顧名思義，re:Invent 不僅是亞馬遜云科技年度峰會的名字，更是其每年向外界傳達(dá)的核心：在這個行業(yè)，唯一不變的就是不斷推翻過去的自己。

如果說過去十年的 re:Invent 是關(guān)于如何將計算資源「重塑」為像水電一樣唾手可得的基礎(chǔ)設(shè)施，那么今年則釋放了一個截然不同的信號：云計算的下半場，競爭焦點(diǎn)已從「提供資源」重塑為「提供能力」。

在拉斯維加斯，亞馬遜云科技以 10 分鐘發(fā)布 25 個新品的極高密度，試圖回答一個困擾行業(yè)的問題：為什么大模型熱鬧了兩年，企業(yè)級應(yīng)用的大爆發(fā)卻遲遲未到？

亞馬遜云科技向世界給出的答案是：屬于企業(yè)的 Agentic AI 時代已經(jīng)到來。

「太長不看」版：

? Frontier Agents 家族登場： 推出 Kiro Autonomous agent、Security Agent 和 DevOps Agent 三款前沿 Agent，將軟件開發(fā)、安全和運(yùn)維帶入自動化新范式。
? 自研芯片再進(jìn)化： 正式推出 Amazon Trainium3 UltraServers，性能提升 4.4 倍。同時預(yù)告了下一代性能更強(qiáng)的 Trainium4 芯片。
? 自研模型家族全面升級： 發(fā)布 Amazon Nova 2 模型家族，包含 Lite、Pro、Sonic（語音）、Omni（多模態(tài)）四個核心模型，覆蓋從輕量到復(fù)雜的全場景需求。
? Amazon Bedrock 擁抱中國大模型： Amazon Bedrock 平臺進(jìn)一步擴(kuò)容，首次納入Kimi、MiniMax、Qwen等多個中國頂尖大模型。
? 模型定制化革命： 推出 Amazon Nova Forge，首創(chuàng)「開放式訓(xùn)練模型」理念，允許企業(yè)將自有數(shù)據(jù)融入基礎(chǔ)模型的預(yù)訓(xùn)練階段，創(chuàng)造深度定制的專屬模型。
? Agent 行為治理： 發(fā)布 AgentCore Policy 和 AgentCore Evaluations，用自然語言為 AI 代理設(shè)定行為邊界，并持續(xù)評估其工作質(zhì)量，解決企業(yè)應(yīng)用 AI 的可信度與可控性難題。
? 云邊界的消融： 發(fā)布「Amazon AI Factories」，將亞馬遜云科技的 AI 基礎(chǔ)設(shè)施直接部署到客戶自己的數(shù)據(jù)中心。

生產(chǎn)力重塑：把 AI 從「工具」變成「同事」

過去兩年，我們習(xí)慣稱呼企業(yè)生產(chǎn)環(huán)境中的 AI 為 Copilot，但在亞馬遜云科技看來，這還不夠。Copilot 或者說傳統(tǒng)的 AI「助手」，需要你時刻緊盯，并根據(jù)其任務(wù)和表現(xiàn)隨時調(diào)節(jié)指令；但企業(yè)真正渴望的，是能夠領(lǐng)受目標(biāo)、獨(dú)立思考并調(diào)用各種工具完成任務(wù)的 Agent。

因此，近幾年亞馬遜云科技的敘事核心，正從提供工具轉(zhuǎn)向提供「工作者」。在本屆 re:Invent 上，我們能看到亞馬遜云科技將大部分時間都留給了 AI Agent，并帶來了有史以來最大規(guī)模的 Agent 部署戰(zhàn)略。

AI Agent 的價值在于「行動」，它們是區(qū)別于 AI 助手的全新物種，被賦予了自主規(guī)劃、長期運(yùn)行和并行執(zhí)行復(fù)雜任務(wù)的能力?！獊嗰R遜云科技 Agentic AI 副總裁 Swami Sivasubramanian

AI Agent 大規(guī)模部署的第一步，就是設(shè)計出各懷本事的「數(shù)字員工」。

作為這一理念的具象化， Frontier Agents（前沿 Agent）正式發(fā)布。其中 Kiro autonomous agent（虛擬開發(fā)者）、Amazon Security Agent（安全顧問）和 Amazon DevOps Agent（運(yùn)維專家） 等 Agent 已經(jīng)在多家企業(yè)「試崗」，表現(xiàn)出了極佳的效率。

例如，虛擬開發(fā)者 Kiro autonomous agent 可以連接上 Jira 和 Slack，領(lǐng)會團(tuán)隊的業(yè)務(wù)邏輯和協(xié)作規(guī)范，以符合標(biāo)準(zhǔn)的方式晝夜不停地完成跨庫變更和 bug 修復(fù)等瑣碎工作，讓團(tuán)隊成員可以更專心于關(guān)鍵的創(chuàng)新部分。

在亞馬遜云科技內(nèi)部的一個案例中，一支 6 人團(tuán)隊利用 Kiro autonomous agent，在短短 76 天內(nèi)做完了原計劃需要 30 人耗時 18 個月才能完成的架構(gòu)重構(gòu)工作。期間 Kiro autonomous agent 自主分析了 15 個微服務(wù)，在幾乎全程「無人駕駛」的狀態(tài)下測試和提交代碼。

和亞馬遜關(guān)系緊密的藍(lán)色起源（Blue Origin），更是大膽地將這套流程引入到了航空系統(tǒng)設(shè)計：從細(xì)化需求、物料溝通到更高技術(shù)力的系統(tǒng)架構(gòu)和物理仿真，藍(lán)色起源通過內(nèi)部的 BlueGPT 平臺調(diào)用了多個 Agent 來支持研發(fā)，讓總體交付速度提升了 75%。

Agent 行動力升級的背后，是模型「大腦」的升級。支撐各種 Agent 的 Amazon Nova 模型家族 全面升級至第二代，包含主打高性價比的 Amazon Nova 2 Lite 、亞馬遜最強(qiáng)智能模型 Amazon Nova 2 Pro 、專注類人語音對話的 Amazon Nova 2 Sonic ，以及行業(yè)首個真正統(tǒng)一的多模態(tài)模型 Amazon Nova 2 Omni 。

亞馬遜云科技堅持「沒有一個模型能統(tǒng)治一切」的哲學(xué)，多樣化的模型家族為的是讓 Agent 更聽話、更能干活。

為了讓企業(yè)敢于將這些強(qiáng)大的 Agent 引入核心工作流，亞馬遜云科技打造了 Amazon Bedrock AgentCore——這是為 Agent 構(gòu)建平臺 Bedrock 附加的全套行為治理體系。

通過 AgentCore Policy 功能，管理者可以用「禁止向退款超 1000 美元的客戶退款」這樣的大白話，為 Agent 設(shè)定不可逾越的「紅線」，避免 AI 的錯誤行為造成公司重大損失；

AgentCore Evaluations 功能則提供了 13 種內(nèi)置評估器，像績效考核一樣持續(xù)監(jiān)測 Agent 的工作質(zhì)量；

而全新的 AgentCore Memory 功能則引入「情景式記憶」，讓 Agent 能從過往經(jīng)驗(yàn)中學(xué)習(xí)，記住用戶的偏好和上下文。

值得一提的是，亞馬遜云科技還展現(xiàn)出了極大的生態(tài)包容性。在 Amazon Bedrock 平臺上，我們發(fā)現(xiàn)了 DeepSeek、Kimi、MiniMax和 Qwen 的身影。

這意味著，企業(yè)可以在亞馬遜云科技的全球基礎(chǔ)設(shè)施上，無縫調(diào)用中國最頂尖的 AI 模型能力，比如擅長推理和調(diào)用工具的 Kimi K2 和專注 Coding 的 MiniMax M2。

很顯然，亞馬遜云科技下一步的愿景，是將企業(yè)的生產(chǎn)力單元從個人升級為「人+智Agent」的混合團(tuán)隊，讓人類只處理那些真正有價值的問題，徹底解放生產(chǎn)效率。

成本重塑：算力降本增效，擊穿價格底線

將 AI 做成像水電一樣的基礎(chǔ)設(shè)施，向來是業(yè)內(nèi)最感興趣的話題之一。但相信不少人注意到了，現(xiàn)在的「算力費(fèi)」似乎太貴，貴到足以扼殺大多數(shù)企業(yè)的創(chuàng)新驅(qū)動。

而亞馬遜云科技的核心競爭力剛好在于，它總能以完整體系和極致的工程能力，強(qiáng)行把價格「打下來」。

在首日的 Keynote 中，亞馬遜云科技首席執(zhí)行官 Matt Garman 宣布推出云端首款 3nm 工藝 AI 芯片 Trainium3 ，還順勢公開了以其為基礎(chǔ)的 Amazon Trainium3 UltraServers ，為企業(yè)提供 AI 訓(xùn)練和推理所必需的算力。

最多可將 144 塊 Trainium3 芯片整合到同一系統(tǒng)中的Amazon Trainium3 UltraServers，相比起上一代，算力提升了 4.4 倍，內(nèi)存帶寬提升 3.9 倍，更關(guān)鍵的是，能效提升了 40%。這意味著，在同樣的電力消耗下，企業(yè)能獲得 5 倍的 token 產(chǎn)出。

自研芯片，是亞馬遜云科技對抗昂貴 GPU 的底氣，也是向企業(yè)做出的一種承諾：讓 AI 訓(xùn)練和推理不再是巨頭的特權(quán)。包括 Anthropic、理光和 Splash Music 在內(nèi)的客戶，已經(jīng)通過 Trainium，將訓(xùn)練成本降低了 50%。

更進(jìn)一步，亞馬遜云科技已經(jīng)預(yù)告了下一代芯片 Trainium4，其 FP4 計算性能將再提升 6 倍，內(nèi)存帶寬提升 4 倍，以超越摩爾定律的提升速度，滿足全球最大的模型訓(xùn)練需求，并降低企業(yè)的成本焦慮。

除了提升硬件能效，如何在軟件端減少算力消耗，也是企業(yè)「精打細(xì)算」的重要部分。在這方面，亞馬遜云科技來了一手漂亮的「軟硬協(xié)同」：

亞馬遜云科技認(rèn)為，企業(yè)不總是需要用最大的模型，因此最新推出的 Amazon Bedrock Model Distillation（模型蒸餾） 允許企業(yè)用大模型（老師）來教導(dǎo)小模型（學(xué)生），最終用 1/10 的成本實(shí)現(xiàn)相似的高性能。配合 Amazon S3 Tables 和 Aurora DSQL 等存儲和數(shù)據(jù)庫技術(shù)對海量數(shù)據(jù)的專項(xiàng)優(yōu)化，亞馬遜云科技正在系統(tǒng)性地擠掉 AI 成本中的水分。

一切上層應(yīng)用的創(chuàng)新，都離不開底層基礎(chǔ)設(shè)施的支持。只有當(dāng)算力像水電一樣廉價且唾手可得時，AI 應(yīng)用的爆發(fā)才具有了現(xiàn)實(shí)基礎(chǔ)。

邊界重塑：「送貨上門」，打破云能力的地點(diǎn)限制

長久以來，公有云和私有數(shù)據(jù)中心之間隔著一堵無形的墻。出于數(shù)據(jù)主權(quán)、低延遲或合規(guī)的要求，許多企業(yè)敏感部門的關(guān)鍵業(yè)務(wù)無法上云，也無法運(yùn)用上述的 AI 能力。

亞馬遜云科技決定推倒這堵墻。

全新發(fā)布的 Amazon AI Factories 提供了一種極具想象力的「曲線救國」方案： 如果你不能上云，那我就把云搬到你家里。

換句話說，亞馬遜云科技可以將包含 Trainium 或 NVIDIA 芯片的全套服務(wù)機(jī)柜，直接「快遞」部署到客戶的數(shù)據(jù)中心。這里賣的不光是服務(wù)器，還有一整套由亞馬遜云科技管理的、與公有云體驗(yàn)一致的算力環(huán)境。

對于像沙特阿拉伯主權(quán)財富基金（PIF）控股的人工智能公司 HUMAIN 這樣的主權(quán)級客戶，或金融、醫(yī)療等強(qiáng)監(jiān)管行業(yè)，AI Factories 尤其契合需求。他們利用現(xiàn)有的機(jī)房空間和電力，就能立刻接入先進(jìn)的 AI 基礎(chǔ)設(shè)施。

同時，亞馬遜云科技還推出了 Amazon Interconnect ，首發(fā)與 Google Cloud 合作，打破了云廠商之間的物理隔閡。這顯示了他們的務(wù)實(shí)姿態(tài)：承認(rèn)「多云」是現(xiàn)實(shí)，并主動打通經(jīng)脈。

至此， 亞馬遜云科技完成了從「云服務(wù)商」到「泛在算力基礎(chǔ)設(shè)施提供商」的身份轉(zhuǎn)換。 云的定義不再局限于亞馬遜云科技的機(jī)房，而是延伸到了客戶需要的任何角落。

體驗(yàn)重塑：消除「技術(shù)負(fù)債」，回歸創(chuàng)造本源

技術(shù)的終極目標(biāo)是什么？是讓人類從繁瑣中解脫，去從事真正的創(chuàng)造活動。

理想很美好，但在現(xiàn)實(shí)中，很多人不得不將時間花在對付那些年紀(jì)比自己還大的古老系統(tǒng)上。城市規(guī)劃領(lǐng)域有一個詞叫「基建詛咒」，它指的是早期的大規(guī)?；ǎ瑫谌蘸笤斐删薮蟮木S護(hù)成本，并將組織資源「綁架」在維護(hù)老舊資產(chǎn)上，無法投入新技術(shù)、新線路或更新?lián)Q代。

類似地，全球企業(yè)每年在維護(hù)舊系統(tǒng)、修補(bǔ)過時代碼等「技術(shù)負(fù)債」上的花費(fèi)高達(dá) 2.4 萬億美元，程序員和運(yùn)維工程師厭惡這些重復(fù)性的「臟活累活」，卻又囿于現(xiàn)實(shí)深陷其中。

在 re:Invent 上，亞馬遜云科技宣布，要用 AI 砍掉這些「無用功」。

最新發(fā)布的 Amazon Transform 升級版 ，就是為了鏟除這些技術(shù)負(fù)債。利用 Agentic AI ，它能將將陳舊的代碼（如 COBOL、舊版 Java）自動升級為現(xiàn)代化語言，甚至能完成 Windows 應(yīng)用向 Linux 的遷移。比起人力更新，其現(xiàn)代化改造速度可提升 5 倍，時間和成本減少 80%。

能夠減輕企業(yè)負(fù)擔(dān)的，還有 Amazon Nova Forge 。它引入了「開放訓(xùn)練模型」的理念，允許企業(yè)在模型的預(yù)訓(xùn)練階段就將自有數(shù)據(jù)（如產(chǎn)品設(shè)計文檔、失敗案例）與亞馬遜云科技的通用數(shù)據(jù)集融合，訓(xùn)練出深度理解自身業(yè)務(wù)的專屬模型 （Novella），從根源上解決傳統(tǒng)微調(diào)的「災(zāi)難性遺忘」問題。Reddit 已成功運(yùn)用這一技術(shù)，訓(xùn)練出能精準(zhǔn)識別違規(guī)內(nèi)容的專屬模型，大幅簡化了部署運(yùn)維工作。

在這里，亞馬遜云科技所做的事情就是打破詛咒，借助 AI 的能力實(shí)現(xiàn)低成本更新維護(hù)，并將舊資產(chǎn)中有價值的部分，融入企業(yè)專有的 AI 知識庫。

只有感受不到「基建」的沉重，企業(yè)才能全情投入到業(yè)務(wù)創(chuàng)新之上。

云計算步入下半場，亞馬遜云科技的規(guī)劃才剛剛開始

如果說云計算的上半場，是將計算、存儲、網(wǎng)絡(luò)變成了像水和電一樣的「基礎(chǔ)設(shè)施革命」，核心是「資源的民主化」，那么以 AI Agent 為核心的下半場，云計算正在開啟一場「能力的民主化」革命。

亞馬遜云科技的云正在試圖告訴市場： AI 時代的競爭，不再是看誰的模型參數(shù)更大，而是看誰能把 AI 的使用門檻降得更低、成本控得更好、邊界管得更嚴(yán)。

這一轉(zhuǎn)變意味著，未來企業(yè)數(shù)字化轉(zhuǎn)型的重心，正從相對簡單的、將業(yè)務(wù)搬上云端的「流程管理」，遷移到將業(yè)務(wù)目標(biāo)托付給無數(shù)個自主運(yùn)行 AI Agent 的「能力委托」問題上。

而幫助企業(yè)應(yīng)對這一轉(zhuǎn)型挑戰(zhàn)，正是亞馬遜云科技在 re:Invent 2025 上傳遞的核心價值： 將 AI 時代巨大的技術(shù)復(fù)雜性和不確定性，轉(zhuǎn)化為企業(yè)確定性的競爭優(yōu)勢。

當(dāng) Matt Garman 在十分鐘內(nèi)如數(shù)家珍般發(fā)布 25 項(xiàng)基礎(chǔ)設(shè)施更新時，他宣示不只是亞馬遜云科技堪稱恐怖的工程效率，更是一套嚴(yán)密、務(wù)實(shí)且強(qiáng)大的工業(yè)化 AI 體系。從自研芯片到全模態(tài)模型基座，從打破物理邊界的數(shù)據(jù)中心到自主工作的「數(shù)字員工」， 亞馬遜云科技將過去只有少數(shù)科技巨頭才能企及的、構(gòu)建復(fù)雜 AI 系統(tǒng)的能力，轉(zhuǎn)變?yōu)橐环N所有企業(yè)都可以按需取用的標(biāo)準(zhǔn)化服務(wù)。

在這種敘事中，企業(yè)可用的 AI 工具只會越來越豐富，門檻只會越來越低，那么相應(yīng)地，運(yùn)用 AI 讓企業(yè)生產(chǎn)效率驟升的「價值時代」，也正在快速步近。