文章核心观点 - 企业AI应用正从单点提效迈向系统化、工程化的“智能体”（Agent）阶段，其价值在于将AI深度融入并重塑核心业务流程，实现从“效率”到“效能”的转变[11][12][26][59] - 亚马逊云科技通过提供涵盖基础设施、模型、数据、平台、应用及安全的完整技术栈，为企业将Agent投入生产环境提供了关键的工程化能力和落地路径[61][74][83][85] - 多个行业领先公司的实践表明，Agent已进入研发、模型服务、营销、内容创作等具体业务场景，并开始交付可量化的业务成果，标志着Agentic AI的拐点已经到来[60][86][87] 小鹏汽车的Agent实践 - 公司基于亚马逊云科技的Kiro、Amazon Bedrock、Amazon EKS等服务，构建了名为“灵犀”的内部AI编程与Agentic工作平台，旨在解决单点提效但整体效能不足的问题[9][12][14][17] - 该平台采用五层架构：开发者入口、Agent协作层（以Kiro为内核）、数据与知识层、模型层（Amazon Bedrock）和基础设施层（Amazon EKS），实现了研发流程的自动化闭环[18][19][20][21][22][23] - 应用成效显著：AI代码覆盖率超过70%，创建了700多个不同类型、不同部门的Skills，连接了400多个API端点，每天有100多个AI协同PR，累计跑完14万多个工作流，6个核心阶段成功率均超过99.7%，交付代码0个P0、P1缺陷[7][24] - 在SRE（站点可靠性工程）环节实现重大突破：基于Amazon Bedrock建立四大SRE Agent和五维归因，将缺陷自动修复时间从两天压缩到10分钟，同类型bug可秒级命中且无需人工介入[7][25] - 其模式的核心在于“Spec驱动开发”，即在生成代码前先将需求、设计、任务、测试结构化，让Agent基于规范编写，从源头提升正确性，并将企业研发体系中的“上下文、规范、工具、模型、算力、治理”串联起来[27][28][29] 月之暗面（Kimi）的全球化部署 - 公司通过亚马逊云科技全球基础设施和AI技术，将Kimi大模型能力带给全球企业客户[33] - 在模型能力上持续投入三个方向：通过架构和训练方法提升token效率（让10T数据发挥出20T效果）、推进新的线性注意力架构以支持长上下文、通过注意力残差和工程优化（如提高cache命中率）提升效率并降低成本[37] - 近期发布的K2.7 Code及High Speed版本，输出速度达到180 token/s[38] - 与亚马逊云科技的合作覆盖多个层面：利用其全球数据中心和网络基础设施获得稳定算力支持；与Amazon SageMaker集成以支持客户训练和部署模型；计划接入Amazon Bedrock成为其原生AI能力一部分；在Marketplace上架供全球客户一键使用、按量付费；通过APN合作伙伴网络拓展企业客户并联合打造行业解决方案[41][43][44] 猎豹移动的AI转型与产品化 - 公司推动AI native转型，例如将金山毒霸从传统交互改造为以Agent方式理解并解决用户问题（如“打印机有问题”）[48] - 将内部AI实践产品化，其“EasyClaw出海企业版”运行在Amazon Bedrock AgentCore之上，并依托Bedrock丰富的模型选择，按任务复杂度灵活调度模型以平衡效果与成本[49] - 借助Bedrock AgentCore的无服务器模式，实现按使用量付费，降低闲置成本。Agent上线时间从一个月缩短到两周，运营成本降低25%，部署和运维得到简化[51] - 该产品主要面向跨境电商行业，提供从广告素材生产、投放优化到数据复盘的全链路AI赋能[53] 影石Insta360的智能内容创作 - 公司基于自研AI能力和影像技术积累，依托亚马逊云科技Agentic AI五层架构，推出了云端一站式智能成片服务“时刻Pro”[55] - 用户无需人工编辑，可在不到一分钟内从拍摄素材直接生成高质量成片[56] - 这体现了Agent进入具体业务流程（内容创作），将原本需多人多步骤完成的工作压缩成自动化闭环[57] 亚马逊云科技的Agentic AI技术栈 - 公司提出并构建了支持企业Agentic业务转型的“五层技术栈”，为Agent从试点到规模化生产提供全面工程能力[63][74] - 第一层 AI基础设施：提供GPU实例、自研Trainium AI加速芯片及配套网络、存储、弹性计算等底层能力，确保算力的可用性、可管理性和可扩展性[66] - 第二层 模型层：通过Amazon Bedrock提供统一入口，让企业按需调用多种领先大模型，并提供统一的API和治理能力[67] - 第三层 数据和知识层：提供Zero-ETL、Amazon S3 Vectors、专用向量数据库、Amazon Bedrock Knowledge Bases等服务，将企业静态数据转化为AI可理解、检索和调用的知识资产[68] - 第四层 Agentic平台层：以Amazon Bedrock AgentCore为核心，解决Agent从开发、运行到迭代的全生命周期管理问题，包括身份、权限、工具接入、治理、可观测性等[69][70] - 第五层 Agent应用层：提供如Kiro（面向Spec驱动开发）、Amazon Quick（面向知识工作者）、Amazon Connect（面向客户服务）等接近业务结果的应用产品[71] - 安全治理：推出如Amazon Continuum等能力，面向Agent时代的软件安全风险，覆盖发现、优先级排序、验证和修复，旨在以机器速度处理安全问题[73] Agent落地的关键洞察与趋势 - Agent的成功应用要求企业从关注技术选型转向定义明确的业务结果，并将数据从静态资产转变为驱动Agent创造价值的战略资产[79] - Agentic AI将改变企业分工：人类员工更侧重于判断、创意与责任，数字员工（Agent）承担速度、规模与执行；管理者需编排人机协作，一线员工需学会管理多个Agent[58][81] - 企业应用Agent的挑战不仅在于模型能力，更在于工程化落地，涉及数据整合、权限设定、成本核算、多Agent协作、与旧系统集成等系列问题[75][76] - 全球企业普遍遵循先通过概念验证（PoC）验证价值，再进入规模化使用的路径[80] - 云计算的价值正从提供基础资源，演变为承载和赋能“数字员工”（Agent）[88]