每(mei)(mei)經記者｜張梓(zi)桐    每(mei)(mei)經實習編(bian)輯(ji)｜余婷(ting)婷(ting)    

“過去一年，機器(qi)智能已(yi)經爆發了(le)(le)，如今AI（人工智能）的(de)發展又來到了(le)(le)一個拐(guai)點(dian)，我(wo)們正(zheng)處在Agentic AI（代理式人工智能）爆發的(de)前夜。”6月19日，在亞馬(ma)遜云科技(ji)中國峰會上(shang)，亞馬(ma)遜全球(qiu)副總裁(cai)、亞馬(ma)遜云科技(ji)大中華(hua)區(qu)總裁(cai)儲瑞松(song)表(biao)示。

儲瑞(rui)松指出(chu)，在(zai)過去一年，大(da)模型的能力在(zai)各個維度都(dou)實現了跨越式(shi)發(fa)展。就連在(zai)今(jin)年1月推出(chu)的HLE（Humanity’s Last Exam，一項權威基準測試）上，模型正確率也(ye)從剛開始的個位數，迅速發(fa)展到如今(jin)已經超過20%。

“正如歷史上(shang)蒸(zheng)汽(qi)機(ji)的(de)出現放大和(he)解放了(le)人(ren)與動物的(de)肌肉力量，通(tong)過在紡織、交通(tong)、采礦和(he)冶(ye)煉(lian)等(deng)領域的(de)應用(yong)帶來了(le)工(gong)業(ye)革命。機(ji)器智(zhi)能的(de)爆(bao)發則放大和(he)解放了(le)人(ren)的(de)大腦(nao)智(zhi)力，其應用(yong)也將(jiang)帶來Agentic AI的(de)革命。”儲瑞松(song)說。

如他(ta)所(suo)言，AI落地的(de)場(chang)景正在(zai)擴張(zhang)到汽(qi)車(che)、零售、電商(shang)、醫藥等多個場(chang)景。“人(ren)工標注曾是車(che)企研發(fa)的(de)‘卡脖子’環節。”亞(ya)馬遜云科(ke)技汽(qi)車(che)行業解決(jue)方案負責(ze)人(ren)在(zai)展位接(jie)受《每日經濟(ji)新聞(wen)》記者采訪時表示，輔助駕駛研發(fa)依(yi)賴(lai)海量路(lu)采數據標注，而傳統人(ren)工處理存(cun)在(zai)“效率低、成本(ben)高”的(de)痛點(dian)。

圖片來源：每經記者 張梓桐 攝

記(ji)者在(zai)現場(chang)觀察到，該展區演示的方案通過多模態(tai)大(da)模型(xing)實(shi)現視頻(pin)場(chang)景(jing)的智(zhi)能分(fen)析(xi)，“以前需(xu)要人工框選道路元素(su)，現在(zai)模型(xing)能自動識別并標注關鍵對象，大(da)幅降低標注成本。同時，基(ji)于向(xiang)量(liang)數(shu)據(ju)(ju)庫的多模態(tai)檢索技術，可快速(su)復(fu)用歷(li)史標注數(shu)據(ju)(ju)，提升(sheng)數(shu)據(ju)(ju)挖掘效率。”該負責人說。

數據為王：企業數據就緒決定Agentic AI應用高度

“AI正從(cong)‘我問AI答’‘我說AI寫’發(fa)展為‘我說AI做’，未來AI驅動的‘數(shu)字員工(gong)’將(jiang)像人類一樣(yang)參與(yu)企業運(yun)營。”儲(chu)瑞松援引斯坦福大(da)學2025年人工(gong)智(zhi)能報告數(shu)據稱(cheng)，過(guo)去兩(liang)年AI推理成本大(da)幅度下降，加之模型上下文協(xie)(xie)議(yi)（MCP）、智(zhi)能體(ti)協(xie)(xie)作(zuo)協(xie)(xie)議(yi)（A2A）等技術的成熟，使得多智(zhi)能體(ti)協(xie)(xie)同應用的開發(fa)門檻大(da)幅降低。

事實上，Agentic AI的爆發并非偶(ou)然，而是(shi)源(yuan)于多(duo)重因素的疊加。

儲(chu)瑞(rui)松表示，過去兩年(nian)多，大模(mo)型能(neng)力日新月異，已具備類似(si)人的(de)大腦的(de)思(si)考能(neng)力。模(mo)型上下文協議的(de)出現，使(shi)大模(mo)型驅動(dong)的(de)智能(neng)體能(neng)夠(gou)方便(bian)地與周圍(wei)世界互動(dong)，此外(wai)，推理成(cheng)本的(de)極速降低，使(shi)得Agentic AI應用的(de)規模(mo)化部(bu)署成(cheng)為可能(neng)。

與此(ci)同時，在AI時代，企(qi)業(ye)獨有的(de)(de)、能帶來(lai)差異化價值(zhi)的(de)(de)是數據(ju)，這也是很多企(qi)業(ye)最重要的(de)(de)戰略資(zi)產。企(qi)業(ye)數據(ju)是否AI就緒是決定(ding)企(qi)業(ye)AI應(ying)用水(shui)平(ping)天花板(ban)的(de)(de)重要因素，它能影響一家企(qi)業(ye)未來(lai)Agentic AI“數字員(yuan)工(gong)”的(de)(de)視野(ye)高(gao)度、能力范(fan)疇、決策水(shui)平(ping)和執行效(xiao)果。

在(zai)儲瑞松看來，要實(shi)(shi)現Agentic AI價值創造(zao)，企業需要有明確(que)的策略并快速(su)高效(xiao)地(di)執行(xing)，且(qie)要有客(ke)觀的預期：短(duan)期不(bu)(bu)要有過(guo)高不(bu)(bu)切實(shi)(shi)際的期望，但長期一定(ding)不(bu)(bu)能低(di)估它給各(ge)行(xing)各(ge)業帶(dai)來的影響(xiang)。這里所說的長期不(bu)(bu)是10年，而是1到2年。

以汽車(che)場景的(de)(de)數(shu)(shu)(shu)據為(wei)例，上述展(zhan)臺工(gong)作人員(yuan)告訴(su)記者，在仿真(zhen)數(shu)(shu)(shu)據生成(cheng)方面，云(yun)服(fu)務廠商(shang)如何通(tong)過物理引擎構建符合交(jiao)通(tong)規則的(de)(de)虛擬場景成(cheng)為(wei)落地的(de)(de)關鍵，“優(you)秀的(de)(de)云(yun)服(fu)務解決方案應該覆蓋雨天(tian)、夜間(jian)等復雜工(gong)況，為(wei)模(mo)型評測(ce)提供高質量(liang)數(shu)(shu)(shu)據支撐(cheng)，幫助車(che)企優(you)化(hua)模(mo)型訓練流程(cheng)，加快研發迭代周(zhou)期(qi)”。

汽車廠(chang)場景之外，在(zai)隔壁(bi)展區，一段由小(xiao)說自動轉化(hua)的動畫(hua)正(zheng)在(zai)播放。“用戶輸(shu)入長文(wen)(wen)本或上傳文(wen)(wen)檔，系統(tong)會先解析結構化(hua)數據(ju)，再生成連貫視(shi)頻(pin)片段。”工作人員告訴《每日經濟新聞》記者，該方案(an)整合生成式AI技(ji)術(shu)，支持自定(ding)義(yi)工作流(liu)與風格模板。

圖片來源：每經記者 張梓桐 攝 

“只(zhi)需用中文描述創意，就能生(sheng)成(cheng)游戲(xi)功能。”技術人員(yuan)向《每(mei)日經濟新聞》記者演示了交(jiao)互流程(cheng)：當輸入“創建一個跳躍障礙的關卡”，系統通過特定協(xie)議與游戲(xi)引擎(qing)交(jiao)互，就能實時(shi)生(sheng)成(cheng)可運行的場(chang)景。

“這打(da)破了技(ji)(ji)術門檻(jian)，讓(rang)策(ce)劃、美術等非技(ji)(ji)術人員也能參與開(kai)發。”開(kai)發者接(jie)受采訪時(shi)表示，該(gai)工具支持(chi)自然語言直(zhi)接(jie)控制游戲引(yin)擎，實(shi)現“全團(tuan)隊創(chuang)意協作”，尤(you)其適合(he)中小團(tuan)隊快速驗證原型。

云廠商方案聚焦行業痛點：Agentic AI如何從概念邁向實用？

零售展區的智能導購方案則聚焦(jiao)消費(fei)決策痛點(dian)。

“傳統售(shou)前咨詢難以處(chu)理(li)個性化需求，而(er)AI購(gou)物助手能(neng)深度(du)學習(xi)產品目錄(lu)與(yu)用(yong)戶評論。”亞馬(ma)遜(xun)云一(yi)位(wei)架構(gou)師現場向(xiang)記者演示，當用(yong)戶詢問“適合露營的防(fang)潮裝(zhuang)備”時，系統會自動關(guan)聯材質、防(fang)水等級(ji)等維度(du)，提供(gong)多商(shang)品比較與(yu)推薦。

該(gai)方案基(ji)于Amazon Bedrock（亞馬(ma)遜云(yun)科技推出(chu)的全托管生(sheng)成式AI服務(wu)）的大語(yu)言模型(xing)，實(shi)現模糊問題理解與(yu)精準檢索，“幫助零售商提(ti)升咨詢響應速度與(yu)轉化率(lv)”。

“醫(yi)(yi)學(xue)文檔生(sheng)成需(xu)要兼顧(gu)準確性與(yu)合(he)規性。” 在另一展位，醫(yi)(yi)療(liao)行業(ye)專家介紹(shao)智(zhi)能醫(yi)(yi)學(xue)內容生(sheng)成中心（MIH）方(fang)案，其基于Amazon Bedrock接入合(he)規大模(mo)型(xing)，支持多(duo)語言醫(yi)(yi)學(xue)寫作與(yu)翻譯(yi)，“例如藥品說明書、臨(lin)床試(shi)驗(yan)報告等，可實現(xian)術語統一與(yu)格(ge)式規范”。同時，方(fang)案依托(tuo)云原生(sheng)架構實現(xian)數據處(chu)理自動化(hua)，幫助醫(yi)(yi)療(liao)團(tuan)隊優化(hua)工作流程，提高內容生(sheng)成效率。

制(zhi)造展區的具(ju)身機(ji)器人演示吸引(yin)了不少關注。“系統(tong)通過(guo)對機(ji)器人的控制(zhi)，結合生成(cheng)式AI理解自然語言指令。” 一位展區技術顧問現場告訴《每(mei)日經濟(ji)新(xin)聞》記者，該(gai)方案支持實時對話(hua)中斷處(chu)理與上下文記憶，“比如用戶先要求‘抓(zhua)取零件(jian)’，再補(bu)充‘輕拿輕放’，機(ji)器人會調整(zheng)力(li)度參(can)數”。

記者注意到，這其中的(de)核心(xin)亮點包括自(zi)然(ran)人機(ji)交互與環境(jing)適(shi)應能力，為工業場(chang)景的(de)智能控制(zhi)提供(gong)新范式(shi)。

記者走訪六大(da)展區(qu)發(fa)現(xian)，當前(qian)云廠商(shang)的(de)(de)方案(an)始(shi)終圍(wei)繞(rao)行業具(ju)體痛點(dian)：汽(qi)車的(de)(de)數據標(biao)注效率、游(you)戲的(de)(de)開發(fa)門(men)檻(jian)、醫(yi)療的(de)(de)合規寫(xie)作等。正如峰會現(xian)場反(fan)復強調的(de)(de)，Agentic AI的(de)(de)價值并(bing)非(fei)技術炫技，而是通過(guo)“工具(ju) + 場景”的(de)(de)深度(du)結合，解決實際業務問題(ti)。

當多模態模型減少(shao)數據(ju)標(biao)注人(ren)力、自(zi)(zi)然語言交互降低開發成本，這些落地案例正印證(zheng)著AI從“概(gai)念(nian)” 走向“實(shi)用”的關鍵一步——而(er)對于(yu)企業而(er)言，如何將技術(shu)能力與自(zi)(zi)身業務流(liu)程(cheng)結(jie)合，或許是智能時代更值(zhi)得思考的命(ming)題。

儲瑞松指出(chu)，當下企(qi)業普遍聚焦成本優化，但(dan)Agentic AI將推動(dong)經(jing)營范(fan)式(shi)轉移。“未來企(qi)業的核(he)心競(jing)爭力在于(yu)利用AI重構用戶(hu)體驗(yan)和(he)商業模式(shi)。”不過(guo)，他也提醒(xing)企(qi)業需警惕技術泡沫(mo)：“Agentic AI的回報(bao)周期(qi)可能短于(yu)預(yu)期(qi)，但(dan)盲(mang)目投(tou)入而不解決數據與(yu)基(ji)礎(chu)設施短板(ban)，只會(hui)徒增(zeng)試錯成本。”