12月3日凌晨12时，2025 AWS re:Invent全球大会进入第二天议程。AWS行政总裁Matt Garman发布题为《AWS如何重塑云计算技术未来》主题演讲，系统阐述创建AI Agent所需四大核心要素：AI基础设施、推理系统、数据、创建工具。他隆重发布开创性Amazon Nova 2系列基础模型，以及三大“前沿Agent”：Kiro Autonomous Agent、Amazon Security Agent、Amazon DevOps Agent，并宣布25项云计算核心服务重大创新，进一步拉大技术差距，巩固AWS在全球云计算与AI领域领导地位。
Matt Garman在演讲开始时，首先阐释他对AI趋势理解。他表示Agentic AI技术正处于关键转折点，从“技术奇迹”转化为能提供实际业务价值实用工具。他预测未来将有数十亿Agent在各行各业广泛运行，协助企业实现10倍效率提升。要让Agent真正发挥作用，需要四大核心要素坚实支持。
Amazon Trainium芯片系列突破性发展
Matt Garman宣布正式发布Amazon Trainium 3 UltraServers，这是AWS首款搭载3纳米制程AI芯片服务器。它比Amazon Trainium 2提供4.4倍运算能力、3.9倍内存带宽及5倍每兆瓦AI token处理量。服务器最高配置144个芯片，提供惊人362 petaflops FP8运算能力。在运行OpenAI的GPT-OSS-120B模型时，每兆瓦输出token数是Amazon Trainium 2的5倍以上，实现超高能耗比。
更令人振奋的是，Matt Garman首次公布Amazon Trainium 4芯片，承诺将实现较Amazon Trainium 3六倍FP4运算性能、四倍内存带宽及两倍高内存容量，持续巩固AWS在AI芯片领域长远领先地位。目前AWS已完成超过100万个Trainium 2芯片大规模部署，为Amazon Bedrock中大部分推理工作提供核心算力支持，包括Claude最新一代模型高效运行。
AWS与NVIDIA合作已达15年，是业界最早在云计算提供NVIDIA GPU服务厂商。Matt Garman特别强调，AWS在GPU集群稳定性表现远超行业其他供应商，通过深入细节改良（如Debug BIOS预防GPU重新启动）及对每个问题进行根本原因分析，确保为客户提供业界卓越GPU运行稳定性。新发布P6e-GB300实例搭载NVIDIA最新GB200 NVL72系统，为最具挑战性AI工作负载提供支持。OpenAI在AWS上运行ChatGPT，使用数十万芯片Amazon EC2 Ultra服务器集群，可扩展至超过千万CPU。
Amazon AI Factories：突破数据主权限制
受与沙特阿拉伯Neom创业公司合作启发，AWS推出开创性Amazon AI Factories服务。这项服务允许在客户自有数据中心部署AWS专用AI基础设施，运行体验与AWS公有云区域一致，利用客户现有数据中心空间和电力，使用最新Amazon Trainium UltraServers或NVIDIA GPU，使用Amazon SageMaker和Amazon Bedrock服务，同时满足严格合规和数据主权要求。这为无法将数据迁移到云计算客户提供完美解决方案。
生物技术公司Vialet利用AWS强大AI基础设施训练“科学多面手”AI，已处理数万亿科学推理token，预计未来几年增长100倍。通过AI自主提出假设、设计并运行实验，Vialet正加速药物研发和新材料发现，展示强大AI基础设施如何推动科学突破。
Amazon Bedrock全面扩展
Amazon Bedrock协助客户快速将生成式AI应用从原型转为生产环境。Amazon Bedrock用户数量比去年同期增长一倍以上，超过50个客户已处理超过1万亿个token。Amazon Bedrock提供广泛模型选择、基于使用场景特定模型、集成数据工具、添加安全护栏，与AWS现有服务和数据深度集成。
Matt Garman宣布Amazon Bedrock添加Google Gemma、MiniMax M2、NVIDIA Nemotron、KIMI开源权重模型。同时提供全新发布Mistral 3系列，其参数量增加5倍以上、上下文窗口大小是Large 2两倍的Mistral Large，提供从超高效边缘设备到单GPU部署到高端本地灵活操作。
Amazon Nova 2系列：性价比突破
Matt Garman隆重发布Amazon Nova 2系列，包括四大模型：
Amazon Nova 2 Lite：快速、高成本效益推理模型，在指令跟随、工具调用、程序代码生成、文件资讯提取方面表现出色，性能媲美Claude Haiku 3.5、GPT-4o Mini和Gemini 1.5 Flash。
Amazon Nova 2 Pro：处理高度复杂工作负载智能推理模型，在指令跟随和智能工具使用方面超越GPT-4o、Gemini 1.5 Pro等前沿模型。
Amazon Nova 2 Sonic：下一代语音到语音模型，提供行业领先对话品质，改良延迟，大幅扩展语言支持。
Amazon Nova 2 Omni：业界首个真正统一多模态模型，支持文本、图像、视频、音频输入，并支持文本和图像输出。例如可以理解整个会议内容（演讲者语言、演示文稿、视频），生成包含文本和图像摘要。
营销内容运营公司Greatdeal面临将创意构思转化为网站内容需4至6星期、涉及20多个步骤和多个专业角色挑战。使用Amazon Bedrock和Amazon Nova创建编排Agent，将不同子Agent（编写、设计、网站等）组合使用，显著加速内容生产流程，提供更高转化率内容。
第三方模型无法深度适配企业特定业务数据，且企业专有数据不能嵌入公共可用模型。现有解决方案存在明显局限：RAG和矢量数据在推理时提供上下文效果有限；从头创建模型成本高、数据不足、专业知识要求高；微调开放权重模型难以掌握新领域知识，容易“遗忘”之前学到能力。
Amazon Nova Forge：开创性“开放训练模型”
Matt Garman宣布推出开创性Amazon Nova Forge，引入“开放训练模型”概念。Amazon Nova Forge提供Amazon Nova训练检查点独家访问，允许在模型训练每个阶段混合企业专有数据与AWS创建训练数据集。产出模型深度理解企业资讯，同时保留核心能力。
工作流程包括：从80%预训练Amazon Nova 2 Light检查点开始，混合企业数据与AWS训练数据集，使用提供配方完成预训练，使用远程奖励函数和强化微调进一步改良，最后将模型导入Amazon Bedrock运行推理。例如硬件制造商可询问设计A与设计B利弊，获取基于公司历史结果、制造约束和客户偏好具体回答。
Reddit需要在多个安全维度审核聊天和搜索内容。微调现有模型无法达到所需性能，若尝试使用多个模型处理不同安全维度，则过于复杂且无法达到社交媒体特定要求准确度。使用Amazon Nova Forge将专有领域数据集成到预训练阶段后，首次生产出同时满足准确性和成本效益目标专属模型，部署和运营更简单，且自然结合通用语言理解能力和社交媒体特定知识，精准匹配场景需求。
Sony创建Sony Data Ocean，利用AWS每天处理来自500多个数据源760TB数据。使用Amazon Bedrock创建企业大语言模型，自推出2年来拥有57,000用户，每天处理150,000个推理请求。将Amazon Bedrock AgentCore置于Agentic AI系统中心，轻松管控、部署和管理更有用Agent能力。微调Amazon Nova 2.0 Lite模型，在参考一致性和文件Grounding方面超越基线模型，目标将Sony合规审查和评估流程效率提高100倍。
Amazon Bedrock AgentCore：全面增强
Amazon Bedrock AgentCore使企业能够规模化安全创建、部署和运营Agent。在模块化设计理念下，客户可根据需要选择组件。核心组件包括：安全Serverless Runtime（Agent在完全会话隔离中运行）、AgentCore Memory（处理短期和长期记忆）、AgentCore Gateway（Agent轻松发现并安全连接工具、数据和其他Agent）、AgentCore Identity（提供安全身份验证）、AgentCore Observability（实时查看已部署Agent工作流程）、基础工具集（包括程序代码解释器和托管浏览器服务）。
系统具有高度开放性：支持多种框架（Crew AI、LlamaIndex、LangChain Strands Agent）；支持任何模型（Amazon Bedrock模型、OpenAI GPT、Google Gemini等）；私有安全部署在Amazon VPC内；扩展至数千个会话；部署迅速，通过拖放几行程序代码实现一分钟内部署。
AgentCore Policy：实时确定性控制突破
如何在赋予Agent自主性同时确保可预测行为？AgentCore Policy提供Agent与企业工具和数据互动实时确定性控制。使用自然语言定义策略（如“阻止退款金额超过1,000美元的所有客户退款”），将提示转换为Cedar（基于自动推理开源语言），部署至AgentCore Gateway，以毫秒级速度评估所有Agent操作。在Agent与所有数据、API和工具之间提供策略评估，确保行为可预测可控。
AgentCore Evaluations：持续品质保障
AgentCore Evaluations协助开发者持续检查基于真实行为Agent品质。提供13个预览评估器，覆盖常见品质维度；支持创建自订评分系统；在测试阶段评估Agent，在部署前纠正问题；在生产环境中快速发现品质下降。结果显示在CloudWatch中，自动化专业知识和基础设施繁重工作，让所有人都能访问并持续改良Agent品质。
AI Agent能够代表人执行任务并进行自动化工作。这正是我们开始看到AI投资带来实质性商业回应地方。Matt Garman说：“我相信AI Agent出现已经将我们带到AI发展轨迹拐点——它正在从技术奇迹转化为能够提供真正价值东西”。
这变化将对业务产生与互联网或云计算同等影响。Matt Garman指出：“我相信在未来，每家公司内部将有数十亿个Agent，遍布各个可以想象领域。我们已看到Agent在加速医疗保健发现、改善客户服务、提高薪金处理效率方面应用。在某些情况下，Agent已经开始将人们影响力扩大十倍”。
要真正发挥Agent价值，我们需要具有全面能力公司级AI工具支持。他重点介绍两项关键工具：
1. 公司级AI工具全面能力
Amazon Quick：公司级AI助手实现10倍效率提升 Amazon Quick期望能为每个员工提供他们在消费级AI中已经开始接受那种体验，但配备公司所需上下文、数据和安全性。其关键重点是全面数据集成能力，集成结构化数据（BI数据、数据库、数据存储）、应用程序数据（Microsoft 365、Jira、ServiceNow、HubSpot、Salesforce）、非结构化数据（个人文件、SharePoint文件、Google Drive、Box文件等）。
Amazon Quick提供三大核心功能：丰富BI（商业智能）能力，轻松跨所有结构化和非结构化数据源发现洞察；深度研究功能，调查复杂主题，从内部数据存储库和互联网外部源收集资讯，生成详细研究报告；Quick Flows，创建个人小型Agent，自动化日常重复任务，提高个人和团队效率。
几个月前，AWS在内部发布Amazon Quick Suite，如今已有数十万用户。团队称他们完成任务时间是原来十分之一。AWS税务团队创建一个Amazon Quick Agent，协助他们集成所有税务数据来源、获取税务项目数据、审计数据、互联网上细节，对任何税法或政策变更执行深度研究，并在单一视图中呈现所有这些税务资讯——这些都是非开发人员做的，他们无需编写任何程序代码或手动拉取任何报告就能做到。
Amazon Transform Custom：消除技术债开创性工具 技术债每年在美国产成约2.4兆美元成本，70% IT预算用于维护遗留系统。Amazon Transform Custom让客户能够创建特定程序代码转换Agent，以现代化任何程序代码、API、框架或Runtime，甚至包括仅在公司内部使用程序语言或框架。云计算ERP解决方案提供商QAD使用Amazon Transform后，原本至少需要2星期完成转换工作在不到3天内完成，显著加速客户现代化进程。 2. 三大前沿Agent：开发者工具开创性突破 改变每个人业务最大机遇之一就是Agent。Agent令人兴奋，因为它们可以采取行动并完成任务。它们可以动态推理，并以最佳方式创建工作流程来解决问题，而无需预先程序设计。前沿Agent具有三个关键特征：自主性（朝目标前进并自行决定如何实现）、大规模可扩展（单个Agent可执行多任务，同时支持跨多个实例分配工作）、长时间运行（可工作数小时甚至数天，无需人手干预）。
Kiro Autonomous Agent：变革软件开发方式 Kiro Autonomous Agent变革开发者和团队创建软件方式，大幅提升开发能力。它与开发流程并行运行，保持上下文并自动化开发任务。自主完成从功能交付到错误分类到改良程序代码覆盖率全部工作。与Jira、GitHub、Slack等现有工具连接。学习团队工作方式，持续加深对程序代码、产品和团队标准理解。 在跨库更新场景中，传统方式需要在15个不同微服务中逐一打开程序代码库，提示更新、审查更改、运行测试、创建Pull Request。Kiro方式：在kiro.dev启动与GitHub关联任务，描述问题后Agent提出澄清问题并规划任务，利用对整个程序代码库了解识别需要更新所有位置，分析每个服务如何使用库，遵循现有模式更新程序代码，运行测试并打开15个经过测试、准备整合Pull Request。内部案例显示6人团队在76天内完成原计划30人18个月项目。 Amazon Security Agent：从设计阶段创建安全应用 从设计阶段开始创建安全应用，在加速开发同时确保安全性。主动审查设计文件，在编写程序代码前发现安全问题。识别程序代码中漏洞。直接集成GitHub Pull Request，在开发工作流程中提供反馈。将缓慢昂贵渗透测试转变为按需实践。避免因安全问题导致程序代码重写，无需昂贵外部顾问，允许更频繁地进行安全验证。 Amazon DevOps Agent：主动预防运营事件 解决和主动预防事件，持续提高可靠性和性能。像经验丰富DevOps工程师一样调查事件并识别运营改良。从资源、关系、现有可观察性解决方案、操作手册、程序代码库和CI/CD流程学习。关联所有来源遥测、程序代码和部署数据。在身份验证错误处理场景中，当警报触发显示Lambda函数连接数据库时身份验证错误率升高，DevOps Agent在值班工程师查看前立即响应，诊断问题，利用应用程序拓扑知识和组件关系理解追溯警报找出根本原因，确定问题是Lambda函数IAM策略变更导致，找出引入变更CDK程序代码部署，提出修复并准备供值班工程师审批，推荐CI/CD护栏防止类似问题再次发生。 这些前沿Agent正将AI从技术展示转变为真正生产力工具，协助企业实现10倍效率提升，迎接AI Agent时代无限可能。 延续AWS“构建单元”理念，Matt Garman快速发布25项云计算核心服务创新，覆盖运算、存储、数据库等领域： Matt Garman展示AWS惊人业务成就：达到1,320亿美元规模，同比增长20%（过去12个月增长约220亿美元，超过财富500强一半企业年收入）；Amazon S3存储超过500万亿个对象，每秒处理超过2亿次请求；超过一半CPU容量来自Amazon Graviton处理器；Amazon Bedrock服务10万家公司，超过50个客户已处理超过1万亿个token；Amazon Bedrock AgentCore SDK下载量超过200万次。 Matt Garman总结道，我们正处于一个前所未有时代，AI Agent技术将彻底改变企业运营方式。AWS通过从芯片到模型到Agent全栈式创新，为客户提供创建AI Agent所需四大核心要素。 随着Kiro Autonomous Agent、Amazon Security Agent和Amazon DevOps Agent——这三大前沿Agent问世，开发者将获得前所未有生产力提升。配合25项云计算核心服务重大创新，AWS正协助客户获得AI真正价值。随着数十亿Agent在各行各业运行，企业将实现10倍效率提升，迎接AI Agent时代无限可能。
