作者 | ZeR0

編輯 | 漠影

全球最大雲計算巨頭亞馬遜雲科技（AWS），剛剛掏出專爲agents開發打造的祕密武器庫！

智東西紐約7月16日報道，今日，亞馬遜雲科技紐約峯會盛大開幕。亞馬遜雲科技這次堪稱掏家底，詳解Agentic AI戰略，連發五大Agentic AI開發利器，揭祕從基礎設施、模型、agent框架到應用層的最新成果。

這個全球雲計算“頭號玩家”，給正值酷暑的紐約帶來了一場乾貨爆棚的AI技術盛宴。智東西作爲唯一受邀現場參會的中國媒體，從大會前排發來超全乾貨報道。

把agents門檻打下來這件事，亞馬遜雲科技顯然動真格了。

最猛的一招，當屬發佈Amazon Bedrock AgentCore預覽版，一次性放出7大核心AI agents服務，覆蓋運行時、記憶、身份驗證、網關、代碼解釋器、瀏覽器工具、可視儀表盤。

在與智東西進行深入交流時，亞馬遜雲科技Agentic AI部門的技術高管兼顧問Preethi CN告訴智東西，AgentCore將改變開發者的遊戲規則，客戶可以靈活選用這些服務，只需幾行代碼就可以將AgentCore集成到自家應用中。

亞馬遜雲科技Agentic AI副總裁Swami Sivasubramanian在會上宣佈，亞馬遜雲科技的願景是成爲“構建全球最實用AI agents的最佳平臺”，賦能組織大規模部署可靠且安全的agent。

此外，亞馬遜雲科技宣佈三項利好AI生態的大事：

對亞馬遜雲科技生成式AI創新中心追加1億美元投資，以用於未來兩年建設，助力全球數千名客戶提高生產力，改善客戶體驗。

爲超過6600所AWS Academy院校的學生免費提供AWS Skill Builder訂閱級培訓內容和AWS認證考試券，幫他們培養必備的AI技能。目標是在第一年內與全球270萬名學生和早期職業人士互動。

推出AWS AI League，爲開發者提供高達200萬美元的亞馬遜雲科技積分，讓他們可競相運用生成式AI解決現實世界的挑戰，同時獲得微調、模型定製和快速工程方面的實踐經驗。表現最佳的開發者將獲得全額資助的AWS re:Invent大會之旅和現金獎勵。

此次峯會期間，中國贊助商Zilliz和TiDB（Powered by PingCAP）亮相。亞馬遜雲科技承諾發揮充分發揮其全球資源與技術優勢，推動中國企業邁向更廣闊舞臺，收穫國際曝光與商業機遇。

一、AI agents正在顛覆軟件，成功離不開四大要素

主題演講剛開始，大屏幕明晃晃打出一行大字：“AI agents服務即軟件。”

“這是一場多維度的重大變革，”Swami Sivasubramanian說，“它顛覆了軟件的構建方式，也給軟件的部署和運營帶來了一系列新的挑戰，而且可能最具影響力的是，它改變了軟件與世界互動的方式，以及我們與軟件互動的方式。”

一個成功的AI agents藍圖應該是什麼樣子？

Sivasubramanian提出四大要點：模型與應用能力，構建所需的工具與框架，部署和操作服務，發現、發佈與獲取能力。

亞馬遜雲科技在Agentic AI領域所做的一切遵循四大核心原則：

1、將敏捷性作爲競爭優勢：使構建的系統能快速適應未來變化，兼具靈活性和開放性，可隨時整合新出現的模型，連接到專有數據源，並與現有工具無縫集成。

2、發展Agentic時代的基礎：幫助企業構建安全、可靠、可擴展的agent架構，引入安全與信任考量，確保高度可靠和可擴展性，具備安全訪問、處理和學習數據的能力，能實現跨不同環境的多agents和工具之間的無縫協調。

3、通過模型選擇和數據提供出色成果：既提供模型選擇自由，又能將模型與專有數據相結合，將通用AI轉化成擁有深厚領域專業知識的系統。

4、部署改變體驗的解決方案：提供可立即部署的Agentic解決方案。

二、模型：Amazon Nova能按需定製了！更準確、更靈活、更全面

Agent能力有多強，首先看基礎模型。

說到模型，則必然繞不開亞馬遜雲科技的生成式AI模型“貨架”——全託管生成式AI應用構建服務Amazon Bedrock。

亞馬遜雲科技將Amazon Bedrock稱作“構建和擴展生成式AI agents最簡單、最快速的方式”。

在這個平臺上，用戶可以選擇來自不同供應商的多個領先模型，定製數據，有應用安全護欄和負責任的分析性AI檢查器，能夠優化成本、延遲、精度，構建和調度agents。

論創新速度，過去12個月，Amazon Bedrock已經發布超過170項功能和能力；論敏捷性，Amazon Bedrock是首個提供無服務器DeepSeek-R1的大型雲服務商。

亞馬遜雲科技還與Meta聯手，助力初創公司在Llama上構建AI應用，爲30家北美創企提供每家最高20萬美元的亞馬遜雲科技積分，以及Meta和亞馬遜雲科技專家的技術支持。該計劃爲期6個月，申請截止日期爲今年8月8日。

亞馬遜通用AI高級副總裁兼首席科學家Rohit Prasad談道，其自研模型Amazon Nova系列自去年推出至今，已坐擁8款基礎模型，包括：

Micro（低成本文本模型）

Lite（低成本多模態模型）

Pro（高性能多模態模型）

Canvas（圖像生成）

Reel（視頻生成）

Act（能構建在網頁瀏覽器中完成任務的agents）

Sonic（語音轉語音，能構建具備擬人語音功能的agents）

Premier（最強成員，教師模型，爲複雜推理任務而生，多agents協作的“超級大腦”）

超過10000名客戶已使用Amazon Nova系列模型顯著降本增效。

Prasad分享了“兩堂課”：

第一堂課：強大的開箱即用準確性是必要的，但還不夠。

亞馬遜雲科技推出全新Amazon Nova定製選項，以滿足更精細的微調或定製需求。

Amazon Sagemaker AI爲Amazon Nova模型提供了強大的自定義功能套件，並支持SageMaker HyperPod，使客戶能按需調整Nova模型。

Nova模型現在提供了適用於任何專有模型系列的全面模型定製功能套件，實現在整個模型開發生命週期中定製模型的靈活性，包括預訓練和後訓練，包括微調和校準，並支持參數高效微調（PEFT）和完全微調。

使用監督微調（SFT）、直接偏好優化（DPO）、近端策略優化（PPO）、人類反饋強化學習（RLHF）、持續預訓練（CPT）、知識蒸餾等技術，客戶可以創建針對其用例優化的Nova模型。定製後，這些模型可直接部署到Amazon Bedrock，無縫集成到agent系統和其他AI應用中。

亞馬遜也在訓練自家模型，並針對特定的agent用例進行優化。

Nova Act是一個經過訓練的AI模型，用於在Web瀏覽器中執行操作。客戶可使用Nova Act SDK構建自己的瀏覽器自動化agent。Nova Act SDK的增強功能將帶來額外的安全性和訪問控制，幫助開發者將其原型投入生產，並構建能在Web瀏覽器中可靠執行操作的agent。

該SDK現已提供研究預覽版，使用AgentCore Browser實現可擴展的雲端瀏覽器執行。

Prasad說，其定製選項提供“最全面的定製和按需推理定價”。

例如，MIT CSAIL（麻省理工學院計算機科學與人工智能實驗室）使用Nova定製選項，將材料生成的正確率提高94%，材料分析錯誤率減少95%。

第二堂課：Agentic AI需要一個全新的可靠性水平。

亞馬遜雲科技Amazon Nova Act模型可構建在web瀏覽器中執行操作的agents，爲複雜的Ul交互量身定製，提供細粒度的安全和訪問控制特性，任務完成率超過90%。

三、框架：Strands Agents V1.0發佈， 讓Agents更易協作

過去兩年，出現很多幫助構建agents的開源框架，如CrewAI 、LangGraph、LlamaIndex、Strands Agents SDK等。

Strands Agents具備全環境運行能力，支持任何具備推理與工具使用能力的模型，能靈活適配從簡單到複雜的agent應用場景，大幅簡化agent開發流程。開發者可在Strands Agents中深度定製agent行爲。

今日，AWS宣佈將其開源SDK Strands Agents更新爲——Strands Agents V1.0。

Strands Agents V1.0能顯著簡化創建AI系統的過程，讓多AI agents協同工作，解決複雜問題。

它可訪問本地工具，具有靈活的編排方式，支持MCP和A2A協議，並與許多亞馬遜雲科技服務集成，支持開發者輕鬆構建多agents系統，在agent對話上具有數據持久性，且數據可跨多個對話保存。

以前需要耗費幾個月的複雜任務，用這項技術後能縮短到幾小時。這使得企業能構建協調一致的AI助手團隊，處理客戶服務、數據分析和其他複雜任務。

利用這款SDK，開發者只需編寫幾行代碼，就能快速構建並運行AI agents，並可在完成本地測試後直接部署上雲。

四、Amazon Bedrock AgentCore：7個開發利器，兼顧開源靈活性和企業級安全性

將AI agents投入生產，困難重重。

對此，亞馬遜雲科技推出Amazon Bedrock AgentCore預覽版，這是一套全面的企業級服務，採用模塊化和可組合設計，可幫助開發者使用任意框架和模型，快速、安全地大規模部署和操作AI agents，從而彌合AI agents從概念驗證到實際生產的關鍵差距。

（1）AgentCore Runtime：提供完全的會話隔離和低延遲無服務器環境，爲每個會話提供專用的計算環境和內存隔離，防止agent之間的數據泄露，支持長達8小時的長時間運行工作負載，用戶可使用任意框架、協議、模型，安全地運行多模態工作負載；具有高度可靠性，具備檢查點和恢復功能，有助於確保在發生意外中斷和故障時能夠平穩恢復，並能自動處理從零到數千個併發會話的擴展，無需進行容量規劃和基礎設施維護。

（2）AgentCore Memory：管理會話與長期記憶，提供對AI agent記憶內容的完全控制，使開發者可以輕鬆構建上下文感知agent，提供業界領先的準確性，同時支持多輪對話的短期記憶和跨會話持久的長期記憶，並能在協作agent之間共享記憶存儲。

（3）AgentCore Identity：提供無縫且安全的agents身份驗證，支持用戶通過與現有的身份提供商集成來調用agents，通過臨時、細粒度的權限和基於標準的身份驗證，提供跨亞馬遜雲科技服務以及第三方應用程序和工具的安全agent訪問，與領先的身份提供商（如Amazon Cognito、Microsoft Entra ID、Okta等）以及流行的OAuth提供商（如GitHub、Google、Salesforce、Slack等）兼容。

（4）AgentCore Code Interpreter：提供安全的沙盒環境來運行agents生成的代碼，支持開發者使用特定實例類型和會話屬性自定義環境，以滿足安全要求，使agents可跨多種語言執行代碼，專爲解決複雜端到端任務增強準確性。

（5）AgentCore Browser Tool：提供了快速、安全、基於雲的Web瀏覽器實例，使agents能夠大規模地與基於Web的服務交互，並執行表單填寫、瀏覽網站等複雜Web任務。

（6）AgentCore Gateway：簡化了工具集成和可發現性，使開發者能以最少代碼將現有的API、Lambda函數、服務轉換爲與agent兼容的工具，提供跨協議（包括MCP）和運行時發現的統一訪問，實現無縫集成。

（7）AgentCore Observability：通過由Amazon CloudWatch提供支持的內置儀表板和與監控堆棧集成的標準化遙測技術提供實時可見性，可實時追蹤和顯示端到端agents執行情況和關鍵運營指標，並與OpenTelemetry兼容。

這些服務可以獨立使用，也可以協同組合，並可與開源或自定義AI agents框架協同工作，使開發者能靈活地維護其首選工具，同時獲得企業級功能。開發人員可使用AgentCore SDK來將這些服務集成到現有代碼中。

Itaú Unibanco、Innovaccer、Boomi、Box和Epsilon等客戶已開始試用AgentCore。

Sivasubramanian相信，未來是建立在使所有agents和工具能夠協同工作的基礎上的。

五、應用：AWS Marketplace交易市場上新，推出新Agents和工具

亞馬遜雲科技不僅爲agents開發提供利器，還使買賣交易更加方便。

會上，亞馬遜雲科技推出AWS Marketplace中的AI agents和工具，讓客戶可以便捷地查找、購買、部署和管理來自領先提供商的AI agents和工具，從而快速推進AI計劃。

AWS Marketplace提供來自亞馬遜雲科技合作伙伴的精選agents、工具、解決方案和服務的集中目錄。其全新的基於API的部署方法，可幫助用戶簡化與支持MCP和A2A的其他agents和工具的集成。

這些agents可在受信任的AWS服務上運行，也可以在用戶的AWS環境中運行，用戶可控制安全性和訪問權限，亦可在AgentCore上部署精選的預構建agents和工具。

使用AI agents和工具的用戶將能利用這些易於集成的解決方案更快構建，並通過專注於構建、維護和擴展agents的專業服務來制定AI戰略。

六、基礎設施：推雲對象存儲Amazon S3 Vectors，支持大規模向量查詢

擁有對的模型後，需確保它可以與組織的專有數據和當前數據交互。向量已成爲AI模型訪問數據的主要且最快方式之一。

目前存儲向量嵌入的成本迫使組織將其AI系統限制在最新數據上，限制了agents的潛力。爲了改變這一點，AWS推出Amazon S3 Vectors。

Amazon S3 Vectors是首個原生支持AI工作負載向量的雲對象存儲，擁有Amazon S3的所有特性，可爲任何對象提供相同的持久性、可擴展性和經濟效益，同時原生支持大規模向量存儲和查詢。

與傳統方法相比，客戶可使用S3 Vectors將向量的存儲和查詢成本降低90%，以經濟高效的方式保留和使用大型向量數據集來增強AI性能以及S3數據的語義搜索結果。

S3 Vectors保持亞秒級查詢性能，使agent能夠記住更多內容、進行更深入的推理，並從每次客戶交互、文檔和業務洞察中保持全面的背景信息。

它直接與Amazon Bedrock Knowledge Bases集成，以實現經濟高效的RAG應用，並與Amazon OpenSearch Service集成，以實現分層向量策略，簡化向量搜索操作並降低成本。

七、全新AI IDE登場，簡化與Agents協作體驗

亞馬遜雲科技還展示了一些Agentic AI解決方案。

比如前兩天剛公佈的全新Agentic IDE——Kiro預覽版。

這是一款面向開發者的全新AI IDE，旨在簡化軟件開發項目中與AI agents協作的體驗。Kiro擅長“氛圍編程（vibe coding）”，能通過specs和hooks等功能，將原型應用到生產系統中。

無論是簡單還是複雜任務，Kiro都能將提示詞轉化爲詳細的規範，再轉化爲可用的代碼、文檔和測試。其agent可幫助解決具有挑戰性的問題，並自動執行生成文檔和單元測試等任務。

Amazon Q Developer是亞馬遜雲科技三層AI架構頂層應用層中的一款全能型AI開發助手，不僅具備代碼補全、agent交互式編碼、MCP協議對接等基礎功能，還提供/test、/doc、/review等agent能力，可幫助開發者在整個軟件生命週期內自動生成測試用例、編寫文檔、完成代碼審查等。

AWS Transform部署專門的AI agent來自動執行復雜的現代化任務，如代碼分析、重構和依賴關係映射，從而顯著縮短企業工作負載遷移的項目時間。其針對.net遷移、大型機、Java等場景提供定製化知識庫，結合Amazon Q的MCP工具，保障安全可靠的現代化改造，幫企業實現靈活部署和降低成本。

八、參觀Builder Studio：視頻極速定位、創意秒成素材、機器狗秀口才

在紐約峯會前一天，智東西等少數國際媒體到曼哈頓中心參觀了佔地8000平方英尺的創新空間亞馬遜雲科技Builder Studio，瞭解許多有趣又有用的新興AI應用案例。

Amazon Bedrock中最新上線的模型來自多模態基礎AI模型創企TwelveLabs AI。它通過同時處理視覺、音頻和文本元素，將視頻庫轉化爲可搜索、可操作的資產，以便客戶通過自然語言提示近乎即時地發現和處理內容。

在參觀亞馬遜雲科技Builder Studio期間，TwelveLabs AI展示了其進行視頻搜索與分析的兩個核心模型，一個模型能根據語言描述精準定位視頻片段，另一個模型能快速提煉視頻內容、獲取有用信息。

在加速產品創意和設計流程方面，拍張玩具狗的照片，就能讓AI基於這隻狗的外觀給汽車做個營銷創意大片；或者選擇“大膽”、“動感”、“高端”、“運動鞋”等提示詞，在屏幕上自由繪圖、塗抹顏色，點擊“廣告”按鈕，即可基於這幅圖像生成適用於不同媒介的營銷素材。

手寫幾個關鍵字段，拍照上傳，FormAssist就能利用文檔處理和生成式AI技術，將手寫內容變成一個更完整、更專業的表單，背後已經自動搭建好前端UI、數據庫和整個ETL數據流。提交填寫內容後，這些信息會保存到DynamoDB數據庫裏。

今天峯會的主角AI agents自然在演示之列。與按固定順序執行的傳統工作流不同，Agentic工作流由編排agent統一決定何時、如何使用agents和工具。在演示中，Agents完成一系列信用分析操作，並生成了一份漂亮的財務分析報告。

波士頓動力開發的仿生機器狗Spot也秀出了基於Amazon Nova Sonic模型的實時語音對話交互能力，可理解、回應、執行命令。

據工作人員透露，亞馬遜雲科技正在開發一種Agent控制系統，讓Spot自動理解從未被編程過的新任務，通過調用SDK文檔、生成代碼、實時運行來完成任務。

結語：站在AI創新前沿，推動Agentic AI轉型

過去，亞馬遜雲科技爲雲計算的安全性、可靠性和數據隱私樹立了標杆。如今，其雄心正從生成式AI擴展向Agentic AI，通過幫助客戶簡化構建agents的流程，進一步鞏固其作爲全球最大雲服務巨頭在技術領先性上的主導地位。

對於所有云巨頭來說，Agentic AI都是一個巨大的商機。與單個大模型相比，多agents能夠執行更復雜多元的任務，會消耗遠多於其他AI應用的token和計算資源。根據Gartner的預測，到2028年，15%的工作決策將由Agentic AI自主做出。有了agents，人類能減少重複性工作，更多地專注於負責任的設計、戰略思考和創新創造。

AI agents的能力依賴出色的基礎模型。有了基礎模型，還需構建新的agents架構、軟件系統，爲此需要一組新的工具和框架。當前在生產中大規模部署和操作agents仍然相當困難，需要發佈和獲得agents的新方法，以便其他agents和其他人可以發現和使用它們。

從今日的發佈來看，亞馬遜雲科技旨在成爲構建和部署agents的最佳平臺，正在擴展agents能力、深化與初創企業的合作、推進前沿工程部署、擴大合作伙伴計劃，以安全、負責任和具有成本效益的方式，幫助客戶將AI應用落地到生產環境中，以從中獲得商業價值。