瞄准企业AI规模化落地 亚马逊云科技升级在华技术布局

中经记者 谭伦 上海报道

过去一年,企业级AI应用经历了一轮业务转变。从早期的客服与办公助手,到如今能够调用工具并执行任务的智能体,AI在企业业务中的角色,正从辅助工具,逐渐深入到业务流程中。尤其是随着Agentic AI兴起,企业对于AI的期待,也不再局限于提高员工的工作效率,而是希望借助智能体打通业务流程、重构组织协作方式,进一步释放企业数据和业务系统的价值。

在此背景下,日前,亚马逊云科技宣布,在此前核心优势基础上,进一步升级在华技术、安全和本地化支持,完善Agentic AI全栈能力,强化AI安全防护,并通过多层次技术协作、开发方法赋能和人才培养,帮助企业推动AI Agent从概念验证走向规模化应用。

围绕此次升级,亚马逊云科技随后也作出进一步阐释。在接受《中国经营报》等媒体记者采访时,亚马逊云科技成长型企业及新兴业务总经理倪殿令强调,2025年企业面对的更多是个人的AI焦虑,而到了2026年,传统企业管理者开始面临更深层次的企业家焦虑,即现有组织结构如何适应AI时代的变化。在其看来,企业真正需要改变的,不是在现有流程中简单叠加AI,而是利用AI重塑业务流程,向AI原生组织转型。

企业AI“杠铃”中间的机会

对于当前企业AI应用形态,倪殿令援引了亚马逊CEO Andy Jassy的一个判断,将其概括为“杠铃结构”——一端是投入大量算力和Token、追求前沿模型能力的企业,另一端则是大量传统企业围绕部门业务痛点开展AI试点。

“杠铃的中间部分才是最大的机会所在。”倪殿令援引Andy Jassy的观点表示道。他进一步指出,真正值得关注的是连接两端的中间部分,即围绕企业自有数据构建的Agentic应用。在他看来,未来5至7年,这部分应用有望成为企业生产力释放的重要方向。

不过,从部门级试点走向企业级应用,并非简单增加智能体数量。倪殿令表示,在企业推进AI规模化过程中,存在传统组织架构与AI应用之间的矛盾。以典型To B企业为例,市场、销售、售后和客服往往分属不同部门,但客户的完整服务旅程却横跨这些部门。过去,企业可以通过相对独立的系统和流程开展工作,但当AI需要贯通客户全生命周期服务时,部门之间的数据壁垒、决策权限和风险管理机制便成为障碍。

同时还有数据治理问题。在其看来,企业内部不同业务系统之间的数据标准、业务语义和关联关系并不统一。即使接入了能力较强的大模型,如果缺少可信的数据基础和业务上下文,智能体也很难准确理解企业的真实需求。

而据市场研究机构波士顿咨询发布的研报测算,企业AI落地过程中,约10%的问题与模型算法有关,20%与数据和IT平台有关,剩余70%则与业务流程、人员能力、运营模式、数据治理及人机协作有关。

这也意味着,企业AI转型不能仅仅停留在技术部门。因此,倪殿令认为,企业AI落地需要构建以业务战略为中心的“黄金三角”,即场景、数据和人才。企业一把手需要牵头,从业务价值出发,围绕客户旅程而不是部门边界确定AI应用场景;同时建立面向AI的数据基础,并通过人才培养推动业务流程重塑。

“我们真的要改变的不是在今天的业务、当下的流程里面去叠加AI,而是用AI重塑整个企业的流程。”倪殿令表示。

在数据层面,亚马逊云科技提出面向AI的数据基础。据亚马逊云科技产品专家团队总经理崔玮介绍,传统企业数据治理主要关注完整性、一致性、新鲜性和开放性。但进入AI时代后,还需要进一步具备数据向量化、可观察与可追溯,以及安全访问等能力。

具体而言,企业不仅需要管理底层数据,还需要通过语义层和上下文层,让智能体理解企业内部不同业务术语、数据定义和访问边界。他举例称,同样是查询企业销售额,企业管理层与业务人员所能访问的数据范围、所处的业务背景可能并不相同。只有将数据、语义和业务上下文关联起来,才能让智能体给出符合具体业务场景的结果。

补齐智能体规模部署短板

当企业开始构建越来越多的智能体,另一个问题随之出现:如何避免每个部门重复建设技术平台,并确保大量智能体能够长期、安全运行?

崔玮认为,在概念验证(POC)阶段,企业自行搭建智能体并不困难,但进入生产环境后,需要考虑会话隔离、资源调度、身份认证、权限管理和运行监控等一系列问题。他举例称,一家客户此前花费240个人天构建会议管理应用,但在会话之间的隔离方面遇到困难,最终借助Amazon Bedrock AgentCore的microVM的会话间硬件级虚拟化隔离能力解决了相关问题。

据悉,今年9月,Amazon Bedrock AgentCore已在由光环新网运营的北京区域和由西云数据运营的宁夏区域正式可用。作为一套面向智能体构建、部署和运维的托管平台,其中国区域上线了六个主要组件。其中,组件Runtime可提供基于microVM的隔离环境,组件Gateway则可统一接入API、Lambda函数和MCP Server等工具。

崔玮表示,企业从POC走向生产环境,核心需要满足三大需求:快速构建、安全连接和持续优化。尤其是持续优化,不能被忽视。智能体上线并不意味着项目结束,随着模型、提示词及企业业务需求变化,其运行效果也可能发生变化,需要持续评估和调整。亚马逊云科技将Agent开发生命周期(Agent-DLC)作为本地赋能方法,帮助企业建立持续优化流程。

值得注意的是,智能体规模化部署也让企业安全防护面临新的挑战。

崔玮将AI安全分为三个层次:第一层是传统应用安全,确保运行环境和身份访问可控;第二层是生成式AI安全,重点应对提示词注入、内容审核等问题;第三层则是Agentic AI时代新增的执行安全,即智能体究竟能够调用哪些工具、访问哪些数据,以及能否在授权范围内执行任务。

他特别提到,企业不仅要管理模型输入输出,还要约束智能体“能做什么”。若访问凭证直接写入智能体,一旦遭遇供应链投毒,攻击者可能借助其权限执行操作。AgentCore Gateway可将智能体执行逻辑与凭证、权限管理分离,由网关按策略授权访问。在华升级还包括“安全赋能AI”和“AI赋能安全”,分别加强智能体治理、提升安全检测和漏洞管理效率。

企业AI进入长期运营阶段

除了技术和安全,如何帮助企业真正掌握AI应用的构建和迭代能力,也是此次亚马逊云科技在华能力升级的重要内容。

倪殿令表示,在Agentic AI时代,本地化支持不仅是把全球技术引入中国,更重要的是通过本地专家、科学家团队与客户深度协作,帮助企业提升应用构建、部署和持续迭代能力。

具体来看,亚马逊云科技将客户支持分为多个层次:通过客户开发工程(CDE)帮助企业快速完成应用原型验证;依托本地专家和AI科学家团队,围绕模型适配、推理优化和应用开发开展技术共创;同时通过Agent开发生命周期(Agent-DLC)方法论,帮助企业建立从开发、部署到评估优化的持续迭代机制。

人才培养方面,亚马逊云科技还将通过高校合作、企业人才培养及招聘赋能等方式,帮助企业建立适应AI时代的人才梯队。

金蝶的实践提供了一个样本。据金蝶中国副总裁兼研发中心总经理刘仲文介绍,金蝶与亚马逊云科技的合作始于2015年,经历了从传统软件向云服务、SaaS转型,再到近年来推进AI转型的过程。金蝶发票云已率先使用Amazon Bedrock AgentCore,服务约2万家客户,日均工单量约1000个。应用后,工单首次响应时间从15分钟缩短至3分钟,日均工单处理能力提升3倍,AI自动回复率从60%提高到80%。

刘仲文表示,金蝶通过Amazon Bedrock接入海外模型发展海外业务,并利用Kiro等工具推动研发端到端AI转型。他认为,基于ERP和业务系统形成的企业上下文,对智能体发挥作用尤为重要。

值得关注的是,企业AI建设并不存在完全统一的路径。倪殿令认为,对于传统大型企业,尤其是制造业企业,需要逐步打通供应链、生产、销售和客户服务等环节的数据;而对于成长型企业,可以先从具体应用场景入手,再根据业务发展完善数据基础。

崔玮也表示,AgentCore支持多种模型和开放技术框架,降低企业对单一模型和技术框架的依赖。对于中小企业而言,托管式服务按实际使用量计费,也可以减少自行建设和维护底层平台的成本。

对于2027年的发展方向,倪殿令表示,亚马逊云科技希望推动企业从Agentic AI试点走向规模化,让组织从AI认知迈向AI就绪,最终实现AI原生转型。他同时提到,希望未来有更多企业能够像金蝶一样,在较短时间内构建多个智能体,解决大量真实客户问题。

从企业AI应用的演进来看,模型能力只是起点。能否将企业数据、业务系统、工具权限和人才组织连接起来,并形成持续迭代的应用体系,或许才是智能体真正创造商业价值的关键。

(编辑:张靖超 审核:李正豪 校对:颜京宁)

展开阅读全文

更新时间:2026-11-19

标签:科技   亚马逊   布局   技术   企业   数据   智能   业务   能力   模型   客户   部门

1 2 3 4 5

上滑加载更多 ↓
推荐阅读:
友情链接:
更多:

本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828  

© CopyRight All Rights Reserved.
Powered By 61893.com 闽ICP备11008920号
闽公网安备35020302035593号

Top