全球最大云厂商，将「最牛马」的工作交给了 AI Agent

AI Agent：从“聊天”到“行动”的数字员工

在今年于拉斯维加斯举行的re:Invent大会上，亚马逊云科技首席执行官马特·加曼（Matt Garman）发表了主题演讲，其核心信息异常清晰：“将Agent投入工作”。这标志着一个关键转变——AI Agent的价值不再局限于传统的对话，而在于能够自主执行任务，成为企业和组织中的“数字员工”。

为了实现这一目标，AWS推出了一系列全新的Agent产品，旨在解决实体产业中耗时、复杂、甚至令人疲惫的“牛马”工作。

1. 在代码和运维领域：本次发布的Kiro Autonomous Agent被设计为团队中一位24小时待命的“影子开发者”。它能自主规划并执行修Bug、跨库变更等繁琐任务。更重要的是，它能像真人一样记住跨会话的上下文，通过连接Jira和Slack等工具深度学习团队的协作规范，成为团队共享的“超级大脑”。这意味着开发者可以更专注于核心的创造性难题，而非机械性杂务。同时，DevOps Agent则像一个永不眠的运维员工，能24小时不间断地调查事故和识别运营问题，大幅减少需要人工处理的警报数量。

2. 在企业应用现代化领域：许多企业正背负着沉重的“技术债务”，运行在老旧系统上的应用难以迁移。Amazon Transform Agent就像一位“全能代码重构工程师”，能够对各种编程语言和框架进行定制化转换，将传统应用现代化的速度提升至5倍，同时减少高达80%的时间和成本。

3. 在客户服务领域：AWS升级了其Amazon Connect服务，为客服座席注入了Agent能力。AI不仅能提供更自然的对话体验，还能掌握工具来完成整理材料、执行常规流程等工作，与真人员工更好地协作。此外，一项名为“AI Agent可观测性”的新功能变得至关重要。它为企业提供了高度透明度，清晰呈现AI的理解内容、使用的工具以及决策过程，这有助于企业优化AI性能、确保服务合规，并增强对AI交互的信心。

为AI Agent制定“基本法”：治理与信任

随着Agent获得执行企业关键操作的权限，其可控性和可信赖性成为规模化落地的首要前提。AWS本次发布的重点在于：对Agent的约束，必须从传统的“内容安全”转向更高级的“行为治理”。

为此，AWS推出了一系列治理工具：

• Policy in AgentCore：允许用户使用自然语言（而非复杂代码）来设定Agent的行为边界和权限范围，确保其操作始终在预设的“红线”之内。

• AgentCore Evaluations：允许企业基于真实世界的行为对Agent的工作质量进行持续检查和评估，为其规模化部署提供可靠的性能衡量标准。

通过这一系列工具，AWS试图向企业传递一个明确信息：AI Agent是可以被信任的，只要为它设置了清晰、可执行的规则。

基础设施升级：让AI Agent“用得起”且“跑得稳”

如果说Agent是台前的“数字员工”，那么支撑它们日夜运转的底层基础设施就是幕后的“超级工厂”。

为了让企业真正用得起AI Agent，AWS推出了新一代AI芯片Trainium3及搭载该芯片的Trn3 UltraServer服务器。Trn3芯片是AWS首款采用3nm工艺制造的AI芯片，它完美契合了Agent应用中长上下文和多模态推理的需求。更重要的是，它在成本效益上表现突出：与上一代相比，性能提升3倍，而每兆瓦能耗输出的Tokens数提升超过5倍。这对于当前高昂的AI推理成本而言，是一个显著的降低，是Agent大规模普及的关键一步。

在模型层面，AWS通过Amazon Bedrock平台展现了强大的开放性和包容性。今年，该平台新增了18个完全托管的模型，其中最引人注目的是前所未有地纳入了三家中国公司的顶尖模型：月之暗面的Kimi K2、MiniMax的M2模型以及阿里巴巴的Qwen模型。这一举措表明，全球顶级的AI平台正在打破地域和技术栈的隔阂，让来自不同地区的优秀模型能够像水电一样被全球企业便捷调用。

总结与行业信号

尽管这次发布会没有“参数大跃进”式的轰动，但它的深度在于为AI Agent的工业化应用定义了一套“基本法”。AWS清晰地勾勒出一个未来图景：通过构建安全可控的Agent产品矩阵、提供经济高效的算力基石、打造开放互联的模型生态，最终让AI Agent真正深入企业的核心工作流，成为可靠的生产力伙伴。