图片系AI生成天盈财富
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天盈财富，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）
嘉正网提示：文章来自网络，不代表本站观点。
