文章核心观点 - AI技术正经历从对话机器人到自主智能体（Agent）的范式转移，AI正以“数字化员工”身份嵌入企业核心业务流 [1] - 资本市场在狂热后回归冷静，开始严肃审视AI基础设施的巨额资本支出与短期营收增长不成比例的问题，市场关注点转向AI能否成为成本可控、生产力明确的工具 [1] - 亚马逊云科技通过2025年re:Invent大会，以工程化思维系统性地回应市场对成本与落地性的焦虑，提供了一套从底层基础设施到上层应用、旨在重构AI成本模型与推动规模化落地的解决方案 [1][2] 行业趋势与市场环境 - AI角色发生根本性质变：从被动响应进化为具备自主思考、任务拆解与工具调用能力的智能主体 [1] - 企业AI应用需求转变：从迷信单一超级模型转向寻找适合特定业务场景、性价比最高的模型组合 [11] - 企业面临遗留系统现代化挑战：据艾哲森统计，企业每年约70%的IT预算用于维护遗留系统，形成了高达数万亿美元的“技术债” [24] 基础设施创新：算力与存储 - 存储能力升级：Amazon S3单个对象最大容量从5TB提升至50TB，简化了千亿参数模型的保存与加载流程 [3] - 向量存储革新：新发布的Amazon S3 Vectors允许直接存储管理数万亿级向量数据，将存储与查询总体成本降低90% [4] - 向量检索加速：Amazon OpenSearch Service新增GPU向量索引加速功能，索引创建速度提升10倍，成本仅为原来的四分之一 [4] - 计算双轨策略：一方面与NVIDIA深度合作，推出搭载GB300 NVL72系统的EC2 P6e实例，并托管NVIDIA的Project Ceiba集群；另一方面加速自研芯片部署以提供极致性价比 [6] - 自研芯片进展：公司已部署超过100万片自研芯片，其中Trainium2的部署速度达到前代产品的4倍 [7] - 新一代自研芯片性能：基于Trainium 3的EC2 Trn3 UltraServers相比前代带来4.4倍计算能力和3.9倍内存带宽提升，每兆瓦功耗处理的token数量提升5倍 [9] - 未来芯片规划：正在研发的Amazon Trainium 4预计将带来6倍的FP4计算性能 [9] - 基础设施新理念：提出“数据园区即计算机”构建理念，Claude最新模型所依赖的Project Rainier即基于此理念构建 [9] - 混合部署方案：推出Amazon AI Factories，允许在企业自有数据中心内由公司建设管理隔离的AI基础设施，兼顾安全与效率 [10] 模型生态与战略 - 模型平台规模：全托管生成式AI服务平台Amazon Bedrock已拥有超过10万家客户 [11] - 模型生态扩展：平台新增包括Google Gemma 3、NVIDIA Nemotron和OpenAI GPT OSS Safeguard等在内的18款开源模型 [11] - 引入中国领先模型：平台在已有DeepSeek和阿里千问基础上，正式引入Kimi K2 Thinking和MiniMax M2模型，为出海企业提供全球统一基础设施调用本土优势模型的便利 [13] - 自研模型矩阵发布：推出全新的Amazon Nova 2系列模型，旨在解决企业具体痛点而非刷榜 [14] - 低成本模型：Nova 2 Lite专为高频次、低复杂度任务设计，将推理成本压缩到极致，现场演示仅用几分钟就从零构建完整房地产管理系统 [14] - 高性能模型：Nova 2 Pro专为深度推理等复杂场景，在多项基准测试中强于Claude Sonnet 4.5、GPT 5.1和预览版Gemini 3 Pro [15] - 多模态模型：Nova 2 Omni为首个统一多模态模型，能同时支持文本、图像、视频和音频输入，并输出文本和图像 [15] - 语音模型：Nova 2 Sonic能实现毫秒级实时对话体验，适用于呼叫中心等场景 [15] 智能体（Agent）开发与落地 - 标准化开发平台：推出Amazon Bedrock AgentCore，旨在将Agent开发从“手工艺术”变为标准化工业生产 [16][17] - 多Agent协作范式：通过“贷款审批”案例展示，将复杂业务流拆解为由Intake、Analyze、Underwriting等多个各司其职的Agent协作完成 [18] - 灵活模型调度：允许在同一业务流的不同环节，根据成本与性能需求灵活指派不同模型（如Nova 2 Pro、Claude 3.5 Sonnet） [18] - 企业系统集成：AgentCore能深度连接企业IT系统，如从DynamoDB、S3及第三方API实时查询数据 [19] - 安全与可控性：引入基于Cedar语言的Policy功能，可设定刚性策略（如“退款超1000元须转人工”）以约束Agent行为 [20] - 质量评估体系：AgentCore Evaluations内置13种评估器，可从准确性、安全性等多维度对Agent进行自动化测试与量化评估 [20] 企业级应用与生产力工具 - 办公效率套件：推出Amazon Quick Suite，能穿透企业内部各类办公套件与业务软件，串联分散数据资产，变“人找数据”为“数据找人” [21][22] - 智能客服升级：Amazon Connect引入Agentic AI能力与Nova 2 Sonic模型，使客服Agent具备理解情绪、处理复杂非线性任务（如退换货）的行动力 [23] - 遗留系统现代化：推出Amazon Transform，能理解业务逻辑依赖，将遗留代码（如150万行Windows代码）自动迁移至现代云环境，新发布的Custom功能允许通过自然语言自定义转换规则 [24] - 软件开发自动化：推出Kiro Autonomous Agent、Amazon Security Agent和Amazon DevOps Agent，标志着软件开发向“人定目标、机器实现”的自主化进阶转变 [25][27]