2025年，走向尾声。回顾2025，这既是「AI泡沫论」兴起的一年，也是「AI效用论」兴起的一年。两种论调表面矛盾，实则有一致的内核。

AI产业规模的扩大，并没有100%充分转化为效用、价值。无论是消费端的应用场景，还是企业端的效率、回报，都落后于市场的超高期待。

AI产品范式有着极简的内核，完全端到端的输入和输出。但到企业场景下，大模型能力的内核依然影响着它的应用效率，用户常常需要花较多时间精力去构建应用，进行繁琐的效果评估、安全审查、上下文同步等工作，这里付出的成本，甚至可能比原有的工作流程效率更低。

在2025年亚马逊云科技re:Invent大会上，CEO Matt Garman指出了这一行业共识：AI要从「技术奇迹」转变为能提供实际业务价值的实用工具，企业需要在生产环境中以低成本、可控、规模化的方式部署和使用模型。当下AI应用的堵点不是「智能能力」，而是「工程化的能力」。

如何重新思考AI的应用范式，提升核心效率，成为了讨论焦点。亚马逊云科技宣示了他们的长期目标，是为企业搭建一套可定制的AI框架，创造一个开放、安全、可控、可扩展的AI操作系统。

Agent：企业应用的第一范式

企业利用AI效率低下的痛点，最直接的解决方案，是改变应用范式，用Agentic AI的技术基础，实现自动化的Agent部署。

最初的LLM产品是单一维度的一问一答，Agent则是基于大模型构建的行为框架，能形成感知、思考、决策、执行、反馈的完整循环，完成多步骤的复杂任务，是高效且自动化的。

Agent能够帮助用户解决AI应用的根本痛点：「你不知道如何编写一个准确的prompt，也不知道AI输出的反馈是否正确，因此要花费大量精力对prompt进行调整，对结果进行验证」。

这在企业场景尤其关键。大量企业难以利用AI工具提升效益的原因，就在于需要投入大量成本部署工作流程、方法，就琐碎的任务不断对AI进行调整。但通过Agent，很多繁琐流程都可以得到简化、自动化，甚至由Agent主动完成。

比如对于电商来说，要训练一个Agent来构建自动应答的客服系统，它不需要去教AI什么是正确的客服技巧，而是只需要将自己已有的商品数据库和客服记录交给AI Agent，让Agent基于这些数据来建立客服回复的经验、模式。

Matt Garman举了一个非常生动的例子，他把AI Agent比作一个「小孩」，企业需要培育它「长大」。这个过程中你需要保证他的安全、健康，传授他经验，但又不是事无巨细地管到生活的方方面面，每分每秒。

在此次亚马逊云科技re:Invent大会上，其发布的三个前沿Agent 都是围绕效率优化展开。用户只需要设定一个相对宏观的目标，Agent就可以自主寻求实现，并拥有弹性扩展和独立运行能力，可以同时执行多项任务，长时间连续工作，并可以跨多个Agent分布式协同。这一切特性，都是为了减轻用户负担。

其中，Kiro自主Agent是主要面向软件开发本身的智能体。针对切换任务时重建上下文、手动协调代码库变更、重新整合分散的非结构化信息等等琐碎问题，都实现了自主化推进，可以在多次会话间保持上下文连贯，保持对用户需求和习惯的记忆。同时通过建议和拉取请求，确保用户始终拥有代码并入的决策权。

Amazon Security Agent和AmazonDevOps Agent 则将安全知识覆盖到开发全周期，并针对运维场景实现了自动化和主动优化。AmazonDevOpsAgent一方面解决了运维场景下定位问题困难，解决耗时增长，损失信任的问题，还增加了对历史时间模式的分析，将被动修补的运维模式转变为主动优化的运维体系。

而针对AI生成代码的安全和合规问题，AmazonSecurity Agent则能将深度安全知识嵌入开发的全生命周期，预防风险发生。

尽管这三个前沿Agent都是对垂直场景下用户痛点的解决，但它们实际也预示了Agent在更广阔企业应用场景中的发展趋势。就是将企业的流程、经验，转化为AI知识，并借由Agent，将这些知识按需自动应用于AI工作流程，提高AI与企业运行本身的贴合度，提升效率。这一理念既适用于核心开发和运维场景，也有移植到其他平行工作场景的潜力。

Agent学习经验并实现自动化，就是企业场景下AI应用的第一范式。

AI应用的未来：打造真正的「AI操作系统」

Agent是企业应用AI重要的范式，在提升自动化的同时，也带来一个问题，如何保证Agent的灵活可用性？安全性？如何评估、优化其效率？保证其可继承、可维护性？

这需要一套平台级的架构支撑，也是亚马逊云科技作为成熟的商用平台，一直以来的构建目标。自AmazonBedrock平台建立之初，它就保持着开放，为用户提供最广阔的选择面，最低的适配门槛，帮助用户自由构建AI的技术栈。AmazonBedrock从最初就支持导入、管理不同的大模型，今年还新增了对Kimi、MiniMax的支持。

通过创建Agent，AmazonBedrock不只是将企业的工作流程场景化、自动化，还能让Agent匹配企业的结构或非结构化数据，权限系统，并设置全局的安全合规策略，以便进行评估监控。AmazonBedrock既是AI模型的调度系统，也是Agent的安全围栏，是它的管理上级。

Agent的效率根源来自它「可执行动作」的特性，同时，最大的风险也源于这里。

Agent在执行过程中会出现调用API错误，数据修改错误，越权访问、执行非法操作等等问题，所以在Agent之上，必须设置有高于它的安全策略、权限系统，而且要有自动评估系统，尽早捕捉异常问题。

在今年的更新中，Amazon Bedrock AgentCore 提供完整的构建 Agent的工具，其最重要的两大功能更新就是「策略」和「评估」，前者可以把企业规范、合规自动注入 Agent 的工作流，后者则可以在切换、升级模型时自动评估质量并捕捉下降问题。

亚马逊云科技从基础架构、模型、数据、工具等多个层面，为AI Agent提供了运行的支撑，让AI在算力上可负担、可扩展，模型上有充分的选择，让AI能理解企业的知识、读取专有数据，让AI可信任、可治理。每一个目标背后，都由至少一个专门的模块支持。这一切，都为Agent应用的高效运转，提供了良好的平台基础。

如果将企业利用AI的目标理解为一辆需要跑起来的汽车。算力是AI的燃料，模型是发动机，AmazonBedrock是整个动力总成，Agent是所有的控制系统，只有当这一切协作运转，AI才会从工具，变成企业组织能力的一部分，即理想的「AI操作系统」，帮助企业释放价值。对亚马逊云科技来说，AI泡沫并不是一个虚无缥缈的问题，通过每一个需求痛点、每一个核心指标的优化，亚马逊云科技比以往任何时候都更加脚踏实地，这也是未来每一个企业拥抱AI的坚实基础。

正如亚马逊云科技CEO Matt Garman所说，AI要从「功能」变成企业里的「协作者」，运用AI的优势将来自企业独有的数据和流程知识。