn)。因此，當(dāng)AI Agent加速涌現(xiàn)之際，AI Agent需要加速進(jìn)入到生產(chǎn)環(huán)境和創(chuàng)造更多價(jià)值，已成為產(chǎn)業(yè)共識。

無疑，亞馬遜云科技提出的"Frontier Agents"（前沿智能體） 的概念，標(biāo)志著 Agent 技術(shù)發(fā)展的標(biāo)志性時(shí)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(fā)者構(gòu)建和利用AI Agent，從開發(fā)環(huán)境、框架、功能等維度，全面幫助開發(fā)者們以實(shí)現(xiàn)不犧牲質(zhì)量的前提下加速軟件開發(fā)創(chuàng)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(shí)代已加速到來：第一、‘誰能構(gòu)建’正在徹底改寫，開發(fā)者不再受限語法、API調(diào)用、參數(shù)等細(xì)節(jié)；第二、構(gòu)建速度徹底改變，開發(fā)周期從過去數(shù)年數(shù)月縮短到數(shù)天。Agent讓開發(fā)者們獲得了‘無限制構(gòu)建’的自由。”

Agent從概念驗(yàn)證走向生產(chǎn)環(huán)境

本質(zhì)上，每個(gè)Agent都由模型、代碼和工具三個(gè)關(guān)鍵組件構(gòu)成。模型是Agent的大腦，負(fù)責(zé)推理、規(guī)劃和執(zhí)行；代碼則定義Agent的身份，決定其能力，并指導(dǎo)其完成決策過程；工具則讓Agent“活起來”，包括API、知識庫、數(shù)據(jù)庫訪問權(quán)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(xiàng)目卻處于概念驗(yàn)證階段，距離實(shí)際走向生產(chǎn)環(huán)境尚有著不小挑戰(zhàn)。在Swami Sivasubramanian博士看來，AI Agent真正需要進(jìn)入到生產(chǎn)環(huán)境，需要具備五個(gè)方面的核心能力：

首先是大規(guī)?？焖俨渴餉gent的能力，這需要基礎(chǔ)設(shè)施能夠支撐Agent從0快速擴(kuò)展到數(shù)千個(gè)并發(fā)會話，同時(shí)還需要確保AI Agent長時(shí)間運(yùn)行和敏感數(shù)據(jù)的隔離等等；

其次，AI Agent在生產(chǎn)環(huán)境的落地，必然需要具備處理海量數(shù)據(jù)和邊緣場景的能力，通過強(qiáng)大的記憶系統(tǒng)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(chǎn)環(huán)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(jī)制，以確保AI Agent不泄露或者接觸到敏感數(shù)據(jù)；

第四，AI Agent融入生產(chǎn)環(huán)境后，并不會孤立存在，這意味著需要安全集成應(yīng)用所需要API、數(shù)據(jù)庫和服務(wù)等；

最后，AI Agent 還需要具備監(jiān)控和快速調(diào)試問題的能力，以快速解決出現(xiàn)的問題。

事實(shí)上，絕大部分用戶依靠過去傳統(tǒng)工具或者臨時(shí)性方案均無法解決上述挑戰(zhàn)。相反，很多臨時(shí)方案拼湊在一起，進(jìn)一步增加了AI Agent的復(fù)雜性，甚至成為用戶在Agentic AI時(shí)代創(chuàng)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(guī)模構(gòu)建、部署和運(yùn)營Agent。Swami Sivasubramanian博士介紹：“AgentCore就像一個(gè)工具箱，采用模塊化的設(shè)計(jì)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(guī)模構(gòu)建、部署和運(yùn)營Agent?！?/p>

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(xiàng)功能，進(jìn)一步幫助企業(yè)用戶屏蔽復(fù)雜性，加速AI Agent在生產(chǎn)環(huán)境的價(jià)值創(chuàng)造。

Strands Agent擴(kuò)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(jù)悉，Strands Agent采用模型驅(qū)動的方式，只需幾行代碼即可構(gòu)建和運(yùn)行 AI 代理，真正為企業(yè)用戶帶來了快速大規(guī)模部署Agent的能力。

Strands Agent一經(jīng)推出就受到開發(fā)者的廣泛歡迎。Swami Sivasubramanian博士介紹，Strands Agent在短短幾個(gè)月時(shí)間里，下載量已經(jīng)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(shè)備） 的支持。

相比于JavaScript，TypeScript 編程語言更不容易出錯(cuò)或出現(xiàn) bug。而對 Edge（邊緣設(shè)備） 的支持，標(biāo)志著Agent不再局限于云端，可以運(yùn)行在工廠機(jī)械臂、車載系統(tǒng)等邊緣側(cè)，實(shí)現(xiàn)真正的無處不在。

解決模型定制的效率難題

通常，企業(yè)在創(chuàng)建AI Agent時(shí)，往往希望選擇最先進(jìn)的大模型。但最先進(jìn)的模型也意味著對推理能力要求極高，在驅(qū)動AI Agent解決問題和使用第三方工具時(shí)，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(wù)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(fā)者而言，模型定制化功能至關(guān)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(yè)將能夠開發(fā)出更高效、更定制化的 AI 智能體。

Amazon Bedrock RFT借助了強(qiáng)化學(xué)習(xí)來簡化模型定制。借助強(qiáng)化學(xué)習(xí)，模型通過反復(fù)試錯(cuò)并結(jié)合人類反饋來獲取新知識。當(dāng)模型表現(xiàn)出良好行為時(shí)，它們會獲得“獎勵(lì)”，而不良行為則會被“糾正”。不過，強(qiáng)化學(xué)習(xí)需要復(fù)雜的訓(xùn)練流程和龐大的計(jì)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(qiáng)化學(xué)習(xí)變得更加便捷，無需開發(fā)者具備豐富的機(jī)器學(xué)習(xí)知識，任何開發(fā)者都可以輕松上手。此外，Amazon Bedrock 作為一個(gè)完全托管的 AI 平臺，提供來自數(shù)十家頂級 AI 公司的高性能基礎(chǔ)模型和各種AI Agent 工具。

根據(jù)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(wù)器定制功能，讓企業(yè)設(shè)計(jì)、開發(fā)和部署自己的模型并進(jìn)行定制的過程更加快速。

更簡單的AI訓(xùn)練

目前，隨著很多企業(yè)的AI集群規(guī)模持續(xù)增加，往往會伴隨著GPU等AI基礎(chǔ)設(shè)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(wù)丟失和整個(gè)集群的宕機(jī)，并且解決起來需要耗費(fèi)大量時(shí)間，這在AI算力日趨昂貴的年代，對于企業(yè)是一項(xiàng)極其昂貴的損失。

如何解決企業(yè)用戶訓(xùn)練的痛點(diǎn)？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(diǎn)訓(xùn)練功能），旨在構(gòu)建和運(yùn)行經(jīng)濟(jì)高效且高性能的AI Agent基礎(chǔ)設(shè)施，提供更可靠和簡單的模型訓(xùn)練體驗(yàn)。

眾所周知，Amazon SageMaker HyperPod將傳統(tǒng)上復(fù)雜且耗時(shí)的模型訓(xùn)練與部署基礎(chǔ)設(shè)施管理流程轉(zhuǎn)變?yōu)橐豁?xiàng)完全托管服務(wù)，消除繁瑣的底層工作，可對AI集群進(jìn)行擴(kuò)展，并具備自動工作負(fù)載優(yōu)先級排序功能，同時(shí)會自動保存模型快照或檢查點(diǎn)，以便在出現(xiàn)問題時(shí)進(jìn)行恢復(fù)。

不過，過去這種方式往往需要讓整個(gè)AI集群閑職數(shù)小時(shí)，這也是很多企業(yè)用戶不能承受的。checkpointless training則有別于傳統(tǒng)方式，能夠在幾分鐘內(nèi)自動從基礎(chǔ)設(shè)施故障中恢復(fù)，無需任何手動干預(yù)，在分布式集群中持續(xù)保存模型狀態(tài)，只需平穩(wěn)替換故障硬件，并通過點(diǎn)對點(diǎn)傳輸從附近健康的加速器獲取確切的模型狀態(tài)。

“通過checkpointless training功能，用戶不用再驚慌地回滾到某個(gè)舊的Checkpoint，在模型訓(xùn)練中能夠更快的恢復(fù)速度和顯著的成本節(jié)約?！盨wami 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(nèi)保存短期信息，并會在每一次新交互時(shí)被重置

使得其并不能勝任真正的生產(chǎn)業(yè)務(wù)環(huán)境?，F(xiàn)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(shù)周甚至數(shù)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(jīng)驗(yàn)中學(xué)習(xí)，并將這些信息應(yīng)用于后續(xù)交互。

據(jù)悉，episodic記憶功能會以結(jié)構(gòu)化方式記錄上下文、推理過程、操作及結(jié)果，隨后由另一Agent自動分析其中的模式，以優(yōu)化決策。當(dāng)Agent遇到類似任務(wù)時(shí)，可快速調(diào)取相關(guān)歷史信息，縮短處理時(shí)間，并減少對復(fù)雜自定義指令的依賴。

episodic記憶功能意義重大，它標(biāo)志著Agent還是具備“類人”的特質(zhì)，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(jīng)驗(yàn)的學(xué)習(xí)能力是 Agent 在生產(chǎn)環(huán)境中得到真正應(yīng)用的關(guān)鍵。

Kiro領(lǐng)銜三款Frontier Agents

協(xié)作無疑是Agent未來最重要的發(fā)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(xù)工作的Frontier Agents。這三款產(chǎn)品不僅僅意味著任務(wù)的智能化，也標(biāo)志著Agent協(xié)作模式的重要進(jìn)步。

具體來看，Kiro是人工智能驅(qū)動的Agent編程環(huán)境，在幫助開發(fā)者使用自然語言提示編寫、分析和構(gòu)建軟件，其有Vibe Coding和SPEC（規(guī)范驅(qū)動）兩種模式，開發(fā)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(shù)規(guī)格。

亞馬遜云科技開發(fā)者 Agents 產(chǎn)品管理及體驗(yàn)總監(jiān)Adnan Ijaz介紹，Kiro具有獨(dú)立性和開放性，亞馬遜云科技并沒有將它與其他產(chǎn)品特別綁定起來，而是任何供應(yīng)商都可以個(gè)整合在其中，給予用戶充分的選擇。據(jù)悉，亞馬遜云科技此次推出 Kiro 時(shí)，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(dǎo)入社區(qū)構(gòu)建的工具，或自行開發(fā)功能供內(nèi)部使用。

“Kiro對開發(fā)者的工作流重構(gòu)具有重要影響。開發(fā)者可向Kiro分配待辦任務(wù)或描述需求，它把這些要求代入設(shè)計(jì)流程，自助規(guī)劃執(zhí)行路徑，將模糊的自然語言需求代入設(shè)計(jì)流程，轉(zhuǎn)化為結(jié)構(gòu)化的規(guī)范文檔，建立“需求澄清→技術(shù)設(shè)計(jì)→任務(wù)分解→代碼生成”的工程化閉環(huán)?！盇dnan Ijaz補(bǔ)充道，“Kiro未來還計(jì)劃兼容所有AI開發(fā)工具，甚至包括擴(kuò)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(xié)同的閉環(huán)，安全Agent會主動審查代碼合規(guī)性，將滲透測試轉(zhuǎn)化為按需服務(wù)；DevOps Agent則通過CloudWatch等工具鏈監(jiān)控性能、定位故障，實(shí)現(xiàn)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(shí)刻”。

亞馬遜云科技在“AI基礎(chǔ)設(shè)施-模型-Agent平臺-數(shù)據(jù)-應(yīng)用”上進(jìn)行的全棧工程化整合，在部署、安全、合規(guī)、可靠性等工程化方面取得重大突破，讓AI Agent突破復(fù)雜性和低效率帶來的羈絆，開發(fā)者可以自由構(gòu)建時(shí)，也標(biāo)志著Agentic AI這輛時(shí)代列車將全速前進(jìn)。

正如Swami Sivasubramanian博士最后所言：“我們正在構(gòu)建的所有技術(shù)，都只是AI Agent無限可能的開端?，F(xiàn)在，任何有想法的人，都擁有了將想法變?yōu)楝F(xiàn)實(shí)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(jīng)看似不可能解決的問題的自由，也擁有了無限創(chuàng)造的自由?！?/p>