# 亚马逊云科技最强 AI Agent 阵容发布，设计火箭也不在话下

- 作者：彭海星
- 发布时间：2025-12-05 16:24
- 分类：公司
- 原文：https://www.ifanr.com/1647444

顾名思义，re:Invent 不仅是亚马逊云科技年度峰会的名字，更是其每年向外界传达的核心：在这个行业，唯一不变的就是不断推翻过去的自己。

如果说过去十年的 re:Invent 是关于如何将计算资源「重塑」为像水电一样唾手可得的基础设施，那么今年则释放了一个截然不同的信号：云计算的下半场，竞争焦点已从「提供资源」重塑为「提供能力」。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Honeyview_Snipaste_2025-12-05_13-43-21.jpg)

在拉斯维加斯，亚马逊云科技以 10 分钟发布 25 个新品的极高密度，试图回答一个困扰行业的问题：为什么大模型热闹了两年，企业级应用的大爆发却迟迟未到？

亚马逊云科技向世界给出的答案是：属于企业的 Agentic AI 时代已经到来。

📃「太长不看」版：  
• **Frontier Agents 家族登场：**推出 Kiro Autonomous Agent、Security Agent 和 DevOps Agent 三款前沿 Agent，将软件开发、安全和运维带入自动化新范式。  
• **自研芯片再进化：**正式推出 Amazon Trainium3 UltraServers，性能提升 4.4 倍。同时预告了下一代性能更强的 Trainium4 芯片。  
• **自研模型家族全面升级：**发布 Amazon Nova 2 模型家族，包含 Lite、Pro、Sonic（语音）、Omni（多模态）四个核心模型，覆盖从轻量到复杂的全场景需求。  
• **Amazon Bedrock 拥抱中国大模型：**Amazon Bedrock 平台进一步扩容，首次纳入Kimi、MiniMax、Qwen等多个中国顶尖大模型。  
• **模型定制化革命：**推出 Amazon Nova Forge，首创「开放式训练模型」理念，允许企业将自有数据融入基础模型的预训练阶段，创造深度定制的专属模型。  
• **Agent 行为治理：**发布 AgentCore Policy 和 AgentCore Evaluations，用自然语言为 AI 代理设定行为边界，并持续评估其工作质量，解决企业应用 AI 的可信度与可控性难题。  
• **云边界的消融：**发布「Amazon AI Factories」，将亚马逊云科技的 AI 基础设施直接部署到客户自己的数据中心。

### 生产力重塑：把 AI 从「工具」变成「同事」

过去两年，我们习惯称呼企业生产环境中的 AI 为 Copilot，但在亚马逊云科技看来，这还不够。Copilot 或者说传统的 AI「助手」，需要你时刻紧盯，并根据其任务和表现随时调节指令；但企业真正渴望的，是能够领受目标、独立思考并调用各种工具完成任务的 Agent。

因此，近几年亚马逊云科技的叙事核心，正从提供工具转向提供「工作者」。在本届 re:Invent 上，我们能看到亚马逊云科技将大部分时间都留给了 AI Agent，并带来了有史以来最大规模的 Agent 部署战略。

> AI Agent 的价值在于「行动」，它们是区别于 AI 助手的全新物种，被赋予了自主规划、长期运行和并行执行复杂任务的能力。  
> ——亚马逊云科技 Agentic AI 副总裁 Swami Sivasubramanian

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Honeyview_Agent.jpg)

AI Agent 大规模部署的第一步，就是设计出各怀本事的「数字员工」。

作为这一理念的具象化， Frontier Agents 正式发布。其中 **Kiro autonomous agent（虚拟开发者）、Amazon Security Agent（安全顾问）和 Amazon DevOps Agent（运维专家）**等 Agent 已经在多家企业「试岗」，表现出了极佳的效率。

例如，虚拟开发者 Kiro autonomous agent 可以连接上 Jira 和 Slack，领会团队的业务逻辑和协作规范，以符合标准的方式昼夜不停地完成跨库变更和 bug 修复等琐碎工作，让团队成员可以更专心于关键的创新部分。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Recorder-2.gif)

在亚马逊云科技内部的一个案例中，一支 6 人团队利用 Kiro，在短短 76 天内做完了原计划需要 30 人耗时 18 个月才能完成的架构重构工作。期间 Kiro 自主分析了 15 个微服务，在几乎全程「无人驾驶」的状态下测试和提交代码。

和亚马逊关系紧密的蓝色起源（Blue Origin），更是大胆地将这套流程引入到了航空系统设计：从细化需求、物料沟通到更高技术力的系统架构和物理仿真，蓝色起源通过内部的 BlueGPT 平台调用了多个 Agent 来支持研发，让总体交付速度提升了 75%。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Honeyview_BlueGPT-1.jpg)

Agent 行动力升级的背后，是模型「大脑」的升级。支撑各种 Agent 的 **Amazon Nova 模型家族**全面升级至第二代，包含主打高性价比的 Amazon Nova 2 Lite、亚马逊最强智能模型 Amazon Nova2 Pro、专注类人语音对话的 Amazon Nova 2 Sonic，以及行业首个真正统一的多模态模型 Amazon Nova 2 Omni。亚马逊云科技坚持「没有一个模型能统治一切」的哲学，多样化的模型家族为的是让 Agent 更听话、更能干活。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Honeyview_Nova2.jpg)

为了让企业敢于将这些强大的 Agent 引入核心工作流，亚马逊云科技打造了 Amazon Bedrock AgentCore——这是为 Agent 构建平台 Bedrock 附加的全套行为治理体系。

通过 **AgentCore Policy** 功能，管理者可以用「禁止向金额超 1000 美元的客户退款」这样的大白话，为 Agent 设定不可逾越的「红线」，避免 AI 的错误行为造成公司重大损失；**AgentCore Evaluations** 功能则提供了 13 种内置评估器，像绩效考核一样持续监测 Agent 的工作质量；而全新的 **AgentCore** **Memory** 功能则引入「情景式记忆」，让 Agent 能从过往经验中学习，记住用户的偏好和上下文。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Honeyview_agentcore.jpg)

值得一提的是，亚马逊云科技还展现出了极大的生态包容性。在 Amazon Bedrock 平台上，我们发现了 DeepSeek、Kimi、MiniMax和 Qwen 的身影。这意味着，企业可以在亚马逊云科技的全球基础设施上，无缝调用中国最顶尖的 AI 模型能力，比如擅长推理和调用工具的 Kimi K2 和专注 Coding 的 MiniMax M2。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Honeyview_New-Model.jpg)

**很显然，亚马逊云科技下一步的愿景，是将企业的生产力单元从个人升级为「人+Agent」的混合团队，让人类只处理那些真正有价值的问题，彻底解放生产效率。**

### 成本重塑：算力降本增效，击穿价格底线

将 AI 做成像水电一样的基础设施，向来是业内最感兴趣的话题之一。但相信不少人注意到了，现在的「算力费」似乎太贵，贵到足以扼杀大多数企业的创新驱动。

而亚马逊云科技的核心竞争力刚好在于，它总能以完整体系和极致的工程能力，强行把价格「打下来」。

在首日的 Keynote 中，亚马逊云科技首席执行官 Matt Garman 宣布推出云端首款 3nm 工艺 AI 芯片 **Trainium3**，还顺势公开了以其为基础的 **Amazon Trainium3 UltraServers**，为企业提供 AI 训练和推理所必须的算力。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/about-amazon-inline-aws-trainium-3.jpg)

最多可将 144 块 Trainium3 芯片整合到同一系统中的 Amazon Trainium3 UltraServers，相比起上一代，算力提升了 4.4 倍，内存带宽提升 3.9 倍，更关键的是，能效提升了 40%。这意味着，在同样的电力消耗下，企业能获得 5 倍的 token 产出。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Trn3.jpg)

自研芯片，是亚马逊云科技对抗昂贵 GPU 的底气，也是向企业做出的一种承诺：让 AI 训练和推理不再是巨头的特权。包括 Anthropic、理光和 Splash Music 在内的客户，已经通过 Trainium，将训练成本降低了 50%。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Honeyview_Project-Rainier.jpg)

更进一步，亚马逊云科技已经预告了下一代芯片 Trainium4，其 FP4 计算性能将再提升 6 倍，内存带宽提升 4 倍，以超越摩尔定律的提升速度，满足全球最大的模型训练需求，并降低企业的成本焦虑。

除了提升硬件能效，如何在软件端减少算力消耗，也是企业「精打细算」的重要部分。在这方面，亚马逊云科技来了一手漂亮的「软硬协同」：

亚马逊云科技认为，企业不总是需要用最大的模型，因此最新推出的 **Amazon Bedrock Model Distillation（模型蒸馏）**允许企业用大模型（老师）来教导小模型（学生），最终用 1/10 的成本实现相似的高性能。配合 Amazon S3 Tables 和 Aurora DSQL 等存储和数据库技术对海量数据的专项优化，亚马逊云科技正在系统性地挤掉 AI 成本中的水分。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Honeyview_2024-bedrock-model-distillation-1-diagram.jpg)

**一切上层应用的创新，都离不开底层基础设施的支持。只有当算力像水电一样廉价且唾手可得时，AI 应用的爆发才具有了现实基础。**

### 边界重塑：「送货上门」，打破云能力的地点限制

长久以来，公有云和私有数据中心之间隔着一堵无形的墙。出于数据主权、低延迟或合规的要求，许多企业敏感部门的关键业务无法上云，也无法运用上述的 AI 能力。

亚马逊云科技决定推倒这堵墙。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Honeyview_about-amazon-hero-aws-data-center-interior-1.jpg)

全新发布的 Amazon AI Factories 提供了一种极具想象力的「曲线救国」方案：**如果你不能上云，那我就把云搬到你家里。**

换句话说，亚马逊云科技可以将包含 Trainium 或 NVIDIA 芯片的全套服务机柜，直接「快递」部署到客户的数据中心。这里卖的不光是服务器，还有一整套由亚马逊云科技管理的、与公有云体验一致的算力环境。

对于像沙特阿拉伯主权财富基金（PIF）控股的人工智能公司 HUMAIN 这样的主权级客户，或金融、医疗等强监管行业，AI Factories 尤其契合需求。他们利用现有的机房空间和电力，就能立刻接入先进的 AI 基础设施。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/20251205144303_233_1789.jpg)

同时，亚马逊云科技还推出了**Amazon Interconnect**，首发与 Google Cloud 合作，打破了云厂商之间的物理隔阂。这显示了他们的务实姿态：承认「多云」是现实，并主动打通经脉。

**至此， 亚马逊云科技完成了从「云服务商」到「泛在算力基础设施提供商」的身份转换。**云的定义不再局限于亚马逊云科技的机房，而是延伸到了客户需要的任何角落。

### 体验重塑：消除「技术负债」，回归创造本源

技术的终极目标是什么？是让人类从繁琐中解脱，去从事真正的创造活动。

理想很美好，但在现实中，很多人不得不将时间花在对付那些年纪比自己还大的古老系统上。城市规划领域有一个词叫「基建诅咒」，它指的是早期的大规模基建，会在日后造成巨大的维护成本，并将组织资源「绑架」在维护老旧资产上，无法投入新技术、新线路或更新换代。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/debt.jpg)

类似地，全球企业每年在维护旧系统、修补过时代码等「技术负债」上的花费高达 2.4 万亿美元，程序员和运维工程师厌恶这些重复性的「脏活累活」，却又囿于现实深陷其中。

**在 re:Invent 上，亚马逊云科技宣布，要用 AI 砍掉这些「无用功」。**

最新发布的 **Amazon Transform 升级版**，就是为了铲除这些技术负债。利用 Agentic AI ，它能将将陈旧的代码（如 COBOL、旧版 Java）自动升级为现代化语言，甚至能完成 Windows 应用向 Linux 的迁移。比起人力更新，其现代化改造速度可提升 5 倍，时间和成本减少 80%。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Honeyview_Modern.jpg)

能够减轻企业负担的，还有 **Amazon Nova Forge**。它引入了「开放训练模型」的理念，允许企业在模型的预训练阶段就将自有数据（如产品设计文档、失败案例）与亚马逊云科技的通用数据集融合，训练出深度理解自身业务的专属模型 （Novella），从根源上解决传统微调的「灾难性遗忘」问题。Reddit 已成功运用这一技术，训练出能精准识别违规内容的专属模型，大幅简化了部署运维工作。

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Honeyview_Nova-Forge.jpg)

在这里，亚马逊云科技所做的事情就是打破诅咒，借助 AI 的能力实现低成本更新维护，并将旧资产中有价值的部分，融入企业专有的 AI 知识库。

只有感受不到「基建」的沉重，企业才能全情投入到业务创新之上。

### 云计算步入下半场，亚马逊云科技的规划才刚刚开始

如果说云计算的上半场，是将计算、存储、网络变成了像水和电一样的「基础设施革命」，核心是「资源的民主化」，那么以 AI Agent 为核心的下半场，云计算正在开启一场「能力的民主化」革命。

亚马逊云科技的云正在试图告诉市场：**AI 时代的竞争，不再是看谁的模型参数更大，而是看谁能把 AI 的使用门槛降得更低、成本控得更好、边界管得更严。**

![](https://s3.ifanr.com/wp-content/uploads/2025/12/Honeyview_Power-of-tech.jpg)

这一转变意味着，未来企业数字化转型的重心，正从相对简单的、将业务搬上云端的「流程管理」，迁移到将业务目标托付给无数个自主运行 AI Agent 的「能力委托」问题上。

而帮助企业应对这一转型挑战，正是亚马逊云科技在 re:Invent 2025 上传递的核心价值：**将 AI 时代巨大的技术复杂性和不确定性，转化为企业确定性的竞争优势。**

当 Matt Garman 在十分钟内如数家珍般发布 25 项基础设施更新时，他宣示不只是亚马逊云科技堪称恐怖的工程效率，更是一套严密、务实且强大的工业化 AI 体系。从自研芯片到全模态模型基座，从打破物理边界的数据中心到自主工作的「数字员工」，**亚马逊云科技将过去只有少数科技巨头才能企及的、构建复杂 AI 系统的能力，转变为一种所有企业都可以按需取用的标准化服务。**

在这种叙事中，企业可用的 AI 工具只会越来越丰富，门槛只会越来越低，那么相应地，运用 AI 让企业生产效率骤升的「价值时代」，也正在快速步近。