在科技的浩瀚海洋中，一场前所未有的风暴正在酝酿。
今天上午，在上海举行的亚马逊云科技峰会上，亚马逊云科技全球销售技术总经理 Shaown Nandi 将当下所处的 Agentic AI 浪潮，形象地比喻为一个超过 30 米高的巨型海浪。巨型海浪由看似微小无害的畸形波汇聚而成，每一波都蕴含着变革的力量，最终形成了足以改变世界的超级浪潮。
可以看到的是，生成式 AI 在短短几年间经历了从萌芽到爆发的巨大转变。它的发展重心已经从 2023 年的概念验证之年，过渡到 2024 年的应用落地之年，又最终转向商业价值的实现之年。
生成式 AI 也不再是遥不可及的幻想，而是如汹涌的海浪般扑面而来，冲击着每一个行业和企业。无论是科技巨头还是初创企业，都无法置身事外，必须做好准备，迎接这股浪潮的洗礼。
亚马逊全球副总裁、亚马逊云科技大中华区总裁储瑞松也敏锐地指出，我们正站在 AI 发展的关键拐点上。机器智能将放大和解放人的大脑智力，带来下一场革命，即 Agentic AI 的革命。
技术变革而非营销噱头
生成式 AI，是技术变革，而非营销噱头，将对企业经营范式产生了颠覆性的影响。这一点，在诸多企业的亲身实践中，已经有了明确答案。
「传统的 AI 模式往往是 『我说 AI 答』，AI 主要扮演着回答问题的角色。而 Agentic AI 则实现了从 『我说 AI 答』 到 『我说 AI 做』 的跨越，它能够主动执行任务、解决问题，为企业带来了全新的运营模式。」 储瑞松表示。
以企业的软件开发为例，传统方式可能需要耗费大量的时间和人力。而借助 Agentic AI，软件开发的效率得到了极大提升。亚马逊内部使用 Agentic AI 进行软件开发，原本需要两三天完成的工作，现在仅需十分钟。今年，在亚马逊内部，完成迁移数万个生产应用程序这项工作时，省下了相当于超过 4,500 年的开发工作，以及实现年可节省成本 2.6 亿美金。这充分体现了 Agentic AI 在提高生产效率方面的巨大潜力。
在客户服务领域，也发生了显著的变化。以往，企业处理客户请求主要依靠人工客服，效率低下且容易出现错误。而现在，通过 AI 驱动的语音机器人，如美国外卖平台 DoorDash 利用 AI 处理客服电话，能够快速、准确地响应客户需求，大大提升了客户体验。
储瑞松认为，我们正处于 Agentic AI 爆发的前夜，且 Agentic AI 的爆发有足以促使其发生质变的驱动因素。推理成本的极速降低最为典型，根据斯坦福大学 2025 年人工智能报告，过去两年推理成本下降了约 280 倍，这使得 Agentic AI 应用的规模化部署成为可能。
此外，大模型能力的不断提升，使得 Agentic AI 能够具备更强的智能和执行能力。MCP 协议、A2A 协议，则为数据的传输和交互提供了更加高效和安全的方式。Strands SDK 的发布，为企业开发和部署 Agentic AI 提供了便利的工具。
在这个关键时期，企业经营范式转移的紧迫性日益凸显。储瑞松提出了 「speed 1 企业」 与 「speed 2 企业」 的对比观点。「speed 1 企业」 能够迅速适应 Agentic AI 的发展趋势，积极进行技术创新和业务转型，从而在市场竞争中占据优势。而 「speed 2 企业」 则可能因为反应迟缓，错过发展的机遇，面临被市场淘汰的风险。
例如，在医药研发领域，复星医药积极利用亚马逊云科技的生成式 AI 技术，加速药物研发进程，缩短研发周期，其智能医学内容生成中心解决方案将临床试验报告的一致性检查效率提升 70%，成为了 「speed 1 企业」 的典范。
而一些传统企业如果不能及时跟上 Agentic AI 的发展步伐，可能会在市场竞争中逐渐落后。
因此，企业必须认识到 Agentic AI 爆发带来的变革，加快经营范式的转移，积极拥抱新技术，才能在这场浪潮中生存和发展。
从 PoC 到AI量产方法论
「面对巨浪，你可以潜到浪下，让浪潮从你身边经过；或者你可以乘风破浪，用它来实现令人难以置信的事情。」Shaown Nandi 表示。
一组有意思的数据显示，根据 2024 年 Gartner 企业 AI 发展任务调查，尽管 97% 的 CEO 认为生成式 AI 将产生重大影响，但行业平均仅 41% 的生成式 AI 试点项目 （PoC） 能成功进入量产阶段。也就是说，虽然大部分想要成功的企业都想成为弄潮儿，但挑战巨浪的背后，是在场景选择、技术适配、成本控制等环节的重重挑战——许多项目死于 「为技术而技术」 的盲目，或折戟于从实验到规模化的 「最后一公里」。
失败乃兵家常事，但一些不必要的折戟，或可避免。
82%。
在亚马逊云科技的生成式 AI 创新中心，生成式 AI 41% 的行业平均量产率被翻倍改写。自 2023 年 6 月成立以来，这个由 350 位战略顾问、数据科学家和开发专家组成的全球化团队，已处理超过 1500 个客户项目的需求，推动 82% 的项目从 PoC 走向量产。
较行业平均值翻倍，亚马逊云科技究竟做了什么？
对此，亚马逊云科技总结出了生成式 AI 从实验走向落地的 「四大落地法则」：场景评估、技术选型、量产优化、成果监测。其中在技术选型上，根据亚马逊云科技的实践经验，技术选型需要从模型层、数据层和技术方案层三个维度进行系统性考虑。
具体来说，模型层，Amazon Bedrock 支持多模型，包括亚马逊自研 Nova 系列模型、Claude3 等商业大模型以及开源 Llama、Mistral 系列模型等 30 种，企业可按需选择，且需在速度/时延、成本、精度这 「黄金三角」 间找到完美平衡；数据层包含理解数据、管理数据、优化数据三个关键步骤，将分散数据集中管理并统一格式；技术方案层，以翰德 (Hudson) 通过 MCP 协议构建标准化多 Agent 工具调用框架为例，实现简历解析等功能的动态协同，提升运营效率。
而作为 AI 发展在生成式 AI 之后的一个全新的阶段，关于 Agentic AI 的实践，亚马逊云科技也已经形成了一套完整的方法论。不过，储瑞松认为，提高员工生产率、优化业务运营，赋能产品服务乃至商业模式的创新，既适用于生成式 AI，更适用于 Agentic AI。
「买个 AI 一体机，或者简单地部署或订阅大模型并不会直接给企业带来什么价值。」 储瑞松表示。他认为，除了上述三点，企业还需要在管理和技术上做好双重准备：
在管理方面，首先，企业的高层需要对 Agentic AI 有明确的认知和顶层设计，既有自上而下的推动，也为自下而上的创新涌现创造条件、提供指导。「企业的最高管理层如果不重视 AI，那未来这个企业很可能会失去竞争力。」
第二，企业要在机制和人才上做准备。不光是有 AI 人才储备、鼓励他们发挥、创造价值。企业的每一层管理者都要意识到，未来会有越来越多的 Agentic AI「数字员工」 将作为组织里价值创造链条中的参与者参与到日常工作中，所以他们要为管理一个人和 AI 协同工作的未来做准备。此外，AI 发展非常迅速，企业要努力建立起相应的 Dynamic Capabilities，动态能力。
第三，认清之前企业信息化、数字化的工作和 Agentic AI 时代的关系。企业信息化、数字化工作做得扎实，应用系统有相应的 API，数据有初步的治理，将成为 Agentic AI 应用创新的重要基础。但 Agentic AI 时代的智能化并不是之前信息化、数字化的简单延续；而是企业内部组织方式的变革。
在技术方面，第一，统一的 AI 就绪的基础设施；第二，聚合的、经过治理的数据；第三，明确的 Agentic AI 策略和快速高效的执行。
其中，要做到统一的 AI 就绪的基础设施，亚马逊云科技认为，企业上云应该主要用一朵云，一朵对的云。这在 Agentic AI 时代尤为重要。「如果你在这个时候仍然只关注成本优化、以为多云策略、货比三家能给企业省钱，那你其实会导致企业失去更大的机会。因为多云策略不光会导致你重复投入、重复建设，而且不同云之间有限的连通性会给 AI 创新的速度带来很大的负面影响。」 储瑞松表示。
此外，他特别强调，要最大化 Agentic AI 能给企业带来的价值创造，企业需要聚合的、经过治理的数据。AI 时代，数据是企业最重要的战略资产，决定企业 AI 应用水平天花板的重要因素是企业数据是否 AI 就绪。数据决定一家企业未来 Agentic AI workforce 的视野、能力范畴、决策水平和执行效果。所以，要最大化 Agentic AI 能给企业带来的价值创造，企业必须打破数据孤岛，有效聚合和治理数据。
30 米巨浪中的弄潮者
「生物医药研发的领域长时间、高风险、高回报的特点，选择比努力重要太多。」 复星医药首席数智官林锦斌在现场演讲时坦言。
生物医药领域的创新充满不确定性，一个微小的细节或者数据都可能影响最终的医疗决策。而对于复星医药的科学家来说，最头疼的一件事是临床实验报告的检查。一般一篇临床实验报告 5 万多字，输入的数据表格高达 3000 多张，每次数据的刷新都要重新核对，整个过程简单而枯燥又不能出错。
「我们使用生成式 AI 的能力，可以一键式完成临床实验报告检查，把长达一个礼拜的工作缩短到 5 分钟。另外，我们也在医学翻译领域投用了生成式 AI 的能力，投用 6 个月已经完成了 1.6 亿的译制，翻译成本直接降本超过 30%。」 林锦斌表示。
目前，复星医药正在分三个阶段推进 Agentic AI 的落地：信息平权、知识平权、智能决策。作为其中重要的一部分，复星医药将渐进式打造研发智能体，实现药物管线决策的智能化，提升投资回报率。
同时，复星医药已经将过去几十年对于药品管线的决策会议数据进行解构，以此为语料承载生成式 AI 模型。这些知识资产沉淀复星医药的内部数字系统中，普惠到每一个项目组中的每一位成员，使得所有员工能够高效、便捷、低门槛的获取到相关的情报数据与资料，真正做到了做信息平权。
「大家可能不知道一个典型的创新药项目，它需要以 10 万份文献数据，以及数千的患者临床记录为支撑，需要输出多达 200 多份的文档，总体的页数超过了 5000 页，这些工作量占整个研发工作量的 30%～50%。复星现在将整个医学写作场景解构，目前已经在减少修订量工作。」 林锦斌表示。经过一系列实践，林锦斌判断，现在 AI 应用还处于给马车装发动机的阶段，但未来的目标一定是通过共创共建的方式，迎接医药行业智能化的下一个 30 年。
无独有偶，TCL 作为全球化企业，将 AI 首先应用到产品和服务中，持续提升用户体验。在产品和服务之上，TCL 在企业运营和经营层面也持续渗透 AI，来提升组织运作的能力和效率。「智能制造，供应链的营销、软件工程、客户服务等等领域，AI 都大有作为。」TCL 实业首席技术官孙力表示。
目前，TCL 基于亚马逊云科技的生成式 AI 技术，构建了 「图灵生成式 AI 服务平台」。该平台强调敏捷性和复用性，通过快速推出 PoC（概念验证） 场景，降低管理层对新技术的顾虑，加速商业场景验证和迭代创新。
在图灵平台支持下，TCL 开发了第三代艺术电视。这款电视不仅能播放画作，还能通过 AI 生成动态艺术效果。当用户靠近时，画面栩栩如生地动起来，使传统电视成为家庭艺术品，提升了产品的附加值。
会上，储瑞松正式发布 Agentic AI 应用实践指南，该指南正是基于众多像复星医药、TCL 这样的企业在 AI 应用中的实践需求。
正如储瑞松所说，在技术发展的长河中，我们正站在一个新的拐点：从 「工具型应用」 向 「代理型 （Agentic AI） 应用」 的范式转变。Gartner 将 「Agentic AI」 列为年度十大战略性技术趋势，并预测：到 2028 年，15% 的日常工作决策将由 Agentic AI 自主完成，而这一比例在 2024 年几乎为零。这不仅仅是技术的迭代，更是软件应用本质的重新定义。
作为全球云计算领域的先行者，亚马逊云科技在二十余年的发展历程中，不仅亲历了从传统的服务器端渲染到现代的单页应用 （SPA, Single Page Application） 的转变，也经历了从单体应用到微服务架构的技术演进过程。然而，Agentic AI 所带来的变革，其深度和广度都远超以往。
值得一提的是，今年 4 月，亚马逊宣布将在 2025 年投入约 1000 亿美元用于其人工智能项目的研发。其中大部分将用于 AI 相关项目，涵盖 AWS 的数据中心、网络设备、AI 硬件以及生成式 AI 服务能力建设。亚马逊云科技 CEO Matt Garman 此前也判断：Agentic AI 有可能成为亚马逊云科技下一个数十亿美元规模的业务。为此，几个月前，AWS 成立了直接向 CEO 汇报的 Agentic AI 的团队，接下来很快会有更多的重磅发布。这一战略决策不仅彰显了亚马逊云科技对 Agentic AI 前景的坚定信心，也预示着其将全力投入，推动这一技术的快速发展与广泛应用。
在这股巨浪中，企业若想生存和发展，就必须勇敢地驾驭它。只有积极拥抱新技术，加快经营范式的转移，才能在未来的市场竞争中占据一席之地。未来，属于那些敢于挑战、勇于创新的 「speed 1 企业」。
