每經(jīng)記者｜張梓桐    每經(jīng)實習編輯｜余婷婷    

“過去一年，機器智能已經(jīng)爆發(fā)了，如今AI（人工智能）的發(fā)展又來到了一個拐點，我們正處在Agentic AI（代理式人工智能）爆發(fā)的前夜。”6月19日，在亞馬遜云科技中國峰會上，亞馬遜全球副總裁、亞馬遜云科技大中華區(qū)總裁儲瑞松表示。

儲瑞松指出，在過去一年，大模型的能力在各個維度都實現(xiàn)了跨越式發(fā)展。就連在今年1月推出的HLE（Humanity’s Last Exam，一項權威基準測試）上，模型正確率也從剛開始的個位數(shù)，迅速發(fā)展到如今已經(jīng)超過20%。

“正如歷史上蒸汽機的出現(xiàn)放大和解放了人與動物的肌肉力量，通過在紡織、交通、采礦和冶煉等領域的應用帶來了工業(yè)革命。機器智能的爆發(fā)則放大和解放了人的大腦智力，其應用也將帶來Agentic AI的革命。”儲瑞松說。

如他所言，AI落地的場景正在擴張到汽車、零售、電商、醫(yī)藥等多個場景。“人工標注曾是車企研發(fā)的‘卡脖子’環(huán)節(jié)。”亞馬遜云科技汽車行業(yè)解決方案負責人在展位接受《每日經(jīng)濟新聞》記者采訪時表示，輔助駕駛研發(fā)依賴海量路采數(shù)據(jù)標注，而傳統(tǒng)人工處理存在“效率低、成本高”的痛點。

圖片來源：每經(jīng)記者 張梓桐 攝

記者在現(xiàn)場觀察到，該展區(qū)演示的方案通過多模態(tài)大模型實現(xiàn)視頻場景的智能分析，“以前需要人工框選道路元素，現(xiàn)在模型能自動識別并標注關鍵對象，大幅降低標注成本。同時，基于向量數(shù)據(jù)庫的多模態(tài)檢索技術，可快速復用歷史標注數(shù)據(jù)，提升數(shù)據(jù)挖掘效率。”該負責人說。

數(shù)據(jù)為王：企業(yè)數(shù)據(jù)就緒決定Agentic AI應用高度

“AI正從‘我問AI答’‘我說AI寫’發(fā)展為‘我說AI做’，未來AI驅動的‘數(shù)字員工’將像人類一樣參與企業(yè)運營。”儲瑞松援引斯坦福大學2025年人工智能報告數(shù)據(jù)稱，過去兩年AI推理成本大幅度下降，加之模型上下文協(xié)議（MCP）、智能體協(xié)作協(xié)議（A2A）等技術的成熟，使得多智能體協(xié)同應用的開發(fā)門檻大幅降低。

事實上，Agentic AI的爆發(fā)并非偶然，而是源于多重因素的疊加。

儲瑞松表示，過去兩年多，大模型能力日新月異，已具備類似人的大腦的思考能力。模型上下文協(xié)議的出現(xiàn)，使大模型驅動的智能體能夠方便地與周圍世界互動，此外，推理成本的極速降低，使得Agentic AI應用的規(guī)?；渴鸪蔀榭赡堋?/p>

與此同時，在AI時代，企業(yè)獨有的、能帶來差異化價值的是數(shù)據(jù)，這也是很多企業(yè)最重要的戰(zhàn)略資產(chǎn)。企業(yè)數(shù)據(jù)是否AI就緒是決定企業(yè)AI應用水平天花板的重要因素，它能影響一家企業(yè)未來Agentic AI“數(shù)字員工”的視野高度、能力范疇、決策水平和執(zhí)行效果。

在儲瑞松看來，要實現(xiàn)Agentic AI價值創(chuàng)造，企業(yè)需要有明確的策略并快速高效地執(zhí)行，且要有客觀的預期：短期不要有過高不切實際的期望，但長期一定不能低估它給各行各業(yè)帶來的影響。這里所說的長期不是10年，而是1到2年。

以汽車場景的數(shù)據(jù)為例，上述展臺工作人員告訴記者，在仿真數(shù)據(jù)生成方面，云服務廠商如何通過物理引擎構建符合交通規(guī)則的虛擬場景成為落地的關鍵，“優(yōu)秀的云服務解決方案應該覆蓋雨天、夜間等復雜工況，為模型評測提供高質量數(shù)據(jù)支撐，幫助車企優(yōu)化模型訓練流程，加快研發(fā)迭代周期”。

汽車廠場景之外，在隔壁展區(qū)，一段由小說自動轉化的動畫正在播放。“用戶輸入長文本或上傳文檔，系統(tǒng)會先解析結構化數(shù)據(jù)，再生成連貫視頻片段。”工作人員告訴《每日經(jīng)濟新聞》記者，該方案整合生成式AI技術，支持自定義工作流與風格模板。

圖片來源：每經(jīng)記者 張梓桐 攝 

“只需用中文描述創(chuàng)意，就能生成游戲功能。”技術人員向《每日經(jīng)濟新聞》記者演示了交互流程：當輸入“創(chuàng)建一個跳躍障礙的關卡”，系統(tǒng)通過特定協(xié)議與游戲引擎交互，就能實時生成可運行的場景。

“這打破了技術門檻，讓策劃、美術等非技術人員也能參與開發(fā)。”開發(fā)者接受采訪時表示，該工具支持自然語言直接控制游戲引擎，實現(xiàn)“全團隊創(chuàng)意協(xié)作”，尤其適合中小團隊快速驗證原型。

云廠商方案聚焦行業(yè)痛點：Agentic AI如何從概念邁向實用？

零售展區(qū)的智能導購方案則聚焦消費決策痛點。

“傳統(tǒng)售前咨詢難以處理個性化需求，而AI購物助手能深度學習產(chǎn)品目錄與用戶評論。”亞馬遜云一位架構師現(xiàn)場向記者演示，當用戶詢問“適合露營的防潮裝備”時，系統(tǒng)會自動關聯(lián)材質、防水等級等維度，提供多商品比較與推薦。

該方案基于Amazon Bedrock（亞馬遜云科技推出的全托管生成式AI服務）的大語言模型，實現(xiàn)模糊問題理解與精準檢索，“幫助零售商提升咨詢響應速度與轉化率”。

“醫(yī)學文檔生成需要兼顧準確性與合規(guī)性。” 在另一展位，醫(yī)療行業(yè)專家介紹智能醫(yī)學內容生成中心（MIH）方案，其基于Amazon Bedrock接入合規(guī)大模型，支持多語言醫(yī)學寫作與翻譯，“例如藥品說明書、臨床試驗報告等，可實現(xiàn)術語統(tǒng)一與格式規(guī)范”。同時，方案依托云原生架構實現(xiàn)數(shù)據(jù)處理自動化，幫助醫(yī)療團隊優(yōu)化工作流程，提高內容生成效率。

制造展區(qū)的具身機器人演示吸引了不少關注。“系統(tǒng)通過對機器人的控制，結合生成式AI理解自然語言指令。” 一位展區(qū)技術顧問現(xiàn)場告訴《每日經(jīng)濟新聞》記者，該方案支持實時對話中斷處理與上下文記憶，“比如用戶先要求‘抓取零件’，再補充‘輕拿輕放’，機器人會調整力度參數(shù)”。

記者注意到，這其中的核心亮點包括自然人機交互與環(huán)境適應能力，為工業(yè)場景的智能控制提供新范式。

記者走訪六大展區(qū)發(fā)現(xiàn)，當前云廠商的方案始終圍繞行業(yè)具體痛點：汽車的數(shù)據(jù)標注效率、游戲的開發(fā)門檻、醫(yī)療的合規(guī)寫作等。正如峰會現(xiàn)場反復強調的，Agentic AI的價值并非技術炫技，而是通過“工具 + 場景”的深度結合，解決實際業(yè)務問題。

當多模態(tài)模型減少數(shù)據(jù)標注人力、自然語言交互降低開發(fā)成本，這些落地案例正印證著AI從“概念” 走向“實用”的關鍵一步——而對于企業(yè)而言，如何將技術能力與自身業(yè)務流程結合，或許是智能時代更值得思考的命題。

儲瑞松指出，當下企業(yè)普遍聚焦成本優(yōu)化，但Agentic AI將推動經(jīng)營范式轉移。“未來企業(yè)的核心競爭力在于利用AI重構用戶體驗和商業(yè)模式。”不過，他也提醒企業(yè)需警惕技術泡沫：“Agentic AI的回報周期可能短于預期，但盲目投入而不解決數(shù)據(jù)與基礎設施短板，只會徒增試錯成本。”