“一年前，我说我们站在机器智能爆发的前夜，当时还有很多人问：‘真的会爆发吗？’但今天，不再有人质疑。”近日，亚马逊全球副总裁、亚马逊云科技大中华区总裁储瑞松在接受21世纪经济报道记者独家专访时笑言。
“而现在，我们正站在Agentic AI爆发的前夜。我相信再过一年，也不会有人再问：Agentic AI会不会爆发？”储瑞松说道。
所谓“Agentic AI”，即具备感知、推理、决策与执行能力的“智能代理系统”，正在成为全球科技巨头下一阶段重点押注的方向。
大模型明星中，OpenAI在近日推出了面向 Pro/Plus/Team 用户的 ChatGPT Agent，马斯克的 xAI 推出了 Grok 4，强调“多智能体协同、原生联网、超大上下文”能力。
在云厂商侧，在刚刚落幕的AWS纽约峰会上，亚马逊云科技（AWS）一口气发布了多项面向企业部署Agentic AI的关键产品和服务，包括面向智能体落地的核心平台 Amazon Bedrock AgentCore，集成工具生态的AI Agents Marketplace，以及支持向量检索的Amazon S3 Vectors等，建立起了“智能体即服务”（Agent-as-a-Service）的基础设施。
相比于其他云厂商，AWS的这一策略更偏重于部署与实用。Agentic AI时代，各式各样的Agent为云服务中的“软件即服务”（Software as Service）注入新内核 。
Gartner预测，到2028年，通过代理型AI自主作出的日常工作决策比例将从2024年的0%提高至15%以上，包含代理型AI的企业软件应用比例将从2024年的不足1%提高至33%。
而对于身处大中华区最前线的储瑞松来说，他看得更具体。目前，很多企业已在开发、客服、数据处理等环节开始试水Agentic AI，企业的落地节奏正在迅速拉开差距。
在他看来，Agentic AI火爆的背后，已经集齐了“大模型推理能力”“标准协议支撑”“低幻觉高效率运行”“多智能体协同”等技术要素。例如最新一代MCP协议（Model Context Protocol）正逐步成为Agent访问企业数据与调用API的“USB接口”，使智能体真正具备“手脚”。
这也为云厂商带来新空间。传统印象中，云厂商为AI提供的是“底层算力”——GPU资源、训练框架、存储服务。但随着Agentic AI的兴起，这种角色正在向上游延伸。从巨头AWS、微软Azure、谷歌Cloud，到国内的阿里云、腾讯云、华为云，云厂商正在“从算力服务商变为智能服务商”，从底层基础设施扩展为AI Agent的新阵地和应用入口。
未来AI Agent平台的竞争，不再只是“模型谁强”，更在于谁能让这些Agent真正跑起来，并在真实世界中“做成事”。
爆发前夜
《21世纪》：Agentic AI爆发在即的判断，是基于哪些趋势总结而来？
储瑞松：首先，是因为技术各方面的关键要素已经汇聚在一起，使得Agentic AI成为可能。其次，在一些具体行业和场景中，已经有先进企业开始落地应用，并取得了实际效果。
第三，在全社会的维度，对AI能力的质疑已经大大减少，企业都在考虑怎么把AI真正用起来。
第四，推理成本的下降。根据斯坦福的报告，过去两年推理成本下降了280倍，每百万token的成本大幅度下降，机器的智力变得负担得起。
同时，大模型幻觉率也大幅下降，过去一年当中幻觉率降低50%，最领先大模型的幻觉率低于1%，加入企业的知识库，用RAG的方式，幻觉率在1%的基础上又降70%，只有0.3%。某些场景下0.3%已可以接受，但在金融、医疗等强监管行业还是不行。
为了解决幻觉问题，Amazon Bedrock的Guardrails中引入了一个“独门秘籍”，叫Automated Reasoning Checks。它用数理逻辑的方法去判断这个结果是不是跟已知的事实不相符，如果不相符就是幻觉，就把它拒绝掉，保证业务不会受影响。
《21世纪》：能否具体谈谈AI技术层面的关键进展？
储瑞松：展开一点讲，Agentic AI爆发的多个技术要素都已经具备。首先是大模型的能力。大模型是AI的大脑，现在无论是海外领先大模型，还是国内的头部模型，都已经具备很强的“思考”能力。智能体能根据收到的指令进行规划，把任务一步步拆解，每一步执行完后还能进行反思，如果发现结果不符合预期，还能自动调整。
其次，但光有“大脑”不够，还需要“手脚”。现在出现了一些支持智能体的协议，尤其是MCP（Model Context Protocol），类似于USB这样的通用接口协议。通过MCP，智能体可以访问企业已有的数据，也能调用其他API。
再者，企业如果有数字化的基础设施，比如说数据已经经过一些初步的治理，应用系统已经有API，智能体就有数据可以访问，有API可以调用。所有这些集合在一起，让Agentic AI的应用爆发几乎是不可避免的，这是技术方面的准备。
此外，之前要开发一个多智能体协同的应用，虽然有一些SDK，但用起来比较麻烦，但现在像亚马逊Strands Agents SDK，让开发一个多智能体协同的应用变得非常简单，大幅度提升效率。
我们一个合作伙伴之前做了一个AI应用，做多智能体协同这部分是3000行代码，现在只要20多行代码就可以实现。所以现在一个企业要去实现多智能体协同智能体AI应用，技术的门槛已经比较低了。
《21世纪》：目前哪些行业的AI应用进展特别快？
储瑞松：AI编程非常典型，之前程序员要敲代码，现在用先进的AI编程工具，比如亚马逊Amazon Q Developer，很多时候编程工作是通过自然语言，英语或者中文实现。现在我们很好地支持中文，只要中文描述清楚，从生成需求文档、产品加工设计，到代码实现，再到自动化测试和部署，基本可以自动完成。
实际上，很多先进公司的开发团队内部都在用AI来做软件开发。它不是说30%、50%的提高生产效率，而是成倍地提高生产效率，这就是智能体在软件开发领域里面的应用。我们已经看到先进的企业不是做试点，而是已经在落地。
软件开发之前被认为是高智力的工作，而现在，如果有相应的数据和API，把整个过程逻辑梳理清楚，就可以通过智能体的方式去实现。
如何落地？
《21世纪》：随着Agentic AI的应用越来越多，企业在落地过程中是否还有成本的顾虑？
储瑞松：我认为可以把企业分为两类，一类是Speed 1，一类是Speed 2。
Speed 1的企业已经意识到Agentic AI的爆发几乎不可避免，正在主动拥抱AI，力求最大化释放AI带来的价值。如果认真算一笔账，用Agentic AI的方式来做，与传统方式相比，整体的价值创造更大，成本也未必更高。因此，它们在加速创新，全速前进。
但也有很多企业还在犹豫，甚至有的干脆“捂住眼睛和耳朵”，不准用AI。
关键在于管理层的决策和认知，企业的顶层要意识到AI这件事情不只是技术部门、IT部门去做POC试点，最高管理层要意识到，未来会是人跟Agentic AI数字员工协同工作，这是企业管理者需要关注的点。
有的企业在顶层设计上就坚决拥抱，它就可能快速获得业务价值的创造；有的企业动作会慢很多，竞争力就会逐渐变弱。
《21世纪》：整体的趋势看，大家更加积极拥抱了？像AI一体机今年热销。
储瑞松：是的，越来越多。特别是DeepSeek之后，企业的高层会考虑，现在技术这么厉害，我们能用AI做点什么，但也有很多企业没有准备好。其中，有些企业买了AI一体机，DeepSeek模型也部署了，但是具体能做什么、能给企业带来哪些真实价值？却不是很明确。
未来，很多企业需要考虑的，不是选择哪家的模型，或者到底要买多少卡。真正要考虑的是，怎么样用云服务商提供的能力，包括算力层面、大模型的选择、智能体开发的SDK、多智能体协同的参考架构实践指南等等。关键还是在于，怎么样在具体的应用场景里面，能够把应用落地，带来价值，做好组织内部的变革管理。
《21世纪》：这点特别重要，怎么能够在企业工作流中真正应用生成式AI？
储瑞松：打个比方，软件开发领域，之前有一种敏捷开发的方式，由一个产品经理对接业务方搞清楚产品需求。他会对应一个Scrum团队，团队有很多开发者、测试工程师、UI设计师，可能需要十几个人，这是之前的方式。
现在，我跟一些比较领先的，特别是初创类企业聊，他们觉得未来可能是一对一，一个产品经理对一个能够很懂技术又很懂AI的人，这个人会指挥AI开发者做具体的开发工作，未来的趋势是向这个方向演进。
有人会担心，原来十个人的开发团队未来做什么，有可能变成，原来是一个开发团队未来变成十个开发团队，每个人带个若干个AI员工，可以成倍提高整个企业的效率。
《21世纪》：从云厂商的视角看，如何预测接下来AI应用的走势？
储瑞松：你看技术采用曲线（technology adoption curve），一开始有一些特别早期的技术热爱者，然后是早期采用者（early adopters），是真正把新的技术能够用在具体的业务场景当中，提前获益；然后是后期大众（Late majority）；还有一些晚期采用者（later adopters），永远会有这样的分布。花若干年的时间，一个新的技术会扩散。
现在可能有些企业不知道AI到底可以给企业做什么，只是一个观望怀疑的态度；有些企业，已经把它一半以上的甚至更多的研发让AI来完成，有一家初创公司，新的代码90%都是AI生成的。这意味着，这些公司用同样的资源投入，价值创造效率会高很多，如果应用Agentic AI先人一步，有可能会变成持续领先。
我们在中国有近万家（这个数字还在增加）客户，不管是中国企业出海、外国企业进中国，还是中国本土企业用亚马逊云科技做创新，服务好他们，让他们进行价值创造，这是我们想要做的事情。
（文章来源：21世纪经济报道）
