“过去一年，机器智能已经爆发了，如今AI（人工智能）的发展又来到了一个拐点，我们正处在Agentic AI（代理式人工智能）爆发的前夜。”6月19日，在亚马逊云科技中国峰会上，亚马逊全球副总裁、亚马逊云科技大中华区总裁储瑞松表示。
储瑞松指出，在过去一年，大模型的能力在各个维度都实现了跨越式发展。就连在今年1月推出的HLE（Humanitys Last Exam，一项权威基准测试）上，模型正确率也从刚开始的个位数，迅速发展到如今已经超过20%。
“正如历史上蒸汽机的出现放大和解放了人与动物的肌肉力量，通过在纺织、交通、采矿和冶炼等领域的应用带来了工业革命。机器智能的爆发则放大和解放了人的大脑智力，其应用也将带来Agentic AI的革命。”储瑞松说。
如他所言，AI落地的场景正在扩张到汽车、零售、电商、医药等多个场景。“人工标注曾是车企研发的‘卡脖子’环节。”亚马逊云科技汽车行业解决方案负责人在展位接受《每日经济新闻》记者采访时表示，辅助驾驶研发依赖海量路采数据标注，而传统人工处理存在“效率低、成本高”的痛点。
图片来源：每经记者张梓桐摄
记者在现场观察到，该展区演示的方案通过多模态大模型实现视频场景的智能分析，“以前需要人工框选道路元素，现在模型能自动识别并标注关键对象，大幅降低标注成本。同时，基于向量数据库的多模态检索技术，可快速复用历史标注数据，提升数据挖掘效率。”该负责人说。
数据为王：企业数据就绪决定Agentic AI应用高度
“AI正从‘我问AI答’‘我说AI写’发展为‘我说AI做’，未来AI驱动的‘数字员工’将像人类一样参与企业运营。”储瑞松援引斯坦福大学2025年人工智能报告数据称，过去两年AI推理成本大幅度下降，加之模型上下文协议（MCP）、智能体协作协议（A2A）等技术的成熟，使得多智能体协同应用的开发门槛大幅降低。
事实上，Agentic AI的爆发并非偶然，而是源于多重因素的叠加。
储瑞松表示，过去两年多，大模型能力日新月异，已具备类似人的大脑的思考能力。模型上下文协议的出现，使大模型驱动的智能体能够方便地与周围世界互动，此外，推理成本的极速降低，使得Agentic AI应用的规模化部署成为可能。
与此同时，在AI时代，企业独有的、能带来差异化价值的是数据，这也是很多企业最重要的战略资产。企业数据是否AI就绪是决定企业AI应用水平天花板的重要因素，它能影响一家企业未来Agentic AI“数字员工”的视野高度、能力范畴、决策水平和执行效果。
在储瑞松看来，要实现Agentic AI价值创造，企业需要有明确的策略并快速高效地执行，且要有客观的预期：短期不要有过高不切实际的期望，但长期一定不能低估它给各行各业带来的影响。这里所说的长期不是10年，而是1到2年。
以汽车场景的数据为例，上述展台工作人员告诉记者，在仿真数据生成方面，云服务厂商如何通过物理引擎构建符合交通规则的虚拟场景成为落地的关键，“优秀的云服务解决方案应该覆盖雨天、夜间等复杂工况，为模型评测提供高质量数据支撑，帮助车企优化模型训练流程，加快研发迭代周期”。
汽车厂场景之外，在隔壁展区，一段由小说自动转化的动画正在播放。“用户输入长文本或上传文档，系统会先解析结构化数据，再生成连贯视频片段。”工作人员告诉《每日经济新闻》记者，该方案整合生成式AI技术，支持自定义工作流与风格模板。
图片来源：每经记者张梓桐摄
“只需用中文描述创意，就能生成游戏功能。”技术人员向《每日经济新闻》记者演示了交互流程：当输入“创建一个跳跃障碍的关卡”，系统通过特定协议与游戏引擎交互，就能实时生成可运行的场景。
“这打破了技术门槛，让策划、美术等非技术人员也能参与开发。”开发者接受采访时表示，该工具支持自然语言直接控制游戏引擎，实现“全团队创意协作”，尤其适合中小团队快速验证原型。
云厂商方案聚焦行业痛点：Agentic AI如何从概念迈向实用？
零售展区的智能导购方案则聚焦消费决策痛点。
“传统售前咨询难以处理个性化需求，而AI购物助手能深度学习产品目录与用户评论。”亚马逊云一位架构师现场向记者演示，当用户询问“适合露营的防潮装备”时，系统会自动关联材质、防水等级等维度，提供多商品比较与推荐。
该方案基于Amazon Bedrock（亚马逊云科技推出的全托管生成式AI服务）的大语言模型，实现模糊问题理解与精准检索，“帮助零售商提升咨询响应速度与转化率”。
“医学文档生成需要兼顾准确性与合规性。” 在另一展位，医疗行业专家介绍智能医学内容生成中心（MIH）方案，其基于Amazon Bedrock接入合规大模型，支持多语言医学写作与翻译，“例如药品说明书、临床试验报告等，可实现术语统一与格式规范”。同时，方案依托云原生架构实现数据处理自动化，帮助医疗团队优化工作流程，提高内容生成效率。
制造展区的具身机器人演示吸引了不少关注。“系统通过对机器人的控制，结合生成式AI理解自然语言指令。” 一位展区技术顾问现场告诉《每日经济新闻》记者，该方案支持实时对话中断处理与上下文记忆，“比如用户先要求‘抓取零件’，再补充‘轻拿轻放’，机器人会调整力度参数”。
记者注意到，这其中的核心亮点包括自然人机交互与环境适应能力，为工业场景的智能控制提供新范式。
记者走访六大展区发现，当前云厂商的方案始终围绕行业具体痛点：汽车的数据标注效率、游戏的开发门槛、医疗的合规写作等。正如峰会现场反复强调的，Agentic AI的价值并非技术炫技，而是通过“工具 + 场景”的深度结合，解决实际业务问题。
当多模态模型减少数据标注人力、自然语言交互降低开发成本，这些落地案例正印证着AI从“概念” 走向“实用”的关键一步——而对于企业而言，如何将技术能力与自身业务流程结合，或许是智能时代更值得思考的命题。
储瑞松指出，当下企业普遍聚焦成本优化，但Agentic AI将推动经营范式转移。“未来企业的核心竞争力在于利用AI重构用户体验和商业模式。”不过，他也提醒企业需警惕技术泡沫：“Agentic AI的回报周期可能短于预期，但盲目投入而不解决数据与基础设施短板，只会徒增试错成本。”
（文章来源：每日经济新闻）
