此前在《硬件、模型與智能體：AWS引領(lǐng)AI大時代》中，三易生活曾對AWS re:Invent 2025首場主題演講內(nèi)容展開解析。

當(dāng)時我們就發(fā)現(xiàn)，相較于往年大篇幅介紹通用算力、傳統(tǒng)數(shù)據(jù)庫服務(wù)及邊緣計(jì)算設(shè)備等領(lǐng)域的進(jìn)展，AWS CEO Matt Garman今年將95%的演講時間都用于展示這家全球云計(jì)算領(lǐng)軍企業(yè)為迎接AI智能體時代所做的轉(zhuǎn)變。

但在AWS看來，一場CEO主題演講似乎還不足以充分展現(xiàn)其引領(lǐng)AI智能體時代的能力與決心。因此，在今年re:Invent開幕第三天，AWS帶來了又一場重磅主題演講——由副總裁Swami Sivasubramanian博士主講的“歡迎來到AI智能體的未來（Welcome to The Future of Agentic AI）”。

AI智能體是什么？與對話式AI有何不同

Swami Sivasubramanian博士在演講中首先闡釋的概念便是“AI智能體是什么，與能和用戶對話的AI相比有何區(qū)別”。

他舉例道：當(dāng)運(yùn)營者遇到網(wǎng)站流量驟降時，若向“AI對話機(jī)器人”求助，這類傳統(tǒng)AI可能僅給出泛泛建議；即便提供具體運(yùn)營數(shù)據(jù)，對話式AI或許能“讀懂”數(shù)據(jù)并給出稍具體的改進(jìn)措施。

但使用AI智能體時，它會在網(wǎng)站流量剛出現(xiàn)異常下降時主動識別問題，隨后自動查閱后臺記錄、識別異常數(shù)據(jù)，及時向運(yùn)營人員發(fā)出警告、提供具體解決方案，甚至嘗試自動完成處理。

顯然，與傳統(tǒng)“AI對話機(jī)器人”相比，AI智能體不僅能通過自然語言交互、擁有自身“知識庫”，更關(guān)鍵的是具備主動識別場景、自動規(guī)劃任務(wù)及完成工作的完整能力。

Swami Sivasubramanian博士指出，典型AI智能體的基礎(chǔ)結(jié)構(gòu)比傳統(tǒng)AI更復(fù)雜，主要包含三個層面：底層的AI模型、基于模型構(gòu)建的各類技能，以及最上層實(shí)現(xiàn)智能體與現(xiàn)實(shí)世界交互的API（應(yīng)用程序接口）。

如何推動智能體持續(xù)進(jìn)化？AWS提出新方案

然而，僅具備上述三個功能層面，還無法確保AI智能體真正“像人一樣聰明”。早期AI智能體缺乏從經(jīng)驗(yàn)中自主學(xué)習(xí)、自我進(jìn)化的能力，其工作模式與技能在開發(fā)完成時便已固定。

那么，如何實(shí)現(xiàn)AI智能體的“持續(xù)進(jìn)化”？一方面，早在2025年5月，AWS就發(fā)布了初代Strands智能體SDK。此后數(shù)月間，該SDK迭代迅速，不斷新增技能、支持更多底層大模型并優(yōu)化開發(fā)交互流程，至今下載量已近530萬次。

但這些還不夠。近日，AWS正式推出AgentCore Memory情景式功能，首次讓AI智能體具備了從過往“工作經(jīng)驗(yàn)”中自主學(xué)習(xí)、提升效率的可能。例如，用戶使用AI智能體預(yù)訂機(jī)場接送服務(wù)且準(zhǔn)時抵達(dá)后，下次再用同一智能體預(yù)訂時，它會意識到“上次的時間剛好”，并根據(jù)旅行人數(shù)等數(shù)據(jù)變化主動預(yù)留更充裕的時間。

專業(yè)級AI智能體開發(fā)難度大，AWS出手助力

Swami Sivasubramanian博士指出，相較于優(yōu)化現(xiàn)有AI智能體性能，多數(shù)開發(fā)者目前可能仍卡在智能體開發(fā)的初始階段——甚至不知道如何創(chuàng)建最適配自身業(yè)務(wù)類型的“專屬AI智能體”。

這并不意外。他舉例說，一家資深醫(yī)藥企業(yè)若要開發(fā)專屬AI智能體，雖清楚需要精通醫(yī)學(xué)、化學(xué)知識的大模型，但卻不清楚哪些模型擅長該領(lǐng)域，也不知道如何訓(xùn)練模型以實(shí)現(xiàn)“個性化”，從而在保證專業(yè)度的同時降低開發(fā)與訓(xùn)練成本。

這正是AWS持續(xù)增強(qiáng)Bedrock模型選擇、優(yōu)化及訓(xùn)練能力的原因。即便是非專業(yè)AI開發(fā)者，也能用自然語言描述對模型的需求，Bedrock會協(xié)助挑選最適合的AI模型。在這個一站式智能體開發(fā)平臺上，能找到來自全球、具備不同特點(diǎn)的各類模型。

開發(fā)者選定模型后，借助Amazon SageMaker AI平臺，可在更短時間、以更少步驟完成模型定制。該平臺支持強(qiáng)化學(xué)習(xí)模式，無需預(yù)先準(zhǔn)備標(biāo)記數(shù)據(jù)集，能降低智能體訓(xùn)練成本；同時，依托AWS的無服務(wù)器體系，開發(fā)者可利用成千上萬的AI加速器資源，在幾天內(nèi)而非幾周內(nèi)完成模型改造。用Swami Sivasubramanian博士的話說，非專業(yè)AI開發(fā)者如今也能以遠(yuǎn)低于過去的時間成本實(shí)現(xiàn)“讓模型更懂用戶”。

聚焦企業(yè)AI智能體，AWS發(fā)力自研模型

不難看出，AWS的AI智能體開發(fā)生態(tài)已擁有持續(xù)迭代的SDK、強(qiáng)大的模型訓(xùn)練工具、易用的模型庫，以及可能是全球最先進(jìn)且性價(jià)比最高的云端算力。

在這些工具的支持下，Swami Sivasubramanian博士相信，AWS能幫助每個企業(yè)的每位員工都擁有自己的輔助智能體。他甚至表示：“人們無需編寫一行代碼，就能完成定制化智能體的開發(fā)?！?/p>

不過，我們是否遺漏了什么？

沒錯，盡管AWS昨日已發(fā)布三款主打“可升級”“可長期穩(wěn)定運(yùn)行”的新一代自研AI模型，但在此次主題演講中，還揭曉了專為企業(yè)辦公場景打造的大模型Amazon Nova Act。

據(jù)悉，Amazon Nova Act從設(shè)計(jì)之初就瞄準(zhǔn)高穩(wěn)定性與高準(zhǔn)確度，采用最新強(qiáng)化學(xué)習(xí)技術(shù)而非傳統(tǒng)模仿學(xué)習(xí)技術(shù)進(jìn)行訓(xùn)練。

從結(jié)果來看，Nova Act成為了“開箱即用”的企業(yè)辦公模型，非常適合構(gòu)建滿足日常辦公需求的AI智能體。值得注意的是，AWS還專門將Nova Act與Claude旗下兩款大模型進(jìn)行性能對比——而Claude此前的“退出”確實(shí)對AWS大中華區(qū)業(yè)務(wù)造成了不小影響。這似乎也體現(xiàn)了一向重視模型包容性的AWS，在遭遇提供商變動后發(fā)力自研模型方案的決心。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請?jiān)谖闹凶⒚鱽碓醇白髡呙帧?/p>

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com