当AI智能体真正走进生产环境,从“会说话”到“能干活”,将给企业带来怎样的变化?
近日,亚马逊云科技正式宣布,在“全球领先、可信赖、懂行业、本地化”四大核心优势的基础上,升级在华的技术能力、安全能力与本地化支持,助力企业把 AI Agent 从概念验证推进到规模化应用。随后在以“助力全球化企业智赢 AI 时代”为主题的亚马逊云科技媒体沟通会上,亚马逊云科技成长型企业及新兴业务总经理倪殿令、亚马逊云科技产品专家团队总经理崔玮、金蝶中国副总裁兼研发中心总经理刘仲文展开同台对话,详细解答了来自媒体的诸多疑问。

从“回答问题”走向“完成工作”,AI试点却涨不出生产力
谈到AI在企业应用中的角色变化,倪殿令表示,2025年国内企业多在搭建知识库、做智能客服,完成从机器人到智能体的过渡;进入2026年,几乎每家企业都在推进智能体建设,AI也从被动回答问题转向自主完成工作。这个质变把行业焦点从“能不能做出智能体”,换成了“生产环境下敢不敢用”。
倪殿令用“杠铃”来描述当下的AI应用格局。这一比喻来自亚马逊首席执行官Andy Jassy在一次采访中的表述:杠铃的一端,是消耗大量算力与Token、冲刺前沿大模型的企业;杠铃的另一端,是几乎全部企业都在做的部门级试点。真正的高速增长带在杠铃中间,即围绕企业自有数据构建的Agentic应用。“这里是未来五到七年最大的机会所在。”倪殿令说道。
但是很多企业的试点,并没有变成公司整体的生产力。倪殿令梳理出了几处卡点:办公流程里的部门墙,将完整的客户旅程切成了一段段,在自己部门提效容易,数据一到隔壁部门,决策、风控与权限又是另一套规则;数据治理长期欠账,从CRM、ERP到制造执行系统、仓储管理,链条上的断点比比皆是;人才团队则需要从AI认知、AI就绪一路走到AI原生。

“10-20-70”与“黄金三角”:AI落地七成不在算法
倪殿令援引了波士顿咨询的“10-20-70”经验:企业AI落地不成功,只有10%与模型算法有关,20%与数据和IT平台有关,剩下70%取决于业务流程、人员能力、运营模式、数据治理与人机协作。
为此倪殿令给出了这样的结论:“企业真正需要改变的,不是在现有流程中简单叠加AI,而是利用AI重塑业务流程,向AI原生组织转型。要实现这一目标,需要以业务战略为中心,围绕场景、数据和人才构建企业AI落地的‘黄金三角’:由企业管理层牵头,从业务价值出发,围绕客户旅程而非部门边界定义高价值AI场景;构建 AI就绪的可信数据基础;同时系统性地培养AI人才、推动业务流程重塑,让AI真正融入企业的核心业务。”
谈到“黄金三角”,倪殿令强调,三角的正中是业务战略,由一把手拍板,并顺着客户旅程、而非部门边界去定义场景;两角分别是AI就绪的数据底座,以及人才与流程的重塑。模型谁都能用,但如果没有治理好的上下文层,智能体只会放大混乱;数据治理到位,智能体才可能放大正确的决策。
"很少有一家企业,CEO从来不用AI,每天还讲AI战略。"倪殿令表示,战略确定后,场景不能全员都上,而是要挑选与核心战略对齐、能真正嵌进业务工作流的高价值场景,且始终运行在安全合规的框架内。

三大能力升级:技术、安全、本地化同步加码
亚马逊云科技的在华三大能力升级,无疑是本次沟通会最受瞩目的焦点。
技术能力方面,亚马逊云科技中国区域今年以来已上线277项新服务和功能,累计超过2800项。在Agentic AI领域,亚马逊云科技中国区域(包括西云数据运营的亚马逊云科技Marketplace)已具备覆盖AI基础设施、第三方模型、数据与知识、Agentic平台及Agent应用构建五个层面的全栈能力,并以安全与治理贯穿整个技术架构。上层是面向知识工作者的Amazon Quick、面向软件工程的Kiro等;中间是Agentic平台;下层是数据底座、模型与算力。与之配套的面向AI的数据基础,在传统数据治理的完整性、一致性、新鲜性、开放性之上,又增加了向量化、可观测可追溯、安全访问三项能力,通过数据层、语义层与上下文层相结合,让智能体不仅能取到数据,还能理解数据背后的业务含义。
安全能力方面,倪殿令表示,2026年10月,全球AI相关安全事件集中爆发,攻击正以机器的速度展开,靠人力根本不可能守住。崔玮也指出,部分NAS设备借助PHP漏洞遭遇勒索病毒入侵,在AI工具加持下,许多过去难以攻破的系统风险陡增,给企业安全带来了非常大的挑战。为此亚马逊云科技从“安全赋能AI”(Security for AI)和“AI赋能安全”(AI for Security)两个方向助力企业构建安全防护体系。其中在“安全赋能AI”方面,企业可借助Amazon Bedrock AgentCore 的身份和访问控制、工具连接和可观测性等能力,加强对Agent身份权限、工具连接及运行过程的管理,并结合本地合作伙伴提供的Guardrails解决方案,对模型输入输出进行内容过滤与合规检查;在“AI 赋能安全”方面,则持续利用AI创新提升安全检测、漏洞管理及安全运营效率,助力企业在加速AI应用的同时,构建更加安全、可控的业务环境。倪殿令透露,亚马逊云科技在中国区域已经落地了40多项安全服务,对底层云的资源、云的基础设施的安全进行赋能。
本地化支持方面,亚马逊云科技通过持续完善客户协作与服务体系,以多层次技术支持和人才赋能帮助企业加速AI应用落地。在客户支持方面提供涵盖深度技术协作和开发方法赋能的多层次支持,譬如通过客户开发工程(CDE)项目等快速原型验证,帮助客户将业务构想快速转化为可验证的原型;依托中国本地专家与科学家团队开展深度技术协作,在模型适配、推理优化和AI应用开发等方面提供技术支持与赋能;通过Agent开发生命周期(Agent-DLC)方法论,帮助企业建立评估驱动、持续迭代的开发能力。人才赋能方面,则从高校人才共创、企业人才培养和企业招聘赋能三个方向,助力企业建设适应AI时代的人才梯队。

AgentCore落地中国:将智能体从原型送进生产
Amazon Bedrock AgentCore是本次沟通会的又一焦点。该服务已于9月28日在由光环新网运营的中国(北京)区域和由西云数据运营的中国(宁夏)区域上线,上线即提供 Runtime、Gateway、Identity、Browser Tools、Code Interpreter、Observability 六大组件。
崔玮表示,Runtime 是智能体的“工作间”,提供云上计算、存储与网络资源,并以microVM实现会话间的硬件级隔离;Gateway则把API、Lambda函数及MCP Server统一转化为智能体可调用的工具入口;Identity负责智能体的入站认证与出站鉴权,界定其执行边界;Browser Tools与Code Interpreter让智能体能操作网页、编写并运行代码;Observability则对生产环境中的每一步决策做全链路追踪。
企业之所以需要AgentCore服务平台,崔玮举了一个例子:有客户投入了240个人天开发一套会议管理应用,却卡在了会话隔离上,最后依靠AgentCore的microVM硬件隔离才解决。在崔玮看来,概念验证阶段“手搓”虽然可行,但是迁移到生产环境后,快速构建、安全连接与持续优化三项能力都得重新补齐。
来自众多行业的客户实践给出了参照:安克创新落地“One Anker”战略,基于AgentCore搭建统一的智能体平台Anka,目标是底层架构一次搭建、避免各业务单元重复投入,支撑上层大量智能体场景的开发迭代;视洞科技将自身业务资产封装为MCP Server,借助Kiro快速完成开发,其智能问答的对话轮数从1至2轮提升到6至7轮;三菱日联银行则在30多个国家和地区、每天约20万笔业务的基础上,用Amazon Neptune构建知识图谱,为流程设计的回复划定可信边界。
AgentCore平台的运维侧能力同样被反复提及:它可根据业务流量自动实现从零到数十万并发会话的弹性扩缩容,免去企业自建集群与多租户管理的负担;在国内,它已被用于数字员工、单据审核、内容生产与智能客服等场景,也在智能家居、汽车售后维修等垂直场景中落地。
针对“上AgentCore容易、下AgentCore难”的顾虑,崔玮回应称,该服务框架开放、支持各类模型接入,Runtime内访问模型不计费;在内部测试的绝大部分场景下,其成本较企业自建低约80%至90%。他还提到亚马逊首席技术官Werner Vogels与客户交流时讲过的“verification debt”——按崔玮的转述,“如果我今天不做,你早晚得做”概念提醒企业:“有些事第一天不做,代价早晚会成倍发生”。

金蝶样本与2027展望:从云转型到AI原生
作为企业客户代表,来自金蝶的现身说法无疑具备极佳的说服力。刘仲文回溯了金蝶与亚马逊云科技自2015年签署全球战略合作协议起步的合作:从ERP转云、2023年出海,到2024年全面AI转型,亚马逊云科技在基础设施、安全与研发三个方向为金蝶提供了大力支持——通过Amazon Bedrock接入海外模型发展海外业务,借助安全服务构建合规产品,并用Kiro等工具推动研发端到端转型等等。
金蝶发票云是其中一个非常典型的的量化样本:这项服务客户超过2万家、日均处理工单超过1000条的业务,在率先使用AgentCore后,工单首次响应时间从15分钟压缩到3分钟,日均工单处理量提升约3倍,AI自动回复率从60%提升到80%。金蝶今年还推出了企业智能体操作平台灵基(Lingee),并提出“让每个企业都成为AI原生组织”的愿景。

谈到2027年的方向,倪殿令透露:在2026年的基础上,亚马逊云科技将继续推动Agentic AI从试点走向规模化,帮助企业从AI认知、AI就绪迈向AI原生。至于企业是否必须先建好统一底座,倪殿令用“两条腿走路”作为比喻——大型企业需数据治理、安全与应用并行推进,中小企业则可用Amazon Quick、Kiro等开箱即用的智能体降低门槛。针对企业客户的AI投入节奏,倪殿令表示互联网属性强的客户跑得更快,传统企业则相对审慎:在部门内部、同一业务线数据可访问的范围内,规模使用已经发生,但对使用哪些数据、能否访问外部数据接口仍有限制。至于正在被构建的“数据智能体”,倪殿令认把企业的数据就绪环境做好之后就可以构建——这会是未来企业里非常重要的一类智能体。
崔玮则重点介绍了自研芯片方面的进展:底层是Amazon Nitro System虚拟化体系,自研CPU方面基于第四代Graviton的Amazon EC2实例已在中国(北京)和中国(宁夏)区域上线,相关实例较上一代最高可提供30%的性能提升。在全球区域,亚马逊云科技还可以提供加速计算侧的Amazon Trainium与Amazon Inferentia,其中与Anthropic联合打造的Project Rainier已投入50万颗Trainium芯片。
红包分享
钱包管理

