在科技的浩瀚海洋中，一場前所未有的風暴正在醞釀。

今天上午，在上海舉行的亞馬遜云科技峰會上，亞馬遜云科技全球銷售技術總經理Shaown Nandi將當下所處的Agentic AI浪潮，形象地比喻為一個超過30米高的巨型海浪。巨型海浪由看似微小無害的畸形波匯聚而成，每一波都蘊含著變革的力量，最終形成了足以改變世界的超級浪潮。

可以看到的是，生成式AI在短短幾年間經歷了從萌芽到爆發的巨大轉變。它的發展重心已經從2023年的概念驗證之年，過渡到2024年的應用落地之年，又最終轉向商業價值的實現之年。

生成式AI也不再是遙不可及的幻想，而是如洶涌的海浪般撲面而來，沖擊著每一個行業和企業。無論是科技巨頭還是初創企業，都無法置身事外，必須做好準備，迎接這股浪潮的洗禮。

亞馬遜全球副總裁、亞馬遜云科技大中華區總裁儲瑞松也敏銳地指出，我們正站在AI發展的關鍵拐點上。機器智能將放大和解放人的大腦智力，帶來下一場革命，即Agentic AI的革命。

技術變革而非營銷噱頭

生成式AI，是技術變革，而非營銷噱頭，將對企業經營范式產生了顛覆性的影響。這一點，在諸多企業的親身實踐中，已經有了明確答案。

“傳統的AI模式往往是‘我說AI答’，AI主要扮演著回答問題的角色。而Agentic AI則實現了從‘我說AI答’到‘我說AI做’的跨越，它能夠主動執行任務、解決問題，為企業帶來了全新的運營模式。”儲瑞松表示。

以企業的軟件開發為例，傳統方式可能需要耗費大量的時間和人力。而借助Agentic AI，軟件開發的效率得到了極大提升。亞馬遜內部使用Agentic AI進行軟件開發，原本需要兩三天完成的工作，現在僅需十分鐘。今年，在亞馬遜內部，完成遷移數萬個生產應用程序這項工作時，省下了相當于超過4,500年的開發工作，以及實現年可節省成本2.6億美金。這充分體現了Agentic AI在提高生產效率方面的巨大潛力。

在客戶服務領域，也發生了顯著的變化。以往，企業處理客戶請求主要依靠人工客服，效率低下且容易出現錯誤。而現在，通過AI驅動的語音機器人，如美國外賣平臺DoorDash利用AI處理客服電話，能夠快速、準確地響應客戶需求，大大提升了客戶體驗。

儲瑞松認為，我們正處于Agentic AI爆發的前夜，且Agentic AI的爆發有足以促使其發生質變的驅動因素。推理成本的極速降低最為典型，根據斯坦福大學2025年人工智能報告，過去兩年推理成本下降了約280倍，這使得Agentic AI應用的規模化部署成為可能。

此外，大模型能力的不斷提升，使得Agentic AI能夠具備更強的智能和執行能力。MCP協議、A2A協議，則為數據的傳輸和交互提供了更加高效和安全的方式。Strands SDK的發布，為企業開發和部署Agentic AI提供了便利的工具。

在這個關鍵時期，企業經營范式轉移的緊迫性日益凸顯。儲瑞松提出了“speed 1企業”與“speed 2企業”的對比觀點。“speed 1企業”能夠迅速適應Agentic AI的發展趨勢，積極進行技術創新和業務轉型，從而在市場競爭中占據優勢。而“speed 2企業”則可能因為反應遲緩，錯過發展的機遇，面臨被市場淘汰的風險。

例如，在醫藥研發領域，復星醫藥積極利用亞馬遜云科技的生成式AI技術，加速藥物研發進程，縮短研發周期，其智能醫學內容生成中心解決方案將臨床試驗報告的一致性檢查效率提升70%，成為了“speed 1企業”的典范。

而一些傳統企業如果不能及時跟上Agentic AI的發展步伐，可能會在市場競爭中逐漸落后。

因此，企業必須認識到Agentic AI爆發帶來的變革，加快經營范式的轉移，積極擁抱新技術，才能在這場浪潮中生存和發展。

從PoC到AI量產方法論

“面對巨浪，你可以潛到浪下，讓浪潮從你身邊經過；或者你可以乘風破浪，用它來實現令人難以置信的事情。”Shaown Nandi表示。

一組有意思的數據顯示，根據2024年Gartner企業AI發展任務調查，盡管97%的CEO認為生成式AI將產生重大影響，但行業平均僅41%的生成式AI試點項目（PoC）能成功進入量產階段。也就是說，雖然大部分想要成功的企業都想成為弄潮兒，但挑戰巨浪的背后，是在場景選擇、技術適配、成本控制等環節的重重挑戰——許多項目死于“為技術而技術”的盲目，或折戟于從實驗到規模化的“最后一公里”。

失敗乃兵家常事，但一些不必要的折戟，或可避免。

82%。

在亞馬遜云科技的生成式AI創新中心，生成式AI 41%的行業平均量產率被翻倍改寫。自2023年6月成立以來，這個由350位戰略顧問、數據科學家和開發專家組成的全球化團隊，已處理超過1500個客戶項目的需求，推動82%的項目從PoC走向量產。

較行業平均值翻倍，亞馬遜云科技究竟做了什么？

對此，亞馬遜云科技總結出了生成式AI從實驗走向落地的“四大落地法則”：場景評估、技術選型、量產優化、成果監測。其中在技術選型上，根據亞馬遜云科技的實踐經驗，技術選型需要從模型層、數據層和技術方案層三個維度進行系統性考慮。

具體來說，模型層，Amazon Bedrock支持多模型，包括亞馬遜自研Nova系列模型、Claude3等商業大模型以及開源Llama、Mistral系列模型等30種，企業可按需選擇，且需在速度/時延、成本、精度這“黃金三角”間找到完美平衡；數據層包含理解數據、管理數據、優化數據三個關鍵步驟，將分散數據集中管理并統一格式；技術方案層，以翰德(Hudson)通過MCP協議構建標準化多Agent工具調用框架為例，實現簡歷解析等功能的動態協同，提升運營效率。

而作為AI發展在生成式AI之后的一個全新的階段，關于Agentic AI的實踐，亞馬遜云科技也已經形成了一套完整的方法論。不過，儲瑞松認為，提高員工生產率、優化業務運營，賦能產品服務乃至商業模式的創新，既適用于生成式AI，更適用于Agentic AI。

“買個AI一體機，或者簡單地部署或訂閱大模型并不會直接給企業帶來什么價值。”儲瑞松表示。他認為，除了上述三點，企業還需要在管理和技術上做好雙重準備：

在管理方面，首先，企業的高層需要對Agentic AI有明確的認知和頂層設計，既有自上而下的推動，也為自下而上的創新涌現創造條件、提供指導。“企業的最高管理層如果不重視AI，那未來這個企業很可能會失去競爭力。”

第二，企業要在機制和人才上做準備。不光是有AI人才儲備、鼓勵他們發揮、創造價值。企業的每一層管理者都要意識到，未來會有越來越多的Agentic AI“數字員工”將作為組織里價值創造鏈條中的參與者參與到日常工作中，所以他們要為管理一個人和AI協同工作的未來做準備。此外，AI發展非常迅速，企業要努力建立起相應的Dynamic Capabilities，動態能力。

第三，認清之前企業信息化、數字化的工作和Agentic AI時代的關系。企業信息化、數字化工作做得扎實，應用系統有相應的API，數據有初步的治理，將成為Agentic AI應用創新的重要基礎。但Agentic AI時代的智能化并不是之前信息化、數字化的簡單延續；而是企業內部組織方式的變革。

在技術方面，第一，統一的AI就緒的基礎設施；第二，聚合的、經過治理的數據；第三，明確的Agentic AI策略和快速高效的執行。

其中，要做到統一的AI就緒的基礎設施，亞馬遜云科技認為，企業上云應該主要用一朵云，一朵對的云。這在Agentic AI時代尤為重要。“如果你在這個時候仍然只關注成本優化、以為多云策略、貨比三家能給企業省錢，那你其實會導致企業失去更大的機會。因為多云策略不光會導致你重復投入、重復建設，而且不同云之間有限的連通性會給AI創新的速度帶來很大的負面影響。”儲瑞松表示。

此外，他特別強調，要最大化Agentic AI能給企業帶來的價值創造，企業需要聚合的、經過治理的數據。AI時代，數據是企業最重要的戰略資產，決定企業AI應用水平天花板的重要因素是企業數據是否AI就緒。數據決定一家企業未來Agentic AI workforce的視野、能力范疇、決策水平和執行效果。所以，要最大化Agentic AI能給企業帶來的價值創造，企業必須打破數據孤島，有效聚合和治理數據。

30米巨浪中的弄潮者

“生物醫藥研發的領域長時間、高風險、高回報的特點，選擇比努力重要太多。”復星醫藥首席數智官林錦斌在現場演講時坦言。

生物醫藥領域的創新充滿不確定性，一個微小的細節或者數據都可能影響最終的醫療決策。而對于復星醫藥的科學家來說，最頭疼的一件事是臨床實驗報告的檢查。一般一篇臨床實驗報告5萬多字，輸入的數據表格高達3000多張，每次數據的刷新都要重新核對，整個過程簡單而枯燥又不能出錯。

“我們使用生成式AI的能力，可以一鍵式完成臨床實驗報告檢查，把長達一個禮拜的工作縮短到5分鐘。另外，我們也在醫學翻譯領域投用了生成式AI的能力，投用6個月已經完成了1.6億的譯制，翻譯成本直接降本超過30%。”林錦斌表示。

目前，復星醫藥正在分三個階段推進Agentic AI的落地：信息平權、知識平權、智能決策。作為其中重要的一部分，復星醫藥將漸進式打造研發智能體，實現藥物管線決策的智能化，提升投資回報率。

同時，復星醫藥已經將過去幾十年對于藥品管線的決策會議數據進行解構，以此為語料承載生成式AI模型。這些知識資產沉淀復星醫藥的內部數字系統中，普惠到每一個項目組中的每一位成員，使得所有員工能夠高效、便捷、低門檻的獲取到相關的情報數據與資料，真正做到了做信息平權。

“大家可能不知道一個典型的創新藥項目，它需要以10萬份文獻數據，以及數千的患者臨床記錄為支撐，需要輸出多達200多份的文檔，總體的頁數超過了5000頁，這些工作量占整個研發工作量的30%～50%。復星現在將整個醫學寫作場景解構，目前已經在減少修訂量工作。”林錦斌表示。經過一系列實踐，林錦斌判斷，現在AI應用還處于給馬車裝發動機的階段，但未來的目標一定是通過共創共建的方式，迎接醫藥行業智能化的下一個30年。

無獨有偶，TCL作為全球化企業，將AI首先應用到產品和服務中，持續提升用戶體驗。在產品和服務之上，TCL在企業運營和經營層面也持續滲透AI，來提升組織運作的能力和效率。“智能制造，供應鏈的營銷、軟件工程、客戶服務等等領域，AI都大有作為。”TCL實業首席技術官孫力表示。

目前，TCL基于亞馬遜云科技的生成式AI技術，構建了“圖靈生成式AI服務平臺”。該平臺強調敏捷性和復用性，通過快速推出PoC（概念驗證）場景，降低管理層對新技術的顧慮，加速商業場景驗證和迭代創新。

在圖靈平臺支持下，TCL開發了第三代藝術電視。這款電視不僅能播放畫作，還能通過AI生成動態藝術效果。當用戶靠近時，畫面栩栩如生地動起來，使傳統電視成為家庭藝術品，提升了產品的附加值。

會上，儲瑞松正式發布Agentic AI應用實踐指南，該指南正是基于眾多像復星醫藥、TCL這樣的企業在AI應用中的實踐需求。

正如儲瑞松所說，在技術發展的長河中，我們正站在一個新的拐點：從“工具型應用”向“代理型（Agentic AI）應用”的范式轉變。Gartner將“Agentic AI”列為年度十大戰略性技術趨勢，并預測：到2028年，15%的日常工作決策將由Agentic AI自主完成，而這一比例在2024年幾乎為零。這不僅僅是技術的迭代，更是軟件應用本質的重新定義。

作為全球云計算領域的先行者，亞馬遜云科技在二十余年的發展歷程中，不僅親歷了從傳統的服務器端渲染到現代的單頁應用（SPA, Single Page Application）的轉變，也經歷了從單體應用到微服務架構的技術演進過程。然而，Agentic AI 所帶來的變革，其深度和廣度都遠超以往。

值得一提的是，今年4月，亞馬遜宣布將在2025年投入約1000億美元用于其人工智能項目的研發。其中大部分將用于AI相關項目，涵蓋AWS的數據中心、網絡設備、AI硬件以及生成式AI服務能力建設。亞馬遜云科技CEO Matt Garman此前也判斷：Agentic AI有可能成為亞馬遜云科技下一個數十億美元規模的業務。為此，幾個月前，AWS成立了直接向CEO匯報的Agentic AI的團隊，接下來很快會有更多的重磅發布。這一戰略決策不僅彰顯了亞馬遜云科技對Agentic AI前景的堅定信心，也預示著其將全力投入，推動這一技術的快速發展與廣泛應用。

在這股巨浪中，企業若想生存和發展，就必須勇敢地駕馭它。只有積極擁抱新技術，加快經營范式的轉移，才能在未來的市場競爭中占據一席之地。未來，屬于那些敢于挑戰、勇于創新的“speed 1企業”。