在近日召开的2026亚马逊云科技中国峰会上，哈啰首席架构师邓小白围绕“智慧出行”这一话题，详细拆解了哈啰作为拥有超8亿用户的本地出行及生活平台巨头，如何基于亚马逊云科技提供的技术与服务，将“Agentic AI赋能全业务链路”作为核心战略，不仅实现了研发效能的大幅跃升，更实现了对传统模式的创新变革。

从共享出行、网约车到本地生活服务，哈啰所经历的正是一部中国科技企业在AI浪潮冲击下，如何以技术为桨，驾驭庞大业务体量，驶向未来出行生态的生动样本。

从“工程师尝试”到“组织战略”：一场自上而下的全员AI革命

“无论是对成熟业务的持续迭代，还是对新领域的创新探索，科技与互联网企业往往面临一个共同的行业痛点：研发资源受限、需求和产品排期滞后。”在媒体沟通会上，邓小白直接点出了企业创新的普遍瓶颈。而他给出的破局之道也非常清晰坚定：“通过应用AI，企业能够有效缓解研发资源短缺的难题……在创新层面，AI更可为企业提供极具性价比、稳定可靠且丰富的资源支持，彻底打破过去制约业务发展的资源瓶颈。”

邓小白透露，哈啰的AI实践，始于个体的好奇心，却成于组织的系统性变革。起初与许多企业一样，哈啰对AI的应用是“自下而上”的。部分工程师发现了AI工具的提效潜力，开始自发尝试。最终从单纯的好奇，走向了对AI Coding潜力的深度挖掘。真正的转折点发生在2025年下半年。哈啰开始“自上而下将AI Coding融入实际工作”，这意味着AI开始从部分人的“可选工具”，正式升级为全体员工的“必备生产力”，成为企业决心推动的战略转型。

在AI实践中，哈啰将亚马逊云科技提供的Kiro作为统一的集成开发环境，将其赋能范围扩大至研发、运营、产品等约2000名员工。这种规模的普及带来了显著的效能提升：得益于AI Coding，新想法从Idea到原型的落地时间，实现了从“天级”到“小时级”的跨越。经过长期样本统计，在复杂的成熟业务场景下，开发提效约50%；而在从零到一的创新场景下，开发提效幅度更是高达67%以上。

邓小白指出，这场变革的深层逻辑在于，AI解决了传统企业创新中最核心的“资源错配”问题。过去，新业务探索常常需要从核心团队抽调人手，导致“既要顾旧，又要开新”的两难局面。如今，AI成为一股稳定且强大的外部增量资源，让哈啰能够以前所未有的敏捷度进行创新实验，将更多创意快速转化为可验证的原型，极大地加速了新业务、新模式的孵化周期。

AI战略“四层架构”：让智能体读懂业务，助业务拥抱智能

哈啰的AI布局并非零散的功能堆砌，而是构筑了一个清晰、分层的战略架构。邓小白系统性地阐述了这四层逻辑严密的“金字塔”：

第一层：AI基础设施（AI Infra）：这是整个AI能力的基石。哈啰在算力、存储及服务上持续投入，构建了包括多云纳管、训推加速等在内的核心基建能力，旨在实现吞吐翻倍与成本优化。在此基础上，他们还搭建了大模型服务管理平台，统一支持主流模型的快速接入、模型压测与监控，为上层的敏捷应用提供坚实保障。

第二层：AI知识运营：认识到大模型的静态知识与动态发展的业务之间存在鸿沟，哈啰建立了一套动态更新业务知识、规则和技能模块的运营机制，并配备了全流程工具链，确保“智能体”能与时俱进，精准理解公司业务。

第三层：AI应用工厂：这是将底层能力产品化的关键一层。哈啰自研了 Agent Kit（Agent工具包）平台，作为核心的AI应用开发平台，为智能体提供运行所需的底层服务，如记忆、评测、知识库等。目前，已有 400多个有效的AI应用在这个平台上被孵化出来。

第四层：AI Agent层（应用层）：所有技术最终在此服务于两类对象。对内，通过“哈啰龙虾”等AI助手，实现运营播报、指标预警、工作流审批的自动化，提升员工效率。对外，通过出行机器人、司乘撮合助手等业务Agent，直接赋能用户端服务与商业决策。

这套架构的核心思想在于：技术是为业务服务的，而AI的价值在于深度融入并优化核心业务流程。正如邓小白所言：“只有大模型与传统算法有机协同，才能最大化地发挥其商业价值。”

不止“一键出行”：智能体在业务场景中的融合与落地

AI的“炫技”很容易，但是如何将“智能”无缝融入用户习惯与业务流程，对企业来说才是真正的考验。哈啰在这方面展现出了罕见的平衡艺术——既有大胆的创新，也有精心的克制。

在用户侧，以“出行Agent” 和 “租车个人助手Agent” 为代表的应用，正试图将复杂的出行选择简化为一场自然对话。通过集成亚马逊云科技Marketplace中的多款三方模型，AI助手能够理解用户的自然语言描述，对其进行意图识别，并完成服务调度与最优方案推荐。租车场景的“个人助手”更能在选车、比价、了解保险规则的全流程中，整合后台知识与规则引擎，引导用户完成复杂的决策。

然而，在最具挑战性的首页AI推荐场景上，哈啰却表现得极为谨慎。邓小白坦言：“在首页等核心场景中，引入AI推荐是非常克制和谨慎的。”哈啰的策略不是粗暴地用AI完全替代传统算法，而是融合“搜索、推荐、筛选和对话”等多种形态，并由AI动态选择最优交互方式。其价值在于解决传统推荐模型难以应对的“长尾冷启动”问题。传统模型依赖历史行为，对新用户束手无策，而AI仅凭少量的即时交互数据，就能理解用户深层意图。与此同时，AI还能保存用户原始的完整交互事件，通过一个三层的“事件-记忆-任务”上下文体系，深度挖掘隐含需求。

此外，在租车业务的“AI审核” 场景中，智能体已悄然将业务人员从繁琐重复的体力劳动中解放。譬如针对还车后产生的车辆违章、补缴油电费、车损认定等审核，过去完全依赖人工，效率和准确率都难以保证。哈啰通过引入多模态大模型与亚马逊云科技的 Amazon Rekognition（对象检测服务），实现了对该类流程的智能辅助。针对特定热门车型的油电表图像识别，在经过亚马逊云科技团队配合进行的针对性训练后，识别准确率从70%大幅提升至90%以上，大幅提升了运营效率与公平性。

“同心伙伴”双向奔赴，共破“AI产业化最后一公里”

当被问及为何选择与亚马逊云科技深度合作时，邓小白给出了三个核心理由，这些理由也恰恰揭示了头部云服务商在推动企业AI规模化落地中的独特价值。

1、专业的全线产品能力：亚马逊云科技“覆盖全球、稳定高可用的基础设施及领先的云服务”，满足了哈啰对大模型稳定性（高达99.99%要求）、灵活调用与成本可控的多重诉求。例如，哈啰通过亚马逊云科技的产品服务，建立了动态模型切换机制，当某个模型API不稳定时自动切换，并针对不同场景调用成本不同的模型，精准平衡性能与开销。

2、以客户为中心的理念：这不仅是口号，更是嵌入业务的深度服务。邓小白分享了在租车AI审核开发中的细节：亚马逊云科技的技术团队“深度融入到我们的具体业务链路”，针对油电表识别的特殊需求，与哈啰一起“挖掘痛点并提供定制化解决方案”，对特定车型进行针对性训练，最终显著提升了准确率。

3、齐心协力落地与持续探索：双方的合作已超越简单的供需关系，形成“双向赋能”。今年上半年，哈啰举办AI创新应用大赛，亚马逊云科技团队不仅提供技术支持，更派出专人驻场，“从早上一直坚守到深夜十一二点，手把手指导非技术岗位的员工使用Kiro工具”。同时，哈啰在Kiro规模化落地中的实战反馈，也为亚马逊云科技的产品优化提供了宝贵建议，推动了双方共同成长。未来，双方的合作将从深化现有场景，逐步向哈啰的海外业务布局拓展。

Agentic AI浪潮已至：技术演进驱动企业转型

邓小白以行业内最前沿的“Loop Engineering（循环工程）”为例，勾勒了AI智能体演进的终极方向。他指出，这一过程经历了从最初用户需要反复设计提示词（Prompt Engineering），到需要管理对话上下文（Context Engineering），再到平台能够设定复杂约束与工作流编排（Harness Engineering）的进化。而如今发展到的“循环工程”阶段，智能体已能够根据任务目标，自动规划并执行复杂的工作流。

这一演进脉络揭示了一个根本趋势：后端技术越复杂精密，前端呈现给用户和开发者的体验就越简单友好。这正是Agentic AI爆发的底层动力——它将逐渐从高级技术人员的专属工具，变为驱动所有业务环节的普适性生产力。

在这场由AI重写企业基因的宏大叙事中，哈啰的实践无疑提供了一个极具价值的样本。它不仅展示了如何利用AI解决如资源瓶颈、运营效率、用户体验等具体痛点，更揭示了一种新的商业哲学：当AI不再仅仅是提效工具，而成为与人和业务共生的“智能体”时，企业的组织、流程和战略思考都将发生深刻转型。这条路道阻且长，但正如邓小白所说，与志同道合的伙伴一同探索，正是穿越这片新大陆的最佳路径。